Browsing by Subject "LDA"
Now showing items 1-3 of 3
-
(2022)Tutkielmassa pyritään ensinnäkin vastaamaan kysymykseen siitä, minkälaisia rasismin kehystämisen tapoja havaitaan Suomi24-foorumilta sekä miltä kehystäminen näyttää rasismin tutkimuskirjallisuuden valossa. Toiseksi tutkielmassa tarkastellaan aihemallinnusalgoritmin kyvykkyyttä tuottaa ”aiheita” suomalaisesta puhekielisestä keskustelufoorumista sekä voiko näitä ”aiheita” käsitellä entmanilaisina ”kehyksinä” Aineistona tutkielmassa käytetään kielipankin Suomi24-korpusta, joka on rajattu sisältämään Rasismi-keskustelualueen keskustelunavaukset kahtena ajanjaksona: 2007–2011 & 2012–2016. Aineiston analyysissä on käytetty laskennallisiin koneoppimismenetelmiin kuuluvaa aihemallinnusta. Sen tuottamat ”aiheet” on analysoitu laadullisella kehysanalyysillä entmanilaisina ”kehyksinä”. Kehyksiä arvioidaan Entmanin mukaisesti retorisena operaationa, jolla pyritään vaikuttamaan muiden toimintaan. Aihemallinnuksen tulosten perusteella molemmilta ajanjaksoilta nousseet yleisimmät kehykset on nimetty seuraavasti: ”taloudellinen taakka”, ”seksuaalirikokset & väkivaltaisuus”, ”kulttuurien yhteensopimattomuus & terrorismi” sekä ”rasismin määrittelykamppailu & sananvapaus”. Tutkielman keskeinen tulos on, että Suomi24-foorumilla Rasismi-foorumin keskustelunavaukset koskevat valtaosin ei- haluttujen maiden maahanmuuttajia, kuten somaleja tai Lähi-idän pakolaisia. Näkemykset näitä ihmisryhmiä kohtaan ovat korostuneen negatiivisia. Kehyksistä havaitaan monentyyppistä rasismia, joiden tarkoituksena vaikuttaa olevan institutionaalisen rasismin lisääminen: maahanmuuttajien sosiaalisen turvan leikkaaminen ja maahanmuuttajataustaisten ajaminen pois Suomesta. Toinen keskeinen tulos on, että aihemallinnus kykenee tuottamaan suomenkielisestä arkikielisestä aineistosta tuloksena ”aiheita”, jotka voidaan tulkita entmanilaisina kehyksinä. Kehystyksissä esiintyy vanhaa rasismia (maahanmuuttajat esitetään laiskoina, vaistojen varaisina ja väkivaltaisina), uusrasismia (islaminusko esitetään väkivaltaisena sortavana uskontona) ja arkielämän rasismia (maahanmuuttajista puhutaan pahaan, nimitellään ja loukataan). Noin viidesosa Suomi24:n käyttäjistä saapuu foorumille oppimaan uutta tietoa. Tutkielmassa tästä näkökulmasta koetaan ongelmallisena, että foorumilla puututaan vain rasismin räikeimpiin ulostuloihin. Rasismista uskalletaan yhteiskunnassa puhua vain ”turvallisilla termeillä”, joista osa on äärioikeiston itse määrittämiä. Rasistinen vihapuhe lisää epätasa-arvoista kohtelua ja suurentaa vihapuheen kohteen riskiä väkivallan uhriksi joutumisesta. Vihapuheen lisäämä polarisaatio on myös uhka koko poliittisen järjestelmän ja kulttuurin toiminnalle.
-
(2022)Tutkielmassa pyritään ensinnäkin vastaamaan kysymykseen siitä, minkälaisia rasismin kehystämisen tapoja havaitaan Suomi24-foorumilta sekä miltä kehystäminen näyttää rasismin tutkimuskirjallisuuden valossa. Toiseksi tutkielmassa tarkastellaan aihemallinnusalgoritmin kyvykkyyttä tuottaa ”aiheita” suomalaisesta puhekielisestä keskustelufoorumista sekä voiko näitä ”aiheita” käsitellä entmanilaisina ”kehyksinä” Aineistona tutkielmassa käytetään kielipankin Suomi24-korpusta, joka on rajattu sisältämään Rasismi-keskustelualueen keskustelunavaukset kahtena ajanjaksona: 2007–2011 & 2012–2016. Aineiston analyysissä on käytetty laskennallisiin koneoppimismenetelmiin kuuluvaa aihemallinnusta. Sen tuottamat ”aiheet” on analysoitu laadullisella kehysanalyysillä entmanilaisina ”kehyksinä”. Kehyksiä arvioidaan Entmanin mukaisesti retorisena operaationa, jolla pyritään vaikuttamaan muiden toimintaan. Aihemallinnuksen tulosten perusteella molemmilta ajanjaksoilta nousseet yleisimmät kehykset on nimetty seuraavasti: ”taloudellinen taakka”, ”seksuaalirikokset & väkivaltaisuus”, ”kulttuurien yhteensopimattomuus & terrorismi” sekä ”rasismin määrittelykamppailu & sananvapaus”. Tutkielman keskeinen tulos on, että Suomi24-foorumilla Rasismi-foorumin keskustelunavaukset koskevat valtaosin ei- haluttujen maiden maahanmuuttajia, kuten somaleja tai Lähi-idän pakolaisia. Näkemykset näitä ihmisryhmiä kohtaan ovat korostuneen negatiivisia. Kehyksistä havaitaan monentyyppistä rasismia, joiden tarkoituksena vaikuttaa olevan institutionaalisen rasismin lisääminen: maahanmuuttajien sosiaalisen turvan leikkaaminen ja maahanmuuttajataustaisten ajaminen pois Suomesta. Toinen keskeinen tulos on, että aihemallinnus kykenee tuottamaan suomenkielisestä arkikielisestä aineistosta tuloksena ”aiheita”, jotka voidaan tulkita entmanilaisina kehyksinä. Kehystyksissä esiintyy vanhaa rasismia (maahanmuuttajat esitetään laiskoina, vaistojen varaisina ja väkivaltaisina), uusrasismia (islaminusko esitetään väkivaltaisena sortavana uskontona) ja arkielämän rasismia (maahanmuuttajista puhutaan pahaan, nimitellään ja loukataan). Noin viidesosa Suomi24:n käyttäjistä saapuu foorumille oppimaan uutta tietoa. Tutkielmassa tästä näkökulmasta koetaan ongelmallisena, että foorumilla puututaan vain rasismin räikeimpiin ulostuloihin. Rasismista uskalletaan yhteiskunnassa puhua vain ”turvallisilla termeillä”, joista osa on äärioikeiston itse määrittämiä. Rasistinen vihapuhe lisää epätasa-arvoista kohtelua ja suurentaa vihapuheen kohteen riskiä väkivallan uhriksi joutumisesta. Vihapuheen lisäämä polarisaatio on myös uhka koko poliittisen järjestelmän ja kulttuurin toiminnalle.
-
(2023)Abstract Objectives. Despite the convincing evidence of efficacy of psychotherapy, its mechanisms of change in therapy are still unclear raising questions on what constitutes psychotherapy. In this work, the common and specific factors of cognitive behavioral therapy and psychodynamic psychotherapy were inspected by exploring psychotherapy manuals, which has not been previously studied in therapy research, using machine learning methods. The aim of this work was to gain understanding of the theoretical frames of different psychotherapy approaches and explore their distinguishability as well as semantic features. Methods. Textual psychotherapy manuals representing psychodynamic psychotherapy (n=4) and cognitive behavioral therapy (n=4) were analyzed using latent Dirichlet allocation topic modeling. The number of topics was pre-defined as 2, based on the number of therapy approaches. Additionally, a Bayesian method was used, defining the best fitting number of topics for the data. Logistic regression was performed for both solutions regarding the selection of the number of topics to observe the associations of textual topics with the therapy approaches. Two models were compared in their ability to correctly discriminate between the therapy approaches. Results and conclusions. The models consisting of 2 and 24 topics proved excellent in distinguishing the therapy approaches thus pointing towards the differentiable nature of these two approaches. The discriminative power of the model with 24 topics was based on few perfectly discriminative topics yet the model also included topics common for both therapy approaches. Based on this work, the approaches differed regarding relational and agency emphasis whereas shared expectations appeared as common factor.
Now showing items 1-3 of 3