Browsing by Subject "aihemallinnus"
Now showing items 1-17 of 17
-
(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.
-
(2022)Sosiaalietuudet ovat kokeneet monenlaisia muutoksia vuosien aikana, ja niihin liittyviä lakeja pyritään kehittämään jatkuvasti. Myös aivan viimesijaiseen valtion tarjoamaan taloudellisen tuen muotoon, toimeentulotukeen, on kohdistettu merkittäviä toimenpiteitä, mikä on vaikuttanut useiden suomalaisten elämään. Näistä toimenpiteistä erityisesti perustoimeentulotuen siirtäminen Kansaneläkelaitoksen vastuulle on vaatinut paljon sopeutumiskykyä tukea käsitteleviltä ja hakevilta tahoilta. Tämä on voinut herättää voimakkaitakin mielipiteitä, joiden ilmaisuun keskustelufoorumit ovat otollinen alusta. Suomen suurin keskustelufoorumi Suomi24 sisältää paljon yhteiskuntaan ja politiikkaan liittyviä keskusteluketjuja, joiden sisällön kartoittaminen kiinnostaviin aiheisiin liittyen voi tuottaa oikeanlaisilla menetelmillä mielenkiintoista ja hyödyllistä tietoa. Tässä tutkielmassa pyritään luonnollisen kielen prosessoinnin menetelmiä, tarkemmin aihemallinnusta, hyödyntämällä selvittämään, onko vuonna 2017 voimaan tulleen toimeentulotukilain muutos mahdollisesti näkynyt jollakin tavalla Suomi24-foorumin toimeentulotukea käsittelevissä keskusteluissa. Tutkimus toteutetaan havainnollistamalla valittua aineistoa erilaisilla visualisoinneilla sekä soveltamalla LDA algoritmia, ja näiden avulla yritetään havaita keskusteluiden keskeisimmät aiheet ja niihin liittyvät käsitteet. Jos toimeentulotukilain muutos on herättänyt keskustelua, se voisi ilmetä aiheista sekä niiden sisältämien sanojen käytön jakautumisesta ajalle ennen muutosta ja sen jälkeen. Myös aineiston rajaus ja poiminta tietokannasta, sekä aineiston esikäsittely aihemallinnusta varten kattaa merkittävän osan tutkimuksesta. Aineistoa testataan yhteensä kaksi kertaa, sillä ensimmäisellä kerralla havaitaan puutteita esikäsittelyvaiheessa sekä mallin sovittamisessa. Iterointi ei ole epätavanomaista tällaisissa tutkimuksissa, sillä vasta tuloksia tulkitessa saattaa nousta esille asioita, jotka olisi pitänyt ottaa huomioon jo edeltävissä vaiheissa. Toisella testauskerralla aiheiden sisällöistä nousi esille joitain mielenkiintoisia havaintoja, mutta niiden perusteella on vaikea tehdä päätelmiä siitä, näkyykö toimeentulotukilain muutos keskustelualustan viesteistä.
-
(2020)Slack is an instant messaging platform intended for the internal communications of companies and other organizations. For organizations that use Slack extensively it may provide an interesting source of insight, but as such the data is difficult to analyze. Topic modeling, primarily latent Dirichlet allocation (LDA), is commonly used to summarize textual data in a meaningful way. Instant messages tend to be very short, which causes problems for conventional topic modeling methods such as LDA. The data sparsity problem can be tackled with data expansion and data combination techniques. For instant messages, data combination is particularly attractive as the messages are not independent of each other, but form implicit, and sometimes expicit, threads as the participants reply to each other. Most of the threads in the Slack data are not explicit, but must be ’untangled’ from the message stream if they are to be used as a basis for a data combination scheme. In this thesis we study the possibility of detecting implicit threads from a slack message stream and leveraging the threads as a data combination scheme in topic modeling. The threads are detected using a hierarchical clustering algorithm which uses word mover’s distance, latent semantic analysis, and metadata to compute the distances between messages. The clusters are then concatenated and used as the input for LDA. It is shown that on a dataset gathered from the Gofore Oyj Slack workspace, the cluster-based model improves on the message-based model, but falls short of being practical.
-
(2018)Kulutuskulttuuri on nykyisellään kestämätöntä, ja uusia ratkaisuja tarvitaan. Kestävä kulutus on tärkeä osa kestävän kehityksen tavoitteita. Monissa tutkimuksissa on kritisoitu sitä, ettei kestävän kulutuksen politiikassa ole tähän mennessä tehty riittäviä toimenpiteitä muutoksen saavuttamiseksi kulutuskulttuurissa. Tutkimuksessa tarkastellaan seitsemän eturyhmän julkaisemia dokumentteja kestävästä kulutuksesta. Eturyhmät ilmentävät toiminnallaan omia intressejään. Tarkastelun kohteena on, minkälaisia intressejä aineistossa on kestävään kulutukseen liittyen tunnistettavissa. Aineisto koostuu seitsemän eturyhmän julkaisemista kestävää kulutusta käsittelevistä dokumenteista, jotka ovat vuosilta 1999–2015. Yhteensä julkaisuja on aineistossa neljätoista, joista kolme käsittelee kiertotaloutta. Aineiston analyysissä on käytetty laskennallisiin menetelmiin kuuluvaa aihemallinnusta, ja sen tuloksia on tulkittu laadullisesti. Tutkimuksen perusteella voidaan tunnistaa seitsemän intressiä kestävästä kulutuksesta. Aihemallinnuksen tulosten perusteella aiheet on nimetty seuraavasti: Poliittiset ohjauskeinot, Standardit ja verotus, Liiketoiminnan uudet mahdollisuudet, Tuotteiden laadulla kestävyyteen, Kansainväliset tavoitteet, Jätteet kiertoon ja Eurooppalainen ekodesign ja ympäristömerkinnät. Poliittiset ohjauskeinot, Kansainväliset tavoitteet sekä Eurooppalainen ekodesign ja ympäristömerkinnät ovat yleisen tason aiheita ja ne esiintyvät useissa dokumenteissa. Loput neljä aiheista ovat muita yksityiskohtaisempia ja keskittyvät tarkemmin rajattuihin teemoihin. Eturyhmien kestävän kulutuksen intressit painottuvat tehokkuuden lisäämiseen sekä poliittisiin ohjauskeinoihin, joilla pyritään muuttamaan kulutustapoja markkinoiden kautta. Kulutuksen vähentäminen ei ole eturyhmien intresseissä edellä mainittujen tapaan.
-
(2018)Kulutuskulttuuri on nykyisellään kestämätöntä, ja uusia ratkaisuja tarvitaan. Kestävä kulutus on tärkeä osa kestävän kehityksen tavoitteita. Monissa tutkimuksissa on kritisoitu sitä, ettei kestävän kulutuksen politiikassa ole tähän mennessä tehty riittäviä toimenpiteitä muutoksen saavuttamiseksi kulutuskulttuurissa. Tutkimuksessa tarkastellaan seitsemän eturyhmän julkaisemia dokumentteja kestävästä kulutuksesta. Eturyhmät ilmentävät toiminnallaan omia intressejään. Tarkastelun kohteena on, minkälaisia intressejä aineistossa on kestävään kulutukseen liittyen tunnistettavissa. Aineisto koostuu seitsemän eturyhmän julkaisemista kestävää kulutusta käsittelevistä dokumenteista, jotka ovat vuosilta 1999–2015. Yhteensä julkaisuja on aineistossa neljätoista, joista kolme käsittelee kiertotaloutta. Aineiston analyysissä on käytetty laskennallisiin menetelmiin kuuluvaa aihemallinnusta, ja sen tuloksia on tulkittu laadullisesti. Tutkimuksen perusteella voidaan tunnistaa seitsemän intressiä kestävästä kulutuksesta. Aihemallinnuksen tulosten perusteella aiheet on nimetty seuraavasti: Poliittiset ohjauskeinot, Standardit ja verotus, Liiketoiminnan uudet mahdollisuudet, Tuotteiden laadulla kestävyyteen, Kansainväliset tavoitteet, Jätteet kiertoon ja Eurooppalainen ekodesign ja ympäristömerkinnät. Poliittiset ohjauskeinot, Kansainväliset tavoitteet sekä Eurooppalainen ekodesign ja ympäristömerkinnät ovat yleisen tason aiheita ja ne esiintyvät useissa dokumenteissa. Loput neljä aiheista ovat muita yksityiskohtaisempia ja keskittyvät tarkemmin rajattuihin teemoihin. Eturyhmien kestävän kulutuksen intressit painottuvat tehokkuuden lisäämiseen sekä poliittisiin ohjauskeinoihin, joilla pyritään muuttamaan kulutustapoja markkinoiden kautta. Kulutuksen vähentäminen ei ole eturyhmien intresseissä edellä mainittujen tapaan.
-
(2023)Yhteiskuntatieteellisessä tutkimuksessa on kasvavissa määrin kiinnostuttu selittämään politiikan muutosta ideoilla. Empiirinen ideatutkimus on kuitenkin vielä kehityksen alla ja ideoiden tutkimiseen on kaivattu uusia tutkimusmenetelmiä. Tässä maisterintutkielmassa selvitetään, miten aihemallinnusta ja kehysanalyysia yhdistävä kehysmallinnus sopii ideoiden tunnistamiseen tekstiaineistosta. Empiirisenä esimerkkinä käytetään hyvinvoinnin ideaa ja tutkimusaineistona eduskunnan täysistuntokeskusteluista poimittua kansanedustajien hyvinvointipuhetta vuosilta 2015–2021. Tutkimuskysymykset ovat: 1) Miten kansanedustajat kehystävät hyvinvointia täysistuntopuheissaan? 2) Miten hyvinvoinnin idea määrittyy kansanedustajien puheessa? 3) Miten kehysmallinnus soveltuu ideoiden tunnistamiseen tekstiaineistosta? Kehysmallinnuksella kansanedustajien puheesta tunnistetaan 12 hyvinvoinnin kehystä. Hyvinvoinnin idea määrittyy kansanedustajien puheissa sitä kautta, minkä ryhmien hyvinvoinnista ollaan kiinnostuneita, minkä asioiden katsotaan hyvinvointiin vaikuttavan, millaisiin instituutioihin ja niiden muutoksiin hyvinvointi yhdistetään sekä kenen tietoon ymmärrys hyvinvoinnista perustetaan. Kansanedustajien puheessa hyvinvointia käsitellään itsestään selvänä yhteiskuntapolitiikan päämääränä. Ideateoria ja kehysmallinnus ovat teoreettisesti ja tutkielman empiiristen tulosten perusteella yhteensopivia. Kehysmallinnuksen arvioidaan siten soveltuvan hyvin ideoiden tunnistamiseen tekstiaineistosta.
-
(2023)Yhteiskuntatieteellisessä tutkimuksessa on kasvavissa määrin kiinnostuttu selittämään politiikan muutosta ideoilla. Empiirinen ideatutkimus on kuitenkin vielä kehityksen alla ja ideoiden tutkimiseen on kaivattu uusia tutkimusmenetelmiä. Tässä maisterintutkielmassa selvitetään, miten aihemallinnusta ja kehysanalyysia yhdistävä kehysmallinnus sopii ideoiden tunnistamiseen tekstiaineistosta. Empiirisenä esimerkkinä käytetään hyvinvoinnin ideaa ja tutkimusaineistona eduskunnan täysistuntokeskusteluista poimittua kansanedustajien hyvinvointipuhetta vuosilta 2015–2021. Tutkimuskysymykset ovat: 1) Miten kansanedustajat kehystävät hyvinvointia täysistuntopuheissaan? 2) Miten hyvinvoinnin idea määrittyy kansanedustajien puheessa? 3) Miten kehysmallinnus soveltuu ideoiden tunnistamiseen tekstiaineistosta? Kehysmallinnuksella kansanedustajien puheesta tunnistetaan 12 hyvinvoinnin kehystä. Hyvinvoinnin idea määrittyy kansanedustajien puheissa sitä kautta, minkä ryhmien hyvinvoinnista ollaan kiinnostuneita, minkä asioiden katsotaan hyvinvointiin vaikuttavan, millaisiin instituutioihin ja niiden muutoksiin hyvinvointi yhdistetään sekä kenen tietoon ymmärrys hyvinvoinnista perustetaan. Kansanedustajien puheessa hyvinvointia käsitellään itsestään selvänä yhteiskuntapolitiikan päämääränä. Ideateoria ja kehysmallinnus ovat teoreettisesti ja tutkielman empiiristen tulosten perusteella yhteensopivia. Kehysmallinnuksen arvioidaan siten soveltuvan hyvin ideoiden tunnistamiseen tekstiaineistosta.
-
(2023)This study investigated whether the introduction of a new student support model had impact on letters to the editor about school and teaching as a job. Previous studies show that the introduction of the new model has had an impact on teaching and has made the occupation more mentally straining. The research material consist of letters to the editor in Helsingin Sanomat magazine from two decades, introduction of the support model splitting them half. The material was narrowed down to consist only writings about teaching and elementary school. The analysis was carried out by means of text mining and natural language processing methods using R programming language and tidy text -package made for it. The results show a difference when compared the two halves of data but it was not possible to conclude if the difference was the result of the introduction of the new support model.
-
(2019)Tässä tutkielmassa tarkastellaan suomenkielisen populaarimusiikin lyriikoita. Tavoitteenani on selvittää minkälaisia aiheita suomalaisen enemmistön musiikkimakua edustavat hittibiisit pitävät sisällään. Aiheiden identifioinnin lisäksi keskityn tutkielmassa tarkastelemaan aiheiden suosiota ja suosion jakautumista eri vuosina ja vuodenaikoina. Tutkielman aineisto koostuu suomenkielisistä hittibiiseistä, jotka ovat nousseet Suomen Virallisen Listan tilastoihin vuosien 1996–2018 aikana. Lopulliseen analyysiin päätyi 1050 hittibiisiä. Analysoin hittibiisien lyriikat laskennallisiin menetelmiin kuuluvan aihemallinnuksen avulla. Aihemallinnuksen tulosten ja lyriikoiden laadullisen tarkastelun perusteella hittibiisien lyriikoista oli tunnistettavissa 12 keskeistä aihetta. Vuosien 1996–2018 hittibiisien aiheet olivat Päästä pois nykyisestä, Sukupuoliroolit, Tehdä hyvää ja tehdä pahaa, Tänään juhlitaan, Olla kaikista paras, Rakastaa toista, Vaihtuvat vuodenajat, Menetetty rakkaus, Rakastella, Valvoa yöllä, Elämänpolku ja Sanallinen ja sanaton viestintä. Aihemallinnuksen tulosten perusteella suomenkielisten hittibiisien suosituin aihe on Rakastella. Myös muut rakkausteeman aiheet ovat saavuttaneet merkittävää suosiota. Hittibiisien aiheissa näkyy vahvasti myös halu irtautua arjesta ja nykyhetkestä. Tulosten perusteella aiheiden suosiossa on tapahtunut selkeitä muutoksia vuosina 1996–2018. Joidenkin aiheiden suosio on kasvanut, kun taas toiset aiheet ovat menettäneet suosiotaan. Aiheiden suosion vaihtelu on huomattavasti vähäisempää eri vuodenaikojen välillä. Aiheiden suosiossa on kuitenkin havaittavissa pientä kausittaista vaihtelua ja esimerkiksi kesällä hittibiisien aiheissa korostuu juhliminen ja hauskanpito. Tutkielmani tulosten perusteella aihemallinnus on käyttökelpoinen apuväline myös suomenkielisen lyriikan analysoinnissa.
-
(2019)Tässä tutkielmassa tarkastellaan suomenkielisen populaarimusiikin lyriikoita. Tavoitteenani on selvittää minkälaisia aiheita suomalaisen enemmistön musiikkimakua edustavat hittibiisit pitävät sisällään. Aiheiden identifioinnin lisäksi keskityn tutkielmassa tarkastelemaan aiheiden suosiota ja suosion jakautumista eri vuosina ja vuodenaikoina. Tutkielman aineisto koostuu suomenkielisistä hittibiiseistä, jotka ovat nousseet Suomen Virallisen Listan tilastoihin vuosien 1996–2018 aikana. Lopulliseen analyysiin päätyi 1050 hittibiisiä. Analysoin hittibiisien lyriikat laskennallisiin menetelmiin kuuluvan aihemallinnuksen avulla. Aihemallinnuksen tulosten ja lyriikoiden laadullisen tarkastelun perusteella hittibiisien lyriikoista oli tunnistettavissa 12 keskeistä aihetta. Vuosien 1996–2018 hittibiisien aiheet olivat Päästä pois nykyisestä, Sukupuoliroolit, Tehdä hyvää ja tehdä pahaa, Tänään juhlitaan, Olla kaikista paras, Rakastaa toista, Vaihtuvat vuodenajat, Menetetty rakkaus, Rakastella, Valvoa yöllä, Elämänpolku ja Sanallinen ja sanaton viestintä. Aihemallinnuksen tulosten perusteella suomenkielisten hittibiisien suosituin aihe on Rakastella. Myös muut rakkausteeman aiheet ovat saavuttaneet merkittävää suosiota. Hittibiisien aiheissa näkyy vahvasti myös halu irtautua arjesta ja nykyhetkestä. Tulosten perusteella aiheiden suosiossa on tapahtunut selkeitä muutoksia vuosina 1996–2018. Joidenkin aiheiden suosio on kasvanut, kun taas toiset aiheet ovat menettäneet suosiotaan. Aiheiden suosion vaihtelu on huomattavasti vähäisempää eri vuodenaikojen välillä. Aiheiden suosiossa on kuitenkin havaittavissa pientä kausittaista vaihtelua ja esimerkiksi kesällä hittibiisien aiheissa korostuu juhliminen ja hauskanpito. Tutkielmani tulosten perusteella aihemallinnus on käyttökelpoinen apuväline myös suomenkielisen lyriikan analysoinnissa.
-
(2023)Tässä tutkielmassa on tutkittu aihemallinnuksen avulla, mitä sosiaalisen median alustoilla keskustellaan vastuulliseen vaatetukseen liittyen. Tutkielmassa on myös selvitetty, miten hyvin aihemallinnus sopii someaineiston analyysiin ja onko keskusteluissa havaittavissa muutokseen tähtääviä monitasoisia näkökulmia. Aiheiden tarkastelua varten monitasoisen muutoksen mallista (MLP) ja sosiaalisten käytäntöjen teoriasta (SPT) on rakennettu tulkinnallinen kehikko MLP-SPT, joka toimi tutkielman heuristisena työkaluna aihemallinnuksen aiheiden luokittelussa. Monitasoisen muutoksen mallin avulla voidaan tarkastella monimutkaista muodin systeemiä ja siinä ilmeneviä muutoksia. Sosiaalisten käytäntöjen teorian avulla voidaan tutkia miten ihmiset toteuttavat erilaisia rutinoituneita toimia arjessaan. Tässä tutkielmassa sosiaalisten käytäntöjen teoriasta on otettu huomioon riittävyyteen tähtäävät vaatetuskäytännöt. MLP-SPT-kehikon avulla on tutkittu miten ihmiset kommentoivat muodin järjestelmää, kritisoivat sitä ja puhuvat riittävyysorientoituneista käytännöistä. Kehikon avulla on myös tutkittu miten keskustelijat tuovat esiin muita monitasoisen muutoksen mallin tasoja, eli niche-tason innovaatioita ja ulkoiseen toimintaympäristöön liittyviä näkökulmia. Tutkielmassa aineistosta tehtiin 20 aiheen malli, josta 14 aihetta liittyi johonkin MLP-SPT-teoriakehikon osaan. Suurin osa aiheista käsitteli riittävyyteen tähtääviä vaatetuskäytäntöjä (6 aihetta). 3 aihetta käsitteli MLP:n järjestelmätasoa, 3 aihetta niche-tason innovaatioita ja 2 aihetta ulkoista toimintaympäristöä. Tulkintakehikko osoittautui hyväksi apuvälineeksi aiheiden tarkasteluun, ja kommentit käsittelivät monitasoisen muutoksen malliin ja käytäntöihin liittyviä sisältöjä. Etenkin kommentoijat kritisoivat muodin systeemiä ja siihen liittyviä epäkohtia, sekä puhuivat vaatteisiin liittyvistä ominaisuuksista. Aiheissa voitiin myös nähdä muutokseen tähtäävä näkökulma ja mallinnus toimi hyvin aineiston sisällön luokitteluun ja tiivistämiseen.
-
(2023)Tässä tutkielmassa on tutkittu aihemallinnuksen avulla, mitä sosiaalisen median alustoilla keskustellaan vastuulliseen vaatetukseen liittyen. Tutkielmassa on myös selvitetty, miten hyvin aihemallinnus sopii someaineiston analyysiin ja onko keskusteluissa havaittavissa muutokseen tähtääviä monitasoisia näkökulmia. Aiheiden tarkastelua varten monitasoisen muutoksen mallista (MLP) ja sosiaalisten käytäntöjen teoriasta (SPT) on rakennettu tulkinnallinen kehikko MLP-SPT, joka toimi tutkielman heuristisena työkaluna aihemallinnuksen aiheiden luokittelussa. Monitasoisen muutoksen mallin avulla voidaan tarkastella monimutkaista muodin systeemiä ja siinä ilmeneviä muutoksia. Sosiaalisten käytäntöjen teorian avulla voidaan tutkia miten ihmiset toteuttavat erilaisia rutinoituneita toimia arjessaan. Tässä tutkielmassa sosiaalisten käytäntöjen teoriasta on otettu huomioon riittävyyteen tähtäävät vaatetuskäytännöt. MLP-SPT-kehikon avulla on tutkittu miten ihmiset kommentoivat muodin järjestelmää, kritisoivat sitä ja puhuvat riittävyysorientoituneista käytännöistä. Kehikon avulla on myös tutkittu miten keskustelijat tuovat esiin muita monitasoisen muutoksen mallin tasoja, eli niche-tason innovaatioita ja ulkoiseen toimintaympäristöön liittyviä näkökulmia. Tutkielmassa aineistosta tehtiin 20 aiheen malli, josta 14 aihetta liittyi johonkin MLP-SPT-teoriakehikon osaan. Suurin osa aiheista käsitteli riittävyyteen tähtääviä vaatetuskäytäntöjä (6 aihetta). 3 aihetta käsitteli MLP:n järjestelmätasoa, 3 aihetta niche-tason innovaatioita ja 2 aihetta ulkoista toimintaympäristöä. Tulkintakehikko osoittautui hyväksi apuvälineeksi aiheiden tarkasteluun, ja kommentit käsittelivät monitasoisen muutoksen malliin ja käytäntöihin liittyviä sisältöjä. Etenkin kommentoijat kritisoivat muodin systeemiä ja siihen liittyviä epäkohtia, sekä puhuivat vaatteisiin liittyvistä ominaisuuksista. Aiheissa voitiin myös nähdä muutokseen tähtäävä näkökulma ja mallinnus toimi hyvin aineiston sisällön luokitteluun ja tiivistämiseen.
-
(2019)Societal norms guide the discussion on the transition to retirement. The norms dictate how and when one should retire and how one should spend retirement days. Norms are expressed in ways to speak about retirement, that is, in the narratives of retirement. The normative narratives guide individual choices and define who has retired successfully. If individual’s retirement does not meet the criteria described in the narratives, they may feel they have failed. In this Master’s thesis, the retirement narratives are searched from Finland’s largest online discussion forum Finland24, and the narratives are compared with the narratives found in previous studies. The data are the posts, mentioning the word retirement or pension, that were written on the forum between years 2001 and 2016. As the data consists of over 300 000 conversations threads, it is, first, thematically grouped using a machine learning method called Latent dirichlet allocation topic modeling. With the help of the model, it is possible to choose from the data only the conversations that contain relevant information on retirement narratives. Because computational topic modeling and internet’s big data have yet but few applications in the Social Science research, the second research question of the thesis is, how they can be applied in the research of this discipline. There is not yet consensus on the best practices of the method’s usage, hence the analytical choices made in this thesis are described in detail. An attempt is also made to develop the interpretation of the model’s results: a system is created for labelling the modelled topics and for finding the key themes among all the topics the model outputs. As a result of the modeling, five retirement specific themes were found from the forum: Social issues, Social security system, Social development, Retirement transition, and Life and feelings. Of these themes, Retirement transition was selected for the qualitative content analysis. The discussions within the theme reveal the typically normative nature of retirement discussion on the forum. What unifies the discussions is the view that choices and chances during career define how well one succeeds in retirement. This common narrative is called in the thesis the Retirement game. Before retirement, one has to work and pay pension payments. The most widely accepted reason for retirement is achieving pension eligibility age, and those who continue working after this are seen as cheating the game, threatening the younger workers. The winner of the game is the one who survives in paid work all the way to the pension eligibility age, manages to accumulate enough pension and enjoys their freedom to control how to use their time. By combining computational topic modeling and qualitative analysis, the thesis found retirement narratives that supplement the existing knowledge of them. The expressed norms were stronger in the discussion forum, but on the other hand, there were ways to retire that were completely against the norm. The results show that using similar data and methods it is possible to find new perspectives to existing scientific knowledge of Social Sciences’ research objectives. However, topic modeling and other computational methods require interdisciplinary expertise, and further research on their best practices and application possibilities is needed.
-
(2019)Societal norms guide the discussion on the transition to retirement. The norms dictate how and when one should retire and how one should spend retirement days. Norms are expressed in ways to speak about retirement, that is, in the narratives of retirement. The normative narratives guide individual choices and define who has retired successfully. If individual’s retirement does not meet the criteria described in the narratives, they may feel they have failed. In this Master’s thesis, the retirement narratives are searched from Finland’s largest online discussion forum Finland24, and the narratives are compared with the narratives found in previous studies. The data are the posts, mentioning the word retirement or pension, that were written on the forum between years 2001 and 2016. As the data consists of over 300 000 conversations threads, it is, first, thematically grouped using a machine learning method called Latent dirichlet allocation topic modeling. With the help of the model, it is possible to choose from the data only the conversations that contain relevant information on retirement narratives. Because computational topic modeling and internet’s big data have yet but few applications in the Social Science research, the second research question of the thesis is, how they can be applied in the research of this discipline. There is not yet consensus on the best practices of the method’s usage, hence the analytical choices made in this thesis are described in detail. An attempt is also made to develop the interpretation of the model’s results: a system is created for labelling the modelled topics and for finding the key themes among all the topics the model outputs. As a result of the modeling, five retirement specific themes were found from the forum: Social issues, Social security system, Social development, Retirement transition, and Life and feelings. Of these themes, Retirement transition was selected for the qualitative content analysis. The discussions within the theme reveal the typically normative nature of retirement discussion on the forum. What unifies the discussions is the view that choices and chances during career define how well one succeeds in retirement. This common narrative is called in the thesis the Retirement game. Before retirement, one has to work and pay pension payments. The most widely accepted reason for retirement is achieving pension eligibility age, and those who continue working after this are seen as cheating the game, threatening the younger workers. The winner of the game is the one who survives in paid work all the way to the pension eligibility age, manages to accumulate enough pension and enjoys their freedom to control how to use their time. By combining computational topic modeling and qualitative analysis, the thesis found retirement narratives that supplement the existing knowledge of them. The expressed norms were stronger in the discussion forum, but on the other hand, there were ways to retire that were completely against the norm. The results show that using similar data and methods it is possible to find new perspectives to existing scientific knowledge of Social Sciences’ research objectives. However, topic modeling and other computational methods require interdisciplinary expertise, and further research on their best practices and application possibilities is needed.
-
(2020)Tutkielma käsittelee tekoälyä koskevaa julkista keskustelua Suomessa vuosina 1994-2019. Julkista keskustelua lähestytään tekoälyyn kohdistuvien odotusten kautta. Tutkimus selvittää, millaisia odotuksia tekoälyyn liitetään julkisessa keskustelussa. Teoreettisena viitekehyksenä toimii ensisijaisesti odotusten sosiologia. Odotuksiin liittyvät teoreettisina käsitteinä myös hypesykli ja teknologiamyytit. Lisäksi tarkastellaan tieteisfiktion merkitystä odotusten synnyssä. Teoreettinen tausta käsittelee myös tekoälyn käsitettä ja historiaa, julkisuusteoriaa ja journalismin murrosta. Tutkimuksen aineistona on yhdentoista suomalaisen sanomalehden artikkeleita vuosilta 1994-2019. Aineistoa analysoidaan kahden tutkimusmenetelmän, aihemallinnuksen ja kehysanalyysin avulla. Laskennalliseen yhteiskuntatieteeseen lukeutuva aihemallinnus ja laadulliseen tutkimusperinteeseen kuuluva kehysanalyysi yhdistetään tuoreeksi tutkimusmenetelmäksi nimeltä kehysmallinnus. Alkuperäisaineistosta löytyi 2286 tekoälyä koskevaa artikkelia, joille tehtiin aihemallinnus. Mallinnuksen jälkeen aineistosta poimittiin kolmetoista artikkelia lähilukua varten ja ne analysoitiin kehysanalyysin avulla. Aihemallinnus tuotti aiheita, joista kolmetoista ryhmiteltiin neljään teemaan. Yhteiskunta-teeman aiheet liittyivät talouteen, työhön ja kansainväliseen politiikkaan. Teknologia-teeman aiheet käsittelivät koneoppimista, robotteja, teknologista kehitystä ja sosiaalista mediaa. Kulttuuri-teemaan muodostui yleinen kulttuuria käsittelevä ja erillinen kirjallisuutta käsittelevä aihe. Viihde-teema käsitteli pelejä ja elokuvia. Kehysanalyysin avulla tunnistettiin lähiluetuista artikkeleista yhdeksänkymmentäkuusi odotusta. Kahden analyysimenetelmän avulla tunnistettiin, että suomalaisessa julkisessa keskustelussa on nähtävissä hypesyklin mukainen aktivoituminen vuosina 2014-2019. Lähes kaikki tekoälyä koskeva yhteiskunnallinen keskustelu tarkasteluaikavälillä on käyty samoina vuosina. Ennen 2010-lukua tekoäly on esiintynyt enimmäkseen peliarvosteluiden yhteydessä. Tekoälyyn kohdistuvista odotuksista osa oli ylilyöviä ja tekoälymyyttiä rakentavia. Merkittävämpi havainto oli kuitenkin se, että odotukset kohdistuivat suurelta osin taloudellisen tehokkuuden edistämiseen. Keskustelussa ääneen pääsivät pääasiassa yritysmaailmaa edustavat, korkeassa yhteiskunnallisessa asemassa toimivat miehet, jotka hyötyvät tekoälyn kehityksestä taloudellisesti. Tutkimuksen johtopäätöksenä onkin, että tekoälyä koskevan julkisen keskustelun tulisi olla moniäänisempää. Toimittajien tulisi pyrkiä päästämään ääneen myös niitä, jotka kärsivät tekoälyn mahdollistamasta automatisaatiosta ja suhtautua kriittisemmin kehityksestä hyötyviin.
-
(2020)Tutkielma käsittelee tekoälyä koskevaa julkista keskustelua Suomessa vuosina 1994-2019. Julkista keskustelua lähestytään tekoälyyn kohdistuvien odotusten kautta. Tutkimus selvittää, millaisia odotuksia tekoälyyn liitetään julkisessa keskustelussa. Teoreettisena viitekehyksenä toimii ensisijaisesti odotusten sosiologia. Odotuksiin liittyvät teoreettisina käsitteinä myös hypesykli ja teknologiamyytit. Lisäksi tarkastellaan tieteisfiktion merkitystä odotusten synnyssä. Teoreettinen tausta käsittelee myös tekoälyn käsitettä ja historiaa, julkisuusteoriaa ja journalismin murrosta. Tutkimuksen aineistona on yhdentoista suomalaisen sanomalehden artikkeleita vuosilta 1994-2019. Aineistoa analysoidaan kahden tutkimusmenetelmän, aihemallinnuksen ja kehysanalyysin avulla. Laskennalliseen yhteiskuntatieteeseen lukeutuva aihemallinnus ja laadulliseen tutkimusperinteeseen kuuluva kehysanalyysi yhdistetään tuoreeksi tutkimusmenetelmäksi nimeltä kehysmallinnus. Alkuperäisaineistosta löytyi 2286 tekoälyä koskevaa artikkelia, joille tehtiin aihemallinnus. Mallinnuksen jälkeen aineistosta poimittiin kolmetoista artikkelia lähilukua varten ja ne analysoitiin kehysanalyysin avulla. Aihemallinnus tuotti aiheita, joista kolmetoista ryhmiteltiin neljään teemaan. Yhteiskunta-teeman aiheet liittyivät talouteen, työhön ja kansainväliseen politiikkaan. Teknologia-teeman aiheet käsittelivät koneoppimista, robotteja, teknologista kehitystä ja sosiaalista mediaa. Kulttuuri-teemaan muodostui yleinen kulttuuria käsittelevä ja erillinen kirjallisuutta käsittelevä aihe. Viihde-teema käsitteli pelejä ja elokuvia. Kehysanalyysin avulla tunnistettiin lähiluetuista artikkeleista yhdeksänkymmentäkuusi odotusta. Kahden analyysimenetelmän avulla tunnistettiin, että suomalaisessa julkisessa keskustelussa on nähtävissä hypesyklin mukainen aktivoituminen vuosina 2014-2019. Lähes kaikki tekoälyä koskeva yhteiskunnallinen keskustelu tarkasteluaikavälillä on käyty samoina vuosina. Ennen 2010-lukua tekoäly on esiintynyt enimmäkseen peliarvosteluiden yhteydessä. Tekoälyyn kohdistuvista odotuksista osa oli ylilyöviä ja tekoälymyyttiä rakentavia. Merkittävämpi havainto oli kuitenkin se, että odotukset kohdistuivat suurelta osin taloudellisen tehokkuuden edistämiseen. Keskustelussa ääneen pääsivät pääasiassa yritysmaailmaa edustavat, korkeassa yhteiskunnallisessa asemassa toimivat miehet, jotka hyötyvät tekoälyn kehityksestä taloudellisesti. Tutkimuksen johtopäätöksenä onkin, että tekoälyä koskevan julkisen keskustelun tulisi olla moniäänisempää. Toimittajien tulisi pyrkiä päästämään ääneen myös niitä, jotka kärsivät tekoälyn mahdollistamasta automatisaatiosta ja suhtautua kriittisemmin kehityksestä hyötyviin.
Now showing items 1-17 of 17