108495 research outputs found
Sort by
Elektrisõidukite kasutuselevõtu edendamine emissioonide vähendamiseks Eestis
No full textWithin the European transport sector, emission from cars is the biggest. Therefore, the current thesis concentrates on the development of a behavioral intervention plan to increase the uptake of electric vehicles as non-emitting vehicles in Estonia.
The thesis develops a behavioral model based on the Theory of Planned Behavior and COM-B models for mapping the influence factors for choosing an electric vehicle. Behavioral insights are the basis for the development of the behavioral intervention plan and the experiment plan for measuring its impact.
The results indicate that for people to choose an electric vehicle, charging infrastructure is crucial, especially the possibility to install a home charger. Besides the opinion of the potential environmental benefits, acquisition costs, the decrease in value of electric vehicles and servicing costs are considered important. Motivation to become an electric vehicle user increases with a positive attitude, which is stronger when people have knowledge about electric vehicles.
The suggested intervention plan envisaging a principle of fiscal prudence and easy implementation with maximum impact foresees an experience-sharing by publicly known people, workshops for car dealerships and illustrative material comparing the environmental impact of EV and combustion engine vehicles. To mitigate concerns regarding the value decrease of electric vehicles, the introduction of an insurance option for the battery is proposed. To enable the uptake of an electric vehicle, it is essential to identify and address the obstacles hindering the installation of home chargers
Sludge audit and opportunities to eliminate barriers to participation in continuing education: the case of the Ministry of Defence’s administrative domain
No full textKeelemudelite sotsiaalse kallutatuse uurimine filmisubtiitrite põhjal
No full textLanguage models have revolutionized natural language processing, becoming an integral part of many applications. However, these models often exhibit societal biases embedded in their training data, raising concerns about their fairness and ethical deployment. Measuring these biases usually requires creating datasets with time-consuming human annotation, which is costly and hard to expand. To address this challenge, we propose a data curation framework and CineBias, a novel dataset of 1,012 stereotypical sentence pairs covering seven bias categories, extracted from Hollywood movie subtitles with minimal human intervention. We evaluate the language models BERT, RoBERTa, and ModernBERT using the CrowS-Pairs Score (CPS) on CineBias, and find bias levels comparable to established benchmarks (e.g., BERT 61.2% CPS). This shows that CineBias provides a scalable way to measure bias. We also demonstrate its applicability to low-resource languages with an Estonian case study.Keelemudelid on teinud revolutsiooni loomuliku keele töötluses ning saanud lahutamatuks osaks paljudest rakendustest. Siiski peegeldavad need mudelid sageli juba nende treeningandmetes sisalduvaid ühiskondlikke eelarvamusi, tõstatades küsimusi mudelite õiglusest ja eetilisest kasutamisest. Sotsiaalse kallutatuse mõõtmiseks loodud andmestike koostamine eeldab tavaliselt aeganõudvat inimtööd, mis on kallis ja raskesti skaleeritav. Selle probleemi lahendamiseks pakub käesolev magistritöö välja uue raamistiku ja seda järgides loodud andmestiku CineBias, mis koosneb 1012-st stereotüüpsest lausepaarist seitsmes kallutatuse kategoorias ning on kaevandatud Hollywoodi filmide subtiitritest minimaalse inimsekkumisega. Testisime CineBias andmestikku keelemudelitel BERT, RoBERTa ja ModernBERT kasutades CrowS-Pairs meetodit (CPS) ning leidsime, et mudelite kallutatus on võrreldav varasemate andmestike tasemetega (nt BERT: 61,2% CPS). See annab kinnitust, et CineBias on tõhus ja skaleeritav vahend keelemudelite kallutatuse hindamiseks. Lisaks näitame eesti keelel põhineva väiksemahulise juhtumiuuringu alusel, et metoodika on rakendatav ka vähekasutatavatele keeltele
Religioosne kunst Nõukogude Liidus Nikolai Kormašovi näitel
No full textKäesoleva magistritöö fookuses on eesti maalikunstniku Nikolai Kormašovi sakraalne looming.
Eesmärgiks on tuua esile Nikolai Kormašovi nõukogudeaegses loomingus esinevaid sakraalseid
motiive; uurida, kuidas suhtuti Nikolai Kormašovi sakraalset laadi maalidesse nõukogude perioodil
ja võrrelda eestikeelseid ning venekeelseid Nikolai Kormašovi loomingut käsitlenud artikleid.
Samuti magistritööle seatud eesmärkide seas on näidata, kuidas aja jooksul muutub suhtumine
religioossesse kunsti Eesti NSV-s Nikolai Kormašovi loomingu retseptsiooni näitel. Magistritöös on
kasutusele võetud kolm meetodit: kunstiteoste (sh ikonograafiline) analüüs, võrdlev analüüs ning
biograafiline meetod. Magistritöö raames on analüüsitud 30 maali.
Eesti keeles kirjutatud magistritöö koosneb neljast peatükist ning sisaldab 92 lehekülge.dc.description.ur
Associations between Big Five personality traits and progressive social attitudes: improving the accuracy of estimates by using true correlations
No full textKäesoleva uuringu eesmärk oli hinnata täpsemalt Suure Viisiku isiksuseomaduste ja sotsiaalsete hoiakute vahelisi seoseid, kasutades 2021-2022. aastal kogutud Eesti Geenivaramu geenidoonorite isiksuse enese- ja teiste hinnanguid (N = 21 693) ning rakendades tõelisi korrelatsioone, et vähendada üksikmeetodist tulenevaid moonutusi ja tugevdada seniseid leide. Kooskõlas varasemate uuringutulemustega seostus sisserände, seksuaalvähemuste ja soolise võrdsuse toetamine kõige tugevamalt avatusega. Hoiak, mis pooldas riiklikku sekkumist abivajajate toetamiseks, seostus kõige tugevamalt neurootilisusega. Tõelised korrelatsioonid võimaldasid hinnata seoseid täpsemalt ka üldise progressiivsuse ja isiksuseomaduste vahel. Avatuse seos üldise progressiivsusega suurenes r = 0,23-lt (vaid enesekohased hinnangud) kuni rtrue = 0,31-ni ning leplikkuse seos suurenes vastavalt r = 0,19-lt kuni rtrue = 0,31-ni. Meelekindlusel oli järjepidevalt nõrk, kuid statistiliselt oluline negatiivne seos progressiivsete hoiakutega. Tulemuste võrdlus haridusastme lõikes näitas statistiliselt olulisi erinevusi: mittekõrgharitud grupis olid seosed tugevamad, viidates hariduse võimalikule modereerivale mõjule
Ettekirjutav protsessijälgimine määramatuse ja ressursipiirangute korral
No full textÜlikooli vastuvõtuosakond vaatab läbi taotlejate dokumendid, teeb vastuvõtuotsused koos komisjonidega ja edastab tulemused taotlejatele – sammud tudengite vastuvõtmise äriprotsessis. Kuigi paljud taotlused edenevad tõrgeteta, tekib osadega viivitusi vigade või puuduvate dokumentide tõttu. Sarnased probleemid esinevad ka teistes protsessides, nagu näiteks pangalaenu kinnitamine või veebis toodete tagastamine.
Masinõpe võimaldab probleemide, nagu puuduvad dokumendid või toote tagastamine, ennustamist enne nende tekkimist. Kuid need ennustused on kasulikud vaid siis, kui neile järgnevad tegevused, nimetusega „sekkumised“, soovimatute tulemuste vältimiseks. Näiteks, kui süsteem ennustab et laenutaotleja lükkab pakkumise tagasi, siis võiks süsteem lisaks soovitada sekkumist, näiteks isikupärastatud pakkumise tegemist, et tõsta pakkumise vastuvõtmise võimalikkust.
Antud juhul võib lihtne lähenemine käivitada sekkumise, kui tagasilükkamise tõenäosus ületab näiteks 80%, kuid sellega kaasneb kolm piirangut: (1) sekkumine võib olla ebatõhus kui taotleja keeldub pangast mitteolenevate tegurite tõttu; (2) kõrge määramatusega ennustusi võiks pigem eirata; (3) täiendavate pakkumiste saatmine nõuab aega ja ressursse, piirates pakkumiste koguarvu.
Selles doktoritöös väidame, et ennustustelt sekkumistele liikumisel peab arvestama järgmiste teguritega: Kas sekkumine on vajalik? Kas see on tõhus? Kas see on kiireloomuline või edasilükatav? Kas me suudame sekkuda? Ja kui kindlad me oleme selle vajaduses, tõhususes ja kiireloomulisuses?
Sekkumiste käivitamiseks pakume välja kolm masinõppele tuginevat meetodit: esimene käsitleb ennustuste määramatust, teine võimaldab kasutajatel arvestades kõigi teguritega vastavaid reegleid määrata, ja kolmas õpib automaatselt selgeks parima sekkumisstrateegia ilma eelnevalt määratletud reegliteta. Reaalseid andmeid kasutades näitame, et need meetodid võimaldavad tõhusamaid määramatuse- ja ressursiteadlikke sekkumisi, mis aitavad äriprotsesse optimeerida.A university admissions team reviews applicants' documents, collaborates with committees to decide on acceptances, and communicates results—steps in the student admission business process. While some applications proceed smoothly, others face delays due to missing documents or errors. Similar issues occur in business processes like bank loan approvals or online product returns.
Advances in machine learning can predict issues, such as missing documents or product returns, before they occur. Yet, these predictions are only useful if followed by actions, called "interventions," to prevent undesired outcomes. For example, if a system predicts a loan applicant will reject an offer, it might recommend an intervention, such as sending a personalized offer, to increase acceptance chances.
In this example, a simple approach might trigger interventions when the rejection probability exceeds 80%, but this has three limitations: (1) The intervention may be ineffective if the applicant rejects the loan due to factors beyond the bank's control, such as high interest. (2) Predictions come with uncertainty, and it may be better to ignore highly uncertain ones. (3) Sending personalized offers requires time and resources, limiting how many can be sent daily.
In this PhD thesis, we argue that a method to turn predictions into interventions needs to consider the following factors: Is the intervention needed? Will it be effective? Is it urgent, or can it be delayed? Do we have the capacity to perform it? And how uncertain are we about its need, effectiveness, and urgency?
We propose three machine learning-based methods for triggering interventions: the first addresses prediction uncertainty, the second considers all factors, allowing users to set rules, and the third automatically learns the best intervention strategy without predefined rules. Using real-world data, we show that these methods allow more effective, uncertainty- and resource-aware interventions, optimizing business processes.https://www.ester.ee/record=b574419
Tõstamaa Suveteatri lavastus “Ottabeth” väljatoomine ja etendamine
No full texthttps://www.ester.ee/record=b5751519*es
From Statistics to Neural Networks: Enhancing Ciphertext-Plaintext Alignment in Historical Substitution Ciphers for Automatic Key Extraction
No full textCiphertext manuscripts found in archival collections are often intermingled with plaintext manuscripts in various languages, making the manual analysis required to match the documents labour-intensive and complex. Automating the alignment of these texts to reconstruct corresponding cipher keys is therefore highly beneficial, particularly when handling large volumes of documents. This study introduces a novel approach using modern neural networks, specifically Long Short-Term Memory (LSTM) architectures, to develop an automated method for aligning homophonic substitution ciphertexts with plaintext. These neural models are compared to traditional statistical approaches, demonstrating that LSTMs achieve significant accuracy improvements, including perfect alignment for ciphertexts of 50 characters or less. Additionally, to facilitate practical application, a program has been developed to enable the upload of transcribed ciphertext and plaintext documents, using the optimized models to automatically align the texts and extract the substitution key
Wilhelm Lexis ja tema panus rahvastikustatistikasse
No full textRahvastikuprotsesside uurimiseks kasutatakse kolme näitaja: vanuse, perioodi ja sünnikohordi mõjusid. Tänavu möödub 150 aastat sellest, kui saksa statistik Wilhelm Lexis avaldas versiooni diagrammist, mis võimaldab nende kolme teguri koosmõjusid visualiseerida. Selle abil saab analüüsida erinevate demograafiliste sündmuste, seal hulgas sündide, surmade kulgu ajas. Käesoleva bakalaureusetöö eesmärk on tutvustada Lexise diagrammi ja hinnata Lexise diagrammi andmetele rakendatavat vanus-periood-kohort mudelit, et kolme teguri mõju suremusriskile. Praktilises osas viiakse läbi analüüs Tartu Ülikooli Eesti geenivaramu andmebaasi põhjal loodud sünteetilisel andmestikul