Tarkenna hakuasi

Hammashoitopelkotutkimus

Tutkimme diagnostista haastattelua ja yhden session mittaista kognitiivista käyttäytymisterapeuttista menetelmää aikuisten hammashoitopelon hoidossa. Tavoitteena on kerätä 30 vapaaehtoista, joista kaikki tulevat ensin diagnostiseen haastatteluun ja sen jälkeen osalle tutkittavista tehdään altistamishoito ja muut palaavat oman hammaslääkärin hoitoon. Hoitokäynnin kaikki tutkittavat tulevat loppuhaastatteluun. Tutkimuksessa käytämme sekä kvalitatiivisia että kvantitatiivisia menetelmiä. Tutkittavien pelkotaso mitataan valideilla psykometrisilla mittareilla ennen ja jälkeen intervention. Tutkimuskäynnit nauhoitetaan/videoidaan, jonka jälkeen aineisto litteroidaan sekä analysoidaan sisällönanalyysi-menetelmällä.

Kaisa Torkkeli (kaisa.torkkeli@uef.fi)

Olen kiinnostunut arjen sosiaalisista käytännöistä ja siitä, miten ihmiset kiinnittyvät niihin ja toisaalta, miten käytännöt muuttuvat jatkuvasti. Tarkastelen arkea sosiaalisten käytäntöjen verkostona ja hyödyntäen erilaisia laadullisia tutkimusmenetelmiä. Väitöskirjassani kehitin käytäntöjen teoriaan nojaavaa käsitteistöä arjen ruokatyön ja lapsiperheiden ruoanlaiton tutkimiseksi sekä tutkimusmenetelmää, joka perustui osallistujien kuvaamaan videoaineistoon.

Päätyökseni toimin hankevastaavana ja -tutkijana FINSCI-projektissa (Fostering Finnish Science Capital) tiedekeskus Heurekassa. Hankkeen tavoitteena on ymmärtää paremmin tiedeosallisuutta sekä helpottaa alipalveltujen ja potentiaalisten yleisöjen osallistumista tieteeseen yhteiskehittämisen ja kanssatutkimuksen keinoin. Työ kietoutuu osallisuuden, monimuotoisuuden, oikeudenmukaisuuden ja saavutettavuuden teemoihin.

Soveltava tilastotiede ja tilastollinen koneoppiminen

Sovelletussa tilastotieteessä tutkimus liittyy metsäbiometriaan sekä ryhmittyneiden, spatiaalisesti ja ajan suhteen riippuvien aineistojen analyysiin. Metsäbiometriassa tutkitaan mm. spatiaalisten pisteprosessien ja stokastisen geometrian sovelluksia metsäninventoinneissa. Riippuvien aineistojen analyysissä sovelluksia ovat mm. kammiomittauksiin perustuvien soiden kasvihuonekaasunvaihdon mallintaminen. Tilastollisen koneoppimisen tutkimus keskittyy tilastolliseen mallintamiseen massiivisisesta aineistomassasta, tyypillisen aineiston koko on noin 0.5TB. Yleisenä tavoitteena on tuottaa yleistyvä malli jolla voidaan suorittaa tunnistusta aineistolle mitä ei ole vielä kerätty. Ryhmässä on aikaisemmin keskitytty tunnistustehtäviin puhesignaalista, kuten automaattinen puhujan- ja kielentunnistus. Nyttemmin käsiteltävinä tietotyyppeinä ovat puheen lisäksi kuva, videot ja teksti ja myös molekyylibiologiset aineistot.