Tarkvarateaduse instituudi doktorant, Sijo Arakkal Peious kaitseb 9. mail 2025. a algusega kl 15:00 (UTC +3 / Eastern European Time (EET)) oma doktoritööd “Measures of Impact and Confounding – An Analysis and Experimental Comparison of Novel and Established Measures” (”Mõju ja segajate mõõdikud – uute ja väljakujunenud meetmete analüüs ja eksperimentaalne võrdlus”), juhendaja Dirk Draheim. Kaitsmine toimub Tallinna Tehnikaülikooli õppehoone 5 ruumis U05-105 (Ehitajate tee 5, Tallinn) ning on jälgitav veebirakenduse Zoom vahendusel.
Doktoritöö „Mõju ja segavate tegurite meetmed - uudsete ja väljakujunenud meetmete analüüs ja eksperimentaalne võrdlus“ pakub uudset meetodit ja üllatavaid tähelepanekuid, mis võivad muuta (andme)teadlaste käsitlust andmeanalüüsi valdkonnas. Segavad tegurid on nähtus, kus kolmas muutuja moonutab seost kokkupuute ja tulemuse vahel ning mis on kriitiliseks väljakutseks nii eksperimentaalsetes kui ka vaatlusuuringutes. Vaatamata segavate tegurite ulatuslikule mõjule jäävad need sageli andmekaevandamistööriistades tähelepanuta, tekitades seeläbi lünki kvaliteetsesse kvantitatiivsesse analüüsi.
Sijo Arakkal Peious võrdleb oma töös süstemaatiliselt nelja meetodit segavate tegurite tuvastamiseks, milleks on Ad-Hoc-meetod, Oaxaca-Blinderi dekompositsioon, lineaarsel regressioonil põhinev meetod ja uudset lähenemist, mida tuntakse kui ühendatud mõju hindamine (Coupled Impact Assessment, C-IA). Üllatavalt ei ilmnenud võrdlusel eelnimetatud meetodite vahel märkimisväärset kokkulangevust, mis rõhutab segavate tegurite keerukust ning vajadust töökindlate ja ühtsete lähenemisviiside järele.
Uurimistöö põhineb kaheksal juhtumiuuringul, mille kaudu tuvastatakse segavate tegurite neli erinevat mõjumustrit. Samuti pakutakse välja uus tõlgendus lineaarse regressioonimudeli kohta, kasutades multiplikatiivseid servadiagramme, mis aitab parandada segavate tegurite korrigeerimise täpsust andmeanalüüsis.
Edasiste arengusuundadena soovitab autor tulemuste integreerimist andmekaevandustööriistadesse, nagu GrandReport, optimeerida analüüsi tulemusi kõrgetasemeliseks ning laiendada meetodi rakendatavust masinõppe protsessides. See uurimistöö on oluliseks sammuks ühe teaduse püsivaima väljakutse lahendamise suunas, pakkudes uusi tööriistu ja teadmisi kvantitatiivse uurimistöö usaldusväärsuse suurendamiseks.
Doktoritöö „Mõju ja segavate tegurite meetmed - uudsete ja väljakujunenud meetmete analüüs ja eksperimentaalne võrdlus“ on avaldatud Tehnikaülikooli raamatukogu digikogus.
Juhendaja: prof Dirk Draheim
Oponendid:
- dr Divesh Srivastava, AT&T Labs, New Jersey, USA
- prof Arun Kumar Sangaiah, National Yunlin University of Science and Technology, Yunlin, Taiwan
Jälgi avalikku kaitsmist Zoomis
Meeting ID: 966 7567 5068
Passcode: 930272
NB! Enne kaitsmist, algusega kell 10:00 ruumis U05-103, peab dr Divesh Srivastava ettekande "Modeling, Exploring and Analyzing Change: The Janus Project", tule kuulama!