Human and Machine based Intelligence in Learning (Humble)

Humble-tutkimusryhmän tutkimuksessa kehitetään yleisiä (epälineaarisia), skaalautuvia, luotettavia sekä tulkittavia tiedonlouhinnan ja koneoppimisen menetelmiä tutkijoiden älykkyyden ja tutkimusyhteistyön avulla. Näitä ja muita aineistolähtöisiä menetelmiä käytetään erityisesti oppimisen tutkimisessa ja oppimisanalytiikassa, jossa mitataan, kerätään ja analysoidaan monipuolisia aineistoja oppijoista ja oppimisen ympäristöistä. Tämä parantaa ymmärrystämme oppimisesta ja mahdollistaa sekä parempien pedagogisten ratkaisujen että oppimisympäristöjen kehittämisen.
Research orientation of Humble
Humble-tutkimusryhmän tutkimuksen päälinjoja

äܱٳٱ

ճٰܳ쾱ܲän tyyppi
ճٰܳ쾱ܲä
Tutkimuksen painoala
Informaatioteknologia ja ihminen tietoyhteiskunnassa
Luonnon perusilmiöt ja matemaattinen ajattelu
Liikunta, terveys ja hyvinvointi
Tutkimusalueet
Kognitiotiede ja koulutusteknologia
JYU.LearnDigi
LUMA-keskus
Laskennalliset tieteet
Tiedekunta
Informaatioteknologian tiedekunta

ճٰܳ쾱ܲän kuvaus

Koneoppiminen (samoin kuin esimerkiksi tiedonlouhinta ja hahmontunnistus) muodostuu pääasiassa ohjaamattoman ja ohjatun oppimisen menetelmistä, joissa oppiminen tarkoittaa datapohjaisten mallien rakenteiden määrittämistä ja parametrien estimointia. Tämä perustuu matemaattisiin muotoiluihin, niin sanottuihin oppimisongelmiin (engl. learning problem) ja näihin liittyviin koulutusalgoritmeihin (engl. training algorithm), joiden avulla määriteltyjä malleja voidaan hyödyntää eri sovelluksissa. Erityisen keskeinen sovellusalue on oppimistutkimus, jossa pyritään arvioimaan kvantitatiivisesti pedagogisten valintojen ja oppimisympäristöjen vaikutuksia oppimiseen.

Humble kehittää ja edistää erityisesti oppimisanalytiikkaa, mutta toimii aktiivisesti myös monilla muilla tutkimusalueilla. Ryhmällä on vahva ja laajasti verkottunut asema monitieteisen tutkimusyhteistyön kehittäjänä ja toteuttajana Jyväskylän yliopistossa. Yhteisen tutkimustoiminnan pääalueet liittyvät päätösanalytiikkaan, oppimistieteisiin, aivotutkimukseen ja nanofysiikkaan. Tutkimus kuuluu seuraaville Suomen Akatemian rahoittamille Jyväskylän yliopiston profilointialueille: LearnDigi - Digitalization in and for learning and interaction (2023-2028), The behaviour change, health, and well-being across the lifespan – from basic research to implementation (BC-Well, 2019-2023), Multidisciplinary Learning (2018-2022), Decision analytics (2017-2021).

Katso myös

ճٰܳ쾱ܲä

ճٰܳ쾱ܲän vetäjät

Ulkoiset jäsenet

MSc Satu Aksovaara

äö쾱Ჹٳٰܳ쾱Ჹ (oto)
Jyväskylän ammattikorkeakoulu JAMK

MSc Tang Dong

äö쾱Ჹٳٰܳ쾱Ჹ
Jyväskylän yliopisto

MSc Minna Haapakoski

äö쾱Ჹٳٰܳ쾱Ჹ (oto)
Jyväskylän ammattikorkeakoulu JAMK

MSc Arto Helovuo

äö쾱Ჹٳٰܳ쾱Ჹ (oto)
Finnair

MSc Jan Hänninen

äö쾱Ჹٳٰܳ쾱Ჹ (oto)
-

MSc Minna Kilpala

äö쾱Ჹٳٰܳ쾱Ჹ (oto)
Tietoevry

MSc Laura Kuismala

äö쾱Ჹٳٰܳ쾱Ჹ (oto)
Kaakkois-Suomen ammattikorkeakoulu Xamk

MSc Heramb Kulkarni

äö쾱Ჹٳٰܳ쾱Ჹ (oto)
CCE Finland

MSc Alexandr Maslov

äö쾱Ჹٳٰܳ쾱Ჹ (oto)
Silo AI

MSc Riku Nykänen

äö쾱Ჹٳٰܳ쾱Ჹ (oto)
TOYOTA GAZOO Racing World Rally Team

MSc Mika Setälä

äö쾱Ჹٳٰܳ쾱Ჹ (oto)
Lempäälän kunta

MSc Xianqyu Rong

äö쾱Ჹٳٰܳ쾱Ჹ
Jyväskylän yliopisto

MEdu Minna Sihvo

äö쾱Ჹٳٰܳ쾱Ჹ (oto)
Punainen Risti Ensiapu

MSc Juho Vuopala

äö쾱Ჹٳٰܳ쾱Ჹ (oto)
SASKY koulutuskuntayhtymä

Li Lun

Ģֱ

Aytaj Ismayilzada

Ģֱ

Zhaonan Ma

Ģֱ