haku: @keyword visualisation / yhteensä: 13
hakutulos-lista
viite: 2 / 13
« edellinen | seuraava »
Tekijä:Heikkilä, Antti Mikael
Työn nimi:Information Visualisation in a Peer Support Application
Informaation visualisointi vertaistukipalvelussa
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2012
Sivut:vi + 65      Kieli:   eng
Koulu/Laitos/Osasto:Perustieteiden korkeakoulu
Oppiaine:Informaatiotekniikka   (T-61)
Valvoja:Honkela, Timo
Ohjaaja:Lagus, Krista ; Creutz, Mathias
Elektroninen julkaisu: http://urn.fi/URN:NBN:fi:aalto-201210313332
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark Aalto  777   | Arkisto
Avainsanat:visualisation
peer support
multidimensional scaling
neighbour retrieval visualiser
self-organising map
generative topographic mapping
visualisointi
vertaistuki
vertaistukipalvelu
Tiivistelmä (fin): Moniulotteisen datan visualisointi voi auttaa päätöksenteossa, kun se edellyttää monimutkaisten relaatioiden ymmärtämistä.
Tässä diplomityössä on esitelty metodeja, joilla voidaan visualisoida ihmisten samankaltaisuutta.
Visualisaatioiden tarkoituksena on auttaa käyttäjiä selaamaan ja löytämään itselleen relevantteja vertaisia, jotka ovat mahdollisimman samankaltaisia heidän kanssaan.

Moniulotteinen data visualisoidaan käyttäen neljää epälineaarista dimensionreduktiomenetelmää: Naapurihaun visualisoija (NeRV), moniulotteinen skaalaus (MDS), itseorganisoiva kartta (SOM) ja generatiivinen topografinen kuvaus (GTM).
Menetelmien esittelyn jälkeen niitä vertaillaan kvantitatiivisesti.
Vertailun tuloksena esitetään, että menetelmät soveltuvat samankaltaisuuden visualisointiin vertaistukipalvelussa.
Kuvitteellinen vertaistukipalvelu StressMap esitellään em. menetelmien avulla luotujen visualisaatioiden avulla, jonka jälkeen visualisaatioiden käyttökelpoisuutta testataan käyttäjäkyselyssä.
NeRV:iin perustuva visualisaatio pärjää testissä parhaiten, sillä useat käyttäjät vierastavat SOM:illa ja GTM:lla luotuja visualisointeja.
Tiivistelmä (eng): Using visualisations to present multidimensional data may help to understand complex relations and to make better decisions.
This thesis presents methods for visualising peers based on their similarity.
The purpose of the visualisation is to help users of an online peer support service to browse and find relevant peers that are most similar to them.

Four nonlinear dimensionality reduction methods are used to produce visualisations from multidimensional data.
The Neighbour Retrieval Visualiser (NeRV), Multidimensional Scaling (MDS), the Self-Organising Map (SOM) and the Generative Topographic Mapping (GTM) are presented and compared quantitatively.
The results from the comparison suggest that any one of the four methods could be used in such a peer support service.
The methods are then used to visualise data in a hypothetical peer support service called the Stress Map.

To further test the methods, the visualisations are subjected to a user study.
The visualization based on the NeRV algorithm performs best, whereas the visualisations made with the SOM and the GTM are judged less appealing.
ED:2012-10-08
INSSI tietueen numero: 45342
+ lisää koriin
« edellinen | seuraava »
INSSI