Digitaalisten ihmistieteiden infrastruktuuri

Digitaalisten ihmistieteiden tutkimusinfrastruktuuri mahdollistaa oppimisen, toiminnan ja käyttäytymisen monitieteellisen tutkimuksen yli tiedekuntarajojen. 

Tutkimusinfrastruktuuri mahdollistaa ihmistieteellisen tutkimuksen tutkimuskäytäntöjen yhdistämisen luonnon- ja lääketieteissä käytettyihin mittaustekniikoihin, joita ovat esimerkiksi aktivaatiotaso, EGG, EKG, katseenseuranta ja fysiologiset sensorit. Näihin mittaustekniikoihin  yhdistetään ihmistieteille tyypilliset, mutta entistä laajemmat video- ja äänentallennuslaitteistot, jotta koehenkilöiden käyttäytymisestä ja reaktioista saadaan kerättyä yksilöllistä dataa. 

Tiedonkeruu ja analysointi vaativat riittävän tiedonsiirtonopeuden ja tallennuskapasiteetin sekä analyysivaiheessa tarkoitukseen kehitettyjä ohjelmia ja ohjelmisto-osaamista. Tutkimuslaitteistooon kuuluu laaja valikoima sensori- ja tallennuslaitteita, joihin kuuluvat sekä koehenkilöiden protokollatallennuslaitteet että koetilanteessa käytettävän ympäristön rekisteröintilaitteet. Lisäksi se käsittää tietoaltaita sekä analyysin edellyttämiä ohjelmistoja ja laitteita. Siirrettävää laitteistoa voidaan käyttää niin laboratorio- kuin kenttäolosuhteissa ja eri kohderyhmillä. Keskeinen tavoite on mahdollistaa entistä isompien kohderyhmien samanaikainen mittaaminen yhtäläisissä olosuhteissa. 

Yliopiston sisällä tutkimusinfraa käytetään laaja-alaisesti eri tiedekuntien ja kielikeskuksen opetus-, tutkimus- ja kehittämistoiminnassa. 

Tutkimusinfrastruktuurin avulla voidaan laajentaa eri tieteenalojen perinteisten tutkimuskäytänteiden valikoimaa nykyaikaisilla yksilö- ja yhteisötason dataa tuottavilla moderneilla mittausmenetelmillä. Tutkimuskohteina voi olla esimerkiksi opetuksen ja oppimisen tilanteita, vuorovaikutusta sekä asiakas- ja simulaatio-opetuksen tilanteita. Lisäksi infran tuottamaa dataa hyödynnetään edistyneessä oppimisanalytiikassa. Oppimisanalytiikka on digitaalisen oppimisympäristön tärkeimpiä osia. Se mahdollistaa kerätyn datan hyödyntämisen oppimisen ja opettamisen kehittämisessä ja analytiikassa käyttäen koneoppimisen ja tekoälyn menetelmiä.