Viitatuimpien tutkijoiden kärkikategoriassa psykologian apulaisprofessori Markus Jokela (*1979) on siinä outolintu, että hän on saanut suuria siteerauslukuja myös nollatuloksilla, myytinmurtajamaisesti osoittamalla, että joillain asioilla ei sittenkään ole korrelaatiota.

Jokela yhdistelee suuria seurantatutkimuksia eri tieteenaloilta samaan tilastoon niin että otoskoko liikkuu kymmenissä- tai sadoissatuhansissa. Kun isosta joukosta löytyy korrelaatioita yksilötekijöiden – kuten persoonallisuus, älykkyys, terveyskäyttäytyminen – sekä väestöilmiöiden – kuten syntyvyys, alue-erot, muuttoliike – välillä, yhteyksien voi suurella varmuudella sanoa olevan totta, ja niille myös annetaan suuri painoarvo.

Vuonna 2009 Jokela osoitti yhdysvaltalaisaineistossa, että ulospäinsuuntautuneisuus, alhainen sovinnollisuus ja korkea avoimuus uusille kokemuksille lisäävät todennäköisuuttä muuttoliikkeeseen maan sisällä. Tulos käy järkeen ja on suorastaan ilmeinen, mutta tätä ennen muuttoliikettä ei ole tieteessä juuri tarkasteltu yksilöpsykologisista lähtökohdista vaan sosiodemografisten tekijöiden, kuten iän, sukupuolen, koulutuksen ja varallisuuden funktiona.

Tällaista yhdistelyä on maailmalla tehty melko vähän, mutta mielenkiinto tutkimussuuntaa kohtaan kasvaa, mikä tuo Jokelalle siteerauksia myös uusien tutkimusaiheiden uranuurtajana.

Isoilla aineistoilla meta-analyysia tehdessä käy usein niin, että pienissä otoksissa raportoidut korrelaatiot kuihtuvat pois. Tieteen yleinen ongelma on publication bias eli se, että voimakkaita korrelaatioita "paljastavat" tutkimukset julkaistaan herkemmin kuin nollatulokset. Psykologiassa monet hätkähdyttävät tutkimustulokset on saatu aikaan varsin pienellä aineistolla, ja pienellä aineistolla ne on onnistuttu myös toistamaan.

Jokela puolustaa kiivaasti metodologista rehellisyyttä ja nollatulosten tärkeyttä.

Vuodesta 2013 eteenpäin Jokela on tehnyt paljon niin sanottuja individual participant -meta-analyyseja. Näissä jotain teoriaa testataan niin, että kootaan itse liuta aineistoja, jotka voisivat vastata tutkimuskysymykseen, ja ajetaan sitten analyysi läpi koko aineistosta. Tällä vähennetään julkaisuharhaa, koska alkuperäiset aineistot ovat tutkijan käytössä.

Yhdessä ensimmäisistä yksilötason meta-analyyseistaan Jokela osoitti, että korkea tunnollisuus on yhteydessä alhaiseen kuolleisuusriskiin. Sen sijaan sosiaalisuudella, neuroottisuudella ja sovinnaisuudella ei suuressa aineistossa ollut mitään vaikutusta kuolleisuuteen. Lähes 80 000 ihmisen aineistolla saatu tulos tietenkin harmitti niitä, jotka pienempiaineistoisissa tutkimuksissa tällaisia yhteyksiä olivat havainneet.

Samoin Jokela on osoittanut, että korkea tunnollisuus on yhteydessä alhaiseen painoindeksiin, mutta millekään muulle väitetylle kytkökselle lihavuuden ja persoonallisuuspiirteiden välille ei 80 000 ihmisen aineistossa löytynyt näyttöä.

Myös persoonallisuuden ja syövän välille Jokela on osoittanut nollakorrelaation.

Tuoreessa tutkimuksessaan hän havaitsi 600 000 ihmisen aineistolla, että yli 55 tunnin mittainen työviikko lisää aivoinfarktin riskiä kolmanneksella.

Tällä hetkellä Jokela työskentelee väestön mielenterveyteen liittyvien aiheiden parissa.

Jokela on väitellyt psykologiasta Helsingin ja epidemiologiasta University College Londonin yliopistosta. Siteerauksia tulee myös sitä kautta, että hän auttaa monia muita psykologeja, kansanterveystieteilijöitä ja yhteiskuntatieteilijöitä tilastoanalyyseissa.

Markus Jokela: julkaisut, projektit, aktiviteetit

Psykologian professori Teija Kujala (*1964) on tehnyt uraauurtavaa tutkimusta lukivaikeuksien hoidosta sekä aivojen varhaiskehityksestä ja muotoutuvuudesta jo sikiöaikana. Tutkimukset saaneet suurta huomiota paitsi tiedepiireissä myös populaarimediassa kautta maailman.

Vuonna 2001 Kujala kollegoineen havaitsi, että lukivaikeudesta kärsivien ekaluokkalaisten lukemaan oppiminen tehostui, kun heidät laitettiin tekemään tietokoneharjoitteita, joissa piti yhdistää toisiinsa näytettyjä palikkajonoja ja soitettuja melodioita.

Tutkijat osoittivat lapsilla tapahtuneen äänteiden erottelutarkkuuden kasvun paitsi käytännön kokeilla myös aivotasolla, aivosähkökäyrä EEG:stä mittaamansa MMN-erotteluvasteen avulla.

MMN (mismatch negativity) tai poikkeavuusnegatiivisuus on professori Risto Näätäsen Helsingin yliopistossa alun perin kehittämä mittari, jota Kujala on kehittänyt edelleen. Sillä voidaan mitata aivojen vaste ärsykeympäristössä tapahtuneeseen muutokseen ja näin tutkia esimerkiksi nukkuvien vauvojen kykyä erotella ääniä. MMN on laajassa käytössä maailmassa, ja Kujalaa siteerataan paljon metodin käyttöä selventävistä artikkeleista.

Kujalan missiona on ennaltaehkäistä vaivalloista lukemaan oppimista. Vuonna 2012 hänen ryhmänsä osoitti, että lukihäiriön riskiryhmässä olevien esikoululaisten lukuvalmiustaidot paranivat vain kolmen tunnin harjoittelulla professori Heikki Lyytisen kehittämällä Graphogame-ohjelmalla.

Vuonna 2013 maailmaa hätkähdytti Kujalan ryhmän löydös, että aivojen toimintaa voi sparrata jo sikiöaikana.

Koeryhmän raskaana olevat äidit soittivat vatsalleen CD-levyltä epäsanaa tatata niin että vokaalin kesto tai äänenkorkeus sanan keskellä vaihteli ajoittain.

Ensimmäisten elinviikkojensa aikana vauvoilta mitattiin MMN-erotteluvastetta tatata-epäsanan vaihteluille. Vasteen havaittiin olevan koeryhmän vauvoilla suurempi kuin vauvoilla, jotka eivät sikiöaikanaan kuunnelleet kyseistä materiaalia.

Seuraavassa tutkimuksessa ihmisenaluille soitettiin sikiöaikana toistuvasti Tuiki tuiki tähtöstä. Neljän kuukauden iässä todettiin, että koeryhmän aivot reagoivat melodiaan kontrolliryhmää voimakkaammin.

Näin oli näytetty ensi kertaa maailmalla suoraan vauvojen aivotoimintaa tutkimalla, että aivot oppivat ympäristöstään jo sikiöaikana ja että sikiöajan kokemuksista jää pitkäkestoisia muistijälkiä.

Vuonna 2014 Kujala kollegoineen käynnisti kahdeksanvuotisen tutkimushankkeen, jossa seurataan 200 lapsen kielellistä kehitystä syntymästä kouluikään. Laajoilla testipattereilla aivovasteista mitataan äänteiden erottelutarkkuutta ja kielellistä kehitystä. Tarkoitus on selvittää, parantaako lapsen ensimmäisen puolen vuoden aikana saama musiikkipohjainen kielellinen kuntoutus kielenomaksumisen taitoja ja voisiko siitä olla toimivaksi työkaluksi lukivaikeuksien ehkäisyssä.

Väitöskirja-artikkelissaan vuonna 1995 Kujala osoitti ensimmäisten joukossa, että sokeiden ihmisten näköaivokuori käsittelee kuuloärsykkeitä.

Ennen keskittymistään lukihäiriöihin ja vauvoihin Kujala tutki paljon myös taustamelua. Hän havaitsi, että melussa työskentelevillä ihmisillä puheäänteiden erottelutarkkuus on pitkäkestoisesti heikentynyt ja he menettävät tarkkaavaisuutensa herkemmin yllättäviin ääniin.

Oman ryhmänsä vetämisen ohella Kujala johtaa kognitiivisen aivotutkimuksen yksikköä yhdessä professori Mari Tervaniemen kanssa. Siteeratuimmissa Kujalan tutkimuksissa on mukana laajasti yhteistyökumppaneita Euroopan ja USA:n yliopistoista.

Kujalalla itsellään on todettu erinomainen sävelkorva, mutta hän käyttää sitä lähinnä heavymusiikin kuunteluun.

Teija Kujala: julkaisut, projektit, aktiviteetit

Tietojenkäsittelytieteen professori Aapo Hyvärinen (*1970) tunnetaan vallankumouksellisten algoritmien kehittäjänä. Hän on erikoistunut koneoppimiseen ja etenkin riippumattomien komponenttien analyysiin eli ICA:han (independent component analysis). Siinä datamassoista koetetaan löytää kiinnostavia omalakisia komponentteja.

Hyväristä siteerataan tietojenkäsittelytieteissä algoritmeistaan sinänsä. Paljon siteerauksia tulee myös neurotieteistä, jossa Hyvärinen tai ainakin hänen algoritminsa on mukana seulomassa aivokuvantamisella saatuja valtavia datamassoja.

Vuonna 1995 Hyvärinen alkoi tehdä Teknillisessä korkeakoulusssa väitöskirjaa ICA:sta. Ensimmäisenä opiskeluvuonna hän keksi algoritmin, joka tekee tarvittavat laskut aiempaa nopeammin mutta silti tarkasti. Keskeinen oivallus oli kehittää niin sanottu kiintopistealgoritmi riippumattomien komponenttien analyysin ratkaisemiseen.

Algoritmi osoittautui kilpailijoitaan paremmaksi ja levisi laajalti. Pitkin 2000-lukua sitä on sovellettu datajoukkoihin monilla tieteenaloilla. Esimerkiksi avaruuskuvista ja geenidatoista se on löytänyt kiinnostavia komponentteja. Ensimmäisen jatko-opiskeluvuoden oivallus on yhä Hyvärisen kirkkaasti siteeratuin löydös.

Väitöskirjan jälkeen Hyvärinen on hyödyntänyt ICA:ta eritoten aivojen tutkimukseen.

Vuonna 2000 hän onnistui mallintamaan ICA:n avulla primäärisen näköaivokuoren kompleksien solujen toimintaa. Tätä ennen ICA:lla osattiin mallintaa ainoastaan näköivokuoren yksinkertaisempia soluja. Vuodesta 2007 eteenpäin Hyvärinen on kehittänyt ICA-algoritmeja aivokuvantamisdatan tulkintaan ja tehnyt yhteistyötä muun muassa japanilaisten tutkijoiden kanssa.

Nykyiset ICA-algoritmit osaavat löytää vain lineaarisia riippuvuussuhteita. Havaittu data on siis suoraviivainen – eli ensimmäisen asteen – funktio havaitun reaalimaailman riippumattomista komponenteista. Epälineaariset eli monimutkaisemmat – vähintään toisen asteen – funktiot ovat ICA:n ulottumattomissa.

Nyt Hyvärinen on julkaisemassa ICA-algoritmia, joka osaa löytää myös epälineaarisia riippuvuussuhteita. Keskeinen oivallus oli ottaa aikaelementti mukaan tarkasteluihin: läheisinä ajanhetkinä tehdyissä havainnoissa on yleensä enemmän samaa kuin kaukaisina ajanhetkinä tehdyissä, ja tätä kautta monimutkaisista säännöllisyyksistä saa otteen.

Saksalaistutkijat esittivät vastaavan oivalluksen jo vuonna 2003. He eivät kutenkaan onnistuneet luomaan siitä täsmällistä matemaattista teoriaa.

Hyvärisen vahvuus läpi hänen uransa on ollut se, että hän on pystynyt jalostamaan oivalluksensa ensin täsmälliseksi matemaattiseksi teoriaksi ja sen jälkeen toimivaksi, säännönmukaisuutta hakevaksi tietokonealgoritmiksi. 

Tietojenkäsittelytieteen laitos: Aapo Hyvärinen
UCL: Aapo Hyvärinen