Ungdomar med smärta i form av huvudvärk, magont och värk från axlar är ett vanligt förekommande problem. Detta medför ett stort lidande för den drabbade ungdomen och medför konsekvenser i form av skolfrånvaro, påverkan på sociala aktiviteter, sociala relationer samt en ökad risk för fortsatt smärta i vuxen ålder. Skolsköterskan fyller en viktig funktion i arbetet med att tidigt uppmärksamma dessa ungdomar, samt erbjuda stödinsatser. Dessvärre saknas riktlinjer för handläggning av smärta hos ungdomar. Hälsosamtalet syftar till att fånga upp ohälsa hos ungdomar, men idag råder det brist på frågor med inriktning mot smärta.   Föreliggande studie syftar till att belysa ungdomars upplevelse av skolsköterskans betydelse för deras hantering av återkommande smärta. I studien använde författarna sig av kvalitativa intervjuer med induktiv ansats. Totalt intervjuades 9 ungdomar i åldern 17-18 år. Efter analys skapades två huvudkategorier; att känna förtroende till skolsköterskan, samt brist på tilltro. I resultatet framkom att ungdomen ansåg det viktigt att bli sedd av skolsköterskan, att skolsköterskan var genuint intresserad och fortsatte fråga om problemen med syfte att skapa en tillåtande atmosfär som möjliggjorde för ungdomen att våga öppna sig och berätta om smärtan. Brist på kontinuitet, rädsla för det okända samt utebliven interaktion i mötet med skolsköterskan var bidragande orsaker till en bristande tilltro. Genom att gå sin egen väg fann ungdomen egna strategier att hantera smärta men det fanns en tydlig oro inför att möta framtiden med en kvarstående smärta.  Skolsköterskans roll i hantering av återkommande smärta behöver synliggöras och implementeras för att minska stigmatisering av återkommande smärta. Fortsatt forskning behövs för att öka förståelsen och därmed kartlägga behov som kan leda till att tidiga stödinsatser kan erbjudas.

Tillväxten inom modebranschen sker idag genom försäljning på nätet där kunden enkelt kan jämföra och byta mellan olika näthandlare, vilket leder till en hård konkurrens. Detta gör det svårt för näthandlarna att skapa återkommande kunder. Samtidigt är det just återkommande kunder som är lönsamma inom näthandel. E-servicekvalitet (E-SQ) är ett koncept som har en avgörande roll för att skapa återkommande kunder inom näthandel. Studien syftar till att undersöka hur olika kvalitetsegenskaper inom E-SQ påverkar kundens val att återkomma till en modehandel på nätet flera gånger. Studiens resultat baseras på 12 semistrukturerade intervjuer med återkommande kunder inom modenäthandeln. Resultatet visar på att hemsidans produktutbud är den E-SQ egenskap som har störst påverkan på att skapa återkommande kunder inom modenäthandeln, vilket är en differentierande egenskap. Resultatet visar även att det finns standardiserade E-SQ egenskaper som måste uppfylla standarden som råder inom näthandeln.

Det nutida samhället kännetecknas av en alltmer ökande förändringstakt där organisationer kontinuerligt behöver göra förändringar för att behålla konkurrenskraften på marknaden, vilket resulterat i att återkommande organisationsförändringar blivit ett vanligt inslag. Studiens syfte är att undersöka hur återkommande organisationsförändringar upplevs ur ett medarbetarperspektiv. Genom att besvara följande forskningsfrågor har syftet besvarats: Hur upplever anställda att arbetets krav påverkats av återkommande organisationsförändringar? Hur upplever anställda att deras kontroll över arbetssituationen påverkats av återkommande organisationsförändringar? Vilken betydelse har socialt stöd för den anställde vid återkommande organisationsförändringar? Metoden som använts är kvalitativ, där åtta semistrukturerade intervjuer genomförts med anställda inom ett telekombolag för insamling av empirin. De teorier som använts för analys av empirin är Karasek & Theorells krav-kontroll-stödmodell. Resultatet visar att de anställda upplever att deras arbetskrav har ökat samtidigt som deras kontroll och delaktighet minskat i samband med återkommande organisationsförändringar, och att det sociala stödet fyller en viktig funktion vid denna obalans. Ett förslag till förändring för den studerade organisationen är att avsätta tid och resurser för att skapa delaktighet, så att de anställda erhåller en jämnare balans mellan arbetskrav och kontroll. / The present society is characterized by an ever-increasing rate of change where organizations continually need to make changes to maintain market competitiveness, resulting in recurring organizational changes becoming a common feature. The purpose of this study is to investigate how recurrent organizational changes are perceived from an employee perspective. By answering the following research questions, the purpose has been answered: How do employees experience that the demands of the work have been affected by recurrent organizational changes? How do employees experience that their control over the work situation has been affected by recurrent organizational changes? What is the significance of social support for the employee during regular organizational changes? The method used is qualitative, where eight semi-structured interviews were conducted with employees within a telecom company for collecting the empirical data. The theories used for analyzing the empirical data are Karasek & Theorell's demand-control-support model. The result shows that employees feel that their work demands have increased while their control and participation has decreased in connection with recurrent organizational changes, and that social support fulfills an important function in this imbalance. A proposal for change for the studied organization is to set aside time and resources to create participation, so that employees receive a more even balance between work requirements and control.

Achieving appropriate and natural backchanneling behavior in social robots remains a challenge in Human-Robot Interaction (HRI). This thesis addresses this issue by utilizing methods from Safe Reinforcement Learning in particular shielding to improve social robot backchanneling behavior. The aim of the study is to develop and implement a safety shield that guarantees appropriate backchanneling. In order to achieve that, a Recurrent Neural Network (RNN) is trained on a human-human conversational dataset. Two agents are built; one uses a random algorithm to backchannel and another uses shields on top of its algorithm. The two agents are tested using a recorded human audio, and later evaluated in a between-subject user study with 41 participants. The results did not show any statistical significance between the two conditions, for the chosen significance level of α < 0.05. However, we observe that the agent with shield had a better listening behavior, more appropriate backchanneling behavior and missed less backchanneling opportunities than the agent without shields. This could indicate that shields have a positive impact on the robot’s behavior. We discuss potential explanations for why we did not obtain statistical significance and shed light on the potential for further exploration. / Att uppnå lämpligt och naturligt upbbackningsbeteende i sociala robotar är fortfarande en utmaning i Människa-Robot Interaktion (MRI). Den här avhandlingen tar upp detta problem genom att använda metoder från säker förstärkningsinlärning i synnerhet avskärmning för att förbättra sociala robotars upbbackningsbeteende. Syftet med studien är att utveckla och implementera en säkerhetsavskärmning som garanterar lämplig upbbackning. För att uppnå det, tränas ett återkommande neuralt nätverk på en människa-människa konversationsdatamängd. Två agenter byggs; en använder en slumpmässig algoritm för att upbbacka och en annan använder avskärmninng ovanpå sin algoritm. De två agenterna testas med hjälp av ett inspelat mänskligt ljud och utvärderas senare i en användarstudie med 41 deltagare. Resultaten visade inte någon statistisk signifikans mellan de två skicken, för den valda signifikansnivån < 0, 05. Vi observerar dock att agenten med avskärmning hade ett bättre lyssningsbeteende, mer lämplig upbbackningsbeteende och missade mindre upbbacknings-möjligheter än agenten utan avskärmning. Detta kan indikera att avskärmning har en positiv inverkan på robotarnas beteende. Vi diskuterar potentiella förklaringar till varför vi inte fick statistisk signifikans och belyser potentialen för ytterligare utforskning.

För att ge insikt hur design för ett nytt rockalbum ska ske och ge information kring vad som bör finnas med på ett nytt omslag har denna studie utförts. Studien framförde information om att albumsgrafik var relevant. Först sades det att en nedåtgående trend gick att anta, eftersom den digitala musikbranschen tog över från den fysiska. Men det visade sig därefter vara precis lika stor försäljning på de fysiska albumen som de digitala. För att besvara målen i studien utfördes en visuell innehållsanalys och informationssökning på internet. Studiens syfte var att visuellt granska rockalbum från tre olika ursprungsländer, som var Sverige, Storbritannien och USA. Genom analysen kategoriserades designelement, teman och framtogs landstypiska albumomslag. Studien berörde även vem som styr designen av ett omslag samt ifall det kunde ses någon tongivande designer bland de album som ingick i analysen. I slutsatsen framgick det att Storbritannien och USA hade mycket lika grafiskt manér och att omslag från Sverige såg annorlunda ut. Det framgick även att banden styr utseendet på omslaget mer än designern, och från analysen framgick inte någon tongivande designer. / This study is supposed to shed light on the design process behind album covers in the genre rock and give information about what should be displayed on them. Herein it is presented information about how the graphics on a record cover was relevant and didn’t follow the otherwise assumed declining trend. To be able to answer the goals set for the study, a visual content analysis was done and complementary information was gathered via searches on the internet. The aim with the study was to visually analyze cover art in the genre rock from three different countries of origin, these were Sweden, Great Britain and USA. Via the visual content analysis, categories and themes were structured. There were also created three different album covers, one for each country of origin that were based on the information of what should typically exist on the cover. Herein it is shown that designs from Great Britain and USA are much alike, whereas Sweden has a different style. In the study there was presented who decides the design of a new album and also concludes that from the albums in this content analysis there cannot be proven any designer who sets the generic tone for others.

Traffic flow predictions are an important part of an Intelligent Transportation System as the ability to forecast accurately the traffic conditions in a transportation system allows for proactive rather than reactive traffic control. Providing accurate real-time traffic predictions is a challenging problem because of the nonlinear and stochastic features of traffic flow. An increasingly widespread deployment of traffic sensors in a growing transportation system produces greater volume of traffic flow data. This results in problems concerning fast, reliable and scalable traffic predictions.The thesis explores the feasibility of increasing the scalability of real-time traffic predictions by partitioning the transportation system into smaller subsections. This is done by using data collected by Trafikverket from traffic sensors in Stockholm and Gothenburg to construct a traffic sensor graph of the transportation system. In addition, three graph partitioning algorithms are designed to divide the traffic sensor graph according to vehicle travel time. Finally, the produced transportation system partitions are used to train multi-layered long shortterm memory recurrent neural networks for traffic density predictions. Four different types of models are produced and evaluated based on root mean squared error, training time and prediction time, i.e. transportation system model, partitioned transportation models, single sensor models, and overlapping partition models.Results of the thesis show that partitioning a transportation system is a viable solution to produce traffic prediction models as the average prediction accuracy for each traffic sensor across the different types of prediction models are comparable. This solution tackles scalability issues that are caused by increased deployment of traffic sensors to the transportation system. This is done by reducing the number of traffic sensors each prediction model is responsible for which results in less complex models with less amount of input data. A more decentralized and effective solution can be achieved since the models can be distributed to the edge of the transportation system, i.e. near the physical location of the traffic sensors, reducing prediction and response time of the models. / Prognoser för trafikflödet är en viktig del av ett intelligent transportsystem, eftersom möjligheten att prognostisera exakt trafiken i ett transportsystem möjliggör proaktiv snarare än reaktiv trafikstyrning. Att tillhandahålla noggrann trafikprognosen i realtid är ett utmanande problem på grund av de olinjära och stokastiska egenskaperna hos trafikflödet. En alltmer utbredd använding av trafiksensorer i ett växande transportsystem ger större volym av trafikflödesdata. Detta leder till problem med snabba, pålitliga och skalbara trafikprognoser.Avhandlingen undersöker möjligheten att öka skalbarheten hos realtidsprognoser genom att dela transportsystemet i mindre underavsnitt. Detta görs genom att använda data som samlats in av Trafikverket från trafiksensorer i Stockholm och Göteborg för att konstruera en trafiksensor graf för transportsystemet. Dessutom är tre grafpartitioneringsalgoritmer utformade för att dela upp trafiksensor grafen enligt fordonets körtid. Slutligen används de producerade transportsystempartitionerna för att träna multi-layered long short memory neurala nät för förspänning av trafiktäthet. Fyra olika typer av modeller producerades och utvärderades baserat på rotvärdes kvadratfel, träningstid och prediktionstid, d.v.s. transportsystemmodell, partitionerade transportmodeller, enkla sensormodeller och överlappande partitionsmodeller.Resultat av avhandlingen visar att partitionering av ett transportsystem är en genomförbar lösning för att producera trafikprognosmodeller, eftersom den genomsnittliga prognoser noggrannheten för varje trafiksensor över de olika typerna av prediktionsmodeller är jämförbar. Denna lösning tar itu med skalbarhetsproblem som orsakas av ökad användning av trafiksensorer till transportsystemet. Detta görs genom att minska antal trafiksensorer varje trafikprognosmodell är ansvarig för. Det resulterar i mindre komplexa modeller med mindre mängd inmatningsdata. En mer decentraliserad och effektiv lösning kan uppnås eftersom modellerna kan distribueras till transportsystemets kant, d.v.s. nära trafiksensorns fysiska läge, vilket minskar prognosoch responstid för modellerna.

Over the past several years destination loyalty has begun to take up an increasing amount of focus within the tourism research field. While there are still a number of question marks of its different aspects and true value to the destination, the subject has been described as prioritized. On that account, the purpose of this study has been to seek understanding of how Stockholm relate to this, and how their expressed strategies towards the international market can be understood within a destination loyalty perspective. Furthermore, the DMO Visit Stockholm’s marketing and communication strategies towards foreign followers on digital platforms have been examined. To reach knowledge of this, a document study of Visit Stockholm and Svensk Turism was carried out, whereafter three interviews took place with representatives from these two organizations. Lastly, a netnographic examination was carried out of Visit Stockholm’s official webpage and their accounts on Facebook and Instagram. The results showed that strategies have yet to be expressed formally regarding destination loyalty, but that there is an awareness of the issue and that it most likely will play a bigger role in the future. In addition to that, there have been empirical findings which show that marketing and communication in fact is conducted, which can relate to destination loyalty. A challenge for Stockholm in the future will be to further take advantage of the possibilities that the digital channels offer. An active approach will be required in imposing new relations to followers and visitors, and in the retaining of existing relations. / Under de senaste åren har destinationslojalitet börjat ta upp alltmer fokus inom den turistiska forskningen. Medan det ännu finns kvar flera frågetecken över dess olika aspekter och egentliga värde för destinationen, så har ämnet beskrivits som speciellt prioriterat. Med anledning av det har syftet med denna undersökning varit att söka förståelse för hur Stockholm förhåller sig till detta, och hur deras uttalade strategier mot den internationella marknaden kan förstås utifrån ett destinationslojalitetsperspektiv. Vidare har undersökts hur DMO:n Visit Stockholms faktiska marknadsföring och kommunikation till utländska följare förs på digitala plattformar. För att nå denna kunskap utfördes en dokumentstudie av Visit Stockholm samt Svensk Turism, därefter ägde tre intervjuer rum med representanter från dessa två organisationer. Till sist utfördes även en netnografisk undersökning av Visit Stockholms officiella hemsida, samt deras konton på Facebook och Instagram. Resultaten visade att det ej i dagsläget finns några uttalade formella strategier kring destinationslojalitet, men att det finns en medvenhet kring frågan och att det troligtvis kommer att bli mer aktuellt i framtiden. Utöver detta har empiriska fynd gjorts som visar på att det faktiskt förs marknadsföring och kommunikation på sociala medier som kan kopplas till destinationslojalitet. En utmaning för Stockholm inför framtiden blir att ytterligare ta till vara på de möjligheter som de digitala kanalerna kan erbjuda. Ett aktivt arbete kommer att krävas inför skapandet av nya relationer till följare och besökare, samt bibehållandet av existerande relationer.

Det råder en brist på en entydig definition av begreppet taluppfattning som är grunden för all matematik. Genom att veta vilka vanligt förekommande problem som finns inom ett ämne kan lärare förebygga problem och främja förståelse. Den här systematiska litteraturstudien syftar därmed till att sammanställa hur begreppet taluppfattning definieras inom forskning, samt undersöka vilka återkommande problem som enligt forskning finns inom taluppfattning i årskurs F-3. Genom en systematisk litteratursökning har relevant litteratur valts ut och granskats med hjälp av en innehållsanalys. Resultatet visar att det finns många skilda definitioner av taluppfattning som i denna studie sammanställs till 13 olika aspekter. Definitionerna skiljer sig beroende på vilket teoretiskt perspektiv utvald forskning använder sig av, samt vilken ålder utvalda forskare utgår ifrån i definition av begreppet. Resultatet visar även brist på forskning kring återkommande problem inom taluppfattning. Trots spekulationer är det inte möjligt att redogöra vilka vanliga problem som finns inom taluppfattning med anledning av brist på tidigare forskning.

In this thesis, the use of unsupervised and semi-supervised machine learning techniques was analyzed as potential tools for anomaly detection in the sensor network that the electrical system in a Scania truck is comprised of. The experimentation was designed to analyse the need for both point and contextual anomaly detection in this setting. For the point anomaly detection the method of Isolation Forest was experimented with and for contextual anomaly detection two different recurrent neural network architectures using Long Short Term Memory units was relied on. One model was simply a many to one regression model trained to predict a certain signal, while the other was an encoder-decoder network trained to reconstruct a sequence. Both models were trained in an semi-supervised manner, i.e. on data that only depicts normal behaviour, which theoretically should lead to a performance drop on abnormal sequences resulting in higher error terms. In both setting the parameters of a Gaussian distribution were estimated using these error terms which allowed for a convenient way of defining a threshold which would decide if the observation would be flagged as anomalous or not. Additional experimentation's using an exponential weighted moving average over a number of past observations to filter the signal was also conducted. The models performance on this particular task was very different but the regression model showed a lot of promise especially when combined with a filtering preprocessing step to reduce the noise in the data. However the model selection will always be governed by the nature the particular task at hand so the other methods might perform better in other settings. / I den här avhandlingen var användningen av oövervakad och halv-övervakad maskininlärning analyserad som ett möjligt verktyg för att upptäcka avvikelser av anomali i det sensornätverk som elektriska systemet en Scanialastbil består av. Experimentet var konstruerat för att analysera behovet av både punkt och kontextuella avvikelser av anomali i denna miljö. För punktavvikelse av anomali var metoden Isolation Forest experimenterad med och för kontextuella avvikelser av anomali användes två arkitekturer av återkommande neurala nätverk. En av modellerna var helt enkelt många-till-en regressionmodell tränad för att förutspå ett visst märke, medan den andre var ett kodare-avkodare nätverk tränat för att rekonstruera en sekvens.Båda modellerna blev tränade på ett halv-övervakat sätt, d.v.s. på data som endast visar normalt beteende, som teoretiskt skulle leda till minskad prestanda på onormala sekvenser som ger ökat antal feltermer. I båda fallen blev parametrarna av en Gaussisk distribution estimerade på grund av dessa feltermer som tillåter ett bekvämt sätt att definera en tröskel som skulle bestämma om iakttagelsen skulle bli flaggad som en anomali eller inte. Ytterligare experiment var genomförda med exponentiellt viktad glidande medelvärde över ett visst antal av tidigare iakttagelser för att filtera märket. Modellernas prestanda på denna uppgift var välidt olika men regressionmodellen lovade mycket, särskilt kombinerad med ett filterat förbehandlingssteg för att minska bruset it datan. Ändå kommer modelldelen alltid styras av uppgiftens natur så att andra metoder skulle kunna ge bättre prestanda i andra miljöer.

Hierarchical clustering is a family of machine learning methods that has many applications, amongst other data science and data mining. This thesis belongs to the research area of brain-like computing and introduces a novel approach to hierarchical clustering using a brain-like recurrent neural network. Attractor networks can cluster samples by converging to the same network state. We modulate the network behaviour by varying a parameter in the activity propagation rule such that the granularity of the resulting clustering is changed. A hierarchical clustering is then created by combining multiple levels of granularity. The method is developed for two different datasets and evaluated on a variety of clustering metrics. Its performance is compared to standard clustering algorithms and the structure and composition of the clustering is inspected. We show that the method can produce clusterings for different levels of granularity and new data without retraining. As a novel clustering method, it is relevant to machine learning applications. As a model for hierarchical recall in a memory model, it is relevant to computational neuroscience and neuromorphic computing. / Hierarkiskt klusterarbete är en grupp av maskininlärningsmetoder som har många tillämpningar, bland annat datavetenskap och datagrävning. Denna avhandling tillhör forskningsområdet för hjärnlikt databehandling och introducerar ett nytt tillvägagångssätt för hierarkiskt klusterarbete med hjälp av ett hjärnlikt återkommande neuronnätverk. Attraktornätverk kan klustra prover genom att konvergera till samma nätverksstadium. Vi modulerar nätverkets beteende genom att variera en parameter i regeln för aktivitetspropagering så att granulariteten i det resulterande klusterarbetet förändras. Ett hierarkiskt klusterarbete skapas sedan genom att kombinera flera nivåer av granularitet. Metoden utvecklas för två olika datasets och utvärderas med hjälp av olika klustringsmått. Dess prestanda jämförs med standard klusteringsalgoritmer och strukturen och sammansättningen av klusterarbetet inspekteras. Vi visar att metoden kan producera klusterarbeten för olika nivåer av granularitet och nya data utan omträning. Som en ny klusteringsmetod är den relevant för maskininlärningsapplikationer. Som en modell för hierarkisk återkallelse i en minnesmodell är den relevant för beräkningsneurovetenskap och neuromorfisk databehandling.