Lic. , Uppsala, Univ : 2004.

No description available.

Detta kandidatarbete är utarbetat på Blekinge Tekniska Högskola under våren 2002. I utredningen har vi jämfört röstigenkänningsprogram under en treårsperiod, program från 1999 och program från 2002. 1999 års test visade på programvaror med lång träningstid, enkla gränssnitt, stor känslighet för bakgrundsljud och låg användbarhet. Vid arbetsstart förväntade vi oss inte att hitta någon större förändring i användbarheten hos dessa program 2002, då röstigenkänningsprogram inte verkar ha stor användarskara. Utifrån följande hypotes har vi genomfört arbetet: Vi vill med vår undersökning bevisa att användbarheten inom röstigenkänningsteknologi inte har förbättrats under perioden 1999-2002. Vi har för avsikt att med hjälp av test utförda på program och demoversioner bevisa vår hypotes. I enighet med bifogad testspecifikation har vi utfört testerna. Många företag har utvecklat sina produkter och gjort dem bättre. Men de vänder sig mot en annan marknad nu, år 2002, det är mot mobiltelefoni och inte mot diktering. Under utredningens gång har vi kommit fram till att vår hypotes stämmer. Det tar fortfarande lång tid att träna röstigenkänningsprogram och det blir många fel. / Janna Nilsson, janna.nilsson@telia.com, +46 709 417581 Sophie Gunnarsson, gunnarssonsophie@hotmail.com, +46 709 769668

Elevers förmåga att kunna göra rimlighetsbedömningar i matematiken påverkas i stor utsträckning av vilken undervisning de möter. Rimlighetsbedömning är något som finns med i det centrala innehållet för samtliga årskurser i grundskolan. Tidigare forskning har visat att många elever som använder algoritmer vid beräkningar har svårt att se om svaret är rimligt samt att undervisningen inte prioriterar att lära elever rimlighetsbedömningar.Studiens syfte är att öka kunskapen om hur lärare som arbetar på mellanstadiet upplever att de undervisar elever i att kunna bedöma rimligheten av sina svar när de använder algoritmer. Syftet ska besvaras genom följande frågeställningar: På vilka sätt uttrycker lärare att de arbetar med att utveckla elevers förmåga att reflektera över rimligheten i sina resultat vid algoritmräkning? Vilka utmaningar beskriver lärare att det finns i undervisningen för att elever ska kunna värdera om ett svar är rimligt vid algoritmräkning? Studien är kvalitativ i form av semistrukturerade intervjuer med lärareoch utgår ifrån en fenomenologisk ansats. Det insamlade materialet har analyserats med hjälp av Giorgis fem analyssteg för att fånga essensen av lärarnas upplevelser vilket har resulterat i fem teman. I analysen framkommer det att för de elever som har svårt att göra rimlighetsbedömningar i algoritmer finns det några gemensamma faktorer. Elever saknar ofta en god taluppfattningen, de har svårt att se syftet med rimlighetsbedömningar samt att algoritmräkningen ofta blir mekanisk. Lärarna använder olika strategier för att lyfta rimlighet med sina elever genom att använda konkret material, göra verklighetskopplingar och använder elevers felsvar för att diskutera rimlighet.Sammanfattningsvis finns det flera saker som visar sig i resultat som stämmer väl överens med tidigare forskning om elevers förmåga att använda rimlighetsbedömningar vid algoritmräkning.

Idag innehåller internet ett överflöd av information och för att det ska kunna bli användarvänligt och lättorienterat finns det därför olika digitala verktyg som gör att information filtreras och anpassas till individen. Tidigare forskning menar att funktionerna kan vara både till för och nackdel. Ett fåtal tidigare forskning har analyserat medvetenhet och oro kring ämnet inom specifika grupper. Den här studien kan bygga vidare på tidigare forskning och teori för att bredda vetskapen inom området och jämföras med de resultat som redan publicerats. Syftet med studien är således att undersöka studenters beteende, medvetenhet och vilka attityder som finns gentemot individanpassade resultat vid informationssökning på internet. Det teoretiska ramverket innehåller:personalisering, algoritmer, filterbubblor, ekokammare, satisfiering och integritet. För att kunna besvara syftet med studien genomfördes tre kvalitativa fokusgrupper där samtliga deltagare är studenter och över 18 år. Totalt deltog 11 personer i studien.

Vi kommer i denna uppsats bidra till en ökad kunskap om hur journaliststudenter samt övrigastudenter upplever artiklar skrivna av Mittmedias textrobot i kontrast till artiklar skrivna aven mänsklig journalist. Vi har undersökt om dessa studenter kan urskilja en robotskrivenartikel från en mänskligt skriven artikel utifrån kategorierna trovärdighet, läsvänlighet ochkvalité. Vi kommer även undersöka om resultaten av detta skiljer sig mellan de två olikagrupperna av studenter.Vi har genom kvantitativa enkätundersökningar samt i kvalitativa fokusgrupper genomsamtalsintervjuer, kunnat analysera studenternas svar. Totalt fick deltagarna läsa fyra artiklar.De första två saknade bylines och var skrivna av antingen en mänsklig journalist eller enrobotjournalist. De övriga två artiklarna innehöll en byline, där två experimentgrupperexponerades för manipulerade bylines och två kontrollgrupper exponerades för artiklarnaskorrekta bylines. Detta för att se om författaren av texten påverkade deltagarnas åsikter.Resultaten visar att deltagarna upplevde den robotskrivna artikeln som mer trovärdig ochmänniskan som mer läsvänlig när författaren inte var presenterad. I grupperna där artikelnsbyline fanns med oavsett om den var manipulerad eller inte, kunde vi se i både enkätsvarenoch i samtalsintervjuerna att roboten upplevdes mer partisk. Deltagarna var generellt setthårdare i sin bedömning av artikeln de trodde roboten skrivit och mer förlåtande till artikelnde trodde att en människa skrivit.

<p>Artificiella neuronnät (ANN), som tränas för att approximera ett problem, använder träningsdata från problemdomänen. Då denna mängd träningsdata kan vara ofullständig behövs det en analysmetod som visar hur nätverket uppför sig. En sådan analysmetod är invertering av nätverket. Invertering innebär att data som ger ett specifikt resultat i nätverket identifieras. Dessa resultat kan ge exempel som visar på brister eller felaktigheter i nätverket. Det här projektet använder ett ANN som ska klassificera handskrivna siffror. Resultatet från inverteringen visas för en "expertpanel". Panelen får avgöra vilka exempel som inte ska anses vara siffror. De utsorterade exemplen används sedan i en ny mängd träningsdata i syfte att förbättra nätverkets förmåga att klassificera de handskrivna siffrorna. Resultaten från experimentet visar att nätverkets klassificeringsförmåga inte skiljer sig nämnvärt från ett traditionellt tränat ANN. Dock kan det finnas egenheter hos nätverket som har förbättrats och som inte har identifierats i det här projektet.</p>

Under mina verksamhetsförlagda utbildningar har jag lagt märke till att under matematiklektioner ägnar eleverna mycket av sin tid åt räkning i läroböcker. Jag har inte varit med om att läraren introducerar huvudräkningsstrategier till eleverna utan endast algoritmer, dvs. uppställningar. Jag har läst i litteratur att huvudräkning anses vara en bättre räknemetod i de tidigare årskurserna än algoritmräkning. I skolan däremot använder eleverna sig mest av uppställningar. Syftet med mitt arbete är att få fördjupad kunskap om vilken av de två metoderna främjar elevernas matematiklärande på lång sikt. I min litteratursökning har jag mest använt mig av en systematisk/elektronisk sökning. Jag har främst nyttjat databasen ERIC. Min litteraturstudie visar att huvudräkning ökar elevernas talförståelse. Den visar även att elever behöver taluppfattning och hög arbetsminneskapacitet för att kunna räkna i huvudet. Diskussioner bör också förekomma vid huvudräkning. Resultatet visar även att algoritmräkning är effektiv men ej flexibel. Metoden missgynnar dessutom elevernas förståelse för tal. Jag kan konstatera att huvudräkning är en bra metod för att utveckla elevernas förståelse för matematik.

Syftet var att studera vilka olika räknemetoder som eleverna från skilda skolor använde vid beräkning av samma matematikuppgifter. Ett annat ändamål var att ta reda på vilka räknemetoder som lärdes ut av de olika lärarna på de skilda skolorna. Undersökningen har främst haft fokus på två skiljaktiga räknesätt som kallas lodrät algoritmräkning och skriftlig huvudräkning. Elever från skolår sju har fått göra en enkätundersökning i form av en matematikdiagnos. Elevernas beräkningsmetoder för matematikuppgifter innehållande de fyra olika räknesätten har jämförts. Intervjuer av klasslärare har genomförts och läromedlen har studerats. Resultatet visade att skriftlig huvudräkning är den vanligast förekommande räknemetoden som används av eleverna för matematikuppgifter i räknesätten; addition, subtraktion och multiplikation. Trots detta anses metoden av lärarna vara svårare än räkning med lodräta algoritmer. För att kunna ta till sig räknemetoden bör man ha goda kunskaper i positionssystemet och i multiplikationstabellen. Då det ofta brister för eleverna då det gäller dessa kunskaper, kan det stora flertalet inte tillgodogöra sig metoden på ett tillfredställande sätt.

Diss. (sammanfattning) Uppsala : Univ., 2004.