Virtual reality systems are increasing in popularity and are being applied to new areas as time moves on. Gaming and entertainment however still remain the most frequent implementation of virtual reality systems. Many applications are delivered over the internet which exposes a system to a number of security threats. This thesis investigates what methods an attacker potentially could use in an attempt to gain knowledge about a virtual reality user, with emphasis on reading user movements. A dedicated testbed is constructed in an attempt to compromise the users integrity based on the raw packet data sent over the network. Our findings indicate that the testbed in theory should be able to identify user actions. Further work is however needed in order to make it useful in an uncontrolled environment. Other methods show promising results, indicating that an attacker could learn what games a user is playing in an application like VRchat. These other methods did however not show indications of being able to reveal information about user movements.

The effect of interruptions from ICT systems on assembly workers in manufacturing is examined in this thesis, as is how the risks of errors, increases in assembly time, increased cognitive load and resultant stress can be mitigated, as well as ensuring that important new information is acted upon. To these ends, a literature study was conducted, followed by two studies using an experimental approach in an environment that simulated a manufacturing assembly situation, and used tasks designed to be representative of manufacturing assembly tasks. The results of the literature study and the two studies are presented in four appended papers. The body of the thesis itself introduces similar material, and takes a step towards the creation of a theoretical framework that supports analysing the tasks and environments in question from a embodied and situated (DEEDS or 4E) viewpoint on cognition. This theoretical framework uses graphical representations similar to storyboards to support the analyst in maintaining an embodied and situated viewpoint during analyses of active tasks that require an examination of the interplay between brain, body, and environment. Supporting an embodied viewpoint during analysis has the purpose of facilitating the design of interruption coordination systems that take into account the embodied and situated nature of the tasks faced in manual tasks such as assembly in manufacturing. / Sense&React

In a modern vehicle system the amount of data generated are time series large enough for big data. Many of the time series contains interesting patterns, either densely populated or scarcely distributed over the data. For engineers to review the data a segmentation is crucial for data reduction, which is why this thesis investigates unsupervised segmentation of time series. This report uses two different methods, Fast Low-cost Unipotent Semantic Segmentation (FLUSS) and  Information Gain-based Temporal Segmentation (IGTS). These have different approaches, shape and statistical respectively. The goal is to evaluate the strength and weaknesses on tailored time series data, that has properties suiting one or more of the models. The data is constructed from an open dataset, the cricket dataset, that contains labelled segments. These are then concatenated to create datasets with specific properties. Evaluation metrics suitable for segmentation are discussed and evaluated. From the experiments it is clear that all models has strength and weaknesses, so outcome will depend on the data and model combination.  The shape based model, FLUSS, cannot handle reoccurring events or regimes. However, linear transitions between regimes, e.g. A to B to C, gives very good results if the regimes are not too similar. Statistical model, IGTS, yields a non-intuitive segmentation for humans, but could be a good way to reduce data in a preprocess step. It does have the ability to automatically reduce the number of segments to the optimal value based on entropy, which depending on the goal can be desirable or not.  Overall the methods delivered at worst the same as the random segmentation model, but in every test one or more models has better results than this baseline model. Unsupervised segmentation of time series is a difficult problem and will be highly dependent on the target data.

Time series prediction has many applications. In cases with simultaneous series (like measurements of weather from multiple stations, or multiple stocks on the stock market)it is not unlikely that these series from different measurement origins behave similarly, or respond to the same contextual signals. Training input to a prediction model could be constructed from all simultaneous measurements to try and capture the relations between the measurement origins. A generalized approach is to train a prediction model on samples from any individual measurement origin. The data mass is the same in both cases, but in the first case, fewer samples of a larger width are used, while the second option uses a higher number of smaller samples. The first, high-width option, risks over-fitting as a result of fewer training samples per input variable. The second, general option, would have no way to learn relations between the measurement origins. Amending the general model with contextual information would allow for keeping a high samples-per-variable ratio without losing the ability to take the origin of the measurements into account. This thesis presents a vector embedding method for measurement origins in an environment with shared response to contextual signals. The embeddings are based on multi-variate time series from the origins. The embedding method is inspired by co-occurrence matrices commonly used in Natural Language Processing. The similarity measures used between the series are Dynamic Time Warping (DTW), Step-wise Euclidean Distance, and Pearson Correlation. The dimensionality of the resulting embeddings is reduced by Principal Component Analysis (PCA) to increase information density, and effectively preserve variance in the similarity space. The created embedding system allows contextualization of samples, akin to the human intuition that comes from knowing where measurements were taken from, like knowing what sort of company a stock ticker represents, or what environment a weather station is located in. In the embedded space, embeddings of series from fundamentally similar measurement origins are closely located, so that information regarding the behavior of one can be generalized to its neighbors. The resulting embeddings from this work resonate well with existing clustering methods in a weather dataset, and partially in a financial dataset, and do provide performance improvement for an LSTM network acting on said financial dataset. The similarity embeddings also outperform an embedding layer trained together with the LSTM.

I takt med utvecklingen av att allt fler enheter är ihopkopplade och det ökade användandet av applikationer som lagrar persondata är säkerhet en aspekt som måste implementeras av utvecklare och som användarna behöver förstå sig bättre på. Samtidigt är smarta enheter och applikationer designade för att vara lätta att använda och för att vara funktionella är det utmanande att förena faktorerna användbarhet och säkerhet på en acceptabel nivå. Denna balans är särskilt intressant att undersöka när det dessutom gäller betalningsappar då historiskt har konsumenter velat att en betalning genomförs säkert, smidigt och bekvämt. Betalningsapparna medger köp av varor utan användning av kontanter och används av över två miljarder människor globalt där Apple Pay och Google Pay är de två globala betalningsapplikationerna. Denna studie har till syfte att belysa användarnas syn på faktorerna användbarhet och säkerhet hos betalningsapparna Apple Pay och Google Pay. Data om användarnas recensioner till de två utvalda betalningsapplikationerna har inhämtats från online-marknadsförsäljaren capterra.se, som fungerar som mellanhand mellan köpare och teknikleverantörer inom mjukvaruindustrin. För att uppnå syftet inom ramen för uppsatsens storleksbegränsning har uppsatsens undersökningsområde avgränsats till att behandla data om användares recensioner till betalningsapplikationerna Apple Pay respektive Google Pay, lagda av användare med minst två års användarlängd. En kvalitativ metod i form av en tematisk innehållsanalys har använts som metod för att analysera de ovan nämnda recensionerna vilket har utgått från tvåhundra recensioner för Apple Pay respektive hundrasextiofem recensioner på Google Pay. I enlighet med metoden för tematisk analys har jag gått igenom de valda recensionernas rubrik och innehåll för de två valda applikationerna för att sedan analysera och identifiera kännetecken och särdrag i dess data. Slutligen har datamaterialet organiserats och grupperats för att identifiera tema för att relatera till syftet och frågeställningarna. Slutsatsen av studien visar att användarna lyfter följande teman i sina recensioner: Integritet, Sekretess, Tillgänglighet, Användarvänligt, Tillfredsställanede och Effektivitet. De tre förstnämnda teman är i denna studie kopplade till säkerhetsfaktorn och resterande tre teman är kopplade till faktorn användbarhet. Den procentuella andelen av teman kopplad till säkerhet är 31% och till användbarhet 69% som omnämnts i recensionerna för Apple Pay. För Google Pay är motsvarande siffra 27% respektive 73%. Detta innebär att användarna lyfter användbarhetsfaktorn mer än säkerhetsfaktorn i sina recensioner. Trots användarnas fokus på användbarhet är säkerhet inte en obetydlig faktor. Inga avsevärda skillnader föreligger bland recensionerna utifrån de två studerade faktorerna mellan de två utvalda betalningsapplikationerna Apple Pay respektive Google Pay.

The study set out to examine how using a different type of narrative, the epiphanic structure, compares to the hero’s journey in both non-interactive as well as interactive writing. Earlier studies about different narrative structures were examined as well as reasons for how the hero’s journey has become used to such a high degree that many other structures are barely known by many people. An artifact was created that included four versions of a similar narrative. Two were interactive and the other two were not. Out of each of the two groups, one variant followed the hero’s journey and the other followed the epiphanic narrative structure. Three participants were invited to interact with the artifact and an interview/discussion was held with them each individually. All three of the participants expressed similar opinions about the four narrative variants and agreed that the epiphanic structure felt interesting and provided surprising additional insight.

Mechanical devices in industriy are equipped with numerous sensors to capture thehealth state of the machines. The reliability of the machine’s health system depends on thequality of sensor data. In order to predict the health state of sensors, abnormal behaviourof sensors must be detected to avoid unnecessary cost.We proposed LSTM autoencoder in which the objective is to reconstruct input time seriesand predict the next time instance based on historical data, and we evaluate anomaliesin multivariate time series via reconstructed error. We also used exponential moving averageas a preprocessing step to smooth the trend of time series to remove high frequencynoise and low frequency deviation in multivariate time series data.Our experiment results, based on different datasets of multivariate time series of gasturbines, demonstrate that the proposed model works well for injected anomalies and realworld data to detect the anomaly. The accuracy of the model under 5 percent infectedanomalies is 98.45%.

This study aims at exploring and developing an approach for user-centred product planning for product managers in multi-product tech companies. Applying the Design Thinking methodology in this research project allows for product managers to be involved in the design process as a whole. From research and interviews with product managers it can be seen that there is a global understanding of the importance of a shift in focus towards user experience rather than product features while planning, but that there are no clear means yet to facilitate this. Through co-design with product managers as well as individual prototyping, a lo-fi prototype of a planning tool is developed and tested. The results show that the prototype successfully facilitated multi-product planning and shifted the focus from features to experiences. The methodology used can be reproduced in analogous companies and the results can be used as a starting point to continue adapting and developing the approach. / Denna studie syftar till att utforska och utveckla ett tillvägagångssätt för användarcentrerad produktplanering för produktchefer inom tekniska produktutvecklingsbolag som utvecklar flera olika samverkande produkter. Metoden Design Thinking har använts i detta forskningsprojekt, vilket möjliggjort att produktchefer kunnat att vara involverade i designprocessen som helhet. Från initiala intervjuer med produktchefer framkom det att de förstod vikten av att ha fokus på användarupplevelse snarare än produktegenskaper under planering av flerproduktslösningar, men att de i dagsläget inte finns några tydliga verktyg för att underlätta detta. Genom samdesign med produktchefer formades ett antal prototyper av ett planeringsverktyg. En Lo-Fi-prototyp utvecklades och utvärderades av produktägare. Testerna visade att multiproduktplanering framgångsrikt underlättades och flyttade fokus från funktioner till användarupplevelser. Den metodik som använts här kan reproduceras i liknande företag och resultaten kan användas som utgångspunkt för att fortsätta anpassa och utveckla arbetssättet.

Detta arbete syftar till att utvärdera potentialen hos en GPT-modell för att effektivisera redaktörers arbete med att generera textinnehåll för olika produkter. Den huvudsakliga frågeställningen är: ”Går det att integrera en GPT-modell i redigeringsplattformen TinyMCE för att effektivisera redaktörers arbete med att generera textinnehåll för olika produkter inom ett e-handelsföretag?” Arbetet fokuserar på att underlätta redigeringsarbetet för redaktörer genom att erbjuda en integrerad lösning för textgenerering, vilket förväntas öka produktiviteten och kvaliteten på de genererade texterna. Arbetet resulterade i utvecklingen av ett AI-verktyg som integrerats med redigeringsplattformen TinyMCE, där GPT-modellen fungerar som motor för textgenereringen. Resultatet visar att det utvecklade verktyget effektivt kan producera textinnehåll med god kvalitet och relevans. Genom att erbjuda en användarvänlig och integrerad lösning för redaktörer förväntas verktyget bidra till ökad produktivitet och effektivitet i redigeringsprocessen. Eftersom GPT-modellen tenderar att utforma generaliseringar och dra egna slutsatser när den tillhandahållna informationen är otydlig, bör det noteras att verktyget inte är autonomt. Det är av yttersta vikt att redaktörerna noggrant granskar resultatet för att säkerställa att det återgivna textinnehållet är korrekt. / This research aims to evaluate the potential of a GPT-model to streamline editors work in generating textual content for various products. The main research question is: ”Is it possible to integrate a GPT model into the TinyMCE editing platform to streamline editors work in generating text content for various products within an e-commerce company?” The focus is on facilitating the editing process for editors by providing an integrated solution for text generation, which is expected to increase productivity and the quality of the generated texts. The work resulted in the development of an AI tool integrated with the TinyMCE editing platform, where the GPT-model serves as the engine for text generation. The findings demonstrate that the developed tool can effectively produce satisfactory quality and relevant textual content. By offering a userfriendly and integrated solution for editors, the tool is expected to contribute to increased productivity and efficiency in the editing process. However, it should be noted that since the GPT-model tends to generalize and draw its own conclusions when the provided information is insufficiently clear, the tool is not autonomous. It is crucial for editors to carefully review the output to ensure the accuracy and truthfulness of the rendered textual content.

Syftet med studien är att undersöka lärare i fritidshems användning av digitala verktyg samt vilken utbildningsbakgrund lärare har inom området. Dessutom fokuserar studien på att identifiera de möjligheter och utmaningar som lärare står inför vid användning av digitala verktyg i undervisningen.  De forskningsfrågor som besvaras i studien är: Vilka digitala verktyg förekommer inom fritidshemmets arbete och hur används dessa? Vilken typ av utbildning har lärarna fått inom användandet av digitala verktyg? Vilka möjligheter och utmaningar beskriver lärarna med att använda sig av digitala verktyg i sin undervisning? En kvalitativ metod i form av semistrukturerade interjuver med åtta lärare i fritidshem har använts för att samla in materialet till studien. För att analysera det inkomna materialet har en innehållsanalys använts. I resultatet framkommer det att lärarna i fritidshem behöver få mer utbildning kring digitala verktyg och att det även är något som lärarna själva vill ha mera utav. Lärarna uttryckte att mycket av det de använder sig av digitalt i sitt arbete har de inte tillräcklig kunskap i. Även om lärarna behöver mer utbildning inom ämnet ser de digitala verktyg som något positivt. Lärarna kan använda sig av de digitala verktygen som ett hjälpmedel och läromedel i undervisningen och något som kommer finnas kvar i skolans framtid.