I den här multimodala studien analyseras två historieläromedel som är avsedda för mellanstadiet. Fokuset ligger på hur bilder används, vilken funktion de har, samt hur text och bilder samspelar med varandra i de båda läromedlen. I det centrala innehållet för årskurserna 4–6 i historia står det att undervisningen bland annat ska behandla ”Norden och Östersjöriket Sverige, cirka 1500–1700”. Därför är 1500-talet i Norden och Östersjöriket Sverige, även benämnt som Vasatiden, det avgränsade område som undersöks i de här två historieläromedlen. Den tidigare forskningen understryker vikten av att samtala om- och studera bilder i läromedel eftersom det kan öka förståelsen hos eleverna – om bilderna är väl samman-kopplade till textinnehållet vill säga. Därför är det av stor vikt att utföra analyser av läromedel, liksom av bildinnehållet i läromedlen. Studiens resultat visar att det finns en variation av olika typer av bilder och bildfunktioner i de två läromedlen. De funktioner som är vanligast förekommande är föreställande- och informativa funktioner, vilka syftar att bidra till en större förståelse och en större kunskapsutveckling hos den som läser. Majoriteten av bilderna i de båda läromedlen samspelar dessutom väl med textinnehållet vilket kan bidra till ett större intresse och ett fördjupat lärande hos läsaren. / <p>Slutgiltigt godkännandedatum: 2022-06-13</p>

No description available.

Syftet med detta examensarbete är att bidra med kunskap om bilders betydelse, användning och funktion i läromedel om läsförståelse. Detta görs genom en kvalitativ studie i två delar, dels i en läromedelsanalys av tre läromedel, dels i en gruppintervju med elever i årskurs 5. I uppsatsen behandlas tre frågeställningar som handlar om vilka förhållanden som råder mellan text och bild och hur elever resonerar kring detta. Vi har också valt att fokusera på hur eleverna uppger att de använder bilderna i sitt arbete med läsförståelse. Studien har tagit stöd i forskning om läsförståelse, samspel mellan text och bild och läromedelsanalyser. Resultatet av läromedelanalysen visar att bilderna som har analyserats i denna studie relaterar till texten på olika sätt. Gruppintervjun visar att eleverna påverkas av bilderna och de uppger att de använder bilderna både för att få förförståelse innan de läser och även under tiden de läser för att förtydliga texten. Vidare framkommer att eleverna har förmåga att genomföra läromedelsanalyser och därmed vara delaktiga när läromedel ska väljas.

Denna studie syftar huvudsakligen till att bidra med kunskap till aktuell forskning gällande genusrepresentation i läromedel utifrån ett genusperspektiv. I studien undersöks hur genus representeras i fyra svenska läromedel för årskurs 4–6 i ämnet svenska. Läromedlen undersöktes utifrån Yvonne Hirdmans genusteori men även utifrån teoretiska redogörelser gällande könsbundna respektive könsneutrala pronomen. Å ena sidan undersöktes hur frekvent könsstereotypiska representationer av män och kvinnor i bild förekom i respektive läromedel. Å andra sidan undersöktes hur frekvent könsbundna respektive könsneutrala pronomen används i samtliga läromedel. De läromedel som undersöktes var Klara Svenskan ÅK 6, Tala, läsa &amp; skriva (2017), Zick Zack 4 Läsrummet Textsamling (2015), Zoom Svenska Grundbok år 4 (2018) och Prima Svenska 4 Basbok (2013).  I analysen användes dels en kvalitativ metod med kvantitativa inslag för analysen av könsstereotypiska representationer i bilder, dels en kvantitativ textanalys för analysen av pronomenfrekvenser. Slutsatsen av forskningsfråga 1 som kunde dras var att män framställs med fler kvinnliga än manliga könsstereotypiska egenskaper i tre av fyra läromedel och att kvinnor framställs på åtskilda sätt. Ett läromedel framställde kvinnor med fler kvinnliga könsstereotypiska egenskaper, ett läromedel framställde kvinnor med lika många kvinnliga könsstereotypiska egenskaper som manliga könsstereotypiska egenskaper, ett läromedel framställde kvinnor med fler manliga könsstereotypiska egenskaper och ett läromedel saknade bildrepresentationer av kvinnor. Slutsatsen av forskningsfråga 2 som kan dras är att det förekom fler könsneutrala pronomen än könsbundna pronomen i tre läromedel medan det i det fjärde läromedlet förekom fler könsbundna pronomen än könsneutrala pronomen. Analysen visade dessutom att fler maskulina än feminina pronomen förekom sammantaget för samtliga läromedel.

I denna uppsats görs en bildanalys av vinnarbilderna i den svenska pressfototävlingen Årets Bild i kategorierna Nyhetsbild Utland och Nyhetsbild Sverige åren 2006-2015. Syftet med studien är att undersöka skillnaderna i de två valda kategorierna och att se om teorierna om lidande som porträtteras stämmer överens med våra resultat eller ej. Genom en analys av vinnarbilderna i de två kategorierna vill vi visa på eventuella strukturer i prisbelönta nyhetsbilder samt lägga en grund för framtida och mer ingående forskning av vinnande nyhetsbilder i svenska pressfototävlingar. Studien är en kvantitativ undersökning där vi använt oss av bildanalyser av de 54 bilder som vunnit i nyhetsbildskategorierna mellan 2006-2015. Vi har använt oss av retorisk och semiotisk bildanalys. Resultatet vi fått visar att vinnarbilderna i kategorierna huvudsakligen visar ett begränsat antal teman; naturkatastrofer, fattigdom och sociala problem samt krig och konflikt. Majoriteten av bilderna är negativt laddade och föreställer människor som visar negativa känslor. Samtliga bilder förutom en som kammade hem pris, innehöll detaljer som gjorde att de stack ut från mängden och som tilltalade oss. Exempel på det är punctum eller symboler som syntes i bilden. Det gjorde att vi drog slutsatsen att det är en av faktorerna som påverkar bildens chans att vinna i tävlingar som Årets Bild.

Modern medical imaging techniques provide an increasing amount of high-dimensional and high-resolution image data that need to be visualized, analyzed, and interpreted for diagnostic and treatment planning purposes. As a consequence, efficient ways of exploring these images are needed. In order to work with specific patient cases, it is necessary to be able to work directly with the medical image volumes and to generate the relevant 3D structures directly as they are needed for visualization and analysis. This requires efficient tools for segmentation, i.e., separation of objects from each other and from the background. Segmentation is hard to automate due to, e.g., high shape variability of organs and limited contrast between tissues. Manual segmentation, on the other hand, is tedious and error-prone. An approach combining the merits from automatic and manual methods is semi-automatic segmentation, where the user interactively provides input to the methods. For complex medical image volumes, the interactive part can be highly 3D oriented and is therefore dependent on the user interface. This thesis presents methods for interactive segmentation and visualization where true 3D interaction with haptic feedback and stereo graphics is used. Well-known segmentation methods such as fast marching, fuzzy connectedness, live-wire, and deformable models, have been tailored and extended for implementation in a 3D environment where volume visualization and haptics are used to guide the user. The visualization is accelerated with graphics hardware and therefore allows for volume rendering in stereo at interactive rates. The haptic feedback is rendered with constraint-based direct volume haptics in order to convey information about the data that is hard to visualize and thereby facilitate the interaction. The methods have been applied to real medical images, e.g., 3D liver CT data and 4D breast MR data with good results. To provide a tool for future work in this area, a software toolkit containing the implementations of the developed methods has been made publicly available.

In spring of february 2022 Russia attacked Ukraine because of indifferent politics and indifferences. This war has led to a massive refugee stream throughout Europe which has also led to news media following the events. The aim of this study was to analyze how Dagens Nyheter is visually framing Ukrainian refugees in pictures, since in 2015 earlier research has found evidence of news media portraying middle east refugees stereotypical. The questions examined were: How have refugees been visually portrayed in Dagens Nyheter 2022, does the proximity principle matter for the portrayal of refugees in images published in 2022 and have Ukrainian refugees been portrayed differently compared to refugees in 2015? To answer these questions a semiotic analysis has been used to study 10 pictures on Dagens Nyheter website. This study has acquired a qualitative method to look closer and in depth on the subject. The theories that have been used are framing theory and representation theory to get a better understanding of Dagens Nyheter and how they portray refugees. The findings of this study shows that news media have changed since 2015, the refugees are seen as travelers going from point A to point B. Refugees were rarely portrayed as poor or rich since the majority of pictures are seen as neutral.

<p>This thesis presents a complete and fully automatic method for estimating the volume of an airbag, through all stages of its inflation, with multiple synchronized high-speed cameras.</p><p>Using recorded contours of the inflating airbag, its visual hull is reconstructed with a novel method: The intersections of all back-projected contours are first identified with an accelerated epipolar algorithm. These intersections, together with additional points sampled from concave surface regions of the visual hull, are then Delaunay triangulated to a connected set of tetrahedra. Finally, the visual hull is extracted by carving away the tetrahedra that are classified as inconsistent with the contours, according to a voting procedure.</p><p>The volume of an airbag's visual hull is always larger than the airbag's real volume. By projecting a known synthetic model of the airbag into the cameras, this volume offset is computed, and an accurate estimate of the real airbag volume is extracted. </p><p>Even though volume estimates can be computed for all camera setups, the cameras should be specially posed to achieve optimal results. Such poses are uniquely found for different airbag models with a separate, fully automatic, simulated annealing algorithm.</p><p>Satisfying results are presented for both synthetic and real-world data.</p>

<p>Positron Emission Tomography, PET, can be used for dynamic studies in humans. In such studies a selected part of the body, often the whole brain, is imaged repeatedly after administration of a radiolabelled tracer. Such studies are performed to provide sequences of images reflecting the tracer’s kinetic behaviour, which may be related to physiological, biochemical and functional properties of tissues. This information can be obtained by analyzing the distribution and kinetic behaviour of the administered tracers in different regions, tissues and organs. Each image in the sequence thus contains part of the kinetic information about the administered tracer. </p><p>Several factors make analysis of PET images difficult, such as a high noise magnitude and correlation between image elements in conjunction with a high level of non-specific binding to the target and a sometimes small difference in target expression between pathological and healthy regions. It is therefore important to understand how these factors affect the derived quantitative measurements when using different methods such as kinetic modelling and multivariate image analysis.</p><p>In this thesis, a new method to explore the properties of the noise in dynamic PET images was introduced and implemented. The method is based on an analysis of the autocorrelation function of the images. This was followed by proposing and implementing three novel approaches for application of Principal Component Analysis, PCA, on dynamic human PET studies. The common underlying idea of these approaches was that the images need to be normalized before application of PCA to ensure that the PCA is signal driven, not noise driven. Different ways to estimate and correct for the noise variance were investigated. Normalizations were carried out Slice-Wise (SW), for the whole volume at once, and in both image domain and sinogram domain respectively. We also investigated the value of masking out and removing the area outside the brain for the analysis. </p><p>The results were very encouraging. We could demonstrate that for phantoms as well as for real image data, the applied normalizations allow PCA to reveal the signal much more clearly than what can be seen in the original image data sets. Using our normalizations, PCA can thus be used as a multivariate analysis technique that without any modelling assumptions can separate important kinetic information into different component images. Furthermore, these images contained optimized signal to noise ratio (SNR), low levels of noise and thus showed improved quality and contrast. This should allow more accurate visualization and better precision in the discrimination between pathological and healthy regions. Hopefully this can in turn lead to improved clinical diagnosis. </p>

Positron Emission Tomography, PET, can be used for dynamic studies in humans. In such studies a selected part of the body, often the whole brain, is imaged repeatedly after administration of a radiolabelled tracer. Such studies are performed to provide sequences of images reflecting the tracer’s kinetic behaviour, which may be related to physiological, biochemical and functional properties of tissues. This information can be obtained by analyzing the distribution and kinetic behaviour of the administered tracers in different regions, tissues and organs. Each image in the sequence thus contains part of the kinetic information about the administered tracer. Several factors make analysis of PET images difficult, such as a high noise magnitude and correlation between image elements in conjunction with a high level of non-specific binding to the target and a sometimes small difference in target expression between pathological and healthy regions. It is therefore important to understand how these factors affect the derived quantitative measurements when using different methods such as kinetic modelling and multivariate image analysis. In this thesis, a new method to explore the properties of the noise in dynamic PET images was introduced and implemented. The method is based on an analysis of the autocorrelation function of the images. This was followed by proposing and implementing three novel approaches for application of Principal Component Analysis, PCA, on dynamic human PET studies. The common underlying idea of these approaches was that the images need to be normalized before application of PCA to ensure that the PCA is signal driven, not noise driven. Different ways to estimate and correct for the noise variance were investigated. Normalizations were carried out Slice-Wise (SW), for the whole volume at once, and in both image domain and sinogram domain respectively. We also investigated the value of masking out and removing the area outside the brain for the analysis. The results were very encouraging. We could demonstrate that for phantoms as well as for real image data, the applied normalizations allow PCA to reveal the signal much more clearly than what can be seen in the original image data sets. Using our normalizations, PCA can thus be used as a multivariate analysis technique that without any modelling assumptions can separate important kinetic information into different component images. Furthermore, these images contained optimized signal to noise ratio (SNR), low levels of noise and thus showed improved quality and contrast. This should allow more accurate visualization and better precision in the discrimination between pathological and healthy regions. Hopefully this can in turn lead to improved clinical diagnosis.