Emojis are colorful pictorial icons used in day to day conversations via SMS and on plenty of different platforms, available for everyone today, but not yet studied to an extent even though they they are highly ambigous. The aim of this study is to find which semantic meanings emojis can have, if gender or age is a causing factor and if any norm for when and how emojis should be used exists among the users. Through a digital survey uploaded on different platforms and sent to different companies, the results show that misconceptions do happen, and that they happen often. However, gender does not seem to matter to the same extent as age. There is also evidence pointing to the users following some rules when it comes to what emoji should be used when and when no emoji should be used at all.

An experimental study to investigate if it´s possible to use emojis as a tool in education in primary school to encourage students in their writing- and reading learning. Especially with consideration to students with Swedish as a second language and furthermore students who has trouble with their development in reading and writing. Besides that, is the purpose of the study to find out the frequency of emojis among primary students, mainly grades F-3.The investigation performs through an experimental field study in combination with a survey. The results shows that it is in fact very stimulating for children in primary schoolto use emojis in their reading and writing development progress. Furthermore, it is also shown that the test-material is appreciated among the teachers who used it and the can imagen to use emojis as a tool in their teaching when they also believe that the language of emojis is becoming more frequent among students, and they are highly possible to meet these symbols in their everyday life in the future. This frequency of emojis in primaryschool is also supported by the survey.

Problemformulering och syfte: Det problemområde vi utgår ifrån i denna studie är att det finns skillnader och flera genomgående teman i hur ett betalt samarbete ser ut och skapas beroende på vilken nivå en influencer ligger på, det vill säga micro, macro och megainfluencers. Syftet med studien är att undersöka olikheter och likheter i retoriken av betalda samarbeten publicerade på Instagram av olika nivåer av influencers, dessa influencer nivåer är; mico influencers, macro influencers och mega influencers. Samtidigt som retoriken i kommentarsfältet relaterat till dessa samarbeten har undersökts och jämförts, har vi även tittat närmare på parasociala interaktioner samt influencer marketing gentemot publik och avsändare. Metod och material: I denna studie har en kvalitativ innehållsanalys genomförts för att analysera och tolka sex inlägg från influencers samt kommentarer till följande inlägg. Huvudresultat: I studien framgår det att det finns en blandning av likheter och olikheter där likheterna väger över hos de olika nivåerna av influencers. Utifrån studiens resultat och analys går det att dra slutsats att företag som vill använda sig utav trovärdiga influencer som har en relation till sina följare bör använda sig utav micro influencer för att det har visat sig iresultatet att de mest trovärdiga än de andra nivåerna.

This study investigates the use of emojis in sentiment analysis for the Swedish language, with the objective to assess if emojis improve the performance of the model. Sentiment analysis is an NLP classification task aimed at extracting people's opinions, sentiments, and attitudes from language. Though sentiment analysis as a research area has made a lot of progress recently, there are still some challenges to overcome. In this work, two of these challenges were considered; the analysis of a non-English language and the impact of emojis. These areas were explored through creating a sentiment annotated dataset of Swedish texts containing emojis, and creating a Swedish sentiment analysis model for evaluation. The sentiment analysis model created, SweVADER, was based on the English Lexicon-based model VADER.  The best performing SweVADER model achieved an accuracy of 0.53 and an F1-score of 0.47. Furthermore, the presence of emojis improved the analysis for most models, but not by much. The results indicate that the use of emojis can improve the sentiment analysis, but there were other features affecting the results as well. The sentiment lexicon used plays a key role, and pre-processing techniques like stemming could affect the performance too. A takeaway from this study is that emojis contain important sentiment information, and should not be disregarded. Furthermore, emojis are useful when analyzing texts, if there is a lack of linguistic resources for the language in question.

In dieser Studie werden zwei Forschungsfragen analysiert. Die erste Frage konzentriert sich darauf, herauszufinden, welche pragmatischen und semiotischen Funktionen in der Alltagssprache des deutschsprachigen Raums in Bezug auf die Verwendung von Emojis existieren. Die zweite Forschungsfrage konzentriert sich darauf, einen Zusammenhang zwischen dem Konzept des Code-Switching und Emojis zu finden, die beim Schreiben von Textnachrichten verwendet werden. Diese Studie wird auf der Grundlage der systematischen Korpusanalyse analysiert. Als Korpus wird das deutsche Korpus MoCoDa2 (Mobile Communication Database 2) verwendet. Unter Verwendung dieses Korpus wurden vier WhatsApp-Chats von verschiedenen Personen für die weitere Analyse ausgewählt. Was schließlich analysiert wurde, ist, dass die Emoji zwei spezifische pragmatische Funktionen hat. Diese beiden Funktionen sind adding tone und injecting a positive mood. Diese Funktionen haben gezeigt, dass sich der Einsatz von Emojis auch in weniger positiven Kontexten in einem Chat zwischen verschiedenen Personen positiv auswirken kann. Es wurde auch gezeigt, dass eine andere pragmatische Funktion namens text replacement einen Teil der Wirkung im Code-Switching-Konzept initiiert. Diese Funktion erklärt, dass ein Wort oder Satz durch ein oder mehrere Emojis ersetzt werden kann. Eine Emoji wirkt dann, wenn es für andere, mit denen man schreibt, verständlich sein soll.

In dieser Studie werden zwei Forschungsfragen analysiert. Die erste Frage konzentriert sich darauf, herauszufinden, welche pragmatischen und semiotischen Funktionen in der Alltagssprache des deutschsprachigen Raums in Bezug auf die Verwendung von Emojis existieren. Die zweite Forschungsfrage konzentriert sich darauf, einen Zusammenhang zwischen dem Konzept des Code-Switching und Emojis zu finden, die beim Schreiben von Textnachrichten verwendet werden. Diese Studie wird auf der Grundlage der systematischen Korpusanalyse analysiert. Als Korpus wird das deutsche Korpus MoCoDa2 (Mobile Communication Database 2) verwendet. Unter Verwendung dieses Korpus wurden vier WhatsApp-Chats von verschiedenen Personen für die weitere Analyse ausgewählt. Was schließlich analysiert wurde, ist, dass die Emoji zwei spezifische pragmatische Funktionen hat. Diese beiden Funktionen sind adding tone und injecting a positive mood. Diese Funktionen haben gezeigt, dass sich der Einsatz von Emojis auch in weniger positiven Kontexten in einem Chat zwischen verschiedenen Personen positiv auswirken kann. Es wurde auch gezeigt, dass eine andere pragmatische Funktion namens text replacement einen Teil der Wirkung im Code-Switching-Konzept initiiert. Diese Funktion erklärt, dass ein Wort oder Satz durch ein oder mehrere Emojis ersetzt werden kann. Eine Emoji wirkt dann, wenn es für andere, mit denen man schreibt, verständlich sein soll.

Scholars are often studying emojis as pure visual elements or as essential textual parts. Theories in this study bridge these subfields and examine emojis in both fields. This bridging understanding of emojis is applied to hashtag activism in the discursive Black Lives Matter debate to increase the comprehension of the impact of emojis. Emojis can be used in various hashtag activism as reinforcing visual elements that help put a figurative meaning to political movements. Emojis can also be used to change the intonation or meanings in computer-mediated communication and thereby be essential for understanding the textual meaning as a whole. The study is conducted with quantitative content analysis of tweets relating to two, here considered oppositional, hashtags; #blacklivesmatter and #alllivesmatter with the aim of receiving a comprehension of how the support of emojis affect the written statements. The study presents results and a thorough discussion that brings the conclusion of emojis having an immense impact, as both visual and textual support on the tweets written in this political online debate. / Forskare studerar ofta emojis som rena visuella element eller som väsentliga textdelar. Teorier i denna studie överbryggar dessa delfält och undersöker emojis inom båda områdena. Denna överbryggande förståelse för emojis tillämpas på hashtag-aktivism i den diskursiva Black Lives Matter-debatten för att öka förståelsen om påverkan av emojis. Emojis kan användas i olika sorters hashtag-aktivism som förstärkande visuella element som hjälper till att sätta en figurativ betydelse på politiska rörelser. Emojis kan också användas för att ändra intonationen eller betydelsen i datormedierad kommunikation och därmed vara avgörande för att förstå den textuella innebörden som helhet. Studien genomförs med kvantitativ innehållsanalys av tweets relaterade till två, här betraktade som oppositionella hashtags; #blacklivesmatter och #alllivesmatter i syfte att få en förståelse för hur emojis påverkar de skriftliga yttrandena. Studien presenterar resultat och en grundlig diskussion som drar slutsatsen att emojis har en enorm påverkan, både som ett visuellt och textuellt stöd på tweets skrivna i denna politiska online-debatt.

Syftet med studien var att undersöka människors upplevelser av emojis i textlig kommunikation. I studien tillämpades en kvalitativ metod för undersökningen i form av Braun och Clarkes (2006) Tematiska analys. Datainsamlingen bestod av tre fokusgrupper med fyra deltagare i varje grupp, varav elva deltagare var kvinnor och en delatagare var man. Den Tematiska analysen genererade tre teman: Första temat Emojikodens trygghet och osäkerhet beskriver deltagarna känslan av trygghet genom användning av specifika emojis som skapar en kod för att hantera olika relationer. Emojikoden kan även skapa osäkerhet då en relation utvecklas eftersom emojis kan tolkas på olika sätt. Andra temat Emojis förstärker eller mildrar budskap beskriver hur emojis upplevs påverka innebörden av budskapet. Det sista temat Emojis ersätter känslors ord beskriver effektiviteten genom emojis i textlig kommunikation men som också kan resultera i en överdrift. Emojis i textlig kommunikation är av stor betydelse då effekten av att använda den upplevs som möjligt att hantera relationer relationer och sociala roller. Hantering av relationer och sociala roller är viktigt för att stärka självkänslan och bibehålla självbilden. / The purpose of the study was to investigate people`s experiences of emojis in textual communication. The study used qualitative method for the study in the form of Braun and Clarkes (2006) Thematic analysis. The data collection consisted of three focus groups with four participants in each group, of witch eleven particpants were woman and one particpant was male. The Thematic analysis generated three themes: First theme The secuarity and uncertainty of the emojicode describes the particpants sense of security through the use of specific emojis that create a code to manage different relationship. The emojicode can also create uncertainty as a relationship developes because emojis can be interpreted in different ways. Other themes Emoji reinforce or mitigate messages describe how emojis are perceived to affect the meaning of the message. The last theme of Emoji replaces the words of emotion describing the effectiveness of emojis in textual communication but can also result in an exaggeration. Emoji in textual communication is of great importance as the effect of using them is perceived as possible to manage relationships and social roles. Managing relationships and social roles is important for strengthening self-esteem and maintaining self-image.

Att arbeta med rörlig bild mot sociala medier har sina problem när den fysiska miljön avgörom tittaren kan spela upp musik/ljud tillhörande filmen man tittar på. I denna uppsatsundersöks hur emojis kan upplevas komplettera musik på sociala medier. Denna uppsatsanvänder enskilda intervjuer för att undersöka hur informanterna upplever emojis i film påInstagram. I denna pilotstudie konstateras att emojis kan förstärka, försvaga och förvirraupplevelsen av det emotionella innehållet i en film och att dessa konsekvenser kan upplevasbåde som positivt, negativt och komplext, vilket ställer stora krav på medieproducenter somvill använda emojis. Emojis är i dagsläget ett nytt språk som inte har etablerats så att enstakauttryck nödvändigtvis ger upphov till direkt emotionell respons hos mottagaren, men gerredan nu mer effektiv kommunikation på sociala medier.

<div>Textual emotion classification is a task in affective AI that branches from sentiment analysis and focuses on identifying emotions expressed in a given text excerpt. </div><div>It has a wide variety of applications that improve human-computer interactions, particularly to empower computers to understand subjective human language better. </div><div>Significant research has been done on this task, but very little of that research leverages one of the most emotion-bearing symbols we have used in modern communication: Emojis.</div><div>In this thesis, we propose several transformer-based models for emotion classification that processes emojis as input tokens and leverages pretrained models and uses them</div><div>, a model that processes Emojis as textual inputs and leverages DeepMoji to generate affective feature vectors used as reference when aggregating different modalities of text encoding. </div><div>To evaluate ReferEmo, we experimented on the SemEval 2018 and GoEmotions datasets, two benchmark datasets for emotion classification, and achieved competitive performance compared to state-of-the-art models tested on these datasets. Notably, our model performs better on the underrepresented classes of each dataset.</div>