Today’s digital society is changing the way we learn and educate drastically. Education is being digitalized with the use of online courses and digital lectures. This bachelor thesis solves the problem of how to be able to record a lecture without a camera operator, an Automated Camera Man (ACM), for easier production of high quality education material. It was achieved with a modularized design process, practical testing and a scientific approach. The Automated Camera Man can be placed in the rear of the lecture hall to record or stream the content while it actively adjusts itself and its direction towards the lecturer using image processing and analysis. / I dagens digitala samhälle är sättet som undervisning sker på under ständig förändring. Undervisningen håller på att digitaliseras genom användningen av nätbaserade kurser och digitala föreläsningar. Detta kandidatexamensarbete söker en lösning på frågan om hur man kan filma en föreläsning utan en kameraoperatör, med en automatiserad kameraman, för lättare produktion av högkvalitativt videomaterial. Genom en modulariserad designprocess, praktiska tester och vetenskapliga studier, designades ett sådant system. Det automatiska kamerastativet kan placeras längst bak i en föreläsningssal, på vilket en kamera kan placeras för att spela in eller strömma filmmaterial medan stativet riktar in sig mot föreläsarens position, med hjälp av bildbehandling.

Arbetet bygger på förbättring av befintlig arkitektur för en tjänst som beräknar koldioxidutsläpp för molntjänster. Nuvarande arkitektur bygger på att samla ihop och klumpa stora mängder data i form av användarrapporter. Därefter körs frågor mot det data för att få ut relevant information. Detta kan ta väldigt lång tid. För att försöka påskynda denna process görs en undersökning om man kan minska tiden som går åt att köra frågor mot data om datamängden blir mindre. Detta uppnås genom att filtrera bort oönskad data ur mängden innan man kör frågor mot det. Vidare undersöks om den nya arkitekturen kan möjliggöra för enklare implementation av nya funktioner till tjänsten. Metoden för undersökningen var att bygga en alternativ arkitektur med hjälp av AWS och dess tjänster. Resultaten visar på att även om mängden data som skannas är nästan oförändrat så minskas körtiden avsevärt när den totala storleken på datamängden minskar. Vidare bidrar den nya arkitekturen till enklare implementation av nya tjänster än tidigare. / The current architecture the stakeholders are using consists of collecting large amounts of data. After the data is collected it is queried for relevant information. This query process can take a long time. This report looks at if it is possible to reduce this time by reducing the data size. This is done by filtering the data before doing queries towards it. Furthermore this report will investigate if the new architecture can make it easier to implement new functionality. To investigate these questions a new architecture will be built using AWS. The results show that even though scanning nearly the same amount of data, with the total data size reduced one can drastically reduce the query times. Furthermore this new architecture makes it easier to implement new functionality.

Denna uppsats behandlar ämnet internkommunikation. Vi har valt att genomföra en undersökning om Polismyndigheten Värmlands internkommunikation då de innehar ett stort ansvar att bevara trygghet och säkerhet i samhället. Polismyndigheten har även stora krav på sig idag gällande dialog och grad av kommunikation inom organisationen för att effektivisera det polisiära arbetet. Syftet med denna uppsats är att erhålla en insikt om den interna kommunikationens funktion och hur den gestaltas utifrån chefernas och de anställdas perspektiv. I denna uppsats använder vi oss utav relevanta teorier inom organisationskommunikation, internkommunikation, organisationsidentitet, organisationskultur och kommunikationsmodeller. Vårt tillvägagångssätt för att besvara uppsatsens syfte var att använda oss utav två skräddarsydda frågeställningar för att möjliggöra en helhetsbild och en djupare insikt på våra utvalda teoretiska områden. ”Hur upplever cheferna på polismyndigheten Värmland internkommunikationen?” ”Hur upplever de anställda på polismyndigheten Värmland internkommunikationen?” I denna undersökning använde vi oss av kvalitativa samtalsintervjuer och en kvalitativ fokusgrupp. Det resultat vi lyckades utvinna visade att internkommunikationen hos de utvalda cheferna och anställda upplevdes som både positiv och negativ. Polismyndighetens internkommunikation har enligt cheferna genomgått en positiv utveckling. Enligt chefernas utsagor är polismyndigheten en arbetsplats med goda möjligheter för dialog mellan ledning och anställda och klara riktlinjer för hur internkommunikation ska bedrivas. Dock finns det rum för förbättring då det upplevs vara svårt att förmedla information som även filtreras på ett felaktigt sätt och skapar missförstånd. De anställda på polismyndigheten Värmland gav en helt annan bild då det dagliga arbetet präglas av orättvisor, bristfällig internkommunikation som skapar förvirring och svårigheter att överblicka vem som har ansvar för vad inom organisationen. / This bachelor thesis treats the subject of internal communication. We have chosen to carry through a research about the police department of Värmland's internal communication since they have big responsibility to preserve safety and security in society. The police department has these days greater demands regarding how to conduct dialogue and the level of communication within the organization to further the efficiency of police work. The main purpose of this bachelor thesis is to obtain insight about the internal communication functions and how it is presented from the managers as well as the employees perspective. In this thesis we are using relevant theories regarding organizational communication, internal communication, organization identity, organization culture and communication models. Our approach to answer the purpose of this thesis was to use two customized questions to enable us to get a overall view and a deeper insight of our chosen theoretical framework. “How do the managers perceive the internal communication in the police department of Värmland?” “How do the employees perceive the internal communication in the police department of Värmland?” In this study we used qualitative interviews and a qualitative focus group. The result we obtained, showed that, internal communication with the chosen managers and the employees had both positive and negative experiences. The police department of Värmland's internal communication has gone through a positive development according to the managers. According to the managers, the police department of Värmland has a healthy working environment that offers good possibilities for dialogue between management and employees, and also clear guidelines for how the internal communication has to be conducted. However, there is room for improvement, since some experience it to be hard to communicate information that filters wrongly and creates misunderstanding. But the employees gave us a completely different picture since the daily work characterized in injustice, faulty internal communication that creates confusion and difficulties to get an overview about who has what responsibilities in the organization.

Forskning visar att en sjuttonåring som regelbundet har läst och/eller lyssnat till texter har ca 50 000-70 000 ord i sitt ordförråd medan en sjuttonåring som inte har läst och/eller lyssnat till texter har ett ordförråd på ca 15 000-17 000 ord (Dole, Duffy, Roehler, & Pearson, 1991). Syftet med studien är att skapa större kunskap kring högläsning i förskolan. Högläsning och samtal kring litteratur framkommer även i den reviderade versionen av Läroplanen för förskolan (18, rev 2019 s. 8) vilken träder kraft i juli 2019. Detta är ytterligare en anledning till att förskollärare ska förespråka högläsning av litteratur i verksamheten, det ingår i deras uppdrag. Vi vill undersöka hur förskollärare beskriver att de använder sig av barnlitteratur som ett pedagogiskt verktyg i verksamheten, hur de resonerar kring delaktighet och hur de upplever att barnen har inflytande under högläsningen. Forskningen grundas på en kvalitativ metod genom intervjuer. Intervjuerna innefattar åtta förskollärare på fyra olika förskolor. Resultatet visar att förskollärarna medvetet läser med syftet att högläsning ska leda till språkutveckling och andra kognitiva lärprocesser. Det är något som förväntas av dem idag. Att endast ha syftet ”varva ner” med hjälp av högläsning anses enligt förskollärarna vara mindre legitimt, de menar att något mer syfte måste ingå i en högläsningssituation. Andra syften som förskollärarna belyser under högläsning är socialt lärande samt fysiskt lärande. Resultatet visar även att barns inflytande förekommer men varierar beroende på barngruppens storlek vid en högläsningssituation. När färre barn deltar får de själva välja böcker samt diskutera boken som blir läst. Vid helgrupp tystar förskollärarna barnen mer under högläsningssituationer på grund av att det blir för stökigt att låta en stor grupp diskutera fritt under högläsningen. Avslutningsvis leder mindre barngrupper i förskolan till mer inflytande för varje individuellt barn före, under och efter en högläsnings situation

Denna studien har gjorts på blåmusslor, Mytilus edulis trossulus, för att undersöka effekter av det antidepressiva läkemedlet Citalopram på blåmusslans fysiologiska funktioner. Blåmusslan är en vanligt förekommande art i Östersjön där den fungerar som en nyckelart som; bidrar till den biologiska mångfalden, är långt ner i näringskedjan och är anpassningsbar. Dessa egenskaper gör den även lämpad som testorganism i denna studie. Citalopram är ett av Sveriges vanligaste läkemedel för att behandla psykisk ohälsa och den verkar genom att blockera återupptaget av serotonin i hjärnan och ingår i läkemedelsgruppen serotoninhämmare (SSRI). Serotonin påverkar flera olika funktioner i kroppen såsom rörelseförmåga, sinnesstämningar och mättnadskänsla. Läkemedel inklusive Citalopram återfinns i sjöar och vattendrag, detta för att läkemedel inte renas bort i våra reningsverk och för att det idag inte finns några krav på läkemedelsrening i svenska avloppsreningsverk. Läkemedel tillverkas för att vara aktiva vid låga koncentrationer vilket gör att de även har en negativ effekt på marina organismer. I denna studie har vi analyserat effekter av Citalopram på blåmusslans fysiologiska funktioner genom tre analyser, filtrering, rörelse och produktion av byssustrådar i tre olika koncentrationer (0 ng/l, 20 ng/l och 200 ng/l). Analyserna utfördes under två tidsperioder, exponering av läkemedel under 96 timmar samt remediering utan läkemedel under 72 timmar. Studien visar en signifikant skillnad i filtrering (P-värde = 0.04416) mellan grupperna under exponeringen där fler blåmusslor som var exponerade för 200 ng/l visade en lägre filtreringsaktivitet (fler individer var helt stängda). Under remedieringen observerades en signifikant högre mortalitet bland blåmusslor som exponerats för 200 ng/l (P-värde = 0.01347). Blåmusslor exponerade för 200 ng/l Citalopram visade även en lägre produktion av byssustrådar (P-värde= 0.02702). I den här studien kan vi se att läkemedlet Citalopram har en negativ påverkan på flera av blåmusslans fysiologiska funktioner. / The aim of this study was to investigate the effects of the antidepressant drug Citalopram on blue mussels, Mytilus edulis trossulus, in the Baltic Sea. The blue mussel is a common species that is considered a key species in the Baltic Sea as it contributes to biodiversity, and is adaptable which makes it suitable as a test organism in this study. Selective serotonin reuptake inhibitors (SSRIs) are the most commonly prescribed antidepressants and a common SSRI substance is Citalopram. This substance is one of Sweden's most common drugs for treating mental illness. Serotonin affects several different functions in the body such as movement, mood and saturation. Many pharmaceuticals including Citalopram are found in lakes and streams, this is because pharmaceuticals are not purified in our wastewater treatment plants and there is no requirements for filtration of pharmaceuticals in Swedish wastewater treatment plants as of today. Pharmaceuticals are manufactured to be active even at low concentrations, a negative side effect of this is that it is also active in the environment causing negative effects on marine organisms. In this study, we analyzed the effects of Citalopram on the physiological functions of the blue mussel by three analyzes; filtration, movement and production of byssus threads using three different concentrations (0 ng /l, 20 ng/l och 200 ng/l) of Citalopram. The analyzes were carried out over two time periods, exposure of drugs for 96 hours and remediation without drugs for 72 hours. The study shows a significant difference in filtration (P-value = 0.04416) between the groups during exposure, where more blue mussels that were exposed to 200 ng/l showed a lower filtration activity (more individuals completely closed). During the remediation, a significantly higher mortality was observed among blue mussels exposed to 200 ng/l (P value = 0.01347). Blue mussels exposed to 200 ng/l Citalopram also showed lower production of byssus threads (P value = 0.02702). In this study we can see that the drug Citalopram has a negative effect on several of the blue mussel's physiological functions.

Dagvatten från urbana områden för med sig metaller och andra föroreningar orsakat av bl. a. fordonstrafik och korrosion av metallbärande konstruktioner. Sedan 90-talet har det varit vanligt med dagvattenbehandling för högtrafikerade vägar. Vissa kommuner har även utvecklat riktvärden som begränsar hur höga metallkoncentrationerna som tillförs dess recipienter får vara. Metaller i dagvattnet kan förekomma antingen i löst form eller i partikulär form. För att avlägsna den partikulära formen används konventionellt sett sedimentering men då den lösta formen är mer biologiskt upptagbar är det viktigt att även den avskiljs. Användningen av reaktiva filter som behandlingsmetod är ett sätt att fastlägga både metallpartiklar och lösta metaller, genom fysisk avskiljning respektive kemisk fastläggning. I denna studie undersöktes i en pilotanläggning förmågan att avskilja metaller från vägdagvatten hos ett referensmaterial (filtersand) samt fyra reaktiva filter. Resultaten visade att det var möjligt att uppnå god fastläggning av de 11 metaller som studerades. Inkommande vatten visade höga koncentrationer av Cu och Zn relativt till utvalda riktvärden. Lägst genomsnittlig avskiljning av dessa, sett över provperioden, hade Råda filtersand (62%), referensmaterialet, medan högst uppnåddes av Petrit T-S (99%), en filterprodukt från Höganäs AB. Fortsatta försök behövs för att få en uppfattning om filtermaterialens långsiktiga avskiljningseffektivitet och funktionella livslängd. / Stormwater from urban areas contains metals and other pollutants released from for example vehicle traffic, wearing of the road surface, and corrosion of metallic construction. Treatment of storm water from highly trafficked roads has been common since the nineties. Some municipalities have also developed regulations to control the concentrations of metal discharges to their recipient waters. Metals in stormwater can be in either particulate form or in dissolved form. Sedimentation has conventionally been employed to remove particulate metals. However, it’s important to also remove dissolved metals since these are more bioavailable. One way of removing both particulate and dissolved metals is by using reactive filters, since these can physically trap particulates and chemically bind dissolved matter. In this study, that took place in a stormwater treatment pilot plant, the abilities to remove metals from stormwater by one reference material (filter sand) and four reactive filter materials were studied. The results showed that it was possible to achieve a high percentual removal of the 11 metals studied. The incoming water contained high concentrations of Cu and Zn, compared to the municipal guideline concentrations considered. The lowest removal efficiency of these two metals (calculated by averaging the removal efficiency across the test period) was seen in the reference material Råda filter sand (62%), while Petrit T-S, an electric arc furnace slag, showed the highest average removal efficiency (99%). Further studies are needed to gain better understanding of the long-term removal efficiency and functional life span of the analyzed filter materials.

Particulate matter is a growing health concern that is considered to contribute to many diseases. To develop appropriate air filtration systems, we need to understand how particulate matter affects air filters. In this project, we implement an automated data acquisition system for an air filter test rig. The data acquisition system allows us to gather empirical data on how particle matter affects air filters over time. Although the quality of the air filters does not reach critical levels, there is a measurable degradation. The collected data is used to train and validate a machine learning model that can evaluate air filter quality. This machine learning proved to be a powerful tool in air filter evaluation and performs with 99% accuracy on test data. The result of this project is a fully functioning data acquisition system along with a user interface that considerably reduces the number of man-hours needed to perform tests of filters. In addition, the automated data acquisition system can notify the operator when the rig needs a change of filter or when certain faults occur. Unfortunately, the project did not reach its original goal of being able to automatically determine when the test rig needs maintenance or re-calibration. / Luftburna partiklar är en växande hälsorisk som anses bidra till ohälsa. För att utveckla lämpliga luftfiltreringssystem måste en bättre förståelse nås för hur luftburna partiklar degraderar luftfilter. I det här projektet så implementeras ett automatiskt datainsamlingssystem i en testrigg för luftfilter. Datainsamlingssystemet samlar in empiriska data för hur luftburna partiklar degraderar filter över tid. Även om luftfiltren inte når kritiska nivåer, visar testerna på en mätbar degradering. Insamlat data används för att träna och validera en maskininlärningsmodell för att utvärdera filterkvalitet. Maskininlärning visade sig vara en kraftfull metod för att utvärdera luftfilter med 99% noggrannhet för testdata. Resultatet av det här projektet är ett fullt fungerande datainsamlingssystem tillsammans med ett användargränssnitt som avsevärt minskar tidsåtgången för att utföra test och utvärdera filter. Dessutom kan det automatiska datainsamlingssystemet meddela operatören när riggen behöver byta filter eller när vissa fel uppstår. Återstående arbete består i att implementera när testriggen behöver service eller kalibrering.

Diffusion Magnetic Resonance Imaging (dMRI) is a method for measuring molecular diffusion in biological tissue microstructure. This information can be used to predict the location and orientation of white matter fibers in the brain, a process known as tractography. Analysis of the map of neural connections can provide meaningful information about the severity or progression of neurodegenerative diseases such as Alzheimer's, and allow for early intervention to prevent progression. However, tractography has its pitfalls; current fiber-tracking algorithms suffer from generating false-positive connections and affect the reliability of structural connectivity maps. To counter this downside, tractogram filtering methods have been created to remove inaccurately predicted connections. This study aims at evaluating the impact of the novel semi-supervised filtering method FINTA on the brain networks of people with Mild Cognitive Impairment (MCI), which precedes diseases like Alzheimer's. The proposed experiments use the Nipype Neuroimaging Python library for the automation of the entire process. Registration, parcellation, and tracking were performed using MRtrix and FSL. Furthermore, DIPY and NiBabel were used for tractogram processing. Finally, filtering was performed based on code provided by the authors of FINTA, and graph measures were computed using the NetworkX Python library. Experiments were performed on both raw and weighted structural connectivity matrices. Results suggest that filtering has an effect on graph measures such as the clustering coefficient and betweenness centrality for different nodes corresponding to brain regions. / Diffusion magnetisk resonanstomografi (diffusions MRT) är en metod för att mäta den molekylära diffusionen i mikrostrukturen i biologisk vävnad. Denna information kan användas för att förutsäga var fibrerna i den vita substansen i hjärnan befinner sig och hur de är orienterade i den process som kallas traktografi. Analys av kartan över nervförbindelser kan ge meningsfull information om svårighetsgraden eller utvecklingen av neurodegenerativa sjukdomar som Alzheimers och möjliggöra tidiga insatser för att förhindra utvecklingen. Traktografi har dock sina fallgropar och nuvarande algoritmer för fiberspårning lider av att generera falska positiva anslutningar och påverkar de strukturella konnektivitetskartorna som förhindrar tillförlitliga förutsägelser. För att motverka denna nackdel har filtreringsmetoder för traktogram skapats för att ta bort de felaktigt förutsagda anslutningarna.  Denna studie syftar till att utvärdera effekterna av den nya semi-övervakade filtreringsmetoden FINTA på hjärnnätverk hos personer med lindrig kognitiv störning (eng. mild cognitive impairment, MCI) som föregår sjukdomar som Alzheimers. I de föreslagna experimenten används Python-biblioteket Nipype Neuroimaging för automatisering av hela processen. Registrering, parcellering och spårning gjordes med hjälp av MRtrix och FSL, dessutom användes DIPY och NiBabel för traktogrambehandling. Slutligen utfördes filtrering baserat på kod från författarna till FINTA och grafmått beräknades med hjälp av NetworkX Python-bibliotek. Experimenten utfördes på råa och viktade strukturella konnektivitetsmatriser. Resultaten tyder på att filtrering har en effekt på grafmått som klustringskoefficient och betweenness centrality för olika noder som motsvarar hjärnregioner.

I industriella miljöer är det avgörande att säkerställa människors säkerhet runt robotarmar för att förhindra allvarliga skador vid olyckor. Denna studie syftar till att utveckla ett realtidssystem för fara-detektering som använder datorseende och prediktiva modeller för att förbättra säkerheten. Genom att kombinera YOLOv8-algoritmen för objektigenkänning med Kalmanfiltrering (KF) och Dead Reckoning (DR) kan systemet upptäcka människors närvaro och förutsäga rörelser för att minska risken för olyckor. Det första experimentet visar att KF presterar bättre än DR, särskilt vid linjära rörelser, med lägre medelabsolutfel (MAE) och medelkvadratfel (MSE). Det andra experimentet visar att integrationen av KF med YOLOv8 resulterar i högre precision, noggrannhet och balanserad noggrannhet, även om återkallning fortfarande behöver förbättras. Dessa resultat indikerar att kombinationen av datorseende och prediktiva modeller har betydande potential att förbättra människors säkerhet. Ytterligare forskning och tester i olika scenarier är dock nödvändiga innan implementering i verkliga miljöer. / In industrial environments, ensuring human safety around robotic arms is crucial to prevent severe injuries from accidents. This study aims to develop a real-time hazard detection system using computer vision and predictive modeling techniques to improve safety. By combining the YOLOv8 object detection algorithm with Kalman Filtering (KF) and Dead Reckoning (DR), the system can detect human presence and predict movements to reduce the risk of accidents. The first experiment shows that KF outperforms DR, especially in linear movements, with lower Mean Absolute Error (MAE) and Mean Squared Error (MSE). The second experiment demonstrates that integrating KF with YOLOv8 results in higher precision, accuracy, and balanced accuracy, although recall still needs improvement. These findings indicate that combining computer vision with predictive modeling has significant potential to enhance human safety. However, further research and testing in diverse scenarios are necessary before real-world deployment.

Collaborative filtering is a popular technique to use behavior data in the form of user’s interactions with, or ratings of, items in a system to provide personalized recommendations of items to the user. This study compares three different state-of-the-art Recommendation System models that implement this technique, Matrix Factorization, Multi-layer Perceptron and Neural Matrix Factorization, using behavior data from a digital book platform for children. The field of Recommendation Systems is growing, and many platforms can benefit of personalizing the user experience and simplifying the use of the platforms. To perform a more complex comparison and introduce a new take on the models, this study proposes a new way to represent the behavior data as input to the models, i.e., to use the Term Frequency-Inverse Document Frequency (TFIDF) of occurrences of interactions between users and books, as opposed to the traditional binary representation (positive if there has been any interaction and negative otherwise). The performance is measured by extracting the last book read for each user, and evaluating how the models would rank that book for recommendations to the user. To assess the value of the models for the children’s reading platform, the models are also compared to the existing Recommendation System on the digital book platform. The results indicate that the Matrix Factorization model performs best out of the three models when using children’s reading behavior data. However, due to the long training process and larger set of hyperparameters to tune for the other two models, these may not have reached an optimal hyperparameter tuning, thereby affecting the comparison among the three state-of-the-art models. This limitation is further discussed in the study. All three models perform significantly better than the current system on the digital book platform. The models with the proposed representation using TF-IDF values show notable promise, performing better than the binary representation in almost all numerical metrics for all models. These results can suggest future research work on more ways of representing behavior data as input to these types of models. / Kollaborativ filtrering är en populär teknik för att använda beteendedata från användare i form av t.ex. interaktioner med, eller betygsättning av, objekt i ett system för att ge användaren personliga rekommendationer om objekt. I den här studien jämförs tre olika modeller av moderna rekommendationssystem som tillämpar denna teknik, matrisfaktorisering, flerlagersperceptron och neural matrisfaktorisering, med hjälp av beteendedata från en digital läsplattform för barn. Rekommendationssystem är ett växande område, och många plattformar kan dra nytta av att anpassa användarupplevelsen utifrån individen och förenkla användningen av plattformen. För att utföra en mer komplex jämförelse och introducera en ny variant av modellerna, föreslår denna studie ett nytt sätt att representera beteendedata som indata till modellerna, d.v.s. att använda termfrekvens med omvänd dokumentfrekvens (TF- IDF) av förekomster av interaktioner mellan användare och böcker, i motsats till den traditionella binära representationen (positiv om en tidigare interaktion existerar och negativ i annat fall). Prestandan mäts genom att extrahera den senaste boken som lästs för varje användare, och utvärdera hur högt modellerna skulle rangordna den boken i rekommendationer till användaren. För att värdesätta modellerna för plattformen med digitala böcker, så jämförs modellerna också med det befintliga rekommendationssystemet på plattformen. Resultaten tyder på att matrisfaktorisering-modellen presterar bäst utav de tre modellerna när man använder data från barns läsbeteende. På grund av den långa träningstiden och fler hyperparametrar att optimera för de andra två modellerna, kan det dock vara så att de inte har nått en optimal hyperparameterinställning, vilket påverkar jämförelsen mellan de tre moderna modellerna. Denna begränsning diskuteras ytterligare i studien. Alla tre modellerna presterar betydligt bättre än det nuvarande systemet på läsplattformen. Modellerna med den föreslagna representationen av TFIDF-värden visar sig mycket lovande och presterar bättre än den binära representationen i nästan alla numeriska mått för alla modeller. Dessa resultat kan ge skäl för framtida forskning av fler sätt att representera beteendedata som indata till denna typ av modeller.