Introduktion: Abort är ett vanligt ingrepp och en rättighet för alla kvinnor. Sjuksköterskans perspektiv är viktigt att studera för att möta kraven på ett omhändertagande där både fysiska och emotionella behov tillgodoses, samtidigt som sjuksköterskan på ett hållbart sätt hanterar påfrestningar som uppstår. Syfte: Att beskriva sjuksköterskors erfarenheter och upplevelser av att vårda kvinnor som genomgår inducerad abort på gynekologisk vårdavdelning. Metod: Litteraturstudie enligt Polit och Becks (2016) nio steg. Litteratursökning i Cinahl, PubMed och PsychInfo resulterade i åtta artiklar, sex kvalitativa, en kvantitativ och en mixad-metod. Artiklarna kvalitetsgranskades och analyserades. Resultat: Under den induktiva databearbetningen framkom sex teman som beskriver sjuksköterskornas upplevelser och erfarenheter: Att känna starkt engagemang och arbetstillfredsställelse, Att skaffa sig erfarenheter av kvinnornas omvårdnadsbehov, Att uppleva negativa känslor och möta utmaningar, Att hantera och reglera känslor, Att påverkas av egna abortupplevelser eller fertilitetsrelaterade problem och Att finna strategier för stöd och kompetensutveckling, Slutsats: Sjuksköterskor som arbetar med aborter känner ett stark engagemang för sitt arbete men erfar även att det innebär ett känslomässigt arbete som kan vara skadligt om inte tillräckliga resurser eller kunskap kring hur känslor hanteras finns. De behöver därför stöd att utveckla detta. Sjuksköterskornas erfarenheter av kvinnornas omvårdnadsbehov var att behoven var individuella och de belyste de emotionella delarna av omvårdnaden samt vikten av närvaro och empati.

Genetiska algoritmer och beteendeträd är två populära AI-tekniker som använts i både kommersiella produkter och forskningssyfte. Kombinationen av dem genom evolution av beteendeträd är däremot ett väldigt outforskat ämne som denna rapport handskas med. Arbetet beskriver först bakgrunden av de individuella teknikerna samt de få artiklar som relaterar till den specifika ämneskombinationen. Sedan presenteras problemformuleringen vilket angår jämförelsen av en singel- och multimål genetisk algoritm i syftet att utveckla beteendeträd till ett 2d-skjutspel. En artefakt skapades för att sätta upp spelet, implementera algoritmerna och testa dem gentemot varandra. Progression och designval för implementationen beskrivs i detalj följt av en pilotstudie och sedan en slutgiltig utvärdering. Resultatet pekade på att singelmålsalgoritmen lyckades vinna fler matcher. Detta faktum analyseras och diskuteras. Till slut avslutas rapporten med ett avsnitt om framtida arbeten vari ämnen såsom utforskning av olika genomstrukturer och automatiskt genererad AI för företag föreslås.

Tidigare forskning har belyst vikten av att vara kulturellt intelligent i en globaliserad värld och hur en individ behöver både interna och externa faktorer för att kunna vara kulturellt intelligent. Interna i form av personliga egenskaper och externa i from av exponering av kulturer. Studien ämnar således att undersöka hur olika faktorer spelar in för att en ledare ska kunna vara kulturellt intelligent i en främmande kultur. För att genomföra studien har en kvalitativ metod valts där företagsledare och medarbetare på fem franska företag i Sverige har intervjuats. Undersökningen visar på att ett samspel av olika faktorer, både interna och externa, behövs för att vara kulturellt intelligent. Viktiga egenskaper var att kunna skilja på individ och kultur, kunna observera beteenden och ha motivation att förstå främmande kulturer. Externa faktorer i from av tidigare erfarenheter av kulturer, deltagande i formella sammankomster med syfte att diskutera kulturella utmaningar samt innehavandet av en tolkande roll var också viktigt.

Högbegåvade barn och ungdomar har uppmärksammats mer i Sverige de senaste åren. Litteraturen presenterar divergerande uppfattningar kring om hög begåvning främst är en skyddsfaktor eller en sårbarhetsfaktor. Syftet med föreliggande studie var att undersöka högbegåvade ungdomars upplevelser av sina liv och sin vardag. Tio högbegåvade tonåringar intervjuades och materialet bearbetades med induktiv tematisk analys med deduktiva inslag som resulterade i ett övergripande huvudtema högbegåvade tonåringars energiflöde i en modell som kan utläsas ”Jag har stora energikällor och om jag får utlopp för energin i dessa genom intellektuell stimulans och gemenskap bidrar detta till god psykisk hälsa vilket i sin tur ger mer energi. Om energin hindras av t.ex. brist på intellektuell stimulans och gemenskap bidrar det till psykisk ohälsa och minskad energi.” Resultatet diskuteras utifrån betydelse för frigörande av potential och förbyggande av psykisk ohälsa.

The artificial intelligence is a constant topic of conversation with a field of research that is pushed forward by some of the world's largest companies and universities. Deep learning is a branch of machine learning within artificial intelligence based on learning representation of data such as images and texts by processing the data through deep neural networks. Sports are competitive businesses that over the years have become more data driven. Statistics play a big role in the development of the practitioners and the tactics in order to win. Sport organizations have big statistic teams since statistics are manually obtained by these teams. To learn a machine to recognize patterns and actions with deep learning would save a lot of time. In this thesis a deep learning approach is used to examine how well it can perform to classify the actions pass and run in American footbal lgames. A deep learning architecture is first trained and developed on a public video dataset and then trained to classify run and pass plays on a new American football dataset called the All-22 dataset. Results and earlier research show that deep learning has potential to automatize sport statistic but is not yet ready to overtake the role statistic teams have. Further research, bigger and more task specific datasets and more complex architectures are required to enhance the performance of this specific type of deep learning based video recognition.

Det här arbetet har undersökt hur indeterministiskt beteende hos allierade spelarkaraktärer påverkar mänskliga-spelares uppfattning om spelarkaraktärernas trovärdighet i spel. För att undersöka detta har två AI-tekniker, en indeterministisk teknik som kallas för nyttobaserad AI och en deterministisk teknik som kallas för finita-tillståndsmaskiner implementerats och använts för att modellera beteenden hos spelarkaraktärer i ett actionspel sett ovanifrån. Testdeltagare har fått delta i ett experiment där de spelat actionspelet i två scenarion med allierade spelarkaraktärer modellerade med respektive teknik. Efter spelandet har testdeltagarna fått svara på kvantitativa och kvalitativa frågor i en enkätundersökning om hur de upplevt spelarkaraktärernas beteende. Experimentet fann inga resultat som tyder på att indeterministiska beteenden hos allierade spelarkaraktärer gör att de uppfattas som mer trovärdiga. Det fanns heller inga resultat som tyder på att indeterministiska beteenden hos spelarkaraktärer skulle särskilja sig mot deterministiska beteenden. Detta resultat behöver dock verifieras i ytterligare studier med mer testdeltagare och scenarion.

Cavity filters are a necessary component in base stations used for telecommunication. Without these filters it would not be possible for base stations to send and receive signals at the same time. Today these cavity filters require fine tuning by humans before they can be deployed. This thesis have designed and implemented a neural network that can tune cavity filters. Different types of design parameters have been evaluated, such as neural network architecture, data presentation and data preprocessing. While the results was not comparable to human fine tuning, it was shown that there was a relationship between error and number of weights in the neural network. The thesis also presents some rules of thumb for future designs of neural network used for filter tuning.

Det här arbetet har undersökt hur inlärning av hur en datorstyrd karaktär fattar sina beslut baserat på det gällande speltillståndet, påverkar spelarens uppfattning om hur mänskligt intelligent dess resulterande beteende uppfattas, med bakgrunden att det finns ett behov av intelligentare beteenden hos karaktärer i spel. Undersökningen har genomförts genom att jämföra en tillståndsmaskin med ett artificiellt neuralt nätverk, implementerade i ett enklare actionspel med en spelare och en datorstyrd karaktär. Nätverket är konstruerat att initialt bete sig som tillståndsmaskinen, men sedan utveckla sitt beteende genom att lära från den individuella spelarens spelstil. Ett antal testpersoner har sedan fått spela spelet mot respektive teknik, och fått ange hur de upplevde respektive beteende i en enkätundersökning. Resultatet av undersökningens sammanställda data särskiljer inte det resulterande beteendet från tillståndsmaskinen med beteendet från det artificiella neurala nätverket, vilket kan ha en förklaring i undersökningens felkällor, samt den mindre domänen teknikerna implementerats i.

Artificiella ekosystem är en tillämpning av artificiell intelligens som har funnits länge. Användningsområden för artificiella ekosystem innefattar främst biologiska simulationer men även andra typer av simulationer förekommer. Genom att simulera individuella djur blir den artificiella intelligensens uppgift att styra djurens beslut utifrån dess individuella förutsättningar och kamp för överlevnad. Detta arbete behandlar frågeställningen vilken beslutsalgoritm som är bäst lämpad att för att använda till ett artificiellt ekosystem i ett spel. Två beslutsalgoritmer jämförs, en dynamisk som bygger på maskin inlärning och en statisk som inte är kapabel att lära eller minnas. Den dynamiska heter Behavior Network och den statiska heter Decision Tree. En applikation byggs för att jämföra hur väl de bägge algoritmerna löser problemet att styra ett artificiellt ekosystem i ett spel. Algoritmerna jämförs efter tre kriterier, svårighet att anpassa till uppgiften, hur mycket beräkningskraft som krävs från datorn att driva algoritmen och hur väl individerna överlever när de styrs av algoritmen. Detta verk visar att Decision Tree är den mer lämpade algoritmen enligt samtliga tre kriterier. Behavior Network visar lovande kvalitéer men inga av resultaten inom ramarna för detta arbete stödjer att använda algoritmen till detta tillämpningsområde.

Artificiell intelligens (AI) har diskuterats filosofiskt under lång tid. I och med datorns uppkomst och utveckling har dock nya filosofiska grenar framkommit. Den filosofiska AI:n syftar ofta att modellera människans kognitiva förmågor. AI är inte bara ett filosofiskt ämne utan andra områden har även ett intresse av AI. Med hjälp av avancerade system som till exempel expertsystem, artificiella neurala nätverk (ANN) samt viss robotik kan datorn och dess mjukvara tillämpas i allt mer avancerade och kommersiella situationer. Syftet med dessa tillämpningar är dock inte att modellera mänskliga mentala förmågor utan att finna lösningar på praktiska problem. Avsikten med detta arbete är att undersöka kopplingsförhållandet mellan filosofisk och kommersiell AI samt att finna indikationer på huruvida det kan finnas information inom filosofisk AI som kan vara av betydelse vid skapande av kommersiella AI-system. Metoderna som används för att finna svar på dessa frågor är litteraturstudier och intervjuer, båda av kvalitativ natur