Statistics Sweden is an administrative agency that delimits built-up areas and produces statistics regarding them. The statistics provide information about the area of the built-up areas, their population number, number of gainfully employees working in the built-up areas, and of buildings. Now Statistics Sweden wishes to extend such statistics by producing a measure regarding how well developed the service is in each built-up area. This study is a contribution to this statistical improvement work and the purpose is to – by employing geographical information systems and cluster analysis – classify the Swedish built-up areas according to 1) service width and 2) service degree. A particular built-up area has a high service width if it has many different service functions, such as pharmacies, schools and grocery stores. It has a high service degree if it has many service functions per 1000 inhabitants. The result consists of two different “urban hierarchies”, one in which one can identify the level of service width of each built-up area and one in which one can position each built-up area according to its service degree. This study shows that built-up areas with a high service width also have manyinhabitants. In contrast, this is not the case for built-up areas with a high service degree: built-up areas with high service degree have relatively few inhabitants. The study shows that built-up areas with high service degree have a higher quota number of people employed in the locality / number of residents, which indicates that these built-up areas are “commuting localities” – built-up areas where people work but not necessarily live. The results from the two separate modes of classification also show that the service width and service degree do not display a positive correlation. Built-up areas with high service degree are thus not the same built-up areas that those scoring high onservice width; if anything, the relationship is rather the opposite.

Tidigare forskning visar att ungdomar som bor i stigmatiserade bostadsorter bär med sig fragmenterade bilder av sina områden. Genom detta arbete vill jag skapa en förståelse för hur de förhåller sig till de mångfacetterade och färgstarka beskrivningarna i relation till den upplevda bilden av sitt hem. En rådande negativ mediebild samt en diskurs som kategoriserar människor i ett Vi och Dem  påverkar ungdomarnas självbild och identitet. Ungdomarna upplever sitt hem som något positivt och som de kan identifiera sig med, samtidigt som de brottas med negativa beskrivningar som de får överförda genom media och allmänna diskurser. Syftet med detta arbete har varit att undersöka ifall ungdomarna använt sig av retoriska strategier för att förhandla och navigera mellan den upplevda bilden och den mediala/diskursiva bilden. Om det visade sig finnas sådana strategier var även syftet att undersöka vilka dessa bestod av. För att förstå ungdomarnas beskrivningar av sina bostadsorter har arbetet tagit avstamp i ett retoriskt perspektiv. För att lyfta upp resultatet av den retoriska analysen i ljuset av ett historiskt, samhällskritiskt samt maktkritiskt perspektiv har postkoloniala teorier även tillämpats på materialet. Slutsatsen som dragits av arbetet är att ungdomarna använt sig av diverse retoriska strategier för att skapa svängrum, eller utrymme, genom att växla mellan de olika bilderna. Det som till en början framträder endast som kontradiktioner är också ett sätt att forma ett handlingsutrymme. Det blev bland annat tydligt att begreppet förort  haft en central roll för ungdomarnas växlingar i perspektiv. Genom det postkoloniala perspektivet har man kunnat dra slutsatsen att flera av de intervjuade ungdomarna internaliserat den negativa bilden av sig själva och att de anammar medias negativa beskrivningar av deras bostadsområden.

Lunds kommun har som mål att vara en ledande kommun i Sverige när det kommer till att främja användandet av cykeln som transportmedel. Genom maskininlärningstypen klusteranalys undersöker vi om det är möjligt att analysera data generad av cyklister i Lund, för att kartlägga cyklisters upplevda otrygghet i trafiken. Syftet med att utföra klusteranalysen är att kostnadseffektivare kunna vidareutveckla en säker miljö för cyklister. Detta gör vi genom att baserat på algoritmen k-means utvecklat två olika ansatser. Dels en ansats baserad på euklidisk distans och en ansats som är punktbaserad. Dessa ansatser kontrollerar storleken på kluster för att matcha de geografiska ytor som vi arbetade med. Den euklidiska ansatsen genererar kluster baserat på storlek i meter medans den punktbaserade ansatsen genererar kluster efter antalet punkter i ett kluster. I våra experiment pekar resultaten på att den euklidiska ansatsen är bättre lämpad för klusteranalyser. Vi anser även att användbarheten av att utföra klusteranalyser med våra ansatser inte är tillräcklig för att klusteranalyser ska bli mer användbart än icke maskininlärningsbaserade analyser. Genom att komplettera ytterligare variabler i datamängden och jämföra klusteranalyser över tid så anser vi att klusteranalys kan få ett mervärde. / The municipality of Lund strives to be a leading municipality in Sweden regarding bicycle usage as a means of transportation. With the machine learning type cluster analysis, we want to examine the possibility of analysing data generated by cyclist in Lund in order to understand cyclists perceived insecurity in traffic. The purpose of performing cluster analysis was to more cost efficiently further enhance a safer environment for cyclists. We perform our analysis based on the K-means algorithm and further develop two different methods. The first method is based on Euclidian distance and the second method is based on the amount of datapoints in a given cluster. These methods control for the size of a cluster in order to match the geographical space we are working with such as roads and crossings. The Euclidian method generates clusters based on size in meters and the other method generates clusters based on amount of datapoints. In our experiment the result shows that the Euclidian method is more suited for cluster analysis. We also believe that the usability of cluster analysis with our methods isn't sufficient in order for us to believe that cluster analysis is more usable than none machine learning analysis. By adding additional variables to the data collection and comparing cluster analyses over time we believe that cluster analysis could be of more value.

Studien har för avsikt att förbättra kunskapen om vilka faktorer som påverkar cykelflödeten viss dag i Malmö. Vi har huvudsakligen undersökt frågor om, hur många grupperandekluster är optimalt för att kunna identifiera avvikande dagar och vilka är dess faktoreri en tidsserie cykelvolymdata? Vår arbetsmetod var att använda ett matchande tillvägagångssätt baserat på ett experiment tillsammans med en utvärderingsmetod. Arbetsmetoden skedde i en iterativ process där experimentet var att hitta rätt antal kluster ochdär utvärderingen var analysen av resultaten som producerades av experimentet. Datanerhållen från en cykelräknare belägen på Kaptensgatan i Malmö fick databearbetas medhjälp av normalisering då volymen av cyklister inte ska ha någon påverkan i studien. Syftetmed vårt arbete är att kunna identifiera avvikande datapunkter och dess faktorer med storinverkan på cykelflöden med hjälp av klusteranalys då detta kan leda till mer välinformerade beslut vid stads- och transportplanering. Om det gick att analysera cyklister där dessafaktorer elimineras så skulle detta leda till vidare utveckling och forskning av stor betydelseför Malmö stad. Genom att använda oss av klusteranalysen K-means och Euklidisk distanssom används som beräkning av distanser inom liknande områden kunde vi finna relevantakluster med avvikande datapunkter och faktorer med stor inverkan på cykelflödet. Vårtresultat visar att 7 kluster varav 2 av de delades upp till 6 mindre kluster, var det mest optimala för studien och faktorerna med en stor inverkan på de antal registrerade cyklisternaunder vissa dagar kunde då identifieras bäst. Faktorerna som identifierades var evenemang,festivaler, fotbollsmatcher, konserter, lovdagar, nederbörd och röda dagar. / This study aims to provide a deeper understanding of the different factors and their impacton the bicycle flow in Malmö during a certain day. We mainly examined the questions,what is the most optimal number of clusters needed in order to identify discrepancies, andwhich key factors have huge impact in a dataset? The choice of the method used in thisstudy is a matching approach based on experiment together with an evaluation method.The work method occurred in an iterative process, where the experiment was conductedto find the right number of clusters and the evaluation was the analysing of the resultsthat were produced by the experiment. The collected data from a bicycle counter, locatedin Kaptensgatan in Malmö, had to be processed with normalization to ensure that thevolume of the bicycles does not affect the study. The purpose of our study is to identifydiscrepancies and key factors that have huge implications on the bicycle flow with thehelp of cluster analysis that might lead to more well-informed decision in urban planningand transportation planning. If it were possible to analyze cyclists where these factorsare eliminated, this would lead to further development and research of great importancefor Malmö City. By using the cluster algorithm K-means, and Euclidean distance, whichis used as calculation of distances in similar areas, we could then find relevant clusterswith deviating data points and key factors with great impact on the bicycle flow. Ourresults shows that 7 clusters, 2 of which were divided up to 6 smaller clusters, were themost optimal for the study and the factors with a large impact on the number-registeredcyclists during certain days could then be best identified. The factors identified wereevents, festivals, football matches, concerts, rainfalls and holidays.

No description available.

The aim of this study was to map the intellectual base at the Swedish School of Library and Information Science (SSLIS) at the University Collage of Borås, and to compare this intellectual base to the intellectual base of the research area Library and Information Science. This was done by analysing the citations in publications published, between the year of 2001 to the first quarter of 2006, by researchers at the institution, using the technique of author cocitation analysis. Cluster analysis and multidimensional scaling, statistical techniques that are traditional i the author cocitation analysis, formed an objective map of the intellectual base at the SSLIS. This map was then compared with three prior studies, that used the same technique to map the intellectual base of the research area. The result shows that the map of the intellectual base at the SSLIS consists of the specialities: user studies, library studies, culture/cultural policy, information retrieval, bibliometrics and information in organisations. The comparison to the prior studies shows that the intellectual base at the SSLIS is somewhat different to the intellectual base of the research area. The main differences between the two intellectual bases are: culture/cultural policy and library studies are not represented in the intellectual base of the research area, bibliometrics is not as obvious in the intellectual base of SSLIS as in the intellectual base of the research area. / Uppsatsnivå: D

The purpose with this study is to map the research front and the research base in information science, by using the bibliometric methods bibliographic coupling and author-co citation analysis. The research questions are: 1. What is the nature of the research front in information science, regarding which areas that are being studied? 2. What is the nature of the research base in information science, regarding which authors who are most cited, and how they can be grouped? The data used in the study were gathered from articles published in the journal Journal of the American society for information science and technology, published between 2004-2006, respectively 1986-2006. The result was presented by using cluster analysis and MDS-maps. The study shows that the research front can be divided in to three areas: 1. Information searching and information retrieval from the World Wide Web. 2. Bibliometrics. 3. Information searching and information retrieval, not from the World Wide Web. The 50 most cited authors was identified, and could be grouped into three areas: 1. Bibliometrics, 2. General, 3. Hard-IR/Soft-IR. / Uppsatsnivå: D

The purpose of this thesis is to evaluate the combination of bibliographic coupling and three hierarchical cluster analytic techniques: average, complete and single linkage. Bibliographic coupling is applied as a measure of similarity between recently published articles and the cluster techniques are used for the partition of a set of articles into subsets of articles with similar research focus. The field of information science is applied as the test arena and the selection of data, i.e., the article population to be partitioned, is based on a number of central journals. Methods of evaluation include both quantitative approaches as well as a qualitative one. For comparing the resulting partitions, adjusted Rand index is utilized and for the establishment of cluster coherence and isolation, measures of average normalized coupling strength is applied. In an effort to quantify the degree of subject focus within clusters, normalized entropy of a cluster’s distribution of weighted descriptors is calculated. Manual inspection of cluster composition is also performed. The findings show that choice of cluster method has a profound impact on the resulting partitions. Complete linkage generated highly subject coherent clusters but produced a fragmented picture of the research field in question, i.e., the split up of research specialties. Single linkage on the other hand, performed unsatisfactory and is not recommended. It is suggested that average linkage, when combined with a stopping rule (the inconsistency coefficient), should be considered as the method of choice since it mainly generated reasonable subject coherent clusters while avoiding severe fragmentation. / Uppsatsnivå: D

År 1997 påbörjades ett världsunikt projekt, ABIS-studien (Alla Barn i Sydöstra Sverige) på Hälsouniversitetet i Linköping (Linköpings Universitet). Av alla barn som föddes under perioden 1 oktober 1997 till 1 oktober 1999 i Blekinge, Småland, Öland och Östergötland har ca 17 000 följts med jämna mellanrum över åren: barnets födelse, ettårsuppföljning, 2-3-årsuppföljning, 5-6-årsuppföljning samt åttaårsuppföljning. Barnen/familjerna har inför varje moment i studien lämnat in biologiska prover och svarat på frågeformulär. Frågeformulären innehåller frågor av varierade typ och denna uppsats tar hänsyn till de sociodemografiska variablerna samt de variabler som användes för att ”mäta” stress hos föräldrarna och i vissa fall barnen. Genom åren har antalet frågeformulär som fyllts i minskat kraftigt från 16051 till 4030 i åttaårsuppföljningen. Med hjälp av den här uppsatsen vill vi undersöka om bortfallgruppen har speciella kännetecken och om orsaken till bortfall kan förklaras. Som underlag arbetar vi med de data som registreras genom frågeformulären med startpunkt i födelseformuläret, där alla som svarat antas vara populationen och de som därefter försvinner inför kommande uppföljningar är bortfall. För att kunna angripa problemet har multidimensionell skalning, klusteranalys och logistisk regression använts. Ingen av metoderna resulterade i att vi kunde särskilja observationer i två olika grupper som överensstämde med grupperna svarande och bortfall. Därför kan vi inte heller beskriva eller förklara bortfallet utifrån de variabler som valdes, mot sociodemografiska variabler och stressvariabler. / In 1997 began a unique project, the ABIS study (All Babies in Southeast Sweden) at the Faculty of Health Sciences in Linköping (Linköping University). Of all babies born during the period 1 October 1997-1 October 1999 in the counties Blekinge, Småland, Öland and Östergötland have about 17 000 been followed-up at regular intervals over the years: at birth, after one-year, after 2-3 years, after 5-6 years and after eight years. Children/families have for each moment in the study submitted biological samples and responded to questionnaires. The questionnaires contain questions of varying types; this paper takes into account the socio-demographic variables and the variables that were used to "measure" stress with the parents and to some extent with the children. Through the years the number of participants declined sharply from 16 051 filling out the first questionnaire to 4030 at the eight-year follow-up. With this essay we will investigate if the nonresponse group has specific characteristics and if the cause of the nonresponse can be explained. As a basis we work with the data recorded by the questionnaires, with starting point at the birth in which all who responded are assumed to be the population and then the ones who leave the study into the next follow-ups constitute the nonresponse group. In order to tackle the problem, multidimensional scaling, cluster analysis, and logistic regression have been used. None of the methods however made it possible distinguish observations in two different groups that correspond with the groups of respondents and dropouts. Therefore, we cannot describe or explain the nonresponse from the variables that have been chosen, i.e. socio-demographic and stress variables.

No description available.