In today's digital era, smartphones have evolved into an important part of our daily routine, thereby raising the bar for high-quality applications that deliver premium user experiences. In this landscape, UIKit and SwiftUI have emerged as two noteworthy user interface frameworks in the realm of iOS development, with UIKit having a longstanding foothold and SwiftUI displaying newer declarative coding style. The primary objective of this research was to investigate the performance of SwiftUI against UIKit, given the important role performance plays in shaping user experiences. Our investigative journey involved comparing the frameworks' performance based on parameters such as CPU time and memory usage for common user interface components. Our insights revealed that UIKit held a performance advantage over SwiftUI, generally outperforming it by approximately 25% when the component count was less than 32 and also displaying a consistent trend of lower memory consumption. This difference in performance could be consequential in contexts related to social media applications, where even minor delays can disrupt the user experience. SwiftUI extends advantages like reduced code length, faster development time, real-time previews, and enhanced code readability. Therefore, the decision of choosing between UIKit or SwiftUI should be driven by the particular requirements of the application in question rather than solely focusing on its performance. The study does carry certain limitations, including the absence of exact equivalent components between UIKit and SwiftUI in some scenarios, and a limited set of benchmarked iPhone models. / I dagens digitala era har smartphones utvecklats till en viktig del av vår dagliga rutin, och höjer därigenom ribban för högkvalitativa applikationer som levererar förstklassiga användarupplevelser. I detta landskap har UIKit och SwiftUI dykt upp som två anmärkningsvärda UI-ramverk inom iOS-utvecklingens område, med UIKit som har ett långvarigt fotfäste och SwiftUI visar nyare deklarativ kodningsstil. Det primära syftet med denna forskning var att undersöka prestandan hos SwiftUI mot UIKit, med tanke på den viktiga roll prestanda spelar för att forma användarupplevelser. Vår undersökningsresa innebar att jämföra ramverkens prestanda baserat på parametrar som CPU-tid och minnesanvändning för vanliga UI-komponenter. Våra insikter avslöjade att UIKit hade en prestandafördel gentemot SwiftUI, i allmänhet överträffade den med cirka 25% när komponentantalet var mindre än 32 och visade också en konsekvent trend med lägre minnesförbrukning. Denna skillnad i prestanda kan vara följdriktig i sammanhang relaterade till sociala medieapplikationer, där även mindre förseningar kan störa användarupplevelsen.  SwiftUI utökar fördelar som minskad kodlängd, snabbare utvecklingstid, förhandsvisningar i realtid och förbättrad kodläsbarhet. Därför bör beslutet att välja mellan UIKit eller SwiftUI styras av de särskilda kraven för applikationen i fråga snarare än att enbart fokusera på dess prestanda. Studien har vissa begränsningar, inklusive frånvaron av exakt likvärdiga komponenter mellan UIKit och SwiftUI i vissa scenarier, och en begränsad uppsättning benchmarkerade iPhone-modeller.

Inom elitfotboll utvärderas fysisk prestation på spelplanen med hjälp av global positioning systems (GPS:er). På lägre nivåer används istället tester av fysisk kapacitet, såsom Yo-Yo Intermittent Recovery Test Level 2 (YYIR2), som prediktor av fysisk matchprestation. Det är dock oklart om prestation på YYIR2 har något samband med fysisk prestation under fotbollsmatcher. Syftet med denna studie var att undersöka om det fanns korrelationer mellan prestation på YYIR2 och fysiska matchprestationsparametrar mot slutet av fotbollsmatcher. Nio manliga fotbollsspelare (medelvärde ± SD: ålder = 24.2 ± 3.8 år; längd = 184 ± 5.4 cm; vikt = 78.9 ± 4.6 kg) tillhörande ett elitlag på seniornivå i det svenska seriesystemet deltog i studien. Data från fem fysiska parametrar samlades in från 28 matcher under säsongen 2020 med STATSport Apex 10 Hz GPS-system. YYIR2 genomfördes av samtliga spelare under försäsongen. Korrelationer mellan prestation på YYIR2 och alla  matchparametrar undersöktes genom Spearman’s rho korrelationsanalys. En signifikant negativ korrelation observerades mellan YYIR2 och andelen accelerationer (r = -0.812, p = 0.008). Inga signifikanta korrelationer observerades mellan YYIR2 och total distans (r = 0.059, p = 0.881),höghastighetslöpningar (r = -0.437, p = 0.240), sprinter (r = -0.268, p = 0.486) eller decelerationer (r = -0.360, p = 0.342). Resultaten indikerar på att YYIR2 är en dålig prediktor på spelarnas förväntade fysiska prestation i slutet av fotbollsmatcher. Resultaten ska dock tolkas med försiktighet på grund av låg statistisk power. Framtida studier bör undersöka påverkan av spelares position på den här typen av korrelationer. / In elite football, physical performance during matches is evaluated using global positioning systems (GPSs). At lower levels, tests of physical capacity, such as the Yo-Yo Intermittent Recovery Test Level 2 (YYIR2), are used to predict physical match performance. It is however unclear whether YYIR2 performance is associated with physical match performance. This study investigated potential correlations between YYIR2 performance and physical match parameters towards the end of football matches.Nine male football players (mean ± SD: age = 24.2 ± 3.8 years; height = 184 ± 5.4 cm; weight = 78.9 ± 4.6 kg) of an elite Swedish football team participated. Data from five physical parameters were collected from 28 matches during the 2020 season with the STATSport Apex 10 Hz GPS system. YYIR2 was performed by all players during pre-season. Correlations between YYIR2 performance and each physical match parameter were analysed using Spearman's rho.A significant negative correlation was observed between YYIR2 and the proportion of accelerations (r = -0.812, p = 0.008). No significant correlations were observed between YYIR2 and total distance (r = 0.059, p = 0.881), high-speed runs (r = -0.437, p = 0.240), sprints (r = -0.268, p = 0.486) or decelerations (r = -0.360, p = 0.342).Results indicate that the YYIR2 is a poor predictor of physical performance towards the end of football matches. The results should however be interpreted with caution due to low statistical power. Future research should investigate the influence of playing position on such correlations.

Digital learning tools, including digital learning tools for piano, are not new; however, they are still often limited by their inability to provide personalized feedback, detailed performance metrics from real piano play, and effective means for teachers to monitor multiple students simultaneously. To overcome these challenges, this study introduces a platform that uses MIDI technology to provide detailed feedback and performance analysis derived from actual piano play to make piano learning more tangible. Additionally, a student-teacher interface was designed that facilitates interaction between both parties and allows teachers to monitor the progress of multiple students through various performance metrics. The results demonstrate that the platform gave accurate feedback based on assessment from teacher, by providing both students and teachers with deeper insights into performance on note accuracy, tempo and dynamics, enabling more efficient and targeted teaching strategies, and high student engagement. / Digitala inlärningsverktyg, inklusive digitala inlärningsverktyg för piano, är inte nya, men de har fortfarande begränsningar som ofta beror på att de inte kan ge personlig feedback, detaljerade prestationsmått från verkligt pianospel och effektiva sätt för lärare att övervaka flera elever samtidigt. För att övervinna dessa utmaningar introducerar denna studie en plattform som använder MIDI-teknik för att ge detaljerad feedback och prestationsanalys som härrör från verkligt pianospel för att göra pianoinlärning mer påtaglig. Dessutom utformades ett elev-lärargränssnitt som underlättar interaktion mellan båda parter och gör det möjligt för lärare att övervaka flera elevers framsteg genom olika prestationsmått. Resultaten visar att plattformen gav korrekt återkoppling baserat på lärarens bedömning, genom att ge både elever och lärare djupare insikter i prestationen, vilket möjliggör effektivare undervisningsstrategier och ökat elevengagemang.