The aim of the study was to investigate how Swedish teachers and student teachers of Swedish vary in their assessment of a pupil’s text, in judging both the text as a whole and its parts. In the study the informants were asked to assess a pupil’s text (a text presenting an argument) from the national examination in Swedish 1 with the aid of an assessment matrix and then complete a questionnaire assessing the text as a whole and in its parts. The responses to the questionnaire were analysed statistically with a focus on how the assessments varied. A sociocultural and situated perspective was applied in the study, along with psychometry and the theory of discourses of writing, to give more perspectives on the results. The study found that the assessments varied between grades C and A for the text as a whole and between E and A for the aspects of argumentation, content and critical reading, contextual signals and reference connectors, introduction, conclusion, situational adaptation and self-sustaining. The study also found that the student teachers were generally stricter in their assessment. The greatest variations in the student teachers’ assessment were found to concern aspects of the communication discourse, while in the teachers’ assessment it was aspects of the construction discourse that revealed the greatest variation. The greatest difference between the two groups concerned aspects of the correction discourse.

Uppsatsen undersöker befolkningsförändring sett ur ett migrationsperspektiv under perioden 2000-2009. Studien visar att 145 av Sveriges 290 kommuner under 2000-talet har minskat i befolkning medan 140 kommuner har ökat i befolkning. Det grundläggande pro-blemet uppsatsen belyser är det faktum att 15 av dessa kommuner minskat i befolkning med mer än 10 procent. Utöver detta tillkommer att 29 kommuner haft en befolkningsökning på mer än 10 procent. Utvecklingen orsakar en skevhet i den kommunala organisationen som medför problem ibland annat den kommunala budgeteringen. Studiens utvalda förklaringsva-riabler är ett begränsat urval som baserats på tidigare forskning och teori kring migration och flyttmönster. Förklaringsvariablerna som användes behandlade följande områden: arbetslöshet, utbildningsgrad, nystartade företag, skatteunderlag, kommunala utgifter, barnomsorgskostnad, nettokostnad för äldre och funktionshindrade samt jämställdhet. Uppsatsens syfte är inte att ge en heltäckande förklaringsmodell utan att undersöka ett urval av möjliga förklar-ingsfaktorer. Den totala förklaringsmodellen lämnas således för framtida forskare att reda ut. Av studiens resultat framgår ingen av variablerna som dominerande gällande förklaringskraft, däremot framstår de totala kommunala utgifterna, barnomsorgskostnad och antal nystartade företag som viktigast sett till kommunal befolkningsutveckling. Skatteunderlag och jämställdhet var de variabler av minst betydelse.

Nationella och internationella kunskapsmätningar i matematik visar likartade resultat för flickor och pojkar. Trots det visar statistiken att flickor erhåller systematiskt högre slutbetyg. Denna studie undersöker huruvida betyg tjänar som likvärdigt mått på kunskap hos flickor och pojkar i gymnasiets matematikämne. Detta görs dels utifrån en kvantitativ ansats och dels utifrån en enkätstudie. Med utgångspunkt i nationell registerdata (SCB) för slutbetyg och resultat på nationella provet undersöks, medelst fyra olika analysmetoder, könsskillnader med avseende på kurs, skolform och län. Studien visar att flickor generellt erhåller högre slutbetyg än pojkar i relation till resultatet på nationella provet, vilket bekräftar tidigare forskning. Vidare påvisar analysen särskilt stora diskrepanser på betygsnivå C och högre; i matematikkurser på yrkesförberedande program; i senare kurser inom samtliga program; i Västernorrlands, Västmanlands, Gotlands och Kalmar län; liksom i fristående skolor. Korrelationsanalys tydliggör hur nationella provet utgör en mindre del av betygsunderlaget för flickor jämfört med pojkar. Dessutom avslöjar analysen ett omvänt samband mellan könsbetingad relativ prestation på nationella provet och avvikelse i slutbetyget. Enkätstudien undersöker bedömningspraktiken hos matematiklärare. Filtrering på lärarens kön, ålder, program och skolform, har tillämpats. Resultatet tyder på systematiska skillnader i bedömningspraktik mellan olika lärarkategorier, vilket innebär att betygssättningen kan brista i likvärdighet. Skillnader har påvisats mellan, i första hand, lärare på yrkesprogram och naturvetenskapliga program, såväl som mellan lärare i kommunala och fristående skolor. Också lärarens kön och ålder tycks ha viss betydelse. Studien avslutas med en diskussion kring möjliga lösningar. / National and international assessments in mathematics show similar results for girls and boys. Despite this, statistics show that girls receive systematically higher final grades. This study examines whether grades serve as an equivalent measure of knowledge of girls and boys in high school mathematics. This is done partly on the basis of a quantitative approach and partly on the basis of a survey. Based on national register data (Statistics Sweden) for final grades and results of national tests, using four different methods of analysis, gender differences with respect to course, school form and county, are examined. The study shows that girls generally get a higher final grade than boys in relation to their results on the national test, confirming previous research. Furthermore, the analysis shows particularly large discrepancies at grade C and higher; in mathematics courses on vocational programs; in later courses within all programs; in V¨asternorrland, V¨astmanland, Gotland and Kalmar County; as well as in independent schools. Correlation analysis clarifies how the national test constitutes a smaller part of the assessment basis for girls compared to boys. The analysis also reveals an inverse relationship between gender dependent relative performance on the national test and the final grade deviation. The survey examines the assessment practice among mathematics teachers. Filtering on the teacher’s gender, age, program and school form has been applied. The result suggests systematic differences in assessment practice between different teacher categories, implying that grades can break in equality. Differences have been shown between, primarily, teachers in vocational programs and science programs, as well as between teachers in municipal and independent schools. Also the teacher’s gender and age seems to be of some importance. The study concludes with a discussion about possible solutions.

This study attempts to analyze the impact of an online educational resource on academic performances among newly arrived immigrant students in Sweden between the grade six to nine in the Swedish school system. The study focuses on the web based educational resource called Studi.se made by Komplementskolan AB.The aim of the study was to investigate the relationship between academic performance and using Studi.se. Another purpose was to see what other factors that can impact academic performances.The study made use of the data mining process, Cross Industry Standard for Data Mining (CRISP-DM), to understand and prepare the data and then create a regression model that is evaluated. The regression model tries predict the dependent variable of grade based on the independent variables of Studi.se activity, gender and years in Swedish schools. The used data set includes the grades in mathematics, physics, chemistry, biology and religion of newly arrived students in Sweden from six municipalities that have access to Studi.se. The data used also includes metrics of the student’s activity on Studi.se.The results show negative correlation between grade and gender of the student across all subjects. In this report, the negative correlation means that female students perform better than male students. Furthermore, there was a positive correlation between number of years a student has been in the same school and their academic grade. The study could not conclude a statistically significant relationship between the activity on Studi.se and the students’ academic grade.Additional explanatory independent variables are needed to make a predictive model as well as investigating alternative regression models other than multiple linear regression. In the sample, a majority of the students have little or no activity on Studi.se despite having free access to the resource through the municipality. / Denna studie analyserar inverkan som digitala läromedel har på skolbetyg bland nyanlända elever i Sverige mellan årskurs sex och nio i det svenska skolsystemet. Studien fokuserar på den webbaserade pedagogisk resursen Studi.se, gjord av Komplementskolan AB.Målet med studien var att undersöka relationen mellan skolresultat och användandet av Studi.se. Ett annat syfte var att undersöka vad för andra faktorer som kan påverka skolresultat.Studien använder sig av datautvinningsprocessen, Cross Industry Standard for Datamining (CRISP-DM), för att förstå, förbereda och analysera datan i form av en regressionsmodell som sedan evalueras. Datasamlingen som används innehåller bland annat skolbetyg i ämnena matematik, fysik, kemi, biologi och religion från sex kommuner som har tillgång till Studi.se. Aktivitet hos eleverna från dessa kommuner på Studi.se hemsidan användes också för studien.Resultaten visar en negativ korrelation mellan betyg och kön hos eleverna i alla ämnena. Den negativa korrelationen betyder i denna rapport att tjejer får bättre betyg i genomsnitt än killar hos urvalet av nyanlända från de sex kommunerna. Dessutom fanns det en positiv korrelation mellan antal år en elev varit i skolan alternativt i svenska skolsystemet och deras betyg. Studien kunde inte säkerställa ett statistisk signifikant resultat mellan aktivitet på Studi.se och elevernas skolresultat.Ett flertal förklarande oberoende variabler behövs för att kunna skapa en prognastisk modell för skolresultat samt bör en undersökning på alternativa regressions modeller förutom linjär multipel regression göras. I studiens urval av nyanlända elever från kommunerna, har majoriteten inte använt eller knappt använt Studi.se även om dessa kommuner haft tillgång till denna resurs.

This degree project proposes the design and the implementation of a novel systemfor deep analysis on large-scale datasets of hand poses. The system consists of a set ofmodules for automatic redundancy removal, classification, statistical analysis andvisualization of large-scale datasets based on their content characteristics. In thisproject, work is performed on the specific use case of images of hand movements infront of smartphone cameras. The characteristics of the images are investigated, andthe images are pre-processed to reduce repetitive content and noise in the data. Twodifferent design paradigms for content analysis and image classification areemployed, a computer vision pipeline and a deep learning pipeline. The computervision pipeline incorporates several stages of image processing including imagesegmentation, hand detection as well as feature extraction followed by a classificationstage. The deep learning pipeline utilizes a convolutional neural network forclassification. For industrial applications with high diversity on data content, deeplearning is suggested for image classification and computer vision is recommendedfor feature analysis. Finally, statistical analysis is performed to visually extractrequired information about hand features and diversity of the classified data. Themain contribution of this work lies in the customization of computer vision and deeplearning tools for the design and the implementation of a hybrid system for deep dataanalysis. / Detta examensprojekt föreslår design och implementering av ett nytt system för djup analys av storskaliga datamängder av handställningar. Systemet består av en uppsättning moduler för automatisk borttagning av redundans, klassificering, statistisk analys och visualisering av storskaliga dataset baserade på deras egenskaper. I det här projektet utförs arbete på det specifika användningsområdet för bilder av handrörelser framför smarttelefonkameror. Egenskaperna hos bilderna undersöks, och bilderna förbehandlas för att minska repetitivt innehåll och ljud i data. Två olika designparadigmer för innehållsanalys och bildklassificering används, en datorvisionspipeline och en djuplärningsrörledning. Datasynsrörledningen innehåller flera steg i bildbehandling, inklusive bildsegmentering, handdetektering samt funktionen extraktion följt av ett klassificeringssteg. Den djupa inlärningsrörledningen använder ett fällningsnätverk för klassificering. För industriella applikationer med stor mångfald på datainnehåll föreslås djupinlärning för bildklassificering och vision rekommenderas för funktionsanalys. Slutligen utförs statistisk analys för att visuellt extrahera nödvändig information om handfunktioner och mångfald av klassificerade data. Huvuddelen av detta arbete ligger i anpassningen av datasyn och djupa inlärningsverktyg för design och implementering av ett hybridsystem för djup dataanalys.

Online shopping offers numerous benefits, but large product catalogs make it difficult for shoppers to understand the existence and characteristics of every item for sale. To simplify the decision-making process, online retailers use ranking models to recommend products relevant to each individual user. Contextual user data, such as location, time, or local weather conditions, can serve as valuable features for ranking models, enabling personalized real-time recommendations. Little research has been published on the usefulness of weather-based features for ranking models in online clothing retailing, which makes additional research into this topic worthwhile. Using Swedish sales and customer data from Babyshop, an online retailer of children’s fashion, this study examined possible correlations between local weather data and sales. This was done by comparing differences in daily weather and differences in daily shares of sold items per clothing category for two cities: Stockholm and Göteborg. With Malmö as an additional city, historical observational weather data from one location each in the three cities Stockholm, Göteborg, and Malmö was then featurized and used along with the customers’ postal towns, sales features, and sales trend features to train and evaluate the ranking relevancy of a gradient boosted decision trees learning to rank LightGBM ranking model with weather features. The ranking relevancy was compared against a LightGBM baseline that omitted the weather features and a naive baseline: a popularity-based ranker. Several possible correlations between a clothing category such as shorts, rainwear, shell jackets, winter wear, and a weather variable such as feels-like temperature, solar energy, wind speed, precipitation, snow, and snow depth were found. Evaluation of the ranking relevancy was done using the mean reciprocal rank and the mean average precision @ 10 on a small dataset consisting only of customer data from the postal towns Stockholm, Göteborg, and Malmö and also on a larger dataset where customers in postal towns from larger geographical areas had their home locations approximated as Stockholm, Göteborg or Malmö. The LightGBM rankers beat the naive baseline in three out of four configurations, and the ranker with weather features outperformed the LightGBM baseline by 1.1 to 2.2 percent across all configurations. The findings can potentially help online clothing retailers create more relevant product recommendations. / Internethandel erbjuder flera fördelar, men stora produktsortiment gör det svårt för konsumenter att känna till existensen av och egenskaperna hos alla produkter som saluförs. För att förenkla beslutsprocessen så använder internethandlare rankningsmodeller för att rekommendera relevanta produkter till varje enskild användare. Kontextuell användardata såsom tid på dygnet, användarens plats eller lokalt väder kan vara värdefulla variabler för rankningsmodeller då det möjliggör personaliserade realtidsrekommendationer. Det finns inte mycket publicerad forskning inom nyttan av väderbaserade variabler för produktrekommendationssystem inom internethandel av kläder, vilket gör ytterligare studier inom detta område intressant. Med hjälp av svensk försäljnings- och kunddata från Babyshop, en internethandel för barnkläder så undersökte denna studie möjliga korrelationer mellan lokal väderdata och försäljning. Detta gjordes genom att jämföra skillnaderna i dagligt väder och skillnaderna i dagliga andelar av sålda artiklar per klädeskategori för två städer: Stockholm och Göteborg. Med Malmö som ytterligare en stad så gjordes historiska metereologiska observationer från en plats var i Stockholm, Göteborg och Malmö till variabler och användes tillsammans med kundernas postorter, försäljningsvariabler och variabler för försäljningstrender för att träna och utvärdera rankningsrelevansen hos en gradient-boosted decision trees learning to rank LightGBM rankningsmodell med vädervariabler. Rankningsrelevansen jämfördes mot en LightGBM baslinjesmodel som saknade vädervariabler samt en naiv baslinje: en popularitetsbaserad rankningsmodell. Flera möjliga korrelationer mellan en klädeskategori som shorts, regnkläder, skaljackor, vinterkläder och och en daglig vädervariabel som känns-som-temperatur, solenergi, vindhastighet, nederbörd, snö och snödjup upptäcktes. Utvärderingen av rankingsrelevansen utfördes med mean reciprocal rank och mean average precision @ 10 på ett mindre dataset som bestod endast av kunddata från postorterna Stockholm, Göteborg och Malmö och även på ett större dataset där kunder med postorter från större geografiska områden fick sina hemorter approximerade som Stockholm, Göteborg eller Malmö. LigthGBM-rankningsmodellerna slog den naiva baslinjen i tre av fyra konfigurationer och rankningsmodellen med vädervariabler slog LightGBM baslinjen med 1.1 till 2.2 procent i alla konfigurationer. Resultaten kan potentiellt hjälpa internethandlare inom mode att skapa bättre produktrekommendationssystem.

In recent years, there has been a significant increase in the usage of audience engagement platforms, which have allowed for engaging interactions between presenters and their audiences. The increased popularity of the platforms comes from the fact that engaging and interactive presentations have been shown to improve learning outcomes and create positive presentation experiences. However, using the platforms does not guarantee that your audience is engaged and participating. Given that the added value of engaging presentations only applies if the audience is actually engaged, it increases the need to know if and how engaged your audience is. The usage of audience engagement platforms has allowed for new ways of engagement to be studied. By utilizing the data gathered from the interactive presentation sessions, engagement can be studied and quantified through the modeling of the data. As the usage of audience engagement platforms and the study of presentation engagement is relatively new, there exists a limited amount of labeled data quantifying the level of engagement during presentations. To model the data, machine learning models should therefore be trained to generalize by being exposed to a limited number of presentation samples. This technique of training machine learning models is also referred to as few-shot learning. Distance-based machine learning models are defined in this study as models that make classifications and inferences by calculating distances between observations or observation class representations. Distance-based models have previously shown relatively good performance in few-shot learning applications, and interest therefore lies in expanding their application areas. This study presents a comparative evaluation of distance- and non-distance-based machine learning models given the problem of classifying presentations as being engaged or non-engaged, and estimating presentation class likelihoods in a few-shot learning context. A presentation-level dataset was gathered from the interactive presentation sessions, and each presentation observation was labeled as being engaged or non-engaged. The machine learning models were then trained to model the data and evaluated in terms of how well they were able to generalize to unseen testing samples by being exposed to a limited number of training observations. In particular, their classification and class likelihood estimation performances were evaluated. The results conclude that the distance-based models outperformed the non-distance-based models artificial neural network and relevance-vector machine given the presentation class likelihood estimation problem. The metric learning nearest neighbor classifier was the only distance-based model that outperformed all the non-distance-based models given both the presentation classification and class likelihood estimation problems. / Under de senaste åren har det skett en betydande ökning av användningen av plattformar för publikengagemang, vilket har möjliggjort engagerande interaktioner mellan presentatörer och deras publik. Plattformarnas ökade popularitet kommer från det faktum att engagerande och interaktiva presentationer har visat sig förbättra läranderesultat och skapa positiva presentationsupplevelser. Att använda plattformarna garanterar dock inte att din publik är engagerad och deltagande. Med tanke på att mervärdet av engagerande presentationer bara gäller om publiken faktiskt är engagerad, ökar det behovet av att veta om och hur engagerad din publik är. Användningen av plattformar för publikengagemang har gjort det möjligt att på nya sätt studera engagemang. Genom att använda data som samlats in från de interaktiva presentationssessionerna kan engagemang studeras och kvantifieras genom modellering av data. Eftersom användandet av plattformar för publikengagemang och studien av presentationsengagemang är relativt nytt, finns det en begränsad mängd märkt data som kvantifierar nivån av engagemang under presentationerna. För att modellera datan så bör maskininlärningsmodeller tränas att generalisera genom att utsättas för ett begränsad antal presentations observationer. Denna teknik för att träna inlärningsmodeller kallas också few-shot lärande. Distans-baserade maskininlärningsmodeller definieras i denna studie som modeller som gör klassificeringar genom att beräkna avstånd mellan observationer eller observationsklass representationer. Distans-baserade modeller har tidigare visat relativt goda resultat i few-shot inlärning problem, och intresset ligger därför i att utöka deras tillämpningsområden. Denna studie presenterar en jämförande utvärdering av distans- och icke-distans baserade maskininlärningsmodeller givet problemet med att klassificera presentationer som engagerade eller icke-engagerade, och uppskattning av presentation klasssannolikheter i ett few-shot inlärnings sammanhang. Ett dataset på presentationsnivå samlades in från de interaktiva presentationssessionerna, och varje presentation märktes som engagerad eller icke-engagerad. Maskininlärningsmodellerna tränades sedan för att modellera data och utvärderades i termer av hur väl de kunde generalisera till osedda testobservationer givet att de exponeras mot ett begränsat antal träningsobservationer. I synnerhet utvärderades deras klassificering och uppskattning av klasssannolikheter. Resultaten visade att alla distans-baserade modeller var bättre än de icke-distansbaserade modellerna artificial neural network och relevence-vector machine givet problemet med uppskattning av klasssannolikheter. Den distans-baserade metric learning nearest neighbor klassificeraren var den enda avståndsbaserade modellen som överträffade alla icke-distansbaserade modeller givet problemen med presentations klassificering och klasssannolikhets uppskattning.

Climate models are essential for generating future climate projections. However, due to simplifications, the models can produce systematic differences between output and reality, which is referred to as model bias. Bias adjustment methods aim to reduce this error, which is important for making future projections more reliable. Here, the suitability of four different bias adjustment methods was tested: distribution-based (Distribution Scaling (DS), Quantile Delta Mapping (QDM)) and non-distribution- based methods (Copula, Multivariate Bias Correction (MBCn)), of which each one univariate and one multivariate approach. The methods were assessed on climate future projections together with a non bias adjusted data set, focusing on their impacts on hydrological modelling simulations. For this, 16 hydrological signatures were analysed and categorized into: 1) water balance and flow dynamics, 2) seasonal behaviour of the flow, 3) low flow characteristics and 4) high flow characteristics. The assessment was carried out based on 50 catchments in Sweden, 10 climate models and one hydrological model. Most noticeable differences were observed between distribution-based and non-distribution-based methods, rather than between univariate and multivariate methods. Bias adjustment methods introduce half as much variation as climate models, catchments contribute substantially more to the projected signatures. Specific hydrological signatures differed regionally, such as changes in the average spring streamflow magnitude and greater bias adjustment variations in low- and high-flow frequencies, compared to varia- tions among catchments, suggesting a shift in the frequency of extreme streamflow events in the future. The choice of bias adjustment method impacted ’High flow characteristics’ the strongest. The Copula method deviated in the trend analysis by utilizing an existing trend. This research prompts further exploration of variation between current and projected future climate, or the inclusion of other variables that might impact projections, to determine the necessity of the methods. / Vi befinner oss i en tid av klimatförändringar. Det blir mer och mer synligt och klimatet kommer förändras i närtid och långt fram i tiden. Men hur exakt kommer det vara i slutet av detta århundrade? För att förutspå det, används klimatmodeller. Dock kan klimatmodeller bara ge en uppskattning om hur det kommer se ut, eftersom de måste förenkla jordsystem och klimat genom simplifieringar och antaganden, för att kunna beräkna projektionen. Det betyder att klimatprojektioner är ingen särskilt exakt förutsägelse. För att projicera framtidens vattenföring i en förändrande klimat, behöver an först modellera framtidens klimat och ut ur det modellera framtidens hydrologiska processer genom hydrologiska modeller. Kombinationer av flera modelltyper kallas modellkedja. För att projicera framtidens klimat, behövs en hel modell-kedja som består av klimatmodeller och hydrologiska modeller. Ju fler delar en modell-kedjan består av, desto osäkrare blir projektionen. Osäkerheten kallas systematiskt och slumpmässigt fel, kort bias. För att förbättra projektionen kan man inkluderar en så kallat bias korrektions metod, vars syfte är att minska biasen med en massa ekvationer och underliggande algoritmer. Det finns flera olika metoder, baserade på olika algoritmer, som beroende på algoritmernas innehåll är mer eller mindre komplicerad.  Jag undersökte i det här projektet, om det gör en skillnad, vilket bias korrektur metod man använder för att förbättra sitt klimat projektion. Det kan, t.ex. vara intressant att veta, när man måste bestämma sig mellan olika bias korrektur metoder som innehåller olika nivåer av komplexitet som användaren måste förstå sig på för att beräkna och korrigerar dataset som är utdatan från klimatmodellerna. För att testa det, tog jag ett existerande stort dataset (bestående av 4 olika bias korrektur metoder och ett dataset som inte var bias korrigerad, med 10 stycken klimatprojektioner för 50 avrinningsområden jämt utspridda över hela Sverige). För att kunna ge en omfattande överblick av framtidens klimat, beräknade jag flera, så kallade hydrologiska signaturer av vattenföringens karakteristik. De signaturer testades statistiskt för att visar avvikande och liknande betedde.  Metoder som korrigerar systematiskt fel betog sig ganska lika varandra, dock introducerades ungefär hälften så mycket variation som hos de 10 testade klimatmodeller, däremot introducerade de 50 flodbäcken mycket mer variation än bias korrektur metoderna, förutom vissa undantag. Jämförelsen föreslår en förändring i vårflöde och ett betydligt skifte i extremflöden i framtiden, jämfört med dagens flöde i älvarna. Det syns att det som blivit påverkat mest av från valet av bias korrektur metoder är kategorin "hög flod drag".  Det här projektet är bara en liten del av en större forskning, och det finns mycket kvar att studera. I framtidens forskning skulle det vara intressant att jämföra skillnaden mellan dagens avloppet och i framtiden och hur stor skillnaden är, jämfört med styrkan av variationen mellan de testade bias korrektur metoder. Därmed kunde man minska forskningsgapet ytterligare, och göra ett noggrant konstaterande i samband med olika bias korrektur metoder och om valets betydelse.

Crack formation in concrete structures due to various load and non-load factors leading to degradation of service life is very common. Repair and maintenance operations are, therefore, necessary to prevent cracks propagating and reducing the service life of the structures. Accessibility to affected areas can, however, be difficult and the reconstruction and maintenance of concrete buildings are expensive in labor and capital. Autonomous healing by encapsulated bacteria-based self-healing agents is a possible solution. In this study, a novel bacteria-based healing agent was investigated in order to test the self-healing efficiency of the specimens in comparison to the commonly used healing agents made of lactic acid derivatives. (PLA). The novel integrated healing agent is a non-toxic, biodegradable dissolved inorganic carbon substrate derived from wastewater that has been used as an encapsulation material for spores of cohnii bacteria in the Bacillus gene family and for nutrients made up of yeast extract. This dissolved inorganic carbon substrate is a bioplastic made by the bacteria in wastewater known as alkanoate derivatives (AKD). To assess the effect of these healing agents on the mortar characteristics, quantification and characterization of the self-healing were conducted. The quantification of the self-healing efficiency was performed by various experimental techniques such as light microscopy, water permeability, chloride ion permeability, and thermogravimetric analysis whereas the material characterization was investigated by x-ray diffraction and environmental scanning electron microscope. Moreover, a statistical analysis was performed to study the correlation of self-healing efficiency between various experimental techniques. The incorporated dosages of healing agents adopted were 2.6% and 5% by weight of cement. Complete immersion in water was considered to be the condition of treatment of the specimen for healing at two separate periods of 28 and 56 days. The crack widths investigated were in the range of 0.04 to 0.8 mm. The quantification and characterization tests indicated that bacterial containing mortar series especially PLA and AKD at 5% dosage displayed a higher self-healing performance and an indication of precipitated calcium carbonate in the crack mouth. However, the results from the chloride migration test didn’t show any influence by the self-healing healing agents. Furthermore, the statistical analysis identified a major impact of the internal crack geometry on the difference in self-healing ratios, also in the cases where effective crack width is equal. / Sprickbildning i betongkonstruktioner p.g.a. olika laster och lastoberoende faktorer som leder till förkortning av livslängden är mycket vanligt förekommande. Reparation och underhåll är därför nödvändiga för att förhindra att sprickorna propagerar och reduceras konstruktionernas livslängd. Möjligheterna att komma åt de skadade partierna kan dock vara svåra och reparationerna är vanligen både arbetsintensiva och kostsamma. Självläkning med ingjutna bakteriebaserade, självläkande tillsatser är en möjlig lösning på problemet. I denna studie undersöktes en ny bakteriebaserat självläkande tillsats för att prova den självläkande förmågan i jämförelse med vanligt förekommande självläkande tillsatser av mjölksyrederivat (PLA). Den nya integrerade självläkande tillsatsen är en giftfri, biologiskt nedbrytningsbar, oorganisk kolsubstratslösning utvunnen ur avloppsvatten, en tillsats som har använts som ett inkapslingsmaterial för sporer från cohnii-bakterier från bacillussläktet och från näringsämnen framställda ur jästextrakt. Denna kolsubstratslösning är en bioplast framställd ur avloppsvatten och känd som alkanoatderivat (AKD). För att bestämma effekten av dessa självläkande tillsatser på cement bruks egenskaper genomfördes kvantifiering och karakterisering av självläkningen. Kvantifieringen av självläkningens effektivitet utfördes genom olika experimentella metoder såsom ljusmikroskopi, vattengenomsläpplighet, kloridjonstransport och termogravimetriska analyser medan materialkarakteriseringen utfördes med röntgendiffraktion och svepelektronmikroskop (ESEM). Vidare genomfördes en statistisk analys för att undersöka korrelationen mellan olika experimentella metoder. De doser av självläkande tillsatser som användes var 2,6 och 5 % av cementvikten. Fullständig nedsänkning i vatten ansågs vara den lämpligaste lagringen för självläkning under två olika tidsperioder på 28 respektive 56 dygn. De sprickbredder som studerades låg i intervallet 0.04 till 0.8 mm. Försöken kring kvantifiering och karakterisering indikerade att bruken innehållande bakterier, i synnerhet 5 % PLA och AKD, utvecklade en högre form av självläkande beteende och en förekomst av kalciumkarbonat i sprickspetsen. Resultaten från försöken kring kloridtransport visade emellertid inga tecken på någon effekt från de självläkande tillsatserna. Vidare identifierades i den statistiska analysen att inre sprickbildning har stor betydelse för självläkningseffekten även i fall där den effektiva sprickbredden är lika stor.

The rapid urbanization of populations from rural areas to cities calls for more sustainable focused urban planning to combat the negative effects of urban sprawl. The United Nations’ Agenda 2030 includes the 17 Sustainable Development Goals (SDGs) and 169 targets that aim to unite both developed and developing countries in transforming humanity and the planet for a more sustainable future. One of these goals is SDG 11, making cities and human settlements inclusive, safe, resilient and sustainable. A large part in achieving the targets of SDG 11 is measuring the current access urban residents have to things such as public green-blue spaces as well as public transportation. This thesis will aim to study Stockholm’s achievement of SDG 11 sub-targets 11.2 and 11.7 of Agenda 2030. In order to meet this aim, the following objectives will be pursued. The first objective is to study the degree to which Stockholm County currently has universal access to green-blue areas and public transportation by conducting a GIS-based analysis. The second objective is to improve our understanding of the socio-economic status of residents who have and do not have accessibility to green-blue areas and public transportation by statistically analyzing correlations between environmental and socio-economic indicators. The methodology included qualitative methodologies such as a literature review, interviews and collaborative focus group meetings with Södertörnsanalysen as well as quantitative methodologies such as spatial analysis and statistical analysis. The results show that while Stockholm has impressively high accessibility for its residents, it has yet to meet Agenda 2030 SDG 11targets 11.2 and 11.7 because the accessibility was not universal. The results also found that people with lower income, people who own their flats/homes and people with children have higher accessibility to green areas. It was also shown that people with higher income, people who rent their flats/homes and have no children have higher access to public transportation.This result can be expected as the bulk of people with higher incomes are living in the innercity where they have high access to urban services and rail stops, but not necessarily green areas. It is important to state that at 300 m from residencies, both access to green areas and access to public transportation is almost 100%. At 500 m from residencies, access to blueareas is close to 35 %, which is not almost complete, but still a high percentage since access to blue areas is a bit of a luxury. This thesis ultimately demonstrates the importance of understanding environmental and socio-economic indicators in urban planning especially if the goals of Agenda 2030 are to be met. This thesis also took steps towards building a methodology for quantifying accessibility and it is recognized that further studies can be conducted to further contribute to sustainable urban planning and development. / Den snabba urbaniseringen där människor flyttar från landsbygden till städer kräver en mer hållbar stadsplanering för att bekämpa de negativa effekterna av stadsutbredningen. FN:sAgenda 2030 innehåller 17 mål för hållbar utveckling (Sustainable Development Goals, SDG) och 169 delmål som syftar till att förena både utvecklade och utvecklingsländer i att omvandla mänskligheten och planeten för en mer hållbar framtid. Ett av dessa mål är SDG 11, vilket ska göra städer och mänskliga bosättningar inkluderande, säkra, resilient och hållbara. En stor del i att uppnå målen med SDG 11 handlar om den nuvarande tillgången stadsborna har till bland annat offentliga gröna och blå ytor samt kollektivtrafik. Arbetet syftar till att studera Stockholms måluppfyllelse när det gäller SDG 11 delmål 11.2 och 11.7 i Agenda 2030. Föratt mäta uppfyllelsen av dessa delmål har studien följande mål. Det första målet är att studera i vilken grad Stockholms län idag har allmän tillgång till gröna och blå områden och kollektivtrafik genom att genomföra en GIS-baserad analys. Det andra målet är att förbättra vår förståelse för den socioekonomiska statusen hos boende som har respektive inte har tillgång till gröna och blå områden och kollektivtrafik genom att statistiskt analysera sambandet mellan miljöinriktade och socioekonomiska indikatorer. Metoden innefattade kvalitativa metoder som litteraturöversikt, intervjuer och samverkande fokusgruppsmöten med Södertörnsanalysen samt kvantitativa metoder som rumslig analys och statistisk analys. Resultaten visar att medan Stockholm har imponerande hög tillgänglighet för sina invånare, har det ännu inte uppfyllt Agenda 2030 SDG 11 mål 11.2 och 11.7 eftersom det visades att tillgängligheten inte var universell. Resultaten visar också att personer med lägre inkomst, personer som äger sina lägenheter/hem och personer med barn har högre tillgänglighet till grönområden. Det visades också att personer med högre inkomst, personer som hyr sina lägenheter/hem och inte har barn har högre tillgång till kollektivtrafik. Detta resultat kan förväntas eftersom en stor andel personer med högre inkomster bor i innerstaden där de har hög tillgång till kollektivtrafik och urban service, men inte nödvändigtvis grönområden. På ett avstånd av 300 m från bostäder, är både tillgång till grönområden och tillgång tillkollektivtrafik nästan 100 %. Vid ett avstånd av 500 m från bostäder är tillgången till blåområden nära 35 % vilket är långt ifrån alla, men fortfarande en hög andel eftersom tillgång till vattenområden och stränder kan ses som lite av en lyx. Denna studie visar dessutom vikten av att förstå miljö- och socioekonomiska indikatorer i stadsplaneringen, särskilt om målen i Agenda 2030 ska uppfyllas. Denna studie tog också initiativ till att bygga en metod för att kvantifiera tillgängligheten, medan vidare studier behöver genomföras för att ytterligare bidra till stadsplanerings- och utvecklingssektorn.