L'utilisation intensive des services de données mobiles a de plus en plus augmenté la consommation de ressources sur les réseaux sans fil. La ressource principale utilisée pour la communication sans fil est le spectre de fréquence. À mesure que le trafic de données augmente brusquement, de nouvelles bandes du spectre de fréquences ne sont pas disponibles dans la même proportion, ce qui rend le spectre de fréquence de plus en plus rare et saturé. Plusieurs propositions ont été présentées pour optimiser l'allocation des canaux de fréquences afin d'atténuer les interférences entre les liaisons proches qui transmettent des données. Beaucoup d'entre eux utilisent un critère unique et ne considèrent pas le comportement de l'utilisateur pour guider le processus d'allocation de canaux. Les utilisateurs ont des cycles de routine et un comportement social. Ils passent au travail, à l'école, utilisent leurs appareils mobiles générant du trafic de données, et rencontrent des amis formant des groupes. Ces caractéristiques peuvent être explorées pour optimiser le processus d'allocation des canaux.Cette thèse présente une stratégie d'allocation de canaux pour les réseaux sans fil basée sur le comportement de l'utilisateur. Notre contribution principale consiste à considérer certaines caractéristiques du comportement de l'utilisateur, telles que la mobilité, le trafic et la popularité dans le processus d'allocation des canaux. De cette façon, nous priorisons l'allocation de canaux pour les nœuds qui resteront dans le réseau dans une fenêtre de temps future, avec un trafic plus élevé dans le réseau, et avec plus de popularité. Nous adoptons une approche distribuée qui permet de limiter le nombre de messages échangés dans le réseau tout en répondant rapidement aux changements de la topologie du réseau. Dans notre évaluation des performances, nous considérons des scénarios dans des réseaux ad hoc et véhiculaires, et nous utilisons des modèles de mobilité synthétique, tels que SLAW et Manhattan grid, et l'ensemble de données de traces de ville de Cologne. Dans les scénarios, nous comparons notre mécanisme avec différents types de techniques : une centralisée (nommée TABU), une autre aléatoire (nommée RANDOM), une avec la plus grande distance spectrale (appelée LD) et une avec un seul canal (appelée SC). Nous évaluons les métriques telles que le débit agrégé, le débit de livraison des paquets et le délai de bout en bout.Les simulations envisageant un scénario ad hoc avec un routage monodiffusion montrent que notre stratégie présente des améliorations en termes de débit de l'ordre de 14,81% par rapport à RANDOM et de 16,28% par rapport à l'allocation de canal LD. Dans le scénario véhiculaire, notre stratégie montre des gains de taux de livraison de paquets de l'ordre de 11,65% et de 17,18% par rapport aux méthodes RANDOM et SC, respectivement. Dans ces deux scénarios, la performance de notre stratégie est proche de la limite supérieure donnée par l'approche centralisée de TABU, mais avec l’envoie de moins des messages. / The intensive use of mobile data services has increasingly increased resource consumption over wireless networks. The main resource used for wireless communication is the frequency spectrum. As data traffic rises sharply, new bands of the frequency spectrum are not available in the same proportion, making the frequency spectrum increasingly scarce and saturated. Several proposals have been presented to optimize frequency channel allocation in order to mitigate interference between nearby links that are transmitting data. Many of them use a single criterion and does not consider the user behavior to guide the channel allocation process. Users have routine cycles and social behavior. They routinary move to work, to school, use their mobile devices generating data traffic, and they meet with friends forming clusters. These characteristics can be explored to optimize the channel allocation process.This thesis presents a channel allocation strategy for wireless networks based on user behavior. Our main contribution is to consider some characteristics of the user behavior, such as mobility, traffic, and popularity in the channel allocation process. In this way, we prioritize the channel allocation for the nodes that will remain in the network in a future time window, with higher traffic in the network, and with more popularity. We adopt a distributed approach that allows limiting the number of messages exchanged in the network while quickly responding to changes in the network topology. In our performance evaluation, we consider scenarios in ad hoc and vehicular networks, and we use some synthetic mobility models, such as SLAW and Manhattan grid, and the traces dataset of Cologne city. In the scenarios, we compare our mechanism with different types of approaches: i.e., a centralized (named TABU), a random (named RANDOM), a with largest spectral distance (named LD), and a with single channel (named SC). We evaluate metrics such as aggregated throughput, packet delivery rate, and end-to-end delay. Simulations considering ad hoc scenario with unicast routing show that our strategy presents improvements in terms of throughput at the order of 14.81% than RANDOM and 16.28% than LD channel allocation. In vehicular scenario, our strategy shows gains of packet delivery rate at the order of 11.65% and 17.18% when compared to RANDOM and SC methods, respectively. In both scenarios, the performance of our strategy is close to the upper bound search of the TABU centralized approach, but with lower overhead.

Bitcoin är en teknologi som har blivit allt mer etablerad i det svenska samhället. Trots att så pass många känner till teknologin är det fortfarande väldigt få som använder den. Denna studie ämnar undersöka vad som påverkar det svenska folkets acceptans av Bitcoin med hjälp av det teoretiska ramverket TAM, samt med tillägg för finansiell risk och med ett fokus på demografiska variablers (externa faktorers) påverkan på acceptansen. En kvantitativ surveyundersökning genomfördes genom en webbenkät, där totalt 204 respondenter deltog. Resultaten från enkäten analyserades med hjälp av dataanalysmetoden PLS-SEM vilket visade att upplevd användarnytta hade en signifikant positiv påverkan på en individs attityd mot Bitcoin. Vidare visade studien en signifikant positiv koppling mellan den upplevda användarvänligheten och den upplevda nyttan av Bitcoin. Dock fann studien att de testade externa faktorerna samt att tillägget av finansiell risk inte hade någon signifikant påverkan på resultatet. / Bitcoin is a technology that has become increasingly established in Swedish society. Despite the fact that so many people know about the technology, very few actually use it. This study aims to investigate what affects the Swedish people's acceptance of Bitcoin using the theoretical framework TAM, as well as with additions for financial risk and with a focus on the influence of demographic variables (external factors) on acceptance. A quantitative survey was conducted using a web survey, in which a total of 204 respondents participated. The results from the survey were analyzed using the data analysis method PLS-SEM, which showed that perceived usefulness had a significant positive impact on an individual's attitude towards Bitcoin. Furthermore, the study showed a significant positive link between an individual's perceived ease of use and their perceived usefulness of Bitcoin. However, the study found that the tested external factors and that the addition of financial risk had no significant impact on the result.

No description available.

Social media and its underlying technologies have created an advanced and sophisticated platform for digital activism. As a result, companies and organizations are undergoing a pivotal transition in how they reach and engage with users in a fast and efficient manner. Specifically, nonprofit organizations have taken advantage of using social media platforms to not only amplify their brand and image, but also spread awareness of their mission to larger audiences. The aim of this study is to delve into the use of social media in the activism measures of nonprofit organizations and determine its effectiveness across the organizations. First, an in depth literature analysis will explore social media and its impact on digital activism as well as how social media has been utilized by renown nonprofits in the case studies of Greta Thunberg, and the Black Lives Matter movement. Second, the study will depict both qualitative and quantitative data taken from local nonprofit organizations that explore the impact of social media towards their activism measures. The case companies used in this study are Dolgin Digital Media and the Local Initiatives Support Corporation. After a thorough analysis of the qualitative and quantitative data, it was determined that social media is an effective tool for nonprofits to not only communicate their mission efficiently and quickly to a mass audience, but also as a mechanism for brand amplification. / Sociala medier och dess underliggande tekniker har skapat en avancerad och sofistikerad plattform för digital aktivism. Som ett resultat genomgår företag och organisationer en avgörande övergång i hur de når och samarbetar med användare på ett snabbt och effektivt sätt. Specifikt har ideella organisationer utnyttjat att använda sociala medieplattformar för att inte bara förstärka sitt varumärke och sin image, utan också sprida medvetenheten om deras uppdrag till större publik. Syftet med denna studie är att fördjupa användningen av sociala medier i ideella organisationers aktivismåtgärder och bestämmadess effektivitet i organisationerna. Först, en djupgående litteraturanalys kommer att utforska sociala medier och dess inverkan på digital aktivism samt hur sociala medier har använts av kända ideella organisationer i fallstudierna av Greta Thunberg, och Black Lives Matter-rörelsen. För det andra kommer studien att skildra både kvalitativa och kvantitativa data som tas från lokala ideella organisationer som undersöker effekterna av sociala medier på deras aktivismåtgärder. De fallföretag som används i denna studie är Dolgin Digital Media och Local Initiatives Support Corporation. Efter en grundlig analys av kvalitativa och kvantitativa data, det fastställdes att sociala medier är ett effektivt verktyg för ideella organisationer för att inte bara kommunicera sitt uppdrag effektivt och snabbt till en masspublik, utan också som en mekanism för varumärkesförstärkning.

No description available.

The electric power systems are currently being transformed through the integration of intermittent renewable energy resources and new types of electric loads. These developments run the risk of increasing mismatches between electricity supply and demand, and may cause non-favorable utilization rates of some power system components. Using Demand Response (DR) from flexible loads in the building stock is a promising solution to overcome these challenges for electricity market actors. However, as DR is not used at a large scale today, there are validity concerns regarding its cost-benefit and reliability when compared to traditional investment options in the power sector, e.g. network refurbishment. To analyze the potential in DR solutions, bottom-up simulation models which capture consumption processes in buildings is an alternative. These models must be simple enough to allow aggregations of buildings to be instantiated and at the same time intricate enough to include variations in individual behaviors of end-users. This is done so the electricity market actor can analyze how large volumes of flexibility acts in various market and power system operation contexts, but also can appreciate how individual end-users are affected by DR actions in terms of cost and comfort. The contribution of this thesis is bottom-up simulation models for generating load profiles in detached houses and office buildings. The models connect end-user behavior with the usage of appliances and hot water loads through non-homogenous Markov chains, along with physical modeling of the indoor environment and consumption of heating and cooling loads through lumped capacitance models. The modeling is based on a simplified approach where openly available data and statistics are used, i.e. data that is subject to privacy limitations, such as smart meter measurements are excluded. The models have been validated using real load data from detached houses and office buildings, related models in literature, along with energy-use statistics from national databases. The validation shows that the modeling approach is sound and can provide reasonably accurate load profiles as the error results are in alignment with related models from other research groups. This thesis is a composite thesis of five papers. Paper 1 presents a bottom-up simulation model to generate load profiles from space heating, hot water and appliances in detached houses. Paper 2 presents a data analytic framework for analyzing electricity-use from heating ventilation and air conditioning (HVAC) loads and appliance loads in an office building. Paper 3 presents a non-homogeneous Markov chain model to simulate representative occupancy profiles in single office rooms. Paper 4 utilizes the results in paper 2 and 3 to describe a bottom-up simulation model that generates load profiles in office buildings including HVAC loads and appliances. Paper 5 uses the model in paper 1 to analyze the technical feasibility of using DR to solve congestion problems in a distribution grid. / Integrering av förnybara energikällor och nya typer av laster i de elektriska energisystemen är möjliga svar till klimatförändringar och uttömning av ändliga naturresurser. Denna integration kan dock öka obalanserna mellan utbud och efterfrågan av elektricitet, och orsaka en ogynnsam utnyttjandegrad av vissa kraftsystemkomponenter. Att använda efterfrågeflexibilitet (Demand Response) i byggnadsbeståndet är en möjlig lösning till dessa problem för olika elmarknadsaktörer. Men eftersom efterfrågeflexibilitet inte används i stor skala idag finns det obesvarade frågor gällande lösningens kostnadsnytta och tillförlitlighet jämfört med traditionella investeringsalternativ i kraftsektorn. För att analysera efterfrågeflexibilitetslösningar är botten-upp-simuleringsmodeller som fångar elförbrukningsprocesser i byggnaderna ett alternativ. Dessa modeller måste vara enkla nog för att kunna representera aggregeringar av många byggnader men samtidigt tillräckligt komplicerade för att kunna inkludera unika slutanvändarbeteenden. Detta är nödvändigt när elmarknadsaktören vill analysera hur stora volymer efterfrågeflexibilitet påverkar elmarknaden och kraftsystemen, men samtidigt förstå hur styrningen inverkar på den enskilda slutanvändaren.  Bidraget från denna avhandling är botten-upp-simuleringsmodeller för generering av elförbrukningsprofiler i småhus och kontorsbyggnader. Modellerna kopplar slutanvändarbeteende med elförbrukning från apparater och varmvattenanvändning tillsammans med fysikaliska modeller av värmedynamiken i byggnaderna. Modellerna är byggda på en förenklad approach som använder öppen data och statistisk, där data som har integritetsproblem har exkluderats. Simuleringsresultat har validerats mot elförbrukningsdata från småhus och kontorsbyggnader,  relaterade modeller från andra forskargrupper samt energistatistik från nationella databaser. Valideringen visar att modellerna kan generera elförbrukningsprofiler med rimlig noggrannhet. Denna avhandling är en sammanläggningsavhandling bestående av fem artiklar. Artikel 1 presenterar botten-upp-simuleringsmodellen för genereringen av elförbrukningsprofiler från uppvärmning, varmvatten och apparater i småhus. Artikel 2 presenterar ett dataanalytiskt ramverk för analys av elanvändningen från uppvärmning, ventilation, och luftkonditioneringslaster (HVAC) och apparatlaster i en kontorsbyggnad. Artikel 3 presenterar en icke-homogen Markovkedjemodell för simulering av representativa närvaroprofiler i enskilda kontorsrum. Artikel  4 använder resultaten i artiklarna  2 och 3 för att beskriva en botten-upp-simuleringsmodell för generering av elförbrukningsprofiler från HVAC-laster och apparater i kontorsbyggnader. Artikel  5 använder modellen i artikel 1 för att analysera den tekniska möjligheten att använda efterfrågeflexibilitet för att lösa överbelastningsproblem i ett eldistributionsnät. / <p>QC 20160329</p>

客戶在從事消費時，往往會有許多不一樣的行為產生。對組織而言，研究客戶的消費行為能夠協助組織更了解客戶的資訊，進而支援其經營活動。以往與客戶行為相關的資料挖掘研究，較著重於客戶的消費資料。而對於客戶在商店中做了那些動作，及其動作會導致發生的事件並沒有較全盤及深入的討論。對實體業者而言，要實際的去記錄使用者在商店內的行為，是不太可行的；但相對的說，隨著網際網路與資料收集技術的發展，網站經營者應用log留存技術，將比傳統業者更容易且完整的收集到消費者行為記錄。本研究試圖在全球資訊網的環境中建立一個能夠同時分析使用者的瀏覽網頁路徑及其動作過程的演算法；並且配合該演算法建置一個雛形系統，以驗証其效能，最後並評估其日後實務操作的可行性。 / Different kind of customer purchases with different behavior. Studying the customer’s purchase behavior can help organizations understand their client intentions to support their business activities. In the past, customer behavior data mining emphasized on their purchase items, i.e., what they buy. There was few studies discussing what path they took and what actions they made in an e-store. It is impossible for a physical store to record its customers’ all actions and passing paths. However, a website store can easily collect such data in an Internet log. This study proposes a data mining algorithm that can analyze both customers’ browsing pages and their actions path. The algorithm’s efficiency and feasibility were examined in our prototype. This study may contribute to help the website mangers to restructure their website layouts or advertisement position to catch the customer’s eyes.

La présente recherche traite de l’expérience de consultation du site web d’une marque et de son impact sur les réactions post-visite de l’internaute. Dans cette perspective, une revue de la littérature relative à l’expérience de consommation de manière générale et à l’expérience de navigation de manière spécifique est effectuée. Cette démarche conceptuelle, conjuguée à une étude qualitative exploratoire, a abouti à la proposition d’un modèle conceptuel qui met en exergue le processus psychologique – notamment le mode de traitement et l’expérience d’imagerie mentale – de l’internaute lors de la consultation du site web de marque. De même, ce modèle met au jour les contributions des composantes fonctionnelles et expérientielles de ladite consultation sur la satisfaction et l’attitude de l’internaute.En vue de confirmer le modèle conceptuel, une étude quantitative de type expérimentale est effectuée. Le test des liens subséquents au modèle causal – au moyen des analyses multivariées et de la méthode des équations structurelles – ressort les interactions substantielles qui régissent les éléments antécédents et composants de l’expérience de consultation du site web d’une marque ainsi que leurs influences respectives sur la satisfaction de l’internaute relative au site web et sur son attitude envers la marque. / This research discusses the experience of brand website visit and its consequences on consumer post-visit reactions. In this perspective, a review of the literature related to the theme of consumption experience in general and particularly to online browsing experience is performed. This theoretical approach, combined with an exploratory qualitative study, led to the proposal of a framework model that emphasizes the psychological process - including the way of processing and mental imagery experience - during consumer consultation of a brand website. Similarly, this model reveals the contributions of the utilitarian and experiential components of that consultation on consumer's satisfaction and attitude.To confirm the framework model, a quantitative experiment is performed. The results of the causal model testing - this, using multivariate analyzes and structural equation modeling- put forward the substantial interactions that exist between the antecedent elements and the core components of the brand website experience and the specific influences of these ones on consumer's satisfaction related to the website and attitude toward the brand.

Τα τελευταία χρόνια όλο και πιο επιτακτική είναι η ανάγκη αξιοποίησης των ψηφιακών δεδομένων τα οποία συλλέγονται και αποθηκεύονται σε διάφορες βάσεις δεδομένων. Το γεγονός αυτό σε συνδυασμό με τη ραγδαία αύξηση του όγκου των δεδομένων αυτών επιβάλλει τη δημιουργία υπολογιστικών μεθόδων με απώτερο σκοπό τη βοήθεια του ανθρώπου στην εξόρυξη της χρήσιμης πληροφορίας και γνώσης από αυτά. Οι τεχνικές εξόρυξης δεδομένων παρουσιάζουν τα τελευταία χρόνια ιδιαίτερο ενδιαφέρον στις περιπτώσεις όπου η πηγή των δεδομένων είναι οι ροές δεδομένων ή άλλες μορφές όπως τα XML έγγραφα. Σύγχρονα συστήματα και εφαρμογές όπως είναι αυτά των κοινοτήτων πρακτικής έχουν ανάγκη χρήσης τέτοιων τεχνικών εξόρυξης για να βοηθήσουν τα μέλη τους. Τέλος ενδιαφέρον υπάρχει και κατά την αξιολόγηση λογισμικού όπου η πηγή δεδομένων είναι τα αρχεία πηγαίου κώδικα για σκοπούς καλύτερης συντηρησιμότητας τους. Από τη μια μεριά οι ροές δεδομένων είναι προσωρινά δεδομένα τα οποία περνούν από ένα σύστημα «παρατηρητή» συνεχώς και σε μεγάλο όγκο. Υπάρχουν πολλές εφαρμογές που χειρίζονται δεδομένα σε μορφή ροών, όπως δεδομένα αισθητήρων, ροές κίνησης δικτύων, χρηματιστηριακά δεδομένα και τηλεπικοινωνίες. Αντίθετα με τα στατικά δεδομένα σε βάσεις δεδομένων, οι ροές δεδομένων παρουσιάζουν μεγάλο όγκο και χαρακτηρίζονται από μια συνεχή ροή πληροφορίας που δεν έχει αρχή και τέλος. Αλλάζουν δυναμικά, και απαιτούν γρήγορες αντιδράσεις. Ίσως είναι η μοναδική πηγή γνώσης για εξόρυξη δεδομένων και ανάλυση στην περίπτωση όπου οι ανάγκες μιας εφαρμογής περιορίζονται από τον χρόνο απόκρισης και το χώρο αποθήκευσης. Αυτά τα μοναδικά χαρακτηριστικά κάνουν την ανάλυση των ροών δεδομένων πολύ ενδιαφέρουσα ιδιαίτερα στον Παγκόσμιο Ιστό. Ένας άλλος τομέας ενδιαφέροντος για τη χρήση νέων τεχνικών εξόρυξης δεδομένων είναι οι κοινότητες πρακτικής. Οι κοινότητες πρακτικής (Communities of Practice) είναι ομάδες ανθρώπων που συμμετέχουν σε μια διαδικασία συλλογικής εκμάθησης. Μοιράζονται ένα ενδιαφέρον ή μια ιδέα που έχουν και αλληλεπιδρούν για να μάθουν καλύτερα για αυτό. Οι κοινότητες αυτές είναι μικρές ή μεγάλες, τοπικές ή παγκόσμιες, face to face ή on line, επίσημα αναγνωρίσιμες, ανεπίσημες ή και αόρατες. Υπάρχουν δηλαδή παντού και σχεδόν όλοι συμμετέχουμε σε δεκάδες από αυτές. Ένα παράδειγμα αυτών είναι τα γνωστά forum συζητήσεων. Σκοπός μας ήταν ο σχεδιασμός νέων αλγορίθμων εξόρυξης δεδομένων από τις κοινότητες πρακτικής με τελικό σκοπό να βρεθούν οι σχέσεις των μελών τους και να γίνει ανάλυση των εξαγόμενων δεδομένων με μετρικές κοινωνικών δικτύων ώστε συνολικά να αποτελέσει μια μεθοδολογία ανάλυσης τέτοιων κοινοτήτων. Επίσης η eXtensible Markup Language (XML) είναι το πρότυπο για αναπαράσταση δεδομένων στον Παγκόσμιο Ιστό. Η ραγδαία αύξηση του όγκου των δεδομένων που αναπαρίστανται σε XML μορφή δημιούργησε την ανάγκη αναζήτησης μέσα στην δενδρική δομή ενός ΧΜL εγγράφου για κάποια συγκεκριμένη πληροφορία. Η ανάγκη αυτή ταυτόχρονα με την ανάγκη για γρήγορη πρόσβαση στους κόμβους του ΧΜL δέντρου, οδήγησε σε διάφορα εξειδικευμένα ευρετήρια. Για να μπορέσουν να ανταποκριθούν στη δυναμική αυτή των δεδομένων, τα ευρετήρια πρέπει να έχουν τη δυνατότητα να μεταβάλλονται δυναμικά. Ταυτόχρονα λόγο της απαίτησης για αναζήτηση συγκεκριμένης πληροφορίας πρέπει να γίνεται το φιλτράρισμα ενός συνόλου XML δεδομένων διαμέσου κάποιων προτύπων και κανόνων ώστε να βρεθούν εκείνα τα δεδομένα που ταιριάζουν με τα αποθηκευμένα πρότυπα και κανόνες. Από την άλλη μεριά οι διαστάσεις της εσωτερικής και εξωτερικής ποιότητας στη χρήση ενός προϊόντος λογισμικού αλλάζουν κατά τη διάρκεια ζωής του. Για παράδειγμα η ποιότητα όπως ορίζεται στην αρχή του κύκλου ζωής του λογισμικού δίνει πιο πολύ έμφαση στην εξωτερική ποιότητα και διαφέρει από την εσωτερική, όπως για παράδειγμα στη σχεδίαση η οποία αναφέρεται στην εσωτερική ποιότητα και αφορά τους μηχανικούς λογισμικού. Οι τεχνικές εξόρυξης δεδομένων που μπορούν να χρησιμοποιηθούν για την επίτευξη του απαραίτητου επιπέδου ποιότητας, όπως είναι ο καθορισμός και η αξιολόγηση της ποιότητας πρέπει να λαμβάνουν υπόψη τους τις διαφορετικές αυτές διαστάσεις σε κάθε στάδιο του κύκλου ζωής του προϊόντος. Στα πλαίσια αυτής της διδακτορικής διατριβής έγινε σε βάθος έρευνα σχετικά με τεχνικές εξόρυξης δεδομένων και εφαρμογές τόσο στο πρόβλημα διαχείρισης πληροφορίας όσο και στο πρόβλημα της αξιολόγησης λογισμικού. / The World Wide Web has gradually transformed into a large data repository consisting of vast amount of data in many different types. These data doubles about every year, but useful information seems to be decreasing. The area of data mining has arisen over the last decade to address this problem. It has become not only an important research area, but also one with large potential in the real world. Data mining has many directives and handles various types of data. When the related data are for example data streams or XML data then the problems seem to be very crucial and interesting. Also contemporary systems and applications related to communities of practice seek appropriate data mining techniques and algorithms in order to help their members. Finally, great interest has the field of software evaluation when by using data mining in order to facilitate the comprehension and maintainability evaluation of a software system’s source code. Source code artifacts and measurement values can be used as input to data mining algorithms in order to provide insights into a system’s structure or to create groups of artifacts with similar software measurements. First, data streams are large volumes of data arriving continuously. Data mining techniques have been proposed and studied to help users better understand and analyze the information. Clustering is a useful and ubiquitous tool in data analysis. With the rapid increase in web-traffic and e-commerce, understanding user behavior based on their interaction with a website is becoming more and more important for website owners and clustering in correlation with personalization techniques of this information space has become a necessity. The knowledge obtained by learning the users preferences can help improve web content, find usability issues related to this content and its structure, ensure the security of provided data, analyze the different groups of users that can be derived from the web access logs and extract patterns, profiles and trends. This thesis investigates the application of a new model for clustering and analyzing click-stream data in the World Wide Web with two different approaches. The next part of the thesis deals with data mining techniques regarding communities of practice. These are groups of people taking part in a collaborative way of learning and exchanging ideas. Systems for supporting argumentative collaboration have become more and more popular in digital world. There are many research attempts regarding collaboration filtering and recommendation systems. Sometimes depending on the system and its needs there are different problems and developers have to deal with special cases in order to provide useful service to users. Data mining can play an important role in the area of collaboration systems that want to provide decision support functionality. Data mining in these systems can be defined as the effort to generate actionable models through automated analysis of their databases. Data mining can only be deployed successfully when it generates insights that are substantially deeper than what a simple view of data can give. This thesis introduces a framework that can be applied to a wide range of software platforms aiming at facilitating collaboration and learning among users. More precisely, an approach that integrates techniques from the Data Mining and Social Network Analysis disciplines is being presented. The next part of the thesis deals with XML data and ways to handle huge volumes of data that they may hold. Lately data written in a more sophisticated markup language such as XML have made great strides in many domains. Processing and management of XML documents have already become popular research issues with the main problem in this area being the need to optimally index them for storage and retrieval purposes. This thesis first presents a unified clustering algorithm for both homogeneous and heterogeneous XML documents. Then using this algorithm presents an XML P2P system that efficiently distributes a set of clustered XML documents in a P2P network in order to speed-up user queries. Ultimately, data mining and its ability to handle large amounts of data and uncover hidden patterns has the potential to facilitate the comprehension and maintainability evaluation of a software system. This thesis investigates the applicability and suitability of data mining techniques to facilitate the comprehension and maintainability evaluation of a software system’s source code. What is more, this thesis focuses on the ability of data mining to produce either overviews of a software system (thus supporting a top down approach) or to point out specific parts of this system that require further attention (thus supporting a bottom up approach) potential to facilitate the comprehension and maintainability evaluation of a software system.

This study examines the intricate dynamics of online anonymity in the context of Fishbrain, a platform for fishing enthusiasts. By conducting semi-structured interviews with ten Fishbrain users, I scrutinized the experiences and understanding of online anonymity through a deductive thematic analysis approach. This research was further underpinned by a comprehensive platform analysis. Using Eklund et al.'s framework [15], I studied six themes that encompass both macro and micro-regulating structures that govern online anonymity. The research findings highlight the pivotal role of these structures, revealing that users frequently balance the advantages of disclosing personal information against potential risks. This study accentuates the need to consider a spectrum of factors—commercial, legal, and technological structures, alongside the factual, social group, and physical facets of anonymity—when investigating online anonymity. This research expands the existing body of knowledge on online anonymity and provides valuable insights for platforms like Fishbrain to better address their users' concerns and customize their features and policies effectively.