Denna studie undersöker de retoriska strategierna som används i debattartiklar publicerade av den svenska tidningen Svenska Dagbladet angående användningen av ChatGPT, en avancerad chatbot, inom utbildning. Analyserna av dessa artiklar syftar till att belysa argumenten för och emot ChatGPT:s användning i skolor och bidra till en bättre förståelse av hur retorik kan forma åsikter om teknologi och innovation inom utbildning. För att uppnå detta använder studien en teoretisk ram som hämtar från konstruktivismteori, medialisering, moralpanik, teknisk determinism och retorikteori och dess övertygande enheter. Forskningsfrågorna som utforskas i denna studie inkluderar skildringen av ChatGPT:s påverkan på utbildning, de retoriska strategierna som används i artiklarna och den potentiella påverkan av moralisk panik på attityder till teknologi och innovation inom utbildning. Resultaten avslöjar att artiklarna presenterade både positiva och negativa perspektiv på användningen av ChatGPT och att olika retoriska strategier, såsom appel till auktoritet och känslor, användes för att påverka läsarnas åsikter. Studien bidrar till en bättre förståelse av retorikens roll i att forma attityder till användningen av avancerade chatbots inom utbildning och betonar vikten av att överväga flera teoretiska perspektiv vid analys av mediediskurs. / This study examines the rhetorical strategies used in opinion articles published by the Swedish newspaper Svenska Dagbladet regarding the use of ChatGPT, an advanced chatbot, in education. The analysis of these articles aims to shed light on the arguments for and against ChatGPT's use in schools and to contribute to a better understanding of how rhetoric can shape opinions about technology and innovation in education. To accomplish this, the study employs a theoretical framework that draws from constructivism theory, mediatization, moral panic, technological determinism, and rhetoric theory and its persuasive devices. The research questions explored in this study include the portrayal of ChatGPT's impact on education, the rhetorical strategies used in the articles, and the potential influence of moral panic on attitudes towards technology and innovation in education. The findings reveal that the articles presented both positive and negative perspectives on the use of ChatGPT, and that various rhetorical strategies, such as appeals to authority and emotion, were used to influence readers' opinions. The study contributes to a better understanding of the role of rhetoric in shaping attitudes towards the use of advanced chatbots in education and highlights the importance of considering multiple theoretical perspectives in analyzing media discourse.

This paper evaluates and analyzes three conversational AI-platforms; Dialogflow (Google), Watson Assistant (IBM) and Teneo (Artificial Solutions) on how they perform based on a set of criteria; pricing model, ease-of-use, efficiency, experience working in the software and what results to expect from each platform. The main focus was to investigate the platforms in order to acquire an understanding of which platform would best be suited for enterprises. The platforms were compared by performing a variety of tasks aiming to answer these questions. The technical research was combined with an analysis of each company’s pricing model and strategy to get an understanding of how they target their products on the market. This study concludes that different softwares may be suitable for different settings depending on the size of an enterprise and the demand for complex solutions. Overall, Teneo outperformed its competitors in these tests and seems to be the most scalable solution with the ability to create both simple and complicated solutions. It was more demanding to get started in comparison with the other platforms, but became more efficient as time progressed. Some findings include that Dialogflow and Watson Assistant lacked capabilities when faced with  complex and complicated tasks. From a pricing strategy point of view, the companies are similar in their approach but Artificial Solutions and IBM has more flexible methods while Google has a fixed pricing strategy. Combining the pricing strategy and technical analysis this implicates that Teneo would be a better choice for larger enterprises while Watson Assistant and Dialogflow may be more suitable for smaller ones. / Det här arbetet evaluerar och analyserar tre konversationella AI-plattformar; Dialogflow (Google), Watson Assistant (IBM) och Teneo (Artificial Solutions) utifrån hur de presterar baserat på ett antal  kriterier; prismodell, enkel användning, effektivitet, upplevelse att arbeta i programvaran och vilka resultat man förväntar sig från varje plattform. Huvudsakligt fokus var att undersöka plattformarna för att få en uppfattning om vilken plattform som skulle passa bäst för företag. Plattformarna jämfördes genom att utföra en mängd olika uppgifter som syftade till att besvara dessa frågor. Den tekniska forskningen kombinerades med en analys av varje företags prismodell och prisstrategi för att få en uppfattning av hur de riktar sina produkter på marknaden. Denna studie drar slutsatsen att olika programvaror kan vara lämpliga för olika sammanhang beroende på ett företags storlek och dess efterfrågan på komplexa lösningar. Sammantaget överträffade Teneo sina konkurrenter i dessa tester och verkar vara den mest skalbara lösningen med förmågan att skapa både enkla och komplicerade lösningar. Det var mer krävande att komma igång i jämförelse med de andra plattformarna, men det blev mer effektivt med tiden. Vissa fynd inkluderar att Dialogflow och Watson Assistant saknade kapacitet när de mötte komplexa och komplicerade uppgifter. Från en prissättningsstrategisk synvinkel är företagen liknande i sin metod men Artificial Solutions och IBM har mer flexibla metoder medan Google har en fast prissättningstrategi. Genom att kombinera prisstrategi och teknisk analys innebär detta att Teneo skulle vara ett bättre val för större företag medan Watson Assistant och Dialogflow kan vara mer lämpade för mindre.

Digitala kommunikationstjänster som chattbotar och virtuella assistenter blir alltmer förekommande och populärt för företag och organisationer att använda sig av. Chattboten och den virtuella assistenten är besläktade datorsystem uppbyggda med bakomliggande teknik som syftar till att efterlikna mänskliga samtal på ett så realistiskt sätt som möjligt. Företag och organisationer använder dessa digitala kommunikationsverktyg både för interna- och externa bruk som ett kundtjänstalternativ. Vid användning av dessa digitala kommunikationstjänster tillkommer en rad utmaningar. Denna studie ämnar ta reda på de främst förekommande för- och nackdelarna. Studien har genomförts i form av intervjuer med sex svenska storföretag som implementerat chattboten eller den virtuella assistenten på sin webbplats och/eller använder den som ett hjälpmedel internt. En av studiens intervjuade kandidater är utvecklare av virtuell assistans och använder inte verktyget själva. Studiens insamlade resultat från intervjuerna visar att de främst förekommande fördelarna med en chattbot eller virtuell assistent är 1) Tillgängligheten dygnet runt, 2) Den smidiga övergången från chatt till mänsklig handläggare, och 3) Hantering av monotona enkla arbetsuppgifter. De främst förekommande nackdelarna är 1) Systemet tränas med felaktiga data, 2) Olika information når kunden från chattboten och en mänsklig handläggare, och 3) För höga förväntningar på systemet från början. Studiens sammanfattade slutsats är att chattboten och den virtuella assistenten kräver kontinuerligt bakomliggande arbete för att upprätthålla en så god användarupplevelse som möjligt. / Digital communication services such as chatbots and virtual assistants are becoming more common and popular for companies and organizations to use. The chatbot and the virtual assistant are related computer systems built with underlying technology that aims to mimic human conversations in a way as realistic as possible. Companies and organizations use these digital communication tools for both internal and external use as a customer service alternative. When using these digital communication services, several challenges arise. This study intends to find out the main advantages and disadvantages. The study was conducted in the form of interviews with six Swedish companies that have implemented the chatbot or the virtual assistant on their website and/or use it as assistance internally. One of the study's interviewed candidates is a developer of virtual assistance and does not use it themselves within the company. The study's collected results from the interviews show that the main advantages of a chatbot or virtual assistant are 1) Accessibility around the clock, 2) The smooth transition from chat to human administrator, and 3) Handling of monotonous simple tasks. The main disadvantages are 1) The system is trained with incorrect data, 2) Different information reaches the customer from the chatbot and a human administrator, and 3) Too high expectations of the system from the beginning. The study's summary conclusion is that the chatbot and the virtual assistant require continuous underlying work to maintain as good a user experience as possible.

With the rise of intelligent solutions such as cognitive agents, many organizations are trying to identify how they can best utilize the benefits of the technology to make advancements as a company and enhance employee job performance. However, the attempts of many organizations are falling short from their expectations and users do not adopt to the technology. To investigate this problem, a qualitative study was performed with the aim of exploring the different phases of a cognitive agent project process to identify key factors and incentives influencing user adoption, by comparing organizational and individual perspectives. The study results show that 94% of managers see added potential and value in this type of technological initiative, while the number is only 60% for the more operational positions. This indicates a gap between the different perspectives which can hinder successful adoption. The results show that involvement of users throughout the process can decrease this gap. With the increasing complexity of cognitive technology, as it learns over time, the study implies that user awareness and clear expectations through a collaborative process enables increased adoption. Further, the study argues that the adoption process starts earlier than organizations might think. This implies that it is important to look at the life cycle perspective and factors influencing adoption. In order to impact the user adoption rate, this study highlights several factors and incentives, emphasizing on context and the combination of the different aspects, which contribute to higher performance and a wider spread of cognitive agent application. / Med ökningen av intelligenta lösningar, så som kognitiva agenter, gör att många organisationer försöker identifiera hur de kan utnyttja teknikens fördelar bäst för att gynna användarnas effektivitet. Men många organisationers försök lever inte upp till förväntningarna och användarna tar inte till sig tekniken. För att undersöka problemen med detta genomfördes en kvalitativ studie med syftet att utforska de olika faserna i ett kognitiv agent-projekt för att identifiera nyckelfaktorer och incitament som påverkar användandet av lösningen, genom att jämföra det organisatoriska och individuella perspektivet. Studieresultaten visar att 94% av ledarna ser en enorm potential och värde i denna typ av teknikinitiativ, medan endast 60% av de mer operativa användarna upplever värde i en kognitiv agent. Detta indikerar ett gap mellan de olika perspektiven som kan hindra framgångsrik adoption. Resultaten visar att om användare är involverade under hela processen kan det minska detta gap. Med den ökande komplexiteten i kognitiv teknik, som utvecklas över tid, innebär studien att användarmedvetenhet och tydliga förväntningar genom en samarbetsprocess möjliggör ökad adoption. Vidare belyser studien att adoptionsprocessen börjar tidigare än organisationer kan tro. Detta innebär att det är viktigt att titta ur livscykelperspektivet på faktorer som påverkar adoptionen. För att påverka användarnas adoptionsgrad belyser denna studie flera faktorer och incitament, med betoning på kontext och kombinationen av olika aspekter, vilket bidrar till högre prestanda och en bredare spridning av kognitiva agenter.

Evidence-based software engineering (EBSE) solutions for drug discovery that are effective, affordable, and accessible all-in-one are lacking. This thesis chronicles the progression and accomplishments of the AiDA (Artificially-intelligent Desktop Assistant) functional artificial intelligence (AI) project for the purposes of drug discovery in the challenging acute myeloid leukemia context (AML). AiDA is a highly automated combined natural language processing (NLP) and spreadsheet feature extraction solution that harbours potential to disrupt the state of current research investigation methods using big data and aggregated literature. The completed work includes a text-to-function (T2F) NLP method for automated text interpretation, a ranked-list algorithm for multi-dataset analysis, and a custom multi-purpose neural network engine presented to the user using an open-source graphics engine. Validation of the deep learning engine using MNIST and CIFAR machine learning benchmark datasets showed performance comparable to state-of-the-art libraries using similar architectures. An n-dimensional word embedding method for the handling of unstructured natural language data was devised to feed convolutional neural network (CNN) models that over 25 random permutations correctly predicted functional responses to up to 86.64% of over 300 validation transcripts. The same CNN NLP infrastructure was then used to automate biomedical context recognition in >20000 literature abstracts with up to 95.7% test accuracy over several permutations. The AiDA platform was used to compile a bidirectional ranked list of potential gene targets for pharmaceuticals by extracting features from leukemia microarray data, followed by mining of the PubMed biomedical citation database to extract recyclable pharmaceutical candidates. Downstream analysis of the candidate therapeutic targets revealed enrichments in AML- and leukemic stem cell (LSC)-related pathways. The applicability of the AiDA algorithms in whole and part to the larger biomedical research field is explored. / Thesis / Master of Science (MSc) / Lead generation is an integral requirement of any research organization in all fields and is typically a time-consuming and therefore expensive task. This is due to the requirement of human intuition to be applied iteratively over a large body of evidence. In this thesis, a new technology called the Artificially-intelligent Desktop Assistant (AiDA) is explored in order to provide a large number of leads from accumulated biomedical information. AiDA was created using a combination of classical statistics, deep learning methods, and modern graphical interface engineering. It aims to simplify the interface between the researcher and an assortment of bioinformatics tasks by organically interpreting written text messages and responding with the appropriate task. AiDA was able to identify several potential targets for new pharmaceuticals in acute myeloid leukemia (AML), a cancer of the blood, by reading whole-genome data. It then discovered appropriate therapeutics by automatically scanning through the accumulated body of biomedical research papers. Analysis of the discovered drug targets shows that together, they are involved in key biological processes that are known by the scientific community to be involved in leukemia and other cancers.

Syftet med denna studie är att undersöka hur användningen av AI-chatbotar hos Amazon påverkar kundnöjdheten. Metodvalet för denna studie är kvantitativ och baseras på data insamlad genom en enkätundersökning. Enkäten är utformad för att kvantifiera och analysera respondenternas åsikter, beteenden och demografiska variabler. Data analyseras med hjälp av SEM och AMOS. Studien har identifierat signifikanta samband mellan förtroende och kundnöjdhet samt uppfattad enkelhet och kundnöjdhet när det gäller Amazons AI-chatbot. Sambandet är positivt och ökad förtroende samt uppfattad enkelhet leder till ökad kundnöjdhet. / The purpose of this study is to investigate how the use of AI chatbots at Amazon affects customer satisfaction. The method chosen for this study is quantitative and is based on data collected through a survey. The survey is designed to quantify and analyze respondents' opinions, behaviors, and demographic variables. The data is analyzed using SEM and AMOS. The study has identified significant relationships between trust and customer satisfaction, as well as perceived simplicity and customer satisfaction regarding Amazon´s AI chatbot. The relationship is positive and increased trust and perceived ease of use leads to increased customer satisfaction.

The use of artificial intelligence (AI), especially ChatGPT, has increased exponentially in the past years, and it can be seen how AI-based tools are being used in several fields, including education. The literature on AI on education (AIEd), how it has been used, its potential uses, opportunities and challenges were reviewed as well as the literature on sentiment analysis on social media to evaluate the best approach. Since education might face notorious changes due to this technology, assessing how people feel about this potential change in the paradigm is essential. Sentiment analysis on YouTube comments of videos related to ChatGPT, the most popular AI tool for education across learners and educators, was performed. It was found that 62.1% of thes ample had a positive feeling regarding this technology for educational purposes, whereas 19.4% had a negative sentiment and 18.5% were neutral. To contribute to the literature on sentiment analysis of YouTube comments, the two most used and best-performing algorithms were used for this task: Naive Bayes and Support Vector Machine. The results show that the first algorithm had a 61.30% accuracy, whereas SVM had a 71.79%.

The evolution of Language Models (LMs) has enabled building chatbot systems that are capable of human-like dialogues without the need for fine-tuning the chatbot for a specific task. LMs are stateless, which means that a LM-based chatbot does not have a recollection of the past conversation unless it is explicitly included in the input prompt. LMs have limitations in the length of the input prompt, and longer input prompts require more computational and monetary resources, so for longer conversations, it is often infeasible to include the whole conversation history in the input prompt. In this project a short-term memory module is designed and implemented to provide the chatbot context of the past conversation. We are introducing two methods, LimContext method and FullContext method, for producing an abstractive summary of the conversation history, which encompasses much of the relevant conversation history in a compact form that can then be supplied with the input prompt in a resource-effective way. To test these short-term memory implementations in practice, a user study is conducted where these two methods are introduced to 9 participants. Data is collected during the user study and each participant answers a survey after the conversation. These results are analyzed to assess the user experience of the two methods and the user experience between the two methods, and to assess the effectiveness of the prompt design for both answer generation and abstractive summarization tasks. According to the statistical analysis, the FullContext method method produced a better user experience, and this finding was in line with the user feedback. / Utvecklingen av LMs har gjort det möjligt att bygga chatbotsystem kapabla till mänskliga dialoger utan behov av att finjustera chatboten för ett specifikt uppdrag. LMs är stateless, vilket betyder att en chatbot baserad på en LM inte sparar tidigare delar av konversationen om de inte uttryckligen ingår i prompten. LMs begränsar längden av prompten, och längre prompter kräver mer beräknings- och monetära resurser. Således är det ofta omöjligt att inkludera hela konversationshistoriken i prompten. I detta projekt utarbetas och implementeras en korttidsminnesmodul, vars syfte är att tillhandahålla chatboten kontexten av den tidigare konversationen. Vi introducerar två metoder, LimContext metod och FullContext metod, för att ta fram en abstrakt sammanfattning av konversationshistoriken. Sammanfattningen omfattar mycket av det relevanta samtalet i en kompakt form, och kan sedan resurseffektivt förses med den påföljande prompten. För att testa dessa korttidsminnesimplementationer i praktiken genomförs en användarstudie där de två metoderna introduceras för 9-deltagare. Data samlas in under användarstudier. Varje deltagare svarar på en enkät efter samtalet. Resultaten analyseras för att bedöma användarupplevelsen av de två metoderna och användarupplevelsen mellan de två metoderna, och för att bedöma effektiviteten av den snabba designen för både svarsgenerering och abstrakta summeringsuppgifter. Enligt den statistiska analysen gav metoden FullContext metod en bättre användarupplevelse. Detta fynd var även i linje med användarnas feedback.

This thesis explores the implementation of a conversational user interface for Uppsala Municipality, aimed at optimising the balance between cost of usage and quality when using large language models for public services. The central issue addressed is the effective integration of large language models, such as OpenAI's GPT-4, to enhance municipal services without compromising user privacy and data security. The solution developed involves a prototype that utilises a model chooser and prompt tuner, allowing the interface to adapt the complexity of responses based on user input. This adaptive approach reduces costs while maintaining high response quality. The results indicate that the prototype not only manages costs effectively, but also adheres to standards of data privacy and security. Clear information on data use and transparency improved user trust and understanding. In addition, strategies were effectively implemented to handle sensitive and unexpected input, improving overall data security. Overall, the findings suggest that this approach to implementing conversational user interfaces in public services is viable, offering valuable insights into the cost-effective and secure integration of language models in the public sector. The success of the prototype highlights its potential to improve future municipal services, underscoring the importance of transparency and user engagement in public digital interfaces. / Den här masteruppsatsen undersöker implementeringen av ett konversationsgränssnitt för Uppsala kommun, med målet att optimera balansen mellan kostnad och kvalitet vid användning av stora språkmodeller för den offentliga sektorn. Den centrala frågan som besvaras är hur stora språkmodeller, såsom OpenAI:s GPT-4, kan integreras för att förbättra kommunala tjänster utan att kompromissa med användarnas integritet och datasäkerhet. Den utvecklade lösningen innefattar en prototyp som använder en modellväljare och promptjusterare, vilket gör det möjligt för gränssnittet att anpassa svarens komplexitet baserat på användarens meddelande. Detta tillvägagångssätt reducerar kostnaderna samtidigt som en hög svarskvalitet bibehålls. Resultaten visar att prototypen inte bara hanterar kostnaderna effektivt, utan också upprätthåller standarder för datasekretess och säkerhet. Tydlig information om dataanvändning och transparens förbättrade avsevärt användarnas förtroende och förståelse. Dessutom implementerades strategier effektivt för att hantera känslig och oväntad data, vilket förbättrade den övergripande datasäkerheten. Sammanfattningsvis tyder resultaten på att detta tillvägagångssätt för implementering av konversationsgränssnitt i offentliga tjänster är möjligt och erbjuder lärdomar om kostnadseffektiv och säker integration av språkmodeller i offentlig sektor. Prototypens framgång påvisar dess potential att förbättra framtida kommunala tjänster, men lyfter också vikten av transparens och användarengagemang i offentliga digitala gränssnitt.

Artificial Intelligence (AI) is a topic, which is widely discussed around the globe. One branch of AI is Chatbot (CB) technology that uses Natural Language Processing to understand, reply and communicate with humans. Increasingly, CB has gained more popularity in many companies because of its contribution to productivity and efficiency. However, less is said about organizations expectations, use, and challenges of the CB. This exploratory research tries to get a more organizational perspective of this new phenomenon. To do so, we conducted interviews with project members in a large banking organization that utilizes CB. This study contributed three major conclusions: first, the importance of making sure employees understand the importance and scale of training in regard to the use of a chatbot. Second, the results also suggest that the CB performs simple tasks but still has the ability to save time for employees who use it. Third, this study acknowledged the potential in CB and the importance of proactively embracing it today to not fall behind the curve. The result contributes to the research area of CB with insights from an organizational perspective.