This thesis proposes a novel recommendation approach to take advantage of the information available in user-created lists. Our approach assumes associations among any two items appearing in a list together. We consider two different ways to calculate the strength of item-item associations: frequency of co-occurrence, and sum of Bayesian ratings (SBR) of all lists containing the item pair. The latter takes into consideration not only the number of lists the items have co-appeared in, but also the quality of the lists. We collected a data set of user ratings for books along with Listmania lists on Amazon.com using Amazon Web Services (AWS). Our method shows superior performance to existing user-based and item-based collaborative filtering approaches according to the resulted Mean Absolute Error (MAE), coverage, precision and recall.

Syftet med den här litteraturöversikten var att genom tidigare forskning undersöka frågor som berör kooperativt lärande inom läs- och skrivinlärning. Den centrala problemformuleringen för litteraturöversikten var hur det kooperativa lärandet påverkar elevers läs- och skrivinlärning. Problemformuleringen mynnade sedan ut i frågeställningarna om hur kooperativt lärande kan förbättra elevers tidiga läs- och skrivinlärning? Hur presenterar tidigare forskning lärares möjligheter och utmaningar med kooperativt lärande? Vilka möjligheter och utmaningar lyfter tidigare forskning som elever eventuellt möter när de deltar i kooperativt lärande? Omfattande sökningar gjordes för att finna relevant forskning inom området. I det analysarbete som gjorts har tematisk analys använts för att strukturera materialet. Resultatet visar att olika metoder inom kooperativt lärande kan bidra till att förbättra elevers läs- och skrivutveckling. Resultaten visar även på flera gynnsamma effekter hos elever vid användningen av kooperativa arbetsmetoder. Tidigare forskning lyfter även de möjligheter och utmaningar som läraren möter i arbetet med kooperativt lärande.