Syftet med studien är att undersöka och synliggöra faktorer som kan påverka  dansmatteundervisnings relevans för elevers lärande i matematikämnet, detta i grundskolans tidigare år. Två kvalitativa insamlingsmetoder, i form av semistrukturerade intervjuer och observationer, har använts i undersökningen. Resultatet antyder att dansmatteundervisning kan vara relevant i och med att arbetssättet innebär en förståelseinriktad undervisning, där ett reflekterande arbetssätt med gemensamma samtal om matematiskt innehåll genomsyrar undervisningen. Att kommunikationen ökar, genom att både verbal och kinestetisk kommunikation samspelar i dansmatteundervisning, kan också bidra till att arbetssättet kan vara relevant. Pedagogens möjlighet till direkt återkoppling till elever anses som en styrka i dansmatteundervisning. De mest kritiska och avgörande faktorerna som kan påverka eller begränsa dansmatteundervisnings relevans antyder resultaten vara pedagogens ämnesspecifika kompetens, genomförande av samplanering mellan involverade pedagoger, samt tidsplaneringen med mängden avsatt tid för genomförandet av dansmatteundervisning. Dessa faktorer kan påverka eller begränsa dansmatteundervisnings relevans för elevers lärande. Slutsatser som gjorts i studien är att dansmatteundervisning är relevant för elevers lärande i matematikämnet ur aspekter som elevers möjlighet till djupinlärning, ökad kommunikation i undervisningen, ökad konceptuell undervisning, förståelseinriktad undervisning samt att elever upplever variationen som motivationshöjande. Dansmatteundervisning kan både vara inkluderande och exkluderande för elever, vilket påverkar dansmatteundervisningens relevans.

Syftet med denna undersökning var att ta reda på hur en grupp elevers lärande påverkades genom användning av olika lärstilar som renodlats. Detta genomfördes som en fallstudie i vilken jag ställde mig frågorna: Vilka olika lärstilar har mina elever? Hur kan undervisningen utformas så att olika lärstilar renodlas? Hur påverkas elevernas lärande av undervisning där olika lärstilar har renodlats? Fallstudien bestod av flera olika kvalitativa metoder. Först lät jag eleverna utföra ett par lärstilstest för att få en uppfattning om vilka lärstilar som fanns representerade i gruppen. Jag utgick från teorier om sinnespreferenser och multipla intelligenser. Nästa del av fallstudien var att utveckla en lektionsplanering där jag renodlade vissa lärstilar. Här utgick jag från alla inspirationskällor jag hittade, litteratur, kollegor, eleverna osv. Jag utgick också från resultaten av lärstilstesten. Under lektionerna skrev eleverna och jag ner våra reflektioner i loggböcker. Sista delen av studien var att ta reda på hur elevernas lärande påverkats av undervisningen där olika lärstilar hade renodlats. För detta gjordes en skriftlig utvärdering. Vi fick reda på en hel del om vilka olika lärstilar eleverna har. Jag har lärt mig mycket mer om hur jag kan utforma min undervisning så att jag renodlar vissa lärstilar. Elevernas lärande påverkades synnerligen gynnsamt av undervisning där olika lärstilar renodlades. Jag har fått indikationer på att några av eleverna upplevde att de lärde sig mer djupinriktat. Deras motivation och lust ökade. De kreativa inslagen i undervisningen uppskattades mycket; musik, lek och skrivande, men framförallt variationen av undervisningssätt.

Abstract: I rapporten intervjuas fyra mellanstadielärare på en 4-6 skola i Borås stad, om deras syn på praktisk matematik. I vilken utsträckning använder sig lärarna av praktisk matematik, när använder dom det, hur ser de på själva uppgiften samt om uppgifterna ökar elevernas motivation, lust och förståelse för matematik. Intervjuerna deklarerar att det finns en stor osäkerhet i hur praktisk matematik skall användas och vilka fördelar den för med sig. Lärarna anser att det bedrivs för lite praktisk matematik på skolan, bokens trygghet lockar allt för mycket. Lärarna poängterar också att vissa områden är lättare än andra att applicera praktisk matematik på. Det finns inte någon direkt uttalad linje när det gäller praktiska moment utan det kommer när det kommer. Däremot är man överens om att lusten och motivationen ofta stärks och att de svaga eleverna får möjlighet att lyckas. Vissa forskare menar att ett praktiskt arbetssätt är helt nödvändigt för att ta upp kunskapen på en ny nivå. Kunskapen måste kunna sättas in i en kontext för att djupinlärning skall erhållas.

<p>Syftet med denna undersökning var att ta reda på hur en grupp elevers lärande påverkades genom användning av olika lärstilar som renodlats. Detta genomfördes som en fallstudie i vilken jag ställde mig frågorna:</p><p>Vilka olika lärstilar har mina elever?</p><p>Hur kan undervisningen utformas så att olika lärstilar renodlas?</p><p>Hur påverkas elevernas lärande av undervisning där olika lärstilar har renodlats?</p><p>Fallstudien bestod av flera olika kvalitativa metoder. Först lät jag eleverna utföra ett par lärstilstest för att få en uppfattning om vilka lärstilar som fanns representerade i gruppen. Jag utgick från teorier om sinnespreferenser och multipla intelligenser. Nästa del av fallstudien var att utveckla en lektionsplanering där jag renodlade vissa lärstilar. Här utgick jag från alla inspirationskällor jag hittade, litteratur, kollegor, eleverna osv. Jag utgick också från resultaten av lärstilstesten. Under lektionerna skrev eleverna och jag ner våra reflektioner i loggböcker.</p><p>Sista delen av studien var att ta reda på hur elevernas lärande påverkats av undervisningen där olika lärstilar hade renodlats. För detta gjordes en skriftlig utvärdering.</p><p>Vi fick reda på en hel del om vilka olika lärstilar eleverna har. Jag har lärt mig mycket mer om hur jag kan utforma min undervisning så att jag renodlar vissa lärstilar. Elevernas lärande påverkades synnerligen gynnsamt av undervisning där olika lärstilar renodlades. Jag har fått indikationer på att några av eleverna upplevde att de lärde sig mer djupinriktat. Deras motivation och lust ökade. De kreativa inslagen i undervisningen uppskattades mycket; musik, lek och skrivande, men framförallt variationen av undervisningssätt.</p>

<p>Abstract: I rapporten intervjuas fyra mellanstadielärare på en 4-6 skola i Borås stad, om deras syn på praktisk matematik. I vilken utsträckning använder sig lärarna av praktisk matematik, när använder dom det, hur ser de på själva uppgiften samt om uppgifterna ökar elevernas motivation, lust och förståelse för matematik.</p><p>Intervjuerna deklarerar att det finns en stor osäkerhet i hur praktisk matematik skall användas och vilka fördelar den för med sig. Lärarna anser att det bedrivs för lite praktisk matematik på skolan, bokens trygghet lockar allt för mycket. Lärarna poängterar också att vissa områden är lättare än andra att applicera praktisk matematik på. Det finns inte någon direkt uttalad linje när det gäller praktiska moment utan det kommer när det kommer. Däremot är man överens om att lusten och motivationen ofta stärks och att de svaga eleverna får möjlighet att lyckas. Vissa forskare menar att ett praktiskt arbetssätt är helt nödvändigt för att ta upp kunskapen på en ny nivå. Kunskapen måste kunna sättas in i en kontext för att djupinlärning skall erhållas.</p>

Syftet med detta kandidatarbetet är att hitta ett sätt att spåra och förebygga nätmobbning med hjälp av självinlärningssystem, webbteknologier och antimobbningsmetoder. Uppsatsen tar även upp problematiken kring mobbning i skolor, nätmobbning och ansvarstagande inom utvecklande av webbapplikationer. Denna studien går vidare in på olika typer av nätmobbning, dess effekter, fall, system som motverkar nätmobbning och generellt om självinlärningssystem. Studien går även in på djupet vad det gäller metoder vi har använt för att spåra och förebygga nätmobbning, också vidare in på hur vi har arbetat för att ta fram en prototyp. Den här prototypen är ett exempel på hur nätmobbning skulle kunna spåras och förebyggas. Med detta skrivet är vår slutsats att det är möjligt att spåra och förebygga nätmobbning med hjälp av webbteknologier, självinlärningssystem och antimobbningsmetoder. Det handlar huvudsakligen om att ta ansvar för förutsättningarna användarna får av utvecklare i ett givet system. När utvecklare förstår sitt ansvar är det lättare för dem att inse problemen som kan uppstå när användarna blir utsatta för deras system. Vi drog även slutsatsen att det är viktigt att låta användarna själva ta en aktiv ställning i vad som kan räknas som nätmobbning för att främja vårt egna självinlärningssystem.

This thesis describes a comparison of several state-of-the-art methods used for re-identification of a person between several non-overlapping views captured by surveillance cameras. Since 2014, the focus of the area of person re-identification has been heavily oriented towards approaches employing the use of neural network due to the increase in performance shown from this approach. Three different methods employing convolutional neural networks as a means of attempting automatic person re-identification have mainly been evaluated in this thesis. These three methods are named Spatial-Temporal Person Re-identification (ST-reID), Top DropBlock Network (Top-DB-Net), and Adaptive L2 Regularization. A fourth method known as Multiple Expert Brainstorming Network (MEB-Net) using domain adaptation is used for comparison to the results of applying the trained models from the other three methods on an unseen environment. As an attempt at improving the results of applying the models on an unseen environment, two different approaches have been taken. The first of these is an attempt at segmenting the person from the background by creating a mask that encapsulates the person while disregarding the background, as opposed to using a rectangular cropped image for training and evaluating the methods. To do this, Mask-RCNN which is a framework for object instance segmentation is used. The second approach explored in this thesis is attempting automatic white balancing as a means of removing the effect of the illumination source of the scenes before the person images are extracted. Both approaches show positive results when the model is applied on an unseen environment as opposed to using the unchanged person images, although the results have not been able to match those that have been obtained using domain adaptation. / <p>Examensarbetet är utfört vid Institutionen för teknik och naturvetenskap (ITN) vid Tekniska fakulteten, Linköpings universitet</p>

Detta är en avhandling om hur elever i en årskurs sex får en större erfarenhet av alternativa prov i jämförelse med traditionella prov i avseende på deras lärande. De fick tre olika prov varav ett var ett traditionellt skriftligt prov, som främst testade deras minneskunskap. De andra två proven var alternativa prov. Eleverna fick sedan besvara en del frågor om hur de upplevde dessa två olika former av prov. Resultatet var blandat, en del elever föredrog det alternativa provet, en del inte. De flesta eleverna trodde dock att de lärde sig mer från de alternativa proven eftersom frågorna var mer öppna och att de då fick möjlighet att tänka ut svaren i ett större sammanhang. / This is an essay about how students in sixth class possess any experience about alternative test in comparison to a traditional assessment considering their learning. During this examination the students received three different examples; the first one was a traditional written test, which mainly tests their memory knowledge. The other two tests were alternative tests. The students had to answer some questions concerning their experience about these two different kinds of tests. The results we got from the study were divergent. Some of the students liked it and some didn’t. But most of the students thought that they learned more from the alternative tests, because the questions in this test were more open, and because of that they had some opportunity to think about the answers in a larger context.

Deep learning methods have the ability to accurately predict and interpret what data represents. However, the decision making of a deep learning model is not comprehensible for humans. This is a problem for sectors like market surveillance which needs clarity in the decision making of the used algorithms. This thesis aimed to investigate how a deep learning model can be constructed to make the decision making of the model humanly comprehensible, and to investigate the potential impact on classification performance. A literature study was performed and publicly available explanation methods were collected. The explanation methods LIME, SHAP, model distillation and SHAP TreeExplainer were implemented and evaluated on a ResNet trained on three different time-series datasets. A decision tree was used as the student model for model distillation, where it was trained with both soft and hard labels. A survey was conducted to evaluate if the explanation method could increase comprehensibility. The results were that all methods could improve comprehensibility for people with experience in machine learning. However, none of the methods could provide full comprehensibility and clarity of the decision making. The model distillation reduced the performance compared to the ResNet model and did not improve the performance of the student model. / Djupinlärningsmetoder har egenskapen att förutspå och tolka betydelsen av data. Däremot så är djupinlärningsmetoders beslut inte förståeliga för människor. Det är ett problem för sektorer som marknadsövervakning som behöver klarhet i beslutsprocessen för använda algoritmer. Målet för den här uppsatsen är att undersöka hur en djupinlärningsmodell kan bli konstruerad för att göra den begriplig för en människa, och att undersöka eventuella påverkan av klassificeringsprestandan. En litteraturstudie genomfördes och publikt tillgängliga förklaringsmetoder samlades. Förklaringsmetoderna LIME, SHAP, modelldestillering och SHAP TreeExplainer blev implementerade och utvärderade med en ResNet modell tränad med tre olika dataset. Ett beslutsträd användes som studentmodell för modelldestillering och den blev tränad på båda mjuka och hårda etiketter. En undersökning genomfördes för att utvärdera om förklaringsmodellerna kan förbättra förståelsen av modellens beslut. Resultatet var att alla metoder kan förbättra förståelsen för personer med förkunskaper inom maskininlärning. Däremot så kunde ingen av metoderna ge full förståelse och insyn på hur beslutsprocessen fungerade. Modelldestilleringen minskade prestandan jämfört med ResNet modellen och förbättrade inte prestandan för studentmodellen.

Introduktion: Datortomografi är en effektiv och snabb undersökningsmetod och skapar en detaljrik bild. Antal datortomografi undersökningar ökar varje år och relativt högstråldoser som kan bli skadligt är oroväckande. Det finns metoder som kan sänka och/eller förebygga joniserande strålning. Artificiell intelligens kan uppfylla uppgifter som kräver mänsklig intelligens. I dagsläget pågår forskningar gällande stråldosreduktion med hjälp av artificiell intelligens. Syfte: Syftet med studien är att undersöka om det är möjligt att reducera stråldosen med hjälp av AI vid DT-undersökningar. Metod: Studiens metod är en litteraturstudie. Efter en litteratursökning i Pubmed, Cinahl och Web of science valdes 13 artiklar. Artiklar kvalitetsgranskades och analyserades. Resultat: Resultatet baserades på analys av 13 vetenskapliga artiklar. I analysen av artiklarna framkom två kategorier: Patientförberedelser (innan undersökningen) och Bildbehandling (efter undersökningen). Bildbehandling består av två under kategorier: Fantom- och patientstudier. Enligt resultaten visade automatisk patientplacering (AP) mer noggrann patient placering än manuell patientplacering (MP) och AP reducerade stråldosen redan innan undersökningen genom rätt val av vertikal placering och scanlängd. Djupinlärning bildrekonstruktion algoritmen (DLIR) reducerade stråldosen cirka 72% och gav jämförbart bildkvalitet till standarddosbilder. Slutsatser: Stråldosen kunde reduceras både genom att använda AI vid patientplacering och med hjälp av olika rekonstruktionstekniker efter att bilderna har tagits. I dagsläget finns det begränsat antal studier utförda inom området och det behövs vidare studier.