En person som blir utsatt för ett frihetsberövande på grund av misstanke om brott är berättigad till ersättning från staten om hen sedermera inte blir dömd. Enligt frihetsberövandelagen kan sådan ersättning omfatta kostnader för utgifter, förlorad arbetsförtjänst, intrång i näringsverksamhet och lidande. Syftet med uppsatsen är att beskriva och utreda hur lidandet ersätts av JK och staten samt vilka faktorer som kan påverka lidandet för den felaktigt frihetsberövade personen. För att klargöra vad som faktiskt anses påverka lidande har förarbetena till lagen samt ett flertal olika JK-avgöranden och domstolsavgöranden studerats. Ersättning för en persons lidande utgår med ett normalbelopp enligt en intern mall hos JK, som baseras på en förutbestämd summa pengar per månad. Normalbeloppet kan höjas eller sänkas efter beaktande av omkringliggande omständigheter som t.ex. brottsmisstankens art och den felaktigt frihetsberövades ålder. Tidigare gavs högre ersättning för den uppmärksamhet som frihetsberövandet hade fått i massmedia, men enligt gällande praxis ingår hänsyn till massmedial publicitet i normalersättningen. På liknande sätt ingår också det lidande som uppstår på grund av restriktioner i normalbeloppet. Ersättningsbeloppet kan däremot komma att helt vägras eller jämkas om den felaktigt frihetsberövande personens eget beteende har föranlett frihetsberövandet. Med anledning av att lidande är en icke ekonomisskada som ska ersättas av staten är min slutsats att det är behövligt att JK utgår från ett normalbelopp baserat på frihetsberövandets varaktighet. Att sedan kunna höja eller sänka normalbelopp på grund av omkringliggande omständigheter, så som den enskildes subjektiva upplevelser eller eget beteende är bra. Däremot anser jag att en mer subjektiv bedömning bör göras av hur den enskildes lidande påverkas av massmedias publicitet, och där med inte vara en del av normalersättningen.

The rise of multilingualism has fueled the demand for computer-assisted pronunciation training (CAPT) systems for language learning, CAPT systems make use of speech technology advancements and offer features such as learner assessment and curriculum management. Mispronunciation detection (MD) is a crucial aspect of CAPT, aimed at identifying and correcting mispronunciations in second language learners’ speech. One of the significant challenges in developing MD models is the limited availability of labeled second-language speech data. To overcome this, the thesis introduces SpeechBlender - a fine-grained data augmentation pipeline designed to generate mispronunciations. The SpeechBlender targets different regions of a phonetic unit and blends raw speech signals through linear interpolation, resulting in erroneous pronunciation instances. This method provides a more effective sample generation compared to traditional cut/paste methods. The thesis explores also the use of pre-trained automatic speech recognition (ASR) systems for mispronunciation detection (MD), and examines various phone-level features that can be extracted from pre-trained ASR models and utilized for MD tasks. An deep neural model was proposed, that enhance the representations of extracted acoustic features combined with positional phoneme embeddings. The efficacy of the augmentation technique is demonstrated through a phone-level pronunciation quality assessment task using only non-native good pronunciation speech data. Our proposed technique achieves state-of-the-art results, with Speechocean762 Dataset [54], on ASR dependent MD models at phoneme level, with a 2.0% gain in Pearson Correlation Coefficient (PCC) compared to the previous state-of-the-art [17]. Additionally, we demonstrate a 5.0% improvement at the phoneme level compared to our baseline. In this thesis, we developed the first Arabic pronunciation learning corpus for Arabic AraVoiceL2 to demonstrate the generality of our proposed model and augmentation technique. We used the corpus to evaluate the effectiveness of our approach in improving mispronunciation detection for non-native Arabic speakers learning. Our experiments showed promising results, with a 4.6% increase in F1-score for the Arabic AraVoiceL2 testset, demonstrating the effectiveness of our model and augmentation technique in improving pronunciation learning for non-native speakers of Arabic. / Den ökande flerspråkigheten har ökat efterfrågan på datorstödda CAPT-system (Computer-assisted pronunciation training) för språkinlärning. CAPT-systemen utnyttjar taltekniska framsteg och erbjuder funktioner som bedömning av inlärare och läroplanshantering. Upptäckt av felaktigt uttal är en viktig aspekt av CAPT som syftar till att identifiera och korrigera felaktiga uttal i andraspråkselevernas tal. En av de stora utmaningarna när det gäller att utveckla MD-modeller är den begränsade tillgången till märkta taldata för andraspråk. För att övervinna detta introduceras SpeechBlender i avhandlingen - en finkornig dataförstärkningspipeline som är utformad för att generera feluttalningar. SpeechBlender är inriktad på olika regioner i en fonetisk enhet och blandar råa talsignaler genom linjär interpolering, vilket resulterar i felaktiga uttalsinstanser. Denna metod ger en effektivare provgenerering jämfört med traditionella cut/paste-metoder. I avhandlingen undersöks användningen av förtränade system för automatisk taligenkänning (ASR) för upptäckt av felaktigt uttal. I avhandlingen undersöks olika funktioner på fonemnivå som kan extraheras från förtränade ASR-modeller och användas för att upptäcka felaktigt uttal. En LSTM-modell föreslogs som förbättrar representationen av extraherade akustiska egenskaper i kombination med positionella foneminbäddningar. Effektiviteten hos förstärkning stekniken demonstreras genom en uppgift för bedömning av uttalskvaliteten på fonemnivå med hjälp av taldata som endast innehåller taldata som inte är av inhemskt ursprung och som ger ett bra uttal, Vår föreslagna teknik uppnår toppresultat med Speechocean762-dataset [54], på ASR-beroende modeller för upptäckt av felaktigt uttal på fonemnivå, med en ökning av Pearsonkorrelationskoefficienten (PCC) med 2,0% jämfört med den tidigare toppnivån [17]. Dessutom visar vi en förbättring på 5,0% på fonemnivå jämfört med vår baslinje. Vi observerade också en ökning av F1-poängen med 4,6% med arabiska AraVoiceL2-testset.

This thesis investigates the possibilities of increasing efficacy and general improvement of unsupervised medical treatments by implementing electronics and embedded systems (so-called smart devices) to allow the physician to monitor or track the treatment and adherence of the patient to it. The diseases in focus are respiratory: asthma and Chronic Obstructive lung [Pulmonary] Disease (COPD). This thesis will furthermore attempt to show that shortcomings in the current treatment of these diseases incur significant human costs by loss of quality of life for the patients and causes (avoidable) costs to health-care systems and societies on a macro-economic scale, both direct and indirect. It will find that the technology to create a smart-inhaler exists, and while not a panacea, it can address many of the identified issues with the current mode of treatment.This thesis was written in partnership with SHL Medical AB, and the author wishes to extend specialthanks to Plamen Balkandjiev and Mattias Myrman for their help, support, and patience. / Detta examensarbete undersöker möjligheterna att öka effektiviteten samt allmänna förbättringar av oövervakad medicinsk behandling genom implementering av elektronik och inbyggda system (så kallade smarta-apparater) för att möjliggöra för läkare att övervaka eller följa behandlingen samt huruvida patienten fullföljer den eller ej. Sjukdomarna i fokus är astma och Kronisk Obstruktiv Lungsjukdom (KOL). Vidare kommer detta arbete försöka visa att tillkortakommanden i den befintliga behandlingen av sjukdomar inte bara medför signifikanta minskningar i livskvalitet för patienten utan även orsakar (icke oundvikliga) kostnader för sjukvårdssystem och samhällen på en makro-ekonomisk skala, indirekt såsom direkt. Den kommer även visa att tekniken som krävs för att skapa en smartinhalator existerar, och medans denna inte är en panacé kan den likväl åtgärda många av de identifierade problemen med den befintliga behandlingsmetoden.Detta exmanensarbete skrevs i samarbete med SHL Medical AB och dess författare önskar utsträckaett särskilt tack till Plamen Balkandjiev och Mattias Myrman för deras hjälp, stöd och tålamod.