Inledning: Flertalet organisationer har idag kommit att identifiera sina medarbetare som den viktigaste resursen, detta har lett till att allt högre krav ställs på HR-funktioner/personalavdelningar. Att de ska tillfredsställa både medarbetarna och organisationernas behov för att på så vis bidra till att organisationen når framgång. Under de senare åren har många personalavdelningar förändrats till HR-funktioner med mer strategiska inriktningar, övergången har medfört oklarheter kring HR-funktionens roller, vilket i många fall har lett till att HR-funktionens fulla potential inte nyttjas samt att deras arbete begränsas. <img src="file:///page2image8968" />Syfte: Att öka kunskapen kring HR-funktionen och dess tillskrivna roller, skapa en medvetenhet och förståelse för de oklarheter som existerar kring dessa. Vi vill synliggöra de effekter och konsekvenser misstolkningar kan generera, vilket i sin tur kan möjliggöra för förbättringar. Metod: Studien genomförs i form av en fallstudie bland ledning och mellanchefer på ett medelstort företag inom tillverkningsindustrin. Den har en kvalitativ forskningsstrategi med en deduktiv ansats, där datainsamling sker genom kvalitativa intervjuer. Resultat: Studien har påvisat att det finns olika uppfattningar kring HR- funktionens roller samt att dessa uppfattningar och värderingar skiljer sig åt mellan ledning och mellanchefer. Trots att en del miss- uppfattningar verkar begränsa HR-funktionens egentliga syfte, så har studien visat på att HR-funktionen både efterfrågas och har kapacitet att kunna hantera flera varierade arbetsmoment för att möta olika behov. Studien inspirerade även till en ny roll, Profil- och Kulturbärare. En tydligare profilering av HR-funktionen och vad de faktiskt kan bidra med till organisationen rekommenderas.

Purpose: The purpose of this study is to identify HR employees´ attitude towards usingChatGPT as a support tool in work.Method: This study is addresses on the phenomenon ChatGPT in the HR function. The studyis based on an empirical phenomenon which determined an inductive research approach witha qualitative research strategy. The study applies a case study design with unstructuredinterviews as the source for data collection.Conclusion: The study’s results shows that HR-employees have an overall positive attitudetowards using ChatGPT as a tool in their work. The study’s results show that the use ofChatGPT in the HR-function saves time. The challenges that the HR-function faces related tothe use of ChatGPT varies depending on the organization’s external factors. The study alsoconcludes that the future way of working, competencies and HR-education will have to changedue to the use of ChatGPT in the HR-function. / Syfte: Studiens syfte är att identifiera HR-medarbetares inställning till användningen avChatGPT som stöd i arbetet.Metod: Studien behandlar fenomenet ChatGPT i HR-funktionen. Studien baseras på ettempiriskt fenomen vilket innebär att en induktiv forskningsansats med en kvalitativforskningsstrategi har tillämpats. Studien tillämpar en fallstudiedesign där ostruktureradeintervjuer var den valda datainsamlingsmetoden.Slutsats: Studiens resultat visar att HR-medarbetare har en övergripande positiv inställning tillanvändningen av ChatGPT i arbetet. Studien resulterar i att användningen av ChatGPT i HRarbete frigör tid. De utmaningar som HR-funktionen står inför relaterat till användningen avChatGPT präglas av organisationens externa faktorer. Studien resulterar även i att framtidaarbetssätt, kompetenser samt HR-utbildningar kommer behöva förändras till följd avanvändningen av ChatGPT i HR-arbete.

Cardiovascular diseases (CVDs) are the main cause of mortality worldwide, counting for a third of world demises. Consequently, early detection and underlying factors of these pathologies can play a critical role in successful treatments. Many researchers have applied machine learning (ML) for mortality risk estimation in CVDs. However, this is difficult due to their complex and multifactorial nature and the lack of large, unbiased data collections. This thesis holds statistical analysis results and a binary classification model for CVDs mortality prediction based on the ESCARVAL-RISK study, a large cohort study (54,678 patients) running from January 2008 until December 2012. This study faces highly imbalanced classes that may lead to classification models with low specificity and sensitivity. This work proposes several ways to balance classes, including hyperparameter optimization and sample techniques tested over 15 different classification algorithms to overcome the problem. While the specificity is low, the proposed approach using SHapley Additive exPlanations (SHAP) identifies factors that may be optimal targets for intensified preventive interventions. / Kardiovaskulära sjukdomar är den främsta dödsorsaken i världen och står för en tredjedel av alla dödsfall i världen. Därför kan tidig upptäckt och underliggande faktorer för dessa sjukdomar spela en avgörande roll för framgångsrika behandlingar. Många forskare har tillämpat maskininlärning (ML) för uppskattning av dödlighetsrisker vid hjärt- och kärlsjukdomar. Detta är dock svårt på grund av deras komplexa och multifaktoriella natur och bristen på stora, opartiska datainsamlingar. Denna avhandling innehåller statistiska analysresultat och en binär klassificeringsmodell för att förutsäga dödligheten i hjärt- och kärlsjukdomar baserat på ESCARVAL-RISK-studien, en stor kohortstudie (54 678 patienter) som pågick från januari 2008 till december 2012. I studien finns mycket obalanserade klasser som kan leda till klassificeringsmodeller med låg specificitet och känslighet. I detta arbete föreslås flera sätt att balansera klasserna, inklusive optimering av hyperparametrar och provtagningstekniker som testats över 15 olika klassificeringsalgoritmer för att lösa problemet. Även om specificiteten är låg identifierar den föreslagna metoden med hjälp av SHapley Additive exPlanations(SHAP) faktorer som kan vara optimala mål för intensifierade förebyggande insatser.