Detta arbete hade syftet att undersöka hur det arbetas med ordinlärning i engelskundervisningen i den svenska grundskolan. Studien är baserad på intervjuer med syfte att undersöka lärares syn på ordinlärning och vilka metoder de finner mest gynnande för den långsiktiga inlärningen. Intervjuerna var semistrukturerade och genomfördes med hjälp av två lärare som undervisar i årskurserna 1-3 och tre lärare som undervisar i årskurserna 4-6. Resultaten visar att det finns olika metoder som används vid ordinlärning och dessa inkluderar att läraren genemsamt läser och uttalar ord tillsammans med sina elever, samt att uppmärksamma nya ord i texter under läsningens gång. Lärarnas svar visade även att lärarna medvetet integrerar olika metoder i undervisningen för att gynna elevernas ordinlärning. Lärarna säger att de märker vilka metoder eleverna föredrar, vilket bland annat involverar samarbeten, webbaserade aktiviteter och läsning i grupp. Lärarna säger även att det genom undervisningen framgår vilka metoder som är mest gynnsamma än andra.

Quality education is one of the United Nations Sustainable Development Goals. In pursuit of reaching this goal there are multiple available techniques today, where one of them is Artificial Intelligence, AI. How it can be used is not established but a potential area of use is explored in this thesis. It is investigated whether an AI, today available to the public, can be used to generate feedback for human produced multiple choice questions. It also reflects on to what extent the feedback produced is sufficient to be helpful to a student when learning. This area of study is of great importance due to feedback being a great contributor to learners' understanding. However, feedback needs to be available when a learner needs it, and it has to be specific for the learner. This is a big challenge and hard to achieve since feedback is hard to produce, and it is therefore of great importance to find a viable option. Multiple questions with feedback were provided and were sent into an AI with three different prompts, to produce new improved feedback. Ratings of the questions were also provided. The generated feedback was evaluated in two ways, it was rated according to criterias for good feedback and a survey was sent out. The survey gave outside opinions on what prompts were preferred and why. The results showed that feedback can be produced with the different prompts and that it was better and often preferred over the feedback created by humans. The feedback produced was mostly correct, but not always, making the AI not always trustworthy. The results also showed that the feedback produced was mostly considered sufficient. This shows that AI can be used to enhance learning. / Att kunna erbjuda utbildning av god kvalitet är ett av Förenta Nationernas Globala mål mot en hållbar framtid. I strävan för att uppnå detta mål har vi idag tillgång till flera nya tekniker, där en av de nyaste är artificiell intelligens, AI. Hur vi kan använda oss av AI för att uppnå målet är ännu inte fastställt, men ett alternativt användningsområde undersöks i detta arbete. Det kommer undersökas om en AI, som är tillgänglig för allmänheten idag, kan användas för att generera återkoppling till flervalsfrågor som är producerade av en människa. Arbetet reflekterar också över till vilken grad som den producerade återkopplingen är tillräckligt bra för att vara till hjälp vid en students inlärningsprocess. Det är av yttersta vikt att detta område fortsätter undersökas, då återkoppling är en bidragande faktor för studenters förståelse. Återkoppling måste finnas tillgängligt när studenterna behöver det. Detta är en utmaning eftersom bra återkoppling är svårt att producera, och det är därför av stor vikt att hitta ett hållbar alternativ. Flervalsfrågor med återkoppling tillhandahölls och skickades in till en AI med tre olika frågeformuleringar, med avsikt att producera ny förbättrad återkoppling. Värderingar av frågorna var också tillhandahållna. Den genererade återkopplingen utvärderades på två sätt, utefter kriterier för en bra återkoppling och med ett formulär. Formuläret gav utomstående åsikter om vilka återkopplingar som föredrogs och varför. Detta för att undersöka vilken inverkan frågeformuleringen hade på den genererade återkopplingen. Resultatet visade att återkoppling kan produceras med de olika frågeformuleringen och att återkopplingen var bättre och oftast föredragen framför återkopplingen skapad av människor. Återkopplingen var till mestadels korrekt, men inte alltid, vilket medför att AI:ns resultat inte alltid kan anses vara helt trovärdig. Resultatet visade också att den producerade återkopplingen vad tillräckligt bra för att kunna vara till hjälp för de svarande. En slutsats som kan dras är därför att AI kan användas för att förbättra inlärningen, även om det ännu finns förbättringspunkter.

In many relevant scenarios, there is an imbalance between abundant unlabeled data and scarce labeled data to train predictive models. Semi-Supervised Learning and Active Learning are two distinct approaches to deal with this issue. The first one directly uses the unlabeled data to improve model parameter learning, while the second performs a smart choice of unlabeled points to be sent to an annotator, or oracle, which can label these points and increase the labeled training set. In this context, Generative Models are highly appropriate, since they internally represent the data generating process, naturally benefiting from data samples independently of the presence of labels. This Thesis proposes Expectation-Maximization with Density-Weighted Entropy, a novel active semi-supervised learning framework tailored towards generative models. The method is theoretically explored and experiments are conducted to evaluate its application to Gaussian Mixture Models and Multinomial Mixture Models. Based on its partial success, several questions are raised and discussed as to identify possible improvements and decide which shortcomings need to be dealt with before the method is considered robust and generally applicable. / I många relevanta scenarier finns det en obalans mellan god tillgång på oannoterad data och sämre tillgång på annoterad data för att träna prediktiva modeller. Semi-Övervakad Inlärning och Aktiv Inlärning är två distinkta metoder för att hantera denna fråga. Den första använder direkt oannoterad data för att förbättra inlärningen av modellparametrar, medan den andra utför ett smart val av oannoterade punkter som ska skickas till en annoterare eller ett orakel, som kan annotera dessa punkter och öka det annoterade träningssetet. I detta sammanhang är Generativa Modeller mycket lämpliga eftersom de internt representerar data-genereringsprocessen och naturligt gynnas av dataexempel oberoende av närvaron av etiketter. Denna Masteruppsats föreslår Expectation-Maximization med Density-Weighted Entropy, en ny aktiv semi-övervakad inlärningsmetod som är skräddarsydd för generativa modeller. Metoden utforskas teoretiskt och experiment genomförs för att utvärdera dess tillämpning på Gaussiska Mixturmodeller och Multinomiala Mixturmodeller. Baserat på dess partiella framgång ställs och diskuteras flera frågor för att identifiera möjliga förbättringar och avgöra vilka brister som måste hanteras innan metoden anses robust och allmänt tillämplig.

In the domain of cyber security, machine learning promises advanced threat detection. However, the volume of available unlabeled data poses challenges for efficient data management. This study investigates the potential for active learning, a subset of interactive machine learning, to reduce the effort required for manual data labelling. Through different query strategies, the most informative unlabeled data points were selected for manual labelling. The performance of different query strategies was assessed by testing a transformer model’s ability to accurately distinguish tweets mentioning names of advanced persistent threats. The findings suggest that the K-means diversity-based query strategy outperformed both the uncertainty-based approach and the random data point selection, when the amount of labelled training data was limited. This study also evaluated the cost-effective active learning approach, which incorporates high-confidence data points into the training dataset. However, this was shown to be the least effective strategy. Lastly, the study acknowledges that the computational time taken for each query strategy varies significantly between strategies. Hence, an optimal query strategy selection requires a balanced consideration of F-score performance taken together with time efficiency. / Maskininlärning skulle kunna användas för avancerad hotdetektion i cyberdomänen. Dock utgör behovet av träningsdata tillsammans med den stora tillgången till oannoterad data en utmaning. Detta arbete undersöker huruvida aktiv inlärning, en delmängd av interaktiv maskininlärning, kan minska behovet av annoterad data. Genom olika frågestrategier valdes de mest informativa datapunkterna ut för mänsklig annotering. Resultaten för de olika frågestrategierna utvärderades sedan genom att testa en maskininlärningsmodells förmåga att korrekt urskilja tweets som innehåller namn på cyberhotsaktörer. Resultaten tyder på att när mängden annoterad data var begränsad, presterade den diversifieringsbaserade strategin K-means bättre än både den osäkerhetsbaserade frågestrategin och strategin som väljer ut datapunkter slumpmässigt. Denna studie utvärderade också kostnadseffektiv aktiv inlärning som lägger till datapunkter som modellen redan är relativt säker på till träningsdatamängden. Denna metod visade sig dock vara den minst effektiva strategin. Slutligen visar arbetet att beräkningstiden som krävs för varje frågestrategi varierar avsevärt. För att utse den mest optimala frågestrategin krävs därför ett övervägande av både prestanda och tidsåtgång.

Being able to read and interpret affective states plays a significant role in human society. However, this is difficult in some situations, especially when information is limited to either vocal or visual cues. Many researchers have investigated the so-called basic emotions in a supervised way. This thesis holds the results of a multimodal supervised and unsupervised study of a more realistic number of emotions. To that end, audio and video features are extracted from the GEMEP dataset employing openSMILE and OpenFace, respectively. The supervised approach includes the comparison of multiple solutions and proves that multimodal pipelines can outperform unimodal ones, even with a higher number of affective states. The unsupervised approach embraces a traditional and an exploratory method to find meaningful patterns in the multimodal dataset. It also contains an innovative procedure to better understand the output of clustering techniques. / Att kunna läsa och tolka affektiva tillstånd spelar en viktig roll i det mänskliga samhället. Detta är emellertid svårt i vissa situationer, särskilt när information är begränsad till antingen vokala eller visuella signaler. Många forskare har undersökt de så kallade grundläggande känslorna på ett övervakat sätt. Det här examensarbetet innehåller resultaten från en multimodal övervakad och oövervakad studie av ett mer realistiskt antal känslor. För detta ändamål extraheras ljud- och videoegenskaper från GEMEP-data med openSMILE respektive OpenFace. Det övervakade tillvägagångssättet inkluderar jämförelse av flera lösningar och visar att multimodala pipelines kan överträffa unimodala sådana, även med ett större antal affektiva tillstånd. Den oövervakade metoden omfattar en konservativ och en utforskande metod för att hitta meningsfulla mönster i det multimodala datat. Den innehåller också ett innovativt förfarande för att bättre förstå resultatet av klustringstekniker.

<p>Geometri är ett matematiskt område som visat sig vara svårt för svenska elever. Denna undersökning syftar till att ta reda på vilka aspekter på geometri elever i år nio, med särskilt stöd i matematik, behöver utveckla för att nå godkända resultat. Den söker även svar på vilka faktorer som påverkar eleven i inlärningssituationer.</p><p>Empirin inhämtades genom sju semistrukturerade intervjuer. Resultatet visar att begreppsförståelse, formelhantering och förmåga att kommunicera är aspekter som måste fördjupas för att målen i matematik ska nås. De mest frekventa påverkansfaktorer som angavs i inlärningssituationer var läraren, tiden, kompisar och läromedlet.</p>

In my essay I'm studying what aspects of the school environment that influences the pupils experience of safety and what aspects that strengthens the experience of safety. I'm introducing three different dilemmas from three different places in the school environment. The three dilemmas have that in common that they focus on safety. I'm introducing the after-school centre commission according to the National Agency for Education, presenting results and theories from various researchers and authors about how you can work with safety regarding children's development and learning. My conclusion is that safety is a very important aspect when it comes to learning and for the overall development of children. The safety is affected by both the social environment and interaction between pupils and the relationship between the child and the pedagogue. It is also important that everybody that works in a school organizes their work in such a way that the pedagogical environment of the children is safe and secure. My conclusion is also that the pedagogues play an important role in the development of the pupils. In particular by offering safety, notably for the children that lack that in their home environment. Close ties, stability, yardsticks and working with social skills should be a part of the everyday life in a school environment.

Syftet med denna studie är att undersöka på vilka grunder elever använder det laborativa materialet multibas i matematikundervisningen. Studien fokuserar på området positionssystemet och analyserar vilka tänkbara orsaker det finns till att eleverna väljer att använda eller inte använda multibas. Studien bygger på en tidigare systematisk litteraturstudie med fokus på laborativt material. John Deweys inriktning i pragmatismen är utgångspunkten för denna studies analys. Studien har en kvalitativ metod med intervjuer och observationer av 19 elever i årskurs 3 på en skola i Sverige. Resultatet visade att multibas endast används av vissa elever och att många elever saknar förståelse kring användandet av materialet och dess syfte. Detta har i sin tur bidragit till att elevernas egna uppfattningar om materialet blivit negativa. Resultatet stämde överens med författarnas tidigare studie som visade att laborativt material bör användas i undervisningen men kräver att användaren har kunskapar om materialet för att det ska främja elevens lärande.

Syftet med arbetet är att identifiera olika typer av resurser för lärande. I detta självständiga arbete beskrivs tre olika typer av strategier för instudering med fokus på textinlärning, och vid varje ny strategi användes en ny sång. Studien baseras på mig själv i form av loggbok och videoinspelningar, som gjordes över tre veckor med totalt 15 loggboksinlägg och sex videoinspelningar under hösten 2015. Arbetet utgår från ett multimodalt designteoretiskt perspektiv. Resultatet visar hur jag använder mig av olika resurser för att studera in tre olika sångtexter, som studerades in utifrån tre olika textinlärningsstrategier. Slutligen diskuteras resultatet i relation till det designteoretiska perspektivet och tidigare forskning. / In this independent project three kinds of strategies for learning with focus on learning lyrics is described and explored. For every new strategy a new song is used. The purpose is to explore and identify different kinds of resources when learning. The study is based on observations of myself in form of a logbook and video recordings over three weeks with a total of 15 practicing sessions in the fall of 2015. The starting point is a multimodal and design theoretical perspective. The result show how I use different resources when learning different lyrics by using three kinds of strategies for learning lyrics. Finally I discuss, in relation to the design theoretical perspective and earlier research.

Denna studies syfte var att undersöka lärare och lärarstudenters kunskaper och uppfattningar om fysisk aktivitet för ökad inlärning. Vilka möjligheter som skolor ges till fysisk aktivitet var också ett av studiens syfte. Studien har en kvalitativ forskningsansats genom att enkäter med slutna frågor har använts tillsammans med uppföljande semistrukturerade intervjuer som metod för att besvara studiens forskningsfrågor. Arton lärare har genomfört enkät via skolbesök och sex av dem har deltagit i uppföljande intervjuer. Dessutom har 246 respondenter besvarat enkäten via länk i sociala medier. Resultatet visar på att lärare och lärarstudenter har uppfattningen om att fysisk aktivitet är en viktig faktor för inlärning. Resultatet visar även att den fysiska aktiviteten har positiva bieffekter inte bara på hjärnans funktioner utan även på elevernas sociala utveckling. Respondenterna i studien är eniga om att fysisk aktivitet påverkar elevers inlärning vilket borde motivera ännu fler till att använda och utforska metoden.