I denna uppsats görs en kvalitativ innehållsanalys av ett urval av läromedel i religionskunskap 1 (ämnesplan 11). Analysen avser att fokusera på presentationen av relationen mellan religion och vetenskap, där analysen tar hjälp av fyra olika interaktionsmodeller inspirerade av Ian G. Barbour. Dessa interaktionsmodeller blir centrala i att försöka kategorisera olika mönster och avvikelser i läromedlen när de tar upp förhållandet mellan religion och vetenskap.      Det som kunnat konstateras är att de läromedel som blivit analyserade för denna uppsats har till större delar liknande mönster. Dessa mönster beskriver för det mesta en pågående konflikt mellan religion och vetenskap men det finns en antydan till att denna beskrivning saknar en djupare inblick i de faktorer som lett till sagd konflikt. Förutom att läromedlens till största del fokus för lärornas relation är konfliktartad så får religionsbegreppet i princip bara representeras av kristna traditioner, något som kan upplevas som simplifierande i en bredare kontext.      För att avsnitt i läromedel med fokus på momentet religion och vetenskap inte skall riskera att bara visa en förenklad bild av den komplexa relation som religion och vetenskap har så rekommenderas en applicering av historisk kontext, oavsett om läromedlen måste ändras eller om ansvarig lärare väljer att komplettera undervisningen med det.

The time-course of interaction formation or breaking can be studied using LigandTracer, and the data obtained from an experiment can be analyzed using a model of ligand-target binding kinetics. There are different kinetic models, and the choice of model is currently motivated by knowledge about the interaction, which is problematic when the knowledge about the interaction is unsatisfactory. In this project, a Bayesian model selection procedure was implemented to motivate the model choice using the data obtained from studying a biological system. The model selection procedure was implemented for four kinetic models, the 1:1 model, the 1:2 model, the bivalent model and a new version of the bivalent model.Bayesian inference was performed on the data using each of the models to obtain the posterior distributions of the parameters. Afterwards, the Bayes factor was approximated from numerical calculations of the marginal likelihood. Four numerical methods were implemented to approximate the marginal likelihood, the Naïve Monte Carlo estimator, the method of Harmonic Means of the likelihood, Importance Sampling and Sequential Monte Carlo. When tested on simulated data, the method of Importance Sampling seemed to yield the most reliable prediction of the most likely model. The model selection procedure was then tested on experimental data which was expected to be from a 1:1 interaction and the result of the model selection procedure did not agree with the expectation on the experimental test dataset. Therefore no reliable conclusion could be made when the model selection procedure was used to analyze the interaction between the anti-CD20 antibody Rituximab and Daudi cells. / Interaktioner kan analyseras med hjälp av LigandTracer. Data från ett LigandTracer experiment kan sedan analyseras med avseende på en kinetisk modell. Det finns olika kinetiska modeller, och modellvalet motiveras vanligen utifrån tidigare kunskap om interaktionen, vilket är problematiskt när den tillgängliga informationen om en interaktion är otillräcklig. I det här projektet implementerades en Bayesiansk metod för att motivera valet av modell utifrån data från ett LigandTracer experiment. Modellvalsmetoden implementerades för fyra kinetiska modeller, 1:1 modellen, 1:2 modellen, den bivalenta modellen och en ny version av den bivalenta modellen. Bayesiansk inferens användes för att få fram aposteriorifördelningarna för de olika modellernas parametrar utifrån den givna datan. Sedan beräknades Bayes faktor utifrån numeriska approximationer av marginalsannolikeheten. Fyra numeriska metoder implementerades för att approximera marginalsannolikheten; Naïve Monte Carlo estimator, det harmoniska medelvärdet av likelihood-funktionen, Importance Sampling och Sekventiell Monte Carlo. När modellvalsmetoden testades på simulerad data gav metoden Importance Sampling den mest tillförlitliga förutsägelsen om vilken modell som generade datan. Metoden testades också på experimentell data som förväntades följa en 1:1 interaktion och resultatet avvek från det förväntade resultatet. Följaktligen kunde ingen slutsas dras av resultet från modelvalsmetoden när den sedan används för att analysera interaktionen mellan anti-CD antikroppen Rituximab och Daudi-celler.

Syftet med denna studie är att undersöka och jämföra interaktionen i en andraspråksklass med interaktionen i en spanska som främmandespråksklass, och att undersöka vilka olika interaktionsmodeller som kan hittas. Studien har utgått ifrån elevernas perspektiv och skiljer sig i detta avseende från tidigare forskning. Interaktion är en av de viktigaste faktorerna i klassrummet, liksom de affektiva faktorerna. Totalt deltog 16 elever och en lärare i svenska som andraspråk och 79 elever och två lärare i spanska som främmandespråk. Metoder som användes för undersökningen var observation, enkät och intervju. Resultatet visade stora skillnader i användningen av målspråket i de olika klassrummen. I främmandespråksklassrummet skedde interaktionen ofta på modersmålet svenska istället för på målspråket, medan det i svenska som andraspråk användes målspråket mer än modersmålet. Studien visade även att svenska som andraspråkseleverna hade interagerat mer på målspråket och ansåg i högre grad att klassrumsinteraktionen varit positiv för språkinlärningen. Slutligen kan konstateras att studien har visat stora individuella skillnader både vad gäller de affektiva faktorerna och interaktionen mellan lärare och elever.