Doktriners beskrivningar av krigföringsprincipen enkelhet kan framstå som enkla och tydliga, men ett antal problem kvarstår att utveckla för att de ska bli både praktiskt och teoretiskt användbara. Dels vad som avses med begreppet enkelhet, dels varför enkelhet minskar risken för missförstånd och möjliggör operationer under påverkan av friktioner, och dels hur denna enkelhet kan uppnås i planering, order och genomförande. Det återstår därför att undersöka varför enkelhet bidrar till att operationer kan genomföras såsom planerat och hur denna kausala mekanism kan beskrivas. Syftet med denna uppsats är att förklara hur enkelhet kan uppnås i planering, order och genomförande för att minska risken för missförstånd och möjliggöra operationer i en friktionsfylld miljö med bibehållet tempo och initiativförmåga. Detta genom att utveckla en hypotes om den kausala mekanismen hur enkelhet bidrar till att operationer kan genomföras som planerat, samt empirisk pröva denna i en tvåfallsstudie av anfallet mot Raatevägen under Finska Vinterkriget och anfallet av Abu-Agheila under Sexdagarskriget. Resultatet visade att enkelhet bidrar till att operationer kan genomföras såsom planerat genom att i planeringen vara medveten om och beakta de utmaningar som genomförandet och den aktuella operationsmiljön innebär, och genom att anpassa planen till dessa utmaningar snarare än att anpassa genomförandet efter den framtagna planen.

Despite having a philosophical grounding from empiricism that spans some centuries, the algorithmization of causal discovery started only a few decades ago. This formalization of studying causal relationships relies on connections between graphs and probability distributions. In this setting, the task of causal discovery is to recover the graph that best describes the causal structure based on the available data. A particular class of causal discovery algorithms, called constraint-based methods rely on Directed Acyclic Graphs (DAGs) as an encoding of Conditional Independence (CI) relations that carry some level of causal information. However, a CI relation such as X and Y being independent conditioned on Z assumes the independence holds for all possible values Z can take, which can tend to be unrealistic in practice where causal relations are often context-specific. In this thesis we aim to develop constraint-based algorithms to learn causal structure from Context-Specific Independence (CSI) relations within the discrete setting, where the independence relations are of the form X and Y being independent given Z and C = a for some a. This is done by using Context-Specific trees, or CStrees for short, which can encode CSI relations. / Trots att ha en filosofisk grund från empirism som sträcker sig över några århundraden, algoritm isering av kausal upptäckt startade för bara några decennier sedan. Denna formalisering av att studera orsakssamband beror på samband mellan grafer och sannolikhetsfördelningar. I den här inställningen är kausal upptäckt att återställa grafen som bäst beskriver kausal strukturen baserat på tillgängliga data. En särskild klass av kausala upptäckts algoritmer, så kallade begränsnings baserade metoder, är beroende av Directed Acyclic Graphs (DAG) som en kodning av förhållanden med villkorlig självständighet (CI) som bär någon nivå av kausal information. En CI-relation som X och Y är oberoende förutsatt att Z förutsätter att oberoende gäller för alla möjliga värden som Z kan ta, vilket kan vara orealistiskt i praktiken där orsakssamband ofta är kontextspecifika. I denna avhandling strävar vi efter att utveckla begränsnings baserade algoritmer för att lära kausal struktur från Contex-Specific Independence (CSI) -relationer inom den diskreta miljön, där självständighet relationerna har formen X och Y är oberoende med tanke på Z och C = a för vissa a. Detta görs genom att använda sammanhang specifika träd, eller kortfattat CStrees, som kan koda CSI-relationer.

Denna rapport utgör dokumentationen av ett examensarbete utfört på Atlas Copco Secoroc i Fagersta under handledning av Maskinkonstruktions före detta universitetslektor Håkan Wettergren och Fluid & Mekaniksystems professor Karl-Erik Rydberg och på Atlas Copco Secoroc konstruktör Risto Wisakanto, avdelningschef Thomas Greijer, båda avdelning DTH, samt Secorocs utvecklingschef Lars Holmgren.   Arbetet syftar till att utveckla en simuleringsmodell vilken ska användas vid utveckling av pneumatiska sänkborrmaskiner. Målsättningen var att göra en så bra modell som möjligt, en modell som skulle kunna användas vid utveckling av nya sänkborrmaskiner, och att stegvis förfina en i grunden enkel modell. Första modellen var dock lite för enkel och baserad på teori för slutna system så den gick inte bygga vidare på utan det var enklare att göra en helt ny modell baserad på teori för öppna system. Det var dock inte förgäves att bygga den första modellen utan de geometriska villkoren som använts i den enkla modellen kunde återanvändas i den mer avancerade som tack vare detta relativt snabbt kunde skapas.  Den mer avancerade modellen ger värden som stämmer mycket bra överens med mätresultat vid höga tryck, i detta fall 16 bar. Att modellen inte stämmer överens så bra vid låga tryck kan bero på flera saker, naturligtvis på att faktorer som försummats kanske har stor inverkan vid låga tryck eller att mätvärdena helt enkelt är fel. Maskinen går inte stabilt 6 respektive 10,5 bar utan gör det först vid 16 bar vilket gör att det är relevant att jämföra simulerade värden med mätvärden först vid 16 bar, en annan felkälla kan vara att givarna inte hänger med i det snabba förloppet samt att de inte är helt exakta (Greijer, 2002).     Kartläggning av en befintlig maskins geometrier, studier av termodynamiska lagar samt provborrningsresultat har legat till grund för modellen. / This report constitutes the documentation of a master thesis performed at Atlas Copco Secoroc in Fagersta under supervision by the division of Machine Design’s former lecturer (PhD) Håkan Wettergren and the division of Fluid & Mechanical Engineering System’s professor (PhD) Karl-Erik Rydberg and at Atlas Copco Secoroc design engineer Risto Wisakanto, head of department Thomas Greijer, both department DTH, and Secorocs head of research and development Lars Holmgren. The purpose with this work is to develop a simulation model which will be used at development of pneumatic down-the-hole hammers.  Mapping of an existing machines geometry, studies of thermodynamic laws and test results is the basic sources used during development of this model.

<p>Denna rapport utgör dokumentationen av ett examensarbete utfört på Atlas Copco Secoroc i Fagersta under handledning av Maskinkonstruktions före detta universitetslektor Håkan Wettergren och Fluid & Mekaniksystems professor Karl-Erik Rydberg och på Atlas Copco Secoroc konstruktör Risto Wisakanto, avdelningschef Thomas Greijer, båda avdelning DTH, samt Secorocs utvecklingschef Lars Holmgren.   Arbetet syftar till att utveckla en simuleringsmodell vilken ska användas vid utveckling av pneumatiska sänkborrmaskiner. Målsättningen var att göra en så bra modell som möjligt, en modell som skulle kunna användas vid utveckling av nya sänkborrmaskiner, och att stegvis förfina en i grunden enkel modell. Första modellen var dock lite för enkel och baserad på teori för slutna system så den gick inte bygga vidare på utan det var enklare att göra en helt ny modell baserad på teori för öppna system. Det var dock inte förgäves att bygga den första modellen utan de geometriska villkoren som använts i den enkla modellen kunde återanvändas i den mer avancerade som tack vare detta relativt snabbt kunde skapas.  Den mer avancerade modellen ger värden som stämmer mycket bra överens med mätresultat vid höga tryck, i detta fall 16 bar. Att modellen inte stämmer överens så bra vid låga tryck kan bero på flera saker, naturligtvis på att faktorer som försummats kanske har stor inverkan vid låga tryck eller att mätvärdena helt enkelt är fel. Maskinen går inte stabilt 6 respektive 10,5 bar utan gör det först vid 16 bar vilket gör att det är relevant att jämföra simulerade värden med mätvärden först vid 16 bar, en annan felkälla kan vara att givarna inte hänger med i det snabba förloppet samt att de inte är helt exakta (Greijer, 2002).     Kartläggning av en befintlig maskins geometrier, studier av termodynamiska lagar samt provborrningsresultat har legat till grund för modellen.</p> / <p>This report constitutes the documentation of a master thesis performed at Atlas Copco Secoroc in Fagersta under supervision by the division of Machine Design’s former lecturer (PhD) Håkan Wettergren and the division of Fluid & Mechanical Engineering System’s professor (PhD) Karl-Erik Rydberg and at Atlas Copco Secoroc design engineer Risto Wisakanto, head of department Thomas Greijer, both department DTH, and Secorocs head of research and development Lars Holmgren. The purpose with this work is to develop a simulation model which will be used at development of pneumatic down-the-hole hammers.  Mapping of an existing machines geometry, studies of thermodynamic laws and test results is the basic sources used during development of this model.</p>

The thesis is an evaluation of a utilitarian argument for the permissibility of purchasing meat. The argument, which I call the replaceability argument, rests on four premises: 1. Meat purchases cause animals to be brought into existence. 2. The animals brought into existence by meat purchases live lives of positive final value. 3. If the first two premises are true, then meat purchases cause at least as good consequences as any alternative act. 4. If meat purchases cause at least as good consequences as any alternative act, then meat purchases are permissible. The first three premises are examined while the fourth one, representing consequentialism, is assumed to be true. The evaluation results in the conclusion that the argument is unsound because all of the premises evaluated turn out to be either doubtful or false.

This thesis explores the possibility of using Bayesian Structure Learning and Do-Calculus to perform causal inference on data from tactical combat simulations provided by Saab. A four-step approach is considered whose first step is to find a Bayesian Network from the data using Bayesian Structure Learning and Probability Distribution Fitting. These Bayesian Networks describe a set of conditional independencies ambiguously. This ambiguity gives rise to a set of feasible Structural Causal Models that describes feasible causal relationships in the data. The approach then continues in its second step by selecting at least one of these Structural Causal Models that can be utilized for performing causal inference using Do-Calculus and Probabilistic Inference in the approach’s third and fourth steps respectively. The thesis concludes that there exist several difficulties with the approach that together with a lack of a methodology for error estimation reduces the method’s reliability. The recommendation is thus to consider the possibility of performing randomized controlled experiments using the tactical simulator before continuing the development of this approach. / Det här examensarbetet utforskar möjligheten att använda Bayesiansk Strukturinlärning och Do-Calculus för att utföra Kausal Inferens på data från taktiska stridsimuleringar framtagna av Saab. En fyrastegsmetod beaktas vars första steg är att hitta ett Bayesiansk Nätverk genom användandet av Bayesiansk Strukturinlärning och Sannolikhetsfördelnings-anpassning. Dessa Bayesianska Nätverk beskriver en mängd betingade oberoendet i datamängden på ett icke-entydligt sett. Denna icke-entydlighet ger upphov till en mängd av möjliga Strukturella Kausala Modeller som beskriver möjliga kausala strukturer i datamängden. Metodens andra steg fortsätter med att välja minst en av dessa Strukturella Kausala Modeller som kan användas för att åstakomma Kausal Inferens med hjälp av Do-Calculus och Stokastisk Inferens i metodens tredje respektive fjärde steg. Slutsatsen från examensarbetet är att det finns ett flertal svårigheter med metoden som tillsamans med en avsaknad av en feluppskattningsmetodik minskar metodens tillförlitlighet. Rekommendationen är därför att undersöka möjligheten att genomföra kontrollerade slumpmässiga experiment innan metodiken vidareutvecklas.

Screen media activity such as watching TV and videos, playing video games, and using social media has become a popular leisure activity for children and adolescents. The effect of screen time has been a highly debated topic; however, there is still very little known about it. Using a dataset from the Adolescent Brain Cognitive Development longitudinal study 4 217 young adolescents, that met the requirements, could be retrieved for this thesis project after processing of the data. This thesis project investigated causal order between genetic effect (cognitive performance Polygenic scores (PGSs)), screen time activity, brain morphology (structural Magnetic Resonance Imaging (sMRI) for surface area and cortical thickness), lack of perseverance, and cognitive performance (crystallized IQ) with a machine learning algorithm DirectLiNGAM. A clear correlation between screen media activity and PGS was found for all types of screen time activities but only video games and social media correlated to the global surface area. Furthermore,  TV and video seem to affect lack of perseverance, and lack of perseverance, in turn, affects time spent on video games. These findings imply that different types of social media are not as alike as we thought and can affect adolescents differently. Taken together, these findings support previous research on screen media activity's effect on lack of perseverance, brain morphology, and cognitive performance, and propose new causal inference between genetics and screen time. Lastly, the algorithm used in this thesis project inferred reasonable causal orders and can be seen as a very good complement to today's causal modeling. / Skärmaktivitet som att titta på TV och video, spela videospel och använda sociala medier har blivit en populär fritidsaktivitet för barn och ungdomar. Effekten av skärmtid har varit ett mycket debatterat ämne; det finns dock fortfarande mycket lite kunskap om det. Med hjälp av datasetet från Adolescent Brain Cognitive Development långtidsstudien kunde 4 217 ungdomar, som uppfyllde specifika krav, väljas ut för detta avhandlingsprojekt efter bearbetning av datan. Detta avhandlingsprojekt undersökte kausal ordning mellan genetisk effekt (Polygenic scores (PGS) för kognitiv prestation), skärmtidsaktivitet, hjärnmorfologi (strukturell Magnet Resonans Imaging (sMRI) för hjärnans ytarea och hjärnbarks tjocklek), brist på ihärdighet och kognitiv förmåga (kristalliserad IQ) med en maskininlärningsalgoritm DirectLiNGAM. Tydlig korrelation mellan skärmaktivitet och PGS hittades för alla typer av skärmaktiviteter men endast videospel och sociala medier korrelerade till den globala ytarean. Dessutom verkar TV och video påverka brist på ihärdighet och brist på ihärdighet i sin tur påverkar hur mycket tid som spenderas på videospel. Dessa resultat antyder att olika typer av sociala medier inte är så lika som vi trodde och kan påverka ungdomar olika. Sammanlagt stöder dessa upptäckter tidigare forskning om skärmtidseffekt på brist på ihärdighet, hjärnmorfologi och kognitiv förmåga och föreslår en ny kausal inferens mellan genetik och skärmtid. Slutligen ledde algoritmen som användes i detta avhandlingsprojekt fram till rimliga kausala ordningar och kan ses som ett mycket bra komplement till dagens kausala modellering.

This qualitative study aims to explore, from a cognitive perspective, the influence visuals have on conveying the game's narrative and how this engages the player. The focus being to further the understanding of how both visuals and narrative affect the overall experience. Motivated by the underrepresentation of visuals and narrative studies within game research. At the centre of the study is a thematic analysis of qualitative data collected from face to face interviews in a home and school environment, where players shared memorable moments experienced while playing a game. The interviews were complemented by data from popular forums, with the same focus. Helping the analysis of the data were cognitive theories into how our minds process and interpret information, an analysis which resulted in five main themes with corresponding code, which represented what appeared central for the creation of the memorable moment. There were, however, always more than one element within the game which provided and engaged the player in the narrative construction of the memorable moment, which served to highlight the importance of considering all aspects of the design, as all affected our meaning making. Central to engaging the player's narrative construction was the intrinsic motivation of curiosity, in tangent with our desire to learn. Exactly how different visuals elements affected the player's narrative construction did not become apparent during the analysis, as a fine line existed between what element provided for different memorable moments. Most notably was that all of the themes and codes could be tied back to engagement, as all of them served to engage the player's meaning making. A discovery that in turn, lead to the creation of a framework for future studies, which, while supported by cognitive theories, aims to enable the discovery of what and how different aspects engage the player in the experience. / Målet med denna kvalitativa studie är att, utifrån ett kognitivt perspektiv, utforska inflytande det visuella har på att förmedla spelets narrativ och hur detta engagerar spelaren i upplevelsen. Fokuset är att utveckla förståelsen för hur det visuella och narrativet påverkar den övergripande upplevelsen, vilket är motiverat av underrepresentationen av studier med fokus på det visuella och narrativet inom spelforskning. I centrum av studien är en tematisk analys av den kvalitativa data som samlats in från intervjuer i en hem och skolmiljö, där deltagarna delade minnesvärda stunder från när de spelade spel. Intervjuerna kompletterades med data från populära forum med samma fokus. Kognitiva teorier om hur man bearbetar och tolkar information, fick ge stöd till analysen av spelarnas meningsskapande som resulterade i fem huvudteman med motsvarande koder, som representerade det som framstod som det centrala i skapandet av de minnesvärda stunderna. Det fanns dock alltid mer än ett element i spelet som bidrog och engagerade spelaren i den narrativa konstruktionen av det minnesvärda ögonblicket, vilket lyfter fram vikten av att uppmärksamma alla aspekter av designen, eftersom alla påverkade meningsskapandet. Centralt för att engagera spelarnas narrativa konstruktion var vår inre motivation av nyfikenhet, i kombination med vår vilja att lära oss. Exakt hur de olika visuella elementen påverkade spelarens narrativa konstruktion framkom dock inte under analysen, eftersom gränsen mellan vilka element som bidrog med de olika minnesvärda stunderna, var hårfin. Det tydligaste exemplet av detta är att alla teman och koderna kunde knytas tillbaka till engagemang, eftersom alla bidrog till att engagera spelaren meningsskapande. En upptäckt som i sin tur ledde till skapandet av ett ramverk för framtida studier, som vars mål är, med stöd av kognitiva teorier, att möjliggöra upptäckten av hur de olika aspekterna engagerar spelaren i upplevelsen.

Inledning: Göteborgs kommun implementerade år 2013 en intervention i form av gratis utdelning av broddar till kommunens äldre befolkning (65+), i ett försök att reducera antalet fall/halkolyckor på is/snö. Syftet med detta papper var att se över om interventionen hade haft en effekt på incidensen av fotgängarolyckor gällande fall/halkskador bland kommunens äldre befolkning. Metod: Pappret applicerade en kontrollerad före– och efterstudie för att se på skillnader mellan en föreperiod (2009–2012), då halkskydd ännu inte var utdelade, mot en efterperiod (2013–2016) då interventionen hade implementerats. Resultat: När interventionsgruppen (65+) jämfördes mot kontrollgruppen (16–64) hade antalet incidenser på is/snö minskat med 34.36 fall/halkolyckor per 100 000 efter utdelningen av broddar. Liknande trender kunde inte utläsas när analyser gjordes mot närliggande kontrollkommuner. Placebotest visade heller inte på någon signifikant effekt för Göteborg då placebokontroller utfördes för tidigare observerade perioder (2003–2010). Slutsats: Resultaten tyder på att antalet fall/halkincidenser på is/snö bland äldre invånare i Göteborgs kommun har sjunkit med 36 procent efter kommunens åtgärd. / Introduction: In 2013, Gothenburg municipality implemented an intervention in the form of free distribution of anti-slip devices to the municipality’s elderly population (65+) to reduce the amount of falls/slips on ice/snow. The aim of this paper was to evaluate if the intervention had an effect on the incidence of pedestrian accidents involving falls/slips among the municipality’s elderly. Methods: This paper applied a controlled before-and-after study to test for differences between a before period (2009-2012), when anti-slip devices were not yet distributed, to an after period (2013-2016) when the intervention had been implemented. Results: When the intervention group (age 65+ years) was compared to the control group (age 16–64 years), the number of incidences had significantly decreased by 34.36 falls/slips on ice/snow per 100 000 person-years after the distribution of anti-slip devices had been made. Similar trends were not seen when analysis were done to nearby control municipalities. A placebo test did not show any significant effect of Gothenburg as placebo controls were made on earlier observed periods (2003-2010). Conclusion: The results suggest that the number of fall/slip incidences on ice/snow among the municipality’s elderly residents has been reduced by 36 percent after the municipal intervention.

Performing causal reasoning in a scene is an inherent mechanism in human cognition; however, the majority of approaches in the causality literature aiming for this task still consider constrained scenarios, such as simple physical systems or stationary time-series data. In this work we aim for causal discovery in videos concerning realistic scenarios. We gather motivation for causal discovery by acknowledging this task to be core at human cognition. Moreover, we interpret the scene as a composition of time-series that interact along the sequence and aim for modeling the non-stationary behaviors in a scene. We propose State-dependent Causal Inference (SDCI) for causal discovery in conditional stationary time-series data. We formulate our problem of causal analysis by considering that the stationarity of the time-series is conditioned on a categorical variable, which we call state. Results show that the probabilistic implementation proposed achieves outstanding results in identifying causal relations on simulated data. When considering the state being independent from the dynamics, our method maintains decent accuracy levels of edge-type identification achieving 74.87% test accuracy when considering a total of 8 states. Furthermore, our method correctly handles regimes where the state variable undergoes complex transitions and is dependent on the dynamics of the scene, achieving 79.21% accuracy in identifying the causal interactions. We consider this work to be an important contribution towards causal discovery in videos. / Att utföra kausala resonemang i en scen är en medfödd mekanism i mänsklig kognition; dock betraktar fortfarande majoriteten av tillvägagångssätt i kausalitetslitteraturen, som syftar till denna uppgift, begränsade scenarier såsom enkla fysiska system eller stationära tidsseriedata. I detta arbete strävar vi efter kausal upptäckt i videor om realistiska scenarier. Vi samlar motivation för kausal upptäckt genom att erkänna att denna uppgift är kärnan i mänsklig kognition. Dessutom tolkar vi scenen som en komposition av tidsserier som interagerar längs sekvensen och syftar till att modellera det icke-stationära beteendet i en scen. Vi föreslår Tillståndsberoende kausal inferens (SDCI) för kausal upptäckt i villkorlig stationär tidsseriedata. Vi formulerar vårt problem med kausalanalys genom att anse att tidsseriens stationäritet är villkorad av en kategorisk variabel, som vi kallar tillstånd. Resultaten visar att det föreslagna probabilistiska genomförandet uppnår enastående resultat vid identifiering av orsakssambandet på simulerade data. När man överväger att tillståndet är oberoende av dynamiken, upprätthåller vår metod anständiga noggrannhetsnivåer av kanttypsidentifiering som uppnår 74, 87% testnoggrannhet när man överväger totalt 8 tillstånd. Dessutom hanterar vår metod korrekt regimer där tillståndsvariabeln genomgår komplexa övergångar och är beroende av dynamiken på scenen och uppnår 79, 21% noggrannhet för att identifiera kausala interaktioner. Vi anser att detta arbete är ett viktigt bidrag till kausal upptäckt i videor.