Mycket resurser läggs idag ner för att uppmuntra till ett hållbart agerande, men det är långt ifrån bra och på många områden finns brister. Inom turismnäringen har resenärer inte alltid tillräckligt med kunskap om hållbart resande. Informationsspridning är därför viktigt och researrangörer är en grupp som kan påverka resenärerna då de har en direktkontakt med dem. Syftet med detta arbete är därför att utreda på vilka sätt information om hållbart resande lyfts fram via researrangörerna Apollo, Ving, Fritidsresor samt Solresors hemsidor. Syftet är även att se hur väl denna information stämmer överens med Schyst Resandes rekommendationer för researrangörer. Frågeställningen är: hur väl presenterar svenska researrangörer information om hållbart resande via sina hemsidor? Målet är att dela med oss av resultatet till Schyst Resande för att kunna ge dem en uppdatering om dagens situation. Vi vill även bidra med ett system för hur information kan utvärderas på hemsidor gällande researrangörer och hållbar turism. Studien består av en innehållsanalys av Sveriges fyra största researrangörers hemsidor. Innehållsanalysen har gjorts med hjälp av ett unikt kodningsschema, anpassat för denna studie.

Det behövs undervisning av kemi och fysik i förskolan. Uppfattningen om hur denna ska bedrivas för att främja yngre barns lärande är inte enhetlig. Därför kommer denna studie vara inriktad på att undersöka huruvida barnböcker kan vara ett verktyg för att identifiera och utveckla kunskap om fysikaliska fenomen. Forskningsfrågan studien syftar att besvara är “Hur uttrycks fysikaliska fenomen relaterade till luft i barnböcker?”. Innehållsanalys med multimodalt perspektiv användes som metod där innehållet i sju böcker systematiskt och objektivt gicks igenom. Böckerna som valdes ut till analysen handlade om väderförhållanden, de var således inte skrivna för att presentera naturvetenskapliga fenomen. Dimensionerna som framkom under analysen var följande “Hur luft uttrycks”, “Luft i rörelse”, “Luftens temperatur”, “Företeelser som är i behov av luft” och “Antropomorfism/ Animism och metaforer”. Därefter fördes olika kategorier med begrepp in under dessa utifrån böckernas innehåll. Resultatet visade att böckerna använder sig av ett rikt språkbruk och har ett varierat utbud av hur fysikaliska fenomen relaterade till hur luft uttrycks. Böckerna vars innehåll analyserades kan ge många uppslag till hur luft kan presenteras i förskolan.

Artificial Intelligence (AI) has emerged as a transformative force in wireless communications, driving innovation to address the complex challenges faced by communication systems. In this context, the optimization of limited radio resources plays a crucial role, and one important aspect is the Modulation and Coding Scheme (MCS) selection. AI solutions for MCS selection have been predominantly characterized as black-box models, which suffer from limited explainability and consequently hinder trust in these algorithms. Moreover, the majority of existing research primarily emphasizes enhancing explainability without concurrently improving the model’s performance which makes performance and explainability a trade-off. This work aims to address these issues by employing eXplainable AI (XAI), particularly counterfactual and causal analysis, to increase the explainability and trustworthiness of black-box models. We propose CounterFactual Retrain (CF-Retrain), the first method that utilizes counterfactual explanations to improve model performance and make the process of performance enhancement more explainable. Additionally, we conduct a causal analysis and compare the results with those obtained from an analysis based on the SHapley Additive exPlanations (SHAP) value feature importance. This comparison leads to the proposal of novel hypotheses and insights for model optimization in future research. Our results show that employing CF-Retrain can reduce the Mean Absolute Error (MAE) of the black-box model by 4% while utilizing only 14% of the training data. Moreover, increasing the amount of training data yields even more pronounced improvements in MAE, providing a certain level of explainability. This performance enhancement is comparable to or even superior to using a more complex model. Furthermore, by introducing causal analysis to the mainstream SHAP value feature importance, we provide a novel hypothesis and explanation of feature importance based on causal analysis. This approach can serve as an evaluation criterion for assessing the model’s performance. / Artificiell intelligens (AI) har dykt upp som en transformativ kraft inom trådlös kommunikation, vilket driver innovation för att möta de komplexa utmaningar som kommunikationssystem står inför. I detta sammanhang spelar optimeringen av begränsade radioresurser en avgörande roll, och en viktig aspekt är valet av Modulation and Coding Scheme (MCS). AI-lösningar för val av modulering och kodningsschema har övervägande karaktäriserats som black-box-modeller, som lider av begränsad tolkningsbarhet och följaktligen hindrar förtroendet för dessa algoritmer. Dessutom betonar majoriteten av befintlig forskning i första hand att förbättra förklaringsbarheten utan att samtidigt förbättra modellens prestanda, vilket gör prestanda och tolkningsbarhet till en kompromiss. Detta arbete syftar till att ta itu med dessa problem genom att använda XAI, särskilt kontrafaktisk och kausal analys, för att öka tolkningsbarheten och pålitligheten hos svarta-box-modeller. Vi föreslår CF-Retrain, den första metoden som använder kontrafaktiska förklaringar för att förbättra modellens prestanda och göra processen med prestandaförbättring mer tolkningsbar. Dessutom gör vi en orsaksanalys och jämför resultaten med de som erhålls från en analys baserad på värdeegenskapens betydelse. Denna jämförelse leder till förslaget av nya hypoteser och insikter för modelloptimering i framtida forskning. Våra resultat visar att användning av CF-Retrain kan minska det genomsnittliga absoluta felet för black-box-modellen med 4% samtidigt som man använder endast 14% av träningsdata. Dessutom ger en ökning av mängden träningsdata ännu mer uttalade förbättringar av Mean Absolute Error (MAE), vilket ger en viss grad av tolkningsbarhet. Denna prestandaförbättring är jämförbar med eller till och med överlägsen att använda en mer komplex modell. Dessutom, genom att introducera kausal analys till de vanliga Shapley-tillsatsförklaringarna värdesätter egenskapens betydelse, ger vi en ny hypotes och tolkning av egenskapens betydelse baserad på kausalanalys. Detta tillvägagångssätt kan fungera som ett utvärderingskriterium för att bedöma modellens prestanda.

This Bachelor thesis presents an in-depth investigation into the effects of RogueAccess Point interference within Internet of Things networks. The study focuses onthe impact of rogue APs on the modulation and coding scheme indices, round triptime, and overall network performance. The presence of a rogue AP was found toshift devices from dual-stream to single-stream operation, causing a decrease in themodulation and coding scheme indices and data rates. Additionally, a significantincrease in round trip time was observed, emphasizing the detrimental impact ofrogue AP interference on network latency. The insights gained from this researchcontribute to a greater understanding of the challenges posed by rogue APinterference. This deeper comprehension paves the way for devising effectivestrategies to mitigate these impacts, thereby enhancing the reliability, security, andperformance of IoT networks. / Detta examensarbete presenterar en grundlig undersökning av effekterna avstörande åtkomstpunkter (Rogue Access Points) inom nätverk för Sakernas Internet(Internet of Things). Studien fokuserar på störande åtkomstpunkter inverkan påmodulations- och kodningsschemaindex (MCS), round trip time och denövergripande nätverksprestandan. När en störande åtkomstpunkt blev närvarandetvingades enheterna att omställa sig från att använda dubbelströmsoperation tillenkelströmsoperation, vilket ledde till en minskning av MCS-index ochdatahastigheter. Dessutom observerades en betydande ökning av RTT, vilketbetonar den skadliga inverkan av störande åtkomstpunkt interferens pånätverkslatens. De insikter som vunnits bidrar till en större förståelse för deutmaningar som störande åtkomstpunkter interferens medför. Denna djupareförståelse banar väg för att utforma effektiva strategier för att mildra dessa effekter,vilket i sin tur förbättrar tillförlitligheten, säkerheten och prestanda för IoT-nätverk.