I allmänhet planeras och kontrolleras ljudmiljöer utifrån fysiska mätningar och åtgärder. Detta förhållningssätt är närmast defensivt i den bemärkelsen att man försöker skydda människan från vad man anser vara ljudföroreningar i stället för att ta vara på kvalitativa egenskaper hos en ljudmiljö. Den här uppsatsen tar fasta på vikten av ett förändrat förhållningssätt till ljudmiljöer och förhåller sig till designkomplexiteten genom ett tvärvetenskapligt holistiskt och explorativt förfarande.  En ljuddesignprocess där forskare har samarbetat med slutanvändare genom flertalet iterativa faser, för att utforma ambienta, behovsanpassade ljudmiljöer vilka av användarna beskrevs som att befinna sig i en bubbla av ljud. I arbetet anpassas användarorienterade designmetoder från informatik till ljuddesign, och därigenom fås ett användardeltagande både i laboratorietester och i fältexperiment. Slutanvändarens upplevelser och bedömning av ljuddesign har kontinuerligt använts för att förfina och förbättra ljuddesignen. Testmetoden har genom dessa faser också utvecklats för att kunna undersöka användarens upplevelser. Metoden är uppdelad i två steg. Steg ett innefattar en användningscentrerad studie i ett perceptionslaboratorium där en kontorsmiljö simulerades audiellt och visuellt. Steg två består av ett fältexperiment där kontorspersonal använde två prototyper som genererade en digital ljudmiljö framtagen för att ge stöd åt fokuserat arbete. I uppsatsen påpekas att för att behovsanpassa en designad ljudmiljö behöver designmetoden vara användningscentrerad, eftersom design av ljudmiljöer måste ske i samverkan med slutanvändaren, och kontextbaserad, då ljudmiljöers funktion är att stödja användarens aktiviteter.

I dagsläget växer behovet av rätt information vid rätt plats, kontextbaserad information. Med hjälp av iBeacon kan man till en stor utsträckning förse det här behovet med en lösning. I uppsatsen undersöks användningsområden för iBeacon och idéer för hur man kan utveckla lösningar med hjälp av iBeacon. Ett koncept kommer att implementeras för att distribuera kontextbaserad information på mässor. Konceptet utvecklades till iOS och Android. Applikationerna tar hjälp av en webbtjänst för att underlätta distribueringen av information. Implementationerna beskrivs i detalj och viktiga designval diskuteras och motiveras. / In the present day the need for relevant information at the right time and place is growing; so called context-based information. By using iBeacon based solutions this need can be largely satisfied. This dissertation explores uses for iBeacon as well as providing ideas for development. One concept which has been implemented is a mobile application for distribution of context based information in "mobility-expos". The concept has been developed for iOS and Android. The applications use a web service to facilitate distribution of information. The implementation is described in detail and important design choices are discussed and motivated.

Natural Language Generation and generating believable verbal communication are critical components in the development of social robots. The work presented in this paper is based on the sequence-to-sequence model and is focused on improving context and repeatability through the inclusion of task- specific information. The data set on which this study was conducted was collected through a Wizard of Oz framework using a social robot. The generated dialogue was evaluated through a survey designed to measure the adherence to the game context and perceived human qualities. The human qualities were measured using attributes from two well-known attribute scales intended for evaluating Human-Robot Interaction. The evaluation results indicate that the quality of the generated dialogue is on par with examples of actual dialogue spoken during the experiments. This paper also highlights interesting aspects regarding the usefulness of transfer learning in narrow contextual applications. The results presented in this paper show that it is possible to improve the contextual nature of generated dialogue by including additional task-specific information. / Generering av naturligt språk och uppgiften att skapa trovärdig verbal kommunikation är kritiska komponenter i utvecklingen av sociala robotar. Arbetet som presenteras i denna uppsats är baserat på sekvens-till-sekvens-modellen och fokuserar på att förbättra sammanhang och repeterbarhet genom att inkludera uppgiftspecifik information. Datauppsättningen som denna studie genomförde samlades in via ett Wizard of Oz-ramverk med hjälp av en social robot. Den genererade dialogen utvärderades genom en onlineundersökning utformad för att mäta efterlevnaden av spelskontexten och upplevda mänskliga egenskaper. Dessa mänskliga egenskaper mättes med attribut från två välkända attributskalor avsedda för utvärdering av människa-robot-interaktion. Utvärderingsresultaten visar att kvaliteten på den genererade dialogen är i nivå med exempel på faktisk dialog som talats under experimenten. Denna uppsats belyser också intressanta aspekter beträffande nyttan av överföringsinlärning i smala kontextuella applikationer. Resultaten som presenteras i denna uppsats visar att det är möjligt att förbättra den kontextuella karaktären hos genererad dialog genom att inkludera ytterligare uppgiftspecifik information.