Syftet med denna studie var att undersöka skolår 4 elevers förståelse av likhetstecknet. Vi ville även studera hur symbolen presenteras i elevernas läroböcker och mot bakgrund av tidigare forskning diskutera hur detta kan påverka deras förståelse av begreppet. I studien använde vi oss av tre insamlingsmetoder: en kvantitativ undersökning, kvalitativa intervjuer och en textanalys av läroböcker för skolår 3 och 4. Vår undersökning visar att även om eleverna uppvisar bra förståelse av likhetstecknet när de löser uppgifter av strukturell typ, har de svårigheter med att muntligt beskriva likhetstecknets funktion. Textanalysen synliggör att andelen utsagor av operationell typ som framhävs i läroböckerna för åk 3 minskar betydligt i läroböckerna för åk 4. Från vår studie drar vi slutsatsen att matematikböckernas ensidiga presentation av likhetstecknet kan vara anledningen till elevers bristande förståelse av dess innebörd.

ChatGPT is a recently released chatbot that through the use of deep learning can generate human-like statements on a variety of topics. Deep learning models have a potential to affect politics. They can for instance be used as a source for political information or be used to create and spread political messages. ChatGPT is itself able to describe the stances of different political parties and can generate political messages based on these stances. In this thesis, a semantic similarity program, utilizing the models Stanza and Sentence-BERT, is implemented. This program is used to compare the semantic similarity of political statements and information generated by ChatGPT to authentic statements and information written by Swedish political representatives prior to the 2022 general election. The results of the thesis demonstrate that ChatGPT with relatively high accuracy (over 60 % when three options are available) is able to correctly reflect the standpoints of Swedish political parties in specific political questions. When compared to authentic political information using semantic similarity, there is no discernible difference between the scores achieved by ChatGPT’s statements and the scores achieved by authentic statements from political representatives. This might reflect that ChatGPT performs well in semantically mimicking the style used by political representatives. Alternatively, the result could indicate limited usefulness of semantic similarity as a comparative method for political statements. / ChatGPT är en nyligen släppt chattrobot som med hjälp av djupinlärning kan skapa människo-liknande uttalanden inom en rad olika ämnen. Det är möjligt för djupinlärningsmodeller att ha politisk påverkan. Djupinlärningsmodeller kan exempelvis användas som källor för politisk information eller användas för att skapa och sprida politiska meddelanden. ChatGPT har förmågan att beskriva ståndpunkterna hos olika politiska partier samt generera politiska meddelanden baserat på dessa ståndpunkter. I denna studie implementeras ett program för att avgöra semantisk likhet mellan texter. Programmet använder modellerna Stanza och Sentence-BERT. Med hjälp av programmet jämförs semantisk likhet mellan politiska uttalanden och information genererad av ChatGPT, och autentiska uttalanden och autentisk information skriven av svenska politiska representanter innan riksdagsvalet i Sverige 2022. Studiens resultat visar att ChatGPT med relativt hög korrekthet (över 60 % när tre alternativ är möjliga) lyckas framföra samma ståndpunkter som riktiga representanter från de olika partierna i specifika politiska frågor. Ingen märkbar skillnad i semantisk likhet hittas när ChatGPT:s och riktiga representanters uttalanden jämförs med riktig politisk information. Detta kan visa på att ChatGPT är bra på att semantiskt härma stilen som används av politiska representanter. Resultatet kan alternativt tolkas som tydande på att semantisk likhet har ett begränsat värde som jämförelsemetod för politiska texter.

One of the worst wildfires in Portugal in 2017 on June17- 21 started at the central part of Pedrógão Grande and spread fast to the surrounding areas Góis, Pampilhosa da Serra and Arganil. The wildfire took 64 lives and a large smoke plume was observed. The interest in smoke plumes from wildfires is partly due to their emitting of greenhouse gases (CO2), a large source of aerosols, CO, oxides of nitrogen and other trace gases that can affect the air quality at local and regional scale. The regional scale can be affected because the smoke from wildfires can get elevated and be transported into the free troposphere and the lower stratosphere by either pyro convection or radiative driven convection and can be transported long distances, for example from Canada to Germany. This thesis investigates how the emission source height in a model affects the transport of the smoke plume and compares the simulations with observations. Observations of transport of emissions from wildfires are often done with satellites and in this thesis data from the second modern-era retrospective analysis for research and applications (MERRA2) is used as the observations. In this thesis the numerical model FLEXPART 10.02 is used to calculate the transportation of CO from the wildfire in Pedrógão Grande. The altitude of the emission source top height and bottom height in FLEXPART was changed to see how it affected the smoke plume in the simulation. The agreement between plumes from the observations and the simulation plumes were calculated with the structural similarity (SSIM) index and the change of SSIM index was investigated. The results were that the best similarity for horizontal images was with an emission source height of 100- 300 m, for vertical images at 40°N with an emission source height 0- 1500 m and for vertical images at 41°N with an emission source height 100- 1200. The overall best simulation was the simulation with emission source height 100- 1200 m (average of the three similarity calculations). Some uncertainty occurs in the results due to for example differences in resolutions between MERRA2 and FLEXPART and the weather condition may have contributed. To improve the results there is a need to compare simulations with more wildfires to see that the SSIM index behaves the same. / En av de värsta skogsbränderna i Portugal 2017 var den 17–21 juni och började i centrala Pedrógão Grande och spred sig snabbt till de omgivande områdena Góis, Pampilhosa da Serra och Arganil. Skogsbranden tog 64 liv och stora rökplymer observerades. Rökplymer från skogsbränder är intressanta därför att de bland annat är en källa av växthusgaser till exempel koldioxid (CO2), aerosoler, kolmonoxid (CO) och andra spårgaser som kan påverka luftkvaliteten på lokal och regional skala. Den regionala skalan kan påverkas eftersom rök från skogsbränder kan sprida sig upp till den fria troposfären och den nedre stratosfären med konvektion. Konvektion är när luften blir varm av olika skäl och stiger, luften kyls av när den stiger och blir då tyngre och till slut sjunker luften. Det som kan driva konvektion vid en brand är branden själv och strålning och kan transportera röken från branden långa avstånd, till exempel från Kanada till Tyskland. Den här uppsatsen undersöker hur utsläppshöjden (mellan vilka höjder röken släpps ut från) påverkar transporten av rök och jämför beräkningarna med observationer. Observationer av transport av utsläpp från bränder sker ofta med satelliter och i denna uppsats används data från en återanalys av en samling observationer från MERRA2 (the second modern-era retrospective analysis for research and applications) som observationer. En återanalys är ett dataset som räknas med en modell från i tid och rum oregelbundna observationer från historiska och nutida data. I denna uppsats används den numeriska transportmodellen FLEXPART 10.02 för att beräkna transport av kolmonoxid från skogsbranden i Pedrógão Grande. Höjden av utsläppskällans topphöjd och bottenhöjd i FLEXPART ändrades för att se hur det påverkat rökplymen i simuleringen. Likheten mellan rökplymen från observationerna och simuleringarna beräknades sedan med ett test kallat SSIM och förändringen av SSIM indexet undersöktes. Resultaten var att den bästa simuleringen för de horisontella bilderna med en utsläppshöjd på 100– 300 m, för de vertikala bilderna på 40°N en utsläppshöjd på 0– 1500 m och för de vertikala bilderna på 41°N en utsläppshöjd på 100– 1200 m. Totalt sett (medelvärde från de tre simuleringarna) hade emissions höjden 100- 1200 m den bästa likheten med observationerna. Det finns en osäkerhet i resultaten på grund av tillexempel att det är olika upplösning i MERRA2 och FLEXPART och att väderförhållanden kan ha påverkat beräkningarna. För att förbättra resultatet så kan man göra simuleringar av fler skogsbränder för att se om SSIM indexet uppför sig densamma.

Schack är ett spel som ofta används för att undersöka olika tekniker inom artificiell intelligens (AI). I det här arbetet ställs frågan om det går att utveckla en AI-agent vars beslutsfattande är baserat på tekniken Case-based Reasoning (CBR) med grundlig likhet som spelar bättre med fallbaser baserade på bättre experter. En AI-agent har utvecklats som spelat ett antal partier mot sig själv med olika fallbaser baserade på olika experter. Efter att ha undersökt resultatet visade de sig att AI-agenten spelar så dåligt att den nästan aldrig lyckades vinna oavsett fallbas, vilket gjorde att det inte gick att rangordna dem efter skicklighet. I framtida arbete är det intressant att undersöka andra likheter än grundlig likhet. Det är även av intresse att undersöka om en CBR-baserad schackspelande AI-agent kan spela schack med hög skicklighet.

<p>Studien syftar till att undersöka upplevelsen av besvärligt beteende i arbetsgrupper. Detta har gjorts genom en kvalitativ undersökning på en arbetsgrupp bestående av fem nära samarbetande kollegor. Studien utgår från två huvudperspektiv; individ-och samspelsperspektivet. Utifrån perspektiven analyseras sedan undersökningens resultat.</p><p>Studien fokuserar på vilka individ-och samspelsfaktorer som ligger till grund för hur människor upplever besvärligt beteende. Det har funnits att projektioner, introjektioner, förförståelse, behov av struktur, skapandet av stereotyper, gruppens informella roller, normer, konflikter, interaktionsritualer samt känsloregler i gruppen påverkar vad som upplevs som besvärligt beteende.</p><p>Frågeställningarna som uppsatsen grundar sig på är följande:</p><p>-Vad upplevs som besvärligt beteende i arbetslivet?</p><p>-Varför upplevs dessa beteenden besvärliga?</p><p>Resultatet på vår första frågeställning har mynnat ut i en modell över vilka beteenden som upplevs besvärliga i arbetslivet. Modellen består av en fyrgradig skala och belyser vilka nivåer besvärligt beteende kan indelas i. I den första nivån inkluderas beteenden som upplevs som tillfälligheter. Den andra nivån avser beteenden som avviker från gruppens känsloregler. Modellens tredje nivå består av beteenden som hotar individens självbild och den fjärde och sista nivån innefattar beteenden som hotar gruppens självbild. Beteenden som kan inkluderas i varje nivå varierar utifrån individ-och samspelsfaktorer. Då modellen inte består av fasta beteenden utan generella nivåer, är modellen överförbar till andra arbetsgrupper.</p><p>Vår andra frågeställning besvaras utifrån likheter och olikheter i arbetsgruppen. Vi har kommit fram till att dessa måste agera under obalans ökar risken för att gruppmedlemmarna upplever beteenden som besvärliga. När obalansen finns upplevs likheter som något och olikheter skapar förståelse mellan gruppmedlemmarna. Beteenden upplevs alltså i större grad som besvärliga när likheter och olikheter är i obalans.</p>

Studien syftar till att undersöka upplevelsen av besvärligt beteende i arbetsgrupper. Detta har gjorts genom en kvalitativ undersökning på en arbetsgrupp bestående av fem nära samarbetande kollegor. Studien utgår från två huvudperspektiv; individ-och samspelsperspektivet. Utifrån perspektiven analyseras sedan undersökningens resultat. Studien fokuserar på vilka individ-och samspelsfaktorer som ligger till grund för hur människor upplever besvärligt beteende. Det har funnits att projektioner, introjektioner, förförståelse, behov av struktur, skapandet av stereotyper, gruppens informella roller, normer, konflikter, interaktionsritualer samt känsloregler i gruppen påverkar vad som upplevs som besvärligt beteende. Frågeställningarna som uppsatsen grundar sig på är följande: -Vad upplevs som besvärligt beteende i arbetslivet? -Varför upplevs dessa beteenden besvärliga? Resultatet på vår första frågeställning har mynnat ut i en modell över vilka beteenden som upplevs besvärliga i arbetslivet. Modellen består av en fyrgradig skala och belyser vilka nivåer besvärligt beteende kan indelas i. I den första nivån inkluderas beteenden som upplevs som tillfälligheter. Den andra nivån avser beteenden som avviker från gruppens känsloregler. Modellens tredje nivå består av beteenden som hotar individens självbild och den fjärde och sista nivån innefattar beteenden som hotar gruppens självbild. Beteenden som kan inkluderas i varje nivå varierar utifrån individ-och samspelsfaktorer. Då modellen inte består av fasta beteenden utan generella nivåer, är modellen överförbar till andra arbetsgrupper. Vår andra frågeställning besvaras utifrån likheter och olikheter i arbetsgruppen. Vi har kommit fram till att dessa måste agera under obalans ökar risken för att gruppmedlemmarna upplever beteenden som besvärliga. När obalansen finns upplevs likheter som något och olikheter skapar förståelse mellan gruppmedlemmarna. Beteenden upplevs alltså i större grad som besvärliga när likheter och olikheter är i obalans.

Denna studie syftar till att synliggöra olika bedrägliga beteenden som riktar sig mot innovatörer. I studien diskuteras möjligheterna till att etablera en funktion som skyddar innovatörer mot en typ av övergrepp som blir allt vanligare. Hur skall subtil manschettbrottslighet begränsas när den är både riskfri och lönsam? En vägledande fråga i diskussionen har varit: Skall innovatörer ha samma skydd för sin upphovsrätt som andra fria yrkesutövare, eller ska de fortsätta få vara villebråd utan skydd av rättsväsendet? Resultatet bygger på dokumentanalyser och en kvalitativ studie om upphovsmän till patent, samt intervjuer med personer inom branschen innovationer och entreprenörskap. Resultat baseras bl a på den kvalitativa studien och beskrivs genom fakta om innovatörerna Dr. Håkan Lans och M.D. Johan Ullman, vilka båda fått sina fall uppmärksammade i massmedia. Resultatet av analysen visar att* Uppfinnare är en minoritet som saknar rättsskydd i Sverige* Likhet inför lagen gäller inte för innovatörer och upphovsmän* Det är nästintill undantagslöst den ekonomiskt starkaste som vinner patentstrider Ett par av slutsatserna är att risken för upptäckt styr omfattningen av subtil ekobrottslighet. När det är riskfritt att bedriva sådan verksamhet ökar antalet brott. Det finns metoder att begränsa organiserad ekonomisk brottslighet, bedrägerier och kränkningar. Slutdiskussionen ger förslag till hur man kan skydda den svagare parten och skapa förutsättningar för uppfinnare att verka, för en större industriell tillväxt och därmed fler nya arbetstillfällen i Europa.

Den här magisteruppsatsen består av en partiell översättning från japanska till svenska av IMAMURA Natsukos bok Kvinnan i den lila kjolen samt en översättningskommentar med fokus på kulturspecifika kategorier uttryckt i det japanska språket som egocentriciteten och andra kulturspecifika element i den japanska texten, de beskrivande onomatope (onomatopoetiska och mimetiska uttryck), och de västerländska låneordens förskjutningar (shifts) i en översättning. Dessa kategorier kan upplevas som svåra att översätta mellan två språk som ligger långt ifrån varandra. De teoretiska ramarna för uppsatsen lägger tyngdpunkten på riktningsekvivalens (directional equivalence), ett begrepp myntat av Anthony Pym, med fokus på likhet (similarities) i översättningen (Chesterman 1996), tillsammans med den etiska utgångspunkten representationell rättvisa (representational justice), beskrivet av Liu Yameng (2007). De utgör basen för översättningsmetoden och blir ledljus i översättningsval för översättning mellan språk i periferin av varandra. / This essay consists of a partial translation of IMAMURA Natsuko’s book The Woman In The Purple Skirt from Japanese to Swedish, together with a translation commentary focusing on egocentricity and other culture-specific concepts in Japanese texts, the descriptive onomatope (onomatopoetic and mimetic expressions) and the shifts in loanwords from western languages when translated. These categories are prone to cause issues when translating between languages so far removed from each other. The theoretical framework in this essay concentrates on directional equivalence, an expression coined by Anthony Pym, focusing on similarities in translations (Chesterman 1996) together with the ethical starting point representational justice as described by Liu Yameng (2007). These form the base for the translation method and serve as guiding lights in the choices made when translating between languages peripheral to each other.

Digitization is shaping society, services that were previously handled analogically are now managed digitally. The COVID-19 pandemic has acted as a catalyst for the increasing use of digital services. This has contributed to the digital divide between individuals who can access digital services and those who cannot. Reducing digital inequality is crucial for sustainable development in our digital society. A study on digital exclusion with the aim to investigate the significance of BankID for residents. Through analyzing scientific articles based on assumptions formulated through research in the field. The research question that the study seeks to answer is, "In what way does BankID risk becoming a socially excluding tool?”. Twelve interviews were conducted with respondents aged 65 or older. These interviews provided the basis for three different themes that were analyzed. The study reveals that older individuals strongly associate the use of BankID with their home environment for security reasons. This connection indicates their serious commitment to digital security but may potentially widen the digitalgap between older and younger generations. In conclusion, the study emphasizes the importance of finding a balance between security and inclusion to ensure that respondents do not miss out on digital opportunities. The results underscore the need to improve the userfriendliness and clarity of BankID to enhance digital competence and reduce digital exclusion. / Digitisering präglar samhället där tjänster som innan har skötts analogt nu han-teras digitalt. Pandemin COVID- 19 har agerat som en “katalysator” för ökande digitala tjänster. Detta har bidragit till den digital klyfta mellan individer som kan utnyttja digitala tjänster och de som inte kan. Reduceringen av den digitala ojämlikheten är väsentlig för att utveckla det digitala samhället på ett hållbart sätt. En studie om digitalt utanförskap med syfte att undersöka betydelse av BankID för invånare. Arbetet analyser vetenskapliga artiklar utifrån antagande som formulerades med hjälp av forskning inom området. Forskningsfrågan som studien syftar att besvara är “På vilket sätt riskerar BankID att vara ett socialt exkluderande verktyg”. Tolv intervjuer utfördes med respondenter som är 65 år eller äldre. Dessa intervjuer lägger underlag för tre olika teman som analyseras. Studien visar att äldre starkt relaterar användningen av BankID till deras hemmiljö av säkerhetsskäl. Denna koppling visar att de tar sin digitala säkerhet på allvar men kan potentiellt öka den digitala klyftan mellan äldre och yngre generationer. Sammanfattningsvis dras slutsatsen att balansen mellan säkerhet och inkludering är avgörande för att respondenterna inte ska missa digitala möjligheter. Resultatet understryker vikten av att förbättra användarvänligheten och tydligheten kring BankID för att öka digitala kompetensen och minska digitalt utanför-skap

Out-of-distribution detection considers methods used to detect data that deviates from the underlying data distribution used to train some machine learning model. This is an important topic, as artificial neural networks have previously been shown to be capable of producing arbitrarily confident predictions, even for anomalous samples that deviate from the training distribution. Previous work has developed many reportedly effective methods for out-of-distribution detection, but these are often evaluated on data that is semantically different from the training data, and therefore does not necessarily reflect the true performance that these methods would show in more challenging conditions. In this work, six unsupervised out-of- distribution detection methods are evaluated and compared under more challenging conditions, in the context of classification of semantically similar image data using deep neural networks. It is found that the performance of all methods vary significantly across the tested datasets, and that no one method is consistently superior. Encouraging results are found for a method using ensembles of deep neural networks, but overall, the observed performance for all methods is considerably lower than in many related works, where easier tasks are used to evaluate the performance of these methods. / Begreppet “out-of-distribution detection” (OOD-detektion) avser metoder vilka används för att upptäcka data som avviker från den underliggande datafördelningen som använts för att träna en maskininlärningsmodell. Detta är ett viktigt ämne, då artificiella neuronnät tidigare har visat sig benägna att generera godtyckligt säkra förutsägelser, även på data som avviker från den underliggande träningsfördelningen. Tidigare arbeten har producerat många välpresterande OOD-detektionsmetoder, men dessa har ofta utvärderats på data som är semantiskt olikt träningsdata, och reflekterar därför inte nödvändigtvis metodernas förmåga under mer utmanande förutsättningar. I detta arbete utvärderas och jämförs sex oövervakade OOD-detektionsmetoder under utmanande förhållanden, i form av klassificering av semantiskt liknande bilddata med hjälp av djupa neuronnät. Arbetet visar att resultaten för samtliga metoder varierar markant mellan olika data och att ingen enskild modell är konsekvent överlägsen de andra. Arbetet finner lovande resultat för en metod som utnyttjar djupa neuronnätsensembler, men överlag så presterar samtliga modeller sämre än vad tidigare arbeten rapporterat, där mindre utmanande data har nyttjats för att utvärdera metoderna.