Flippfloppsandaler förknippas med sol och ledighet i Sverige. Men i många andra länder är det en sko som används dagligen, året om. Det sägs vara världens mest sålda sko. Den är billig och åker lätt på foten men den åker lika snabbt av. Vid kraftigt regn riskerar avställda floppfloppsandaler att flyta iväg från sina ägare. De åker längs vattendrag och inte sällan ut i havet tillsammans med en massa annat skräp. För personen som blev av med sandalerna kanske det inte gör så mycket, det går ju att köpa ett par nya i närmsta kiosk. Men faktum är att de är en del av ett stort problem. Plaster i haven bryts inte ner biologiskt utan blir mindre och mindre bitar av solen. Plastbitarna äts av fiskar och fåglar som tar skada. Plast drar också till sig gifter som PCB och DDT. När människor äter fisk som fått i sig plast vandrar gifterna uppåt i näringskedjan. Efter att länge färdats på havet kanske flippfloppsandalen spolas upp på land. Och kanske hittas den då av företaget och organisationen Ocean Sole i Kenya. De plockar tappade flippfloppsandaler i slumområden och längs Kenyas kust. Vissa sandaler har flutit dit ända från Asien. Flippfloppsandalerna sorteras, tvättas, limmas ihop, skärs till och slipas av hantverkare i Nairobi därefter. De blir till allt från skulpturer till smycken som säljs världen över. Ocean Sole återvinner ett ton flippfloppsandaler i veckan och det ser inte ut som att de någonsin kommer få slut på material. Flippfloppsandalen är i sig en symbol för slit- och slängsamhället men bär också ett meddelande från havet om att havet håller på att bli världens soptipp. Radioreportaget belyser därmed ett stort problem genom en enskild produkts livscykel.

No description available.

Detta arbete handlar om barns tankar om skräp i sin närmiljö. Vi ville ta reda på vad barn tänker om skräp i närmiljön, eftersom vi under våra VFT perioder upptäckt hur mycket skräp som ligger på skolgårdarna där barnen vistas och leker. Förskolan och skolan har en betydelsefull roll för att utveckla barns handlingskompetens för en hållbar utveckling. Vi har intervjuat barn i en mångkulturell förskoleklass för att ta reda på deras tankar om varför skräpet hamnar på marken och vart det tar vägen om det får ligga kvar. Vi har även intervjuat förskolläraren barnen hade i förskolan för att se om de fått med sig någon kunskap om ämnet från förskolan till förskoleklassen. Våra resultat visar att de flesta barn i denna undersökning tänker ungefär på samma sätt om skräp i sin närmiljö. Skräp för dessa barn är något som någon använt och slängt på marken, t.ex. förpackningar av olika slag. Barnen visade svårigheter i att förstå nedbrytning av organiskt avfall och kom med olika förslag om vart skräpet tar vägen om det får ligga kvar på marken.

Under projektet ”Att brodera är ett verb –Betraktelser ur ett nålsöga” har jag använt applikationsbroderi som teknik för att transformera och bearbeta material från min omgivning. Jag har sorterat alla material efter färgcirkeln och skapat rutor som jag satt ihop till ett abstraherat lapptäcke. Arbetet har syftat till att undersöka processbaserat görande och jag har därför tagit hjälp av verben i konstnären Richard Serras ”Verb list”. Jag har satt upp fyra regler för mig själv att förhålla mig till under arbetets gång. Med reglerna har jag velat eliminera alla val och processer som inte handlar om själva görandet i sig. Lapptäcket har tagit sin slutliga form utifrån det ramverk som reglerna utgjort. Under min opponering diskuterade jag och opponenten Karin Lundgren-Tallinger främst hur jag har förhållit mig till mina regler under arbetets gång och hur de hade kunnat vara tydligare. Till Konstfacks Vårutställning hängde jag upp lapptäcket på en ställning av skrot i ett hörn och spred ut vissa rutor och andra obearbetade material så som skräp och garner i flera delar av rummet. Installationen av verket gjorde jag för att skapa en känsla av att arbetet med rutorna när som helst skulle kunna återupptas och görandet forsätta.

In today's connected society, where it is common to have several connected devices per capita, it is more important than ever that the data you need is omnipresent, i.e. its available when you need it, no matter where you are. We identify one key technology and platform that could be the future—peer-to-peer communication and the Web. Unfortunately, guaranteeing consistency and availability between users in a peer-to-peer network, where network partitions are bound to happen, can be a challenging problem to solve. To solve these problems, we turned to a promising category of data types called CRDTs—Conflict Free Replicated Data Types. By following the scientific tradition of reproduction, we build upon previous research of a CRDT framework, and adjust it work in a peer-to-peer Web environment, i.e. it runs on a Web browser. CRDTs makes use of meta-data to ensure consistency, and it is imperative to remove this meta-data once it no longer has any use—if not, memory usage grows unboundedly making the CRDT impractical for real-world use. There are different garbage collection techniques that can be applied to remove this meta-data. To investigate whether the CRDT framework and the different garbage collection techniques are suitable for the Web, we try to reproduce previous findings by running our implementation through a series of benchmarks. We test whether our implementation works correctly on the Web, as well as comparing the memory efficiency between different garbage collection techniques. In doing this, we also proved the correctness of one of these techniques. The results from our experiments showed that the CRDT framework was well-adjusted to the Web environment and worked correctly. However, while we could observe similar behaviour between different garbage collection techniques as previous research, we achieved lower relative memory savings than expected. An additional insight was that for long-running systems that often reset its shared state, it might be more efficient to not apply any garbage collection technique at all. There is still much work to be done to allow for omnipresent data on the Web, but we believe that this research contains two main takeaways. The first is that the general CRDT framework is well-suited for the Web and that it in practice might be more efficient to choose different garbage collection techniques, depending on your use-case. The second take-away is that by reproducing previous research, we can still advance the current state of the field and generate novel knowledge—indeed, by combining previous ideas in a novel environment, we are now one step closer to a future with omnipresent data. / I dagens samhälle är vi mer uppkopplade än någonsin. Tack vare det faktum att vi nu ofta har fler än en uppkopplad enhet per person, så är det viktigare än någonsin att ens data är tillgänglig på alla ens enheter–oavsett vart en befinner sig. Två tekniker som kan möjliggöra denna ``allnärvaro'' av data är Webben, alltså kod som körs på en Webbläsare, tillsammans med peer-to-peer-kommunikation; men att säkerställa att distribuerad data både är tillgänglig och likadan för alla enheter är svårt, speciellt när enhetens internetanslutning kan brytas när som helst. Conflict-free replicated data-types (CRDT:er) är en lovande klass av datatyper som löser just dessa typer av problem i distribuerade system; genom att använda sig av meta-data, så kan CRDT:er fortsätta fungera trots att internetanslutningen brutits. Dessutom är de garanterade att konvergera till samma sluttillstånd när anslutningen upprättas igen. Däremot lider CRDT:er av ett speciellt problem–denna meta-data tar upp mycket minne trots att den inte har någon användning efter en stund. För att göra datatypen mer minneseffektiv så kan meta-datan rensas bort i en process som kallas för skräpsamling. Vår idé var därför att reproducera tidigare forskning om ett ramverk för CRDT:er och försöka anpassa denna till att fungera på Webben. Vi reproducerar dessutom olika metoder för skräpsamling för att undersöka om de, för det första fungerar på Webben, och för det andra är lika effektiv i denna nya miljö som den tidigare forskningen pekar på. Resultaten från våra experiment visade att CRDT-ramverket och dess olika skräpsamlingsmetoder kunde anpassas till att fungera på Webben. Däremot så noterade vi något högre relativ minnesanvändning än vad vi har förväntat oss, trots att beteendet i stort var detsamma som den tidigare forskningen. En ytterligare upptäckt vad att i vissa specifika fall så kan det vara mer effektivt att inte applicera någon skräpsamling alls. Trots att det är mycket arbete kvar för att använder CRDT:er peer-to-peer på Webben för att möjliggöra ``allnärvarande'' data, så innehåller denna uppsats två huvudsakliga punkter. För det första så fungerar det att anpassa CRDT-ramverket och dess olika skräpsamlingsmetoder till Webben, men ibland är det faktiskt bättre att inte applicera någon skräpsamling alls. För det andra så visas vikten av att reproducera tidigare forskning–inte bara visar uppsatsen att tidigare CRDT-forskning kan appliceras i andra miljöer, dessutom kan ny kunskap hämtas ur en sådan reproducering.

Instance segmentation has a great potential for improving the current state of littering by autonomously detecting and segmenting different categories of litter. With this information, litter could, for example, be geotagged to aid litter pickers or to give precise locational information to unmanned vehicles for autonomous litter collection. Land-based litter instance segmentation is a relatively unexplored field, and this study aims to give a comparison of the instance segmentation models Mask R-CNN and DetectoRS using the multiclass litter dataset called Trash Annotations in Context (TACO) in conjunction with the Common Objects in Context precision and recall scores. TACO is an imbalanced dataset, and therefore imbalanced data-handling is addressed, exercising a second-order relation iterative stratified split, and additionally oversampling when training Mask R-CNN. Mask R-CNN without oversampling resulted in a segmentation of 0.127 mAP, and with oversampling 0.163 mAP. DetectoRS achieved 0.167 segmentation mAP, and improves the segmentation mAP of small objects most noticeably, with a factor of at least 2, which is important within the litter domain since small objects such as cigarettes are overrepresented. In contrast, oversampling with Mask R-CNN does not seem to improve the general precision of small and medium objects, but only improves the detection of large objects. It is concluded that DetectoRS improves results compared to Mask R-CNN, as well does oversampling. However, using a dataset that cannot have an all-class representation for train, validation, and test splits, together with an iterative stratification that does not guarantee all-class representations, makes it hard for future works to do exact comparisons to this study. Results are therefore approximate considering using all categories since 12 categories are missing from the test set, where 4 of those were impossible to split into train, validation, and test set. Further image collection and annotation to mitigate the imbalance would most noticeably improve results since results depend on class-averaged values. Doing oversampling with DetectoRS would also help improve results. There is also the option to combine the two datasets TACO and MJU-Waste to enforce training of more categories.