Studiens syfte är att vi vill undersöka och redogöra för vilka olika läsinlärningsstrategier och arbetssätt klasslärare i åk 1–3 använder sig av i svenskundervisning. Vi har genomfört kvalitativa intervjuer med fyra olika informanter som arbetar i två olika skolor, detta för att kunna få svar på våra forskningsfrågor. Dessutom har vi använt oss av litteratur och forskningsartiklar för att kunna genomföra vår studie. I resultatdelen har vi kommit fram till att de olika informanterna arbetar med olika arbetsmetoder och läsinlärnigsstrategier i klassrummet. Till exempel ordbildsmetoden, ljudningsmetoden, 7-stegs metoden och digitala verktyg. Därmed belyste informanterna vikten med högläsning som är avgörande metod för elevernas läsutveckling. Det vill säga eleverna utvecklar ordförrådet, ger möjlighet att skapa diskussioner i klassrummet och främja fantasin. Slutligen kom vi fram till att läraren har stor betydelse för elevernas första läsutveckling, detta innebär att läraren ska stödja och skapa intresse för läsinlärning hos eleverna. Av den orsaken ska lärarna arbeta och använda sig av olika arbetssätt, metod och material för att lära och utveckla elevernas läsinlärning. / pedagogik

I denna studie har vi undersökt hur lärare arbetar med den initiala bokstavsinlärningen samt hur de väljer att motivera sina val av metod(er). Utifrån den tidigare forskningen framkommer det att det inte finns en given metod, utan många studier visar att lärare inte har några preferenser gällande metoderna. Samtidigt ställer sig många forskare frågande till vilken metod som är att föredra, vilket resulterat i olika läger: de som förespråkar den syntetiska metoden, de som förespråkar den analytiska samt de som kombinerar de två metoderna. I vår studie intervjuade vi fem lärare i åk F-1 gällande deras undervisning i bokstavsinlärning för att undersöka vad som ligger till grund för deras resonemang. De intervjuade lärarna betonade ljudningen som särskilt viktig i den initiala bokstavsinlärningen, men uttryckte även att det inte fanns en given metod att föredra. De beskrev därmed sin undervisning som varierande och en kombination av de båda metoderna. Ytterligare en aspekt som de framhävde var vikten av kunskap inom området, för att kunna göra kvalificerade beslut för att således gynna elevernas lärande och fortsätta utvecklas i sin profession. Det som avgjorde hur de arbetade med bokstavsinlärningen grundade sig främst i elevernas behov och intressen.

Tullverket är en av myndigheterna som arbetar med att förhindra och försvåra import av narkotika och andra preparat till Sverige. I följande uppsats kommer narkotikahandel via nätet behandlas utifrån intervjuer med några av Tullverkets tjänstemän. Riskerna med den illegala e-handeln är minimal för köparen. Anonymiteten ökar på nätet samtidigt som tillgängligheten möjliggör en större målgrupp, där den yngre populationen utmärker sig. Utvecklingen bidrar till allt säkrare metoder att köpa och sälja narkotika utan att åka fast samtidigt som internet möjliggör att nya syntetiska preparat vinner fäste på marknaden. / The Customs service in Sweden has a great responsibility of preventing narcotics and other forbidden products from entering the country. This thesis discusses online drug trade through interviews with some of the officials at Customs service (Sweden). The risks with online drug purchase are very limited because there are constantly new approaches implemented while the Internet anonymity decreases the risk to be caught. The drug access on Internet is available to a much larger scale then traditional trading and is especially convenient for the younger crowed. Developments contribute to safer methods for the buyers while Internet has given rise to new synthetic drugs that have gained position on the market.

The modern paradigms of machine learning algorithms and artificial intelligence base their success on processing a large quantity of data. Nevertheless, data does not come for free, and it can sometimes be practically unfeasible to collect enough data to train machine learning models successfully. That is the main reason why synthetic data generation is of great interest in the research community. Generating realistic synthetic data can empower machine learning models with vast datasets that are difficult to collect in the real world. In autonomous vehicles, it would require thousands of hours of driving recording for a machine learning model to learn how to drive a car in a safety-critical and effective way. The use of synthetic data, on the other hand, make it possible to simulate many different driving scenarios at a much lower cost. This thesis investigates the functioning of Meta-Sim, a synthetic data generator used to create datasets by learning from the real world. I evaluated the effects of replacing the stem of the Inception-V3 with the stem of the Inception- V4 as the feature extractor needed to process image data. Results showed similar behaviour of models that used the stem of the Inception-V4 instead of the Inception-V3. Slightly differences were found when the model tried to simulate more complex images. In these cases, the models that use the stem of the Inception-V4 converged in fewer iterations than those that used the Inception-V3, demonstrating superior behaviours of the Inception-V4. In the end, I proved that the Inception-V4 could be used to achieve state-of-the- art results in synthetic data generation. Moreover, in specific cases, I show that the Inception-V4 can exceed the performance attained by Meta-Sim. The outcome suggests further research in the field to validate the results on a larger scale. / De moderna paradigmen för algoritmer för maskininlärning och artificiell intelligens bygger sin framgång på att bearbeta en stor mängd data. Data är dock inte gratis, och det kan ibland vara praktiskt omöjligt att samla in tillräckligt med data för att träna upp maskininlärningsmodeller på ett framgångsrikt sätt. Det är huvudskälet till att generering av syntetiska data är av stort intresse för forskarsamhället. Genom att generera realistiska syntetiska data kan maskininlärningsmodeller få tillgång till stora datamängder som är svåra att samla in i den verkliga världen. I autonoma fordon skulle det krävas tusentals timmars körning för att en maskininlärningsmodell ska lära sig att köra en bil på ett säkerhetskritiskt och effektivt sätt. Användningen av syntetiska data gör det å andra sidan möjligt att simulera många olika körscenarier till en mycket lägre kostnad. I den här avhandlingen undersöks hur Meta-Sim fungerar, en generator för syntetiska data som används för att skapa dataset genom att lära sig av den verkliga världen. Jag utvärderade effekterna av att ersätta stammen från Inception-V3 med stammen från Inception-V4 som den funktionsextraktor som behövs för att bearbeta bilddata. Resultaten visade ett liknande beteende hos modeller som använde stammen från Inception-V4 i stället för Inception- V3. Små skillnader konstaterades när modellen försökte simulera mer komplexa bilder. I dessa fall konvergerade de modeller som använde Inception-V4:s stam på färre iterationer än de som använde Inception-V3, vilket visar att Inception- V4:s beteende är överlägset. I slutändan bevisade jag att Inception-V4 kan användas för att uppnå toppmoderna resultat vid generering av syntetiska data. Dessutom visar jag i specifika fall att Inception-V4 kan överträffa den prestanda som uppnås av Meta-Sim. Resultatet föreslår ytterligare forskning på området för att validera resultaten i större skala.

Syftet med denna studie är att utröna varför personer väljer att använda syntetiska cannabinoider. Vidare ämnade studien undersöka om personer som använder syntetiska cannabinoider också använder andra droger. Samtidigt har studien målet att ta reda på i vilken utsträckning drogens laglighet inverkar vid valet att använda drogen. Studien är kvantitativ. Undersökningen utfördes genom en webbenkät som besvarades av totalt 356 respondenter. Av dessa hade 171 personer använt syntetiska cannabinoider. I resultatet framkom att anledningarna till att använda drogen är flera, men de främsta visade sig vara laglighet, nyfikenhet, tillgänglighet, ruset samt att det ej visar sig vid urinprov. Personer som använder syntetiska cannabinoider har en tendens att också använda flera andra droger. Drogens laglighet visade sig ha en relativt stor inverkan på valet att använda den. Det visade sig också att män i större utsträckning använder syntetiska cannabinoider i jämförelse med kvinnor. / The purpose of this study is to examine why people choose to use synthetic cannabinoids. Furthermore, the study intended to investigate whether people who use synthetic cannabinoids also using other drugs. Meanwhile the study has the objective to find out to what extent the drug affects the legality of the choice to use the drug. The study is quantitative. The survey was conducted through an online survey and was answered by a total of 356 respondents. Of these, 171 people used synthetic cannabinoids. The result showed that the reason for using the drug are several, but the main proved were legality, curiosity, availability, intoxication and that it is not revealed by urine testing. People using synthetic cannabinoids have a tendency to also use several other drugs. The legacy of the drug was found to have a relatively large impact on the decision to use it. It was also found that men in greater occurrence use synthetic cannabinoids compared to women.

Plast och mikroplaster i natur, hav och vatten är ett stort globalt problem. Då plast i olika former förekommer i många olika produkter leder detta till att det skapas stora volymer plaster som kan spridas ut i naturen från många olika emissionskällor. Plast har ingen säker nedbrytningstid och påverkar då omgivningen under mycket lång tid då plast som bryts ned bildar mikroplaster över tid. Mikroplaster kan även tillverkas för olika ändamål som exempelvis gummigranulat. Detta examensarbete är en litteraturstudie angående mikroplaster i Hudiksvalls kommun med en avgränsning mot fyra av de större utsläppskällorna, mikroplaster från konstgräsplaner, nedskräpning, tvätt av syntetiska textilier samt mikroplaster som uppkommer vid slitage av däck och vägmarkeringsfärger.   Rapporten visar även på ungefärlig storlek på utsläppen från källorna i Hudiksvalls kommun samt åtgärdsförslag med en föreslagen prioriteringsordning. Resultatet visar att det finns förhållandevis stora utsläpp av mikroplaster inom kommunen, dock finns möjligheten att reducera vissa utsläppskällor med förhållandevis enkla och kostnadseffektiva medel. Utsläppen från konstgräsplaner i kommunen kan med följande åtgärder reduceras kraftigt. Skoborstar i närheten av konstgräsplanen, granulatfällor i närliggande dagvattenbrunnar vilka samlar upp eventuellt gummigranulat som annars hamnat i dagvattnet, en barriär vid sidan om planen för att hindra spridning till närliggande områden. När det gäller de lokala utsläppen av nedskräpning, slitage av däck och vägmarkeringar samt tvätt av syntetiska textilier krävs fler studier och undersökningar för att få mer exakta lokala utsläppsdata och för att få information om var mikroplasterna tar vägen efter de lämnat vägbanan vid slitage av däck och vägmarkeringar. Några källor som exempelvis mikroplaster från konstgräsplaner går att åtgärda fysiskt medan de andra tre utsläppskällorna kräver mer information eller ändrade vanor och mönster för att åtgärderna ska få större inverkan. Exempel kan vara att minska användandet av lastbilar vid tunga transporter och att öka användningen av kollektivtrafiken för att minska bilkörningen. Kommunen har som intention att följa agenda 2 030, vilket är globala mål beträffande ekonomisk, social och ekologisk hållbarhet. I Sverige och Hudiksvall har miljömålen preciserats i syfte att tydliggöra de viktigaste åtgärderna. Hudiksvall är sedan 2 002 en ekokommun vilket innebär att alla beslut ska innefattas av hållbarhetsprincipen, nya sätt att tänka ses som viktigt. Framtida studier angående mikroplaster och dess spridningsvägar krävs för att få mer specifika lokala data för att på så sätt kunna arbeta aktivt för att minimera dessa utsläpp oavsett storlek och källa. / Plastic and microplastics in nature, sea and water are a major global problem. Because plastics in different forms are present in a big variety of products, this leads to a big volume of plastics that can be spread out to nature from different emission sources. Plastics do not have a sure degradation time; plastics can, therefore, affect the environment for a very long time due to the formation of degraded plastics microplastics over time. Microplastics can also be manufactured as such, in the form of, for example rubber granules. This thesis is a literature study of microplastics in the municipality of Hudiksvall, with a delimitation of four of the following major emission sources of microplastics, artificial turf, littering, washing of synthetic fibres textiles and wire tear and road marking paint. The rapport is also showing the approximate quantity of the emissions from the sources above in the municipality of Hudiksvall together with proposed actions with a proposed priority order. The results show the emissions within the municipality to be relatively large, however, it is possible to greatly reduce some of the emissions with relatively simple and cost-effective means. The emissions from artificial turf can be greatly reduced with the following actions. Shoe brushes near the artificial grass, granular traps in the nearby stormwater drains for collection of rubber granular that otherwise would have ended up in the stormwater. The third action is a barrier at the sides of the artificial turf to prevent the spreading of rubber granular to nearby areas. More studies are needed regarding the emissions from littering, wire tear and road marking paints and washing of synthetic textiles to find more secure local and regional data and to get more data of what happens to the microplastics after it leaves the roads. The emissions of microplastics from artificial turfs can physically be addressed while the other three emission sources require both more information and changed habits and patterns to give a bigger impact to the measures.  Some examples may be to reduce the use of trucks for heavy transport and use trains to a greater extent. Another is to increase the use of public transport to reduce the use of cars. The municipality of Hudiksvall intends to follow Agenda 2 030, which is several global goals for economic, social, and ecological sustainability. In Sweden and Hudiksvall the environmental goals have been even more specified to clarify the most important measures. Hudiksvall municipality is an eco-municipality since 2 002. That means all decisions must be included in the sustainability principle, new ways of thinking are seen as important. Future studies of microplastics and its emission pathways are required to get more specific local data to be able to work actively to reduce the emissions regardless of the size or source.

Supervised learning methods require vast amounts of annotated images to successfully train an image classifier. Acquiring the necessary annotated images is costly. The increased availability of photorealistic computer generated images that are annotated automatically begs the question under which conditions it is possible to leverage this synthetic data during training. We investigate the conditions that make it possible to leverage computer generated renders of car models for fine-grained car model classification. / Övervakade inlärningsmetoder kräver stora mängder kommenterade bilder för att framgångsrikt träna en bildklassificator. Det är kostsamt att skaffa de nödvändiga bilderna med kommentarer. Den ökade tillgången till fotorealistiska datorgenererade bilder som kommenteras automatiskt väcker frågan om under vilka förhållanden det är möjligt att utnyttja dessa syntetiska data vid träning. Vi undersöker vilka villkor som gör det möjligt att utnyttja datorgenererade renderingar av bilmodeller för finkornig klassificering av bilmodeller.

Syftet med studien var att undersöka vad forskningen säger om två olika förhållningssätts undervisningsmetoder kopplat till elevers tidiga läsutveckling och mer specifikt undersöka vilken metod som är mest framgångsrik. Undervisningsmetoderna som undersöktes var kopplade till det syntetiska och det analytiska förhållningssättet. Metoden som användes i studien var en kunskapsöversikt varigenom tidigare forskning i form av tio vetenskapliga artiklar granskades genom en tematisk analysmetod och ställdes mot varandra. Databaserna ERIC, Libsearch, ERC och SwePub var de som användes. Resultatet visade att båda förhållningssättens metoder är framgångsrika kopplat till elevers tidiga läsutveckling. Båda metoderna påverkade aspekterna: läsförståelse, avkodning och motivation på ett gynnsamt sätt, men med en signifikant marginell fördel det syntetiska förhållningssättets metod.

This thesis has been performed at Clinical Chemistry at Sahlgrenska University Hospital in Gothenburg. The purpose of the project was to investigate new and alternative ways to determinate synthetic cannabinoids by gas chromatography-mass spectrometry. Currently, the possibilities to quantify synthetic cannabinoids are very limited. This can lead to an increased use of synthetic cannabinoids as the risk of detection is low, which may be known by drug users. The synthetic cannabinoids are sold mixed with different herbs and have varying names like Spice Gold, Spice Silver, K2, Smoke and Pot-pourri. The synthetic cannabinoids analyzed were JWH-018 and JWH-073, which are commonly found in seized Spice material. At intake of these drugs, usually through smoking, cannabis-like effects arise. This is because they bind to cannabinoid receptors in a similar way as THC does, which is the primary active cannabinoid of cannabis. For urine samples an analytical method would probably be the most sensitive if the major metabolite could be analyzed, as it is expected to be present in high concentrations in this sample type. Since information regarding the metabolism of synthetic cannabinoids is very limited there may be reasons to analyze the mother substance in urine. Further, in plasma and serum samples the mother substance is expected in high concentrations. Thus different ways to detect JWH-018 and JWH-073 directly were investigated in this project. Derivatization of JWH-018 and JWH-073 was the first step to get more selective and sensitive GC-MS analysis. Different derivatization-reagents were investigated, for example BSTFA and TFAA. The results show that the derivatization of JWH-018 with BSTFA after reduction and extraction was successful. To achieve this, samples had to be heated at 115°C for 1-3 hours, but still the samples were not completely derivatized. The results indicate that JWH-substances are difficult to derivatized, but they are possible to derivatize with BSTFA. This could mean that a GC-MS-method maybe could be established for these substances, preferably trough TFAA-derivatization.

Semantic segmentation is the task of predicting predefined class labels for each pixel in a given image. It is essential in autonomous driving, but also challenging because training accurate models requires large and diverse datasets, which are difficult to collect due to the high cost of annotating images at pixel-level. This raises interest in using synthetic images from simulators, which can be labelled automatically. However, models trained directly on synthetic data perform poorly in real-world scenarios due to the distributional misalignment between synthetic and real images (domain shift). This thesis explores the effectiveness of several techniques for alleviating this issue, employing Synscapes and Cityscapes as the synthetic and real datasets, respectively. Some of the tested methods exploit a few additional labelled real images (few-shot supervised domain adaptation), some have access to plentiful real images but not their associated labels (unsupervised domain adaptation), and others do not take advantage of any image or annotation from the real domain (domain generalisation). After extensive experiments and a thorough comparative study, this work shows the severity of the domain shift problem by revealing that a semantic segmentation model trained directly on the synthetic dataset scores a poor mean Intersection over Union (mIoU) of 33:5% when tested on the real dataset. This thesis also demonstrates that such performance can be boosted by 25:7% without accessing any annotations from the real domain and 17:3% without leveraging any information from the real domain. Nevertheless, these gains are still inferior to the 31:0% relative improvement achieved with as little as 25 supplementary labelled real images, which suggests that there is still room for improvement in the fields of unsupervised domain adaptation and domain generalisation. Future work efforts should focus on developing better algorithms and creating synthetic datasets with a greater diversity of shapes and textures in order to reduce the domain shift. / Semantisk segmentering är uppgiften att förutsäga fördefinierade klassetiketter för varje pixel i en given bild. Det är viktigt för autonom körning, men också utmanande eftersom utveckling av noggranna modeller kräver stora och varierade datamängder, som är svåra att samla in på grund av de höga kostnaderna för att märka bilder på pixelnivå. Detta väcker intresset att använda syntetiska bilder från simulatorer, som kan märkas automatiskt. Problemet är emellertid att modeller som tränats direkt på syntetiska data presterar dåligt i verkliga scenarier på grund av fördelningsfel mellan syntetiska och verkliga bilder (domänskift). Denna avhandling undersöker effektiviteten hos flera tekniker för att lindra detta problem, med Synscapes och Cityscapes som syntetiska respektive verkliga datamängder. Några av de testade metoderna utnyttjar några ytterligare märkta riktiga bilder (few-shot övervakad domänanpassning), vissa har tillgång till många riktiga bilder men inte deras associerade etiketter (oövervakad domänanpassning), och andra drar inte nytta av någon bild eller annotering från den verkliga domänen (domängeneralisering). Efter omfattande experiment och en grundlig jämförande studie visar detta arbete svårighetsgraden av domänskiftproblemet genom att avslöja att en semantisk segmenteringsmodell som upplärts direkt på den syntetiska datauppsättningen ger en dålig mean Intersection over Union (mIoU) på 33; 5% när den testas på den verkliga datamängden. Denna avhandling visar också att sådan prestanda kan ökas med 25; 7% utan att komma åt några annoteringar från den verkliga domänen och 17; 3% utan att utnyttja någon information från den verkliga domänen. Ändå är dessa vinster fortfarande sämre än den 31; 0% relativa förbättringen som uppnåtts med så lite som 25 kompletterande annoterade riktiga bilder, vilket tyder på att det fortfarande finns utrymme för förbättringar inom områdena oövervakad domänanpassning och domängeneralisering. Framtida arbetsinsatser bör fokusera på att utveckla bättre algoritmer och på att skapa syntetiska datamängder med en större mångfald av former och texturer för att minska domänskiftet.