Språket är människans främsta redskap för att lära och tänka och som lärare har man som uppgift att ge särskilt stöd till elever med svårigheter, samt låta elever uppleva olika uttryck för kunskap (Skolverket 2011). Trots att elever ska få möta olika uttryck för kunskap och trots att forskare såsom Jerome Bruner (1915-2016) och Peter Gärdenfors (född 1949) betonar berättandets betydelse för minne och lärande, dominerar läroboken och den förklarande faktatexten som kunskapsförmedlare i ämnesundervisningen. Denna studie har som syfte att skaffa fördjupad förståelse för berättande och förklarande text i förhållande till minnet, samt elevernas förhållningssätt. I undersökningen deltog fyra klasser i årskurs 6 från två skilda skolor och kommuner. Eleverna fick svara på en enkät, samt läsa fyra texter varav två berättande och två förklarande och med olika innehåll varefter de fick svara på frågor utifrån texterna. Resultatet visar att eleverna är skolade i de dominerande attityder kring lärande och menar att berättande texter är mer lustfyllt att läsa än förklarande men att dessa är viktigare att läsa för att tillägna sig ny kunskap. Majoriteten av eleverna menade sig också föredra förklarande för att tillägna sig ny kunskap. Dock visade resultatet att det inte går att utläsa någon tydlig skillnad mellan att läsa och minnas innehållet i förklarande- respektive berättande text, samt att minnas innehållet en vecka senare. Resultatet visar på att det finns fördelar med att kombinera texttyperna för att ge eleverna en större textvariation och tilltala olika elevers intresse och lärande.

The United States experiences more extreme wind events than any other country, owing to its extensive coastlines, central regions prone to tornadoes, and varied climate that together create a wide array of wind phenomena. Despite advanced meteorological forecasts, these events continue to have significant impacts on infrastructure due to the knowledge gap between hazard prediction and tangible impact. Consequently, disaster managers are increasingly interested in understanding the impacts of past wind events that can assist in formulating strategies to enhance community resilience. However, this data is often non-structured and embedded in various agency documents. This makes it challenging to access and use the data effectively. Therefore, it is important to investigate approaches that can distinguish and extract impact data from non-essential information. This research aims at exploring methods that can identify, extract, and summarize sentences containing impact data. The significance of this study lies in addressing the scarcity of historical impact data related to structural and community damage, given that such information is dispersed across multiple briefings and damage reports. The research has two main objectives. The first is to extract sentences providing information on infrastructure, or community damage. This task uses Zero-shot text classification with the large version of the Bidirectional and Auto-Regressive Transformers model (BART-large) pre-trained on the multi-nominal language inference (MNLI) dataset. The model identifies the impact sentences by evaluating entailment probabilities with user-defined impact keywords. This method addresses the absence of manually labeled data and establishes a framework applicable to various reports. The second objective transforms this extracted data into easily digestible summaries. This is achieved by using a pre-trained BART-large model on the Cable News Network (CNN) Daily Mail dataset to generate abstractive summaries, making it easier to understand the key points from the extracted impact data. This approach is versatile, given its dependence on user-defined keywords, and can adapt to different disasters, including tornadoes, hurricanes, earthquakes, floods, and more. A case study will demonstrate this methodology, specifically examining the Hurricane Ian impact data found in the Structural Extreme Events Reconnaissance (StEER) damage report. / Master of Science / The U.S. sees more severe windstorms than any other country. These storms can cause significant damage, despite the availability of warnings and alerts generated from weather forecast systems up to 72 hours before the storm hits. One challenge is the ineffective communication between emergency managers and at-risk communities, which can hinder timely evacuation and preparation. Additionally, data about past storm damages are often mixed up with non-actionable information in many different reports, making it difficult to use the data to enhance future warnings and readiness for upcoming storms. This study tries to solve this problem by finding ways to identify, extract, and summarize information about damage caused by windstorms. It is an important step toward using historical data to prepare for future events. Two main objectives guide this research. The first involves extracting sentences in these reports that provide information on damage to buildings, infrastructure, or communities. We're using a machine learning model to sort the sentences into two groups: those that contain useful information and those that do not. The second objective revolves around transforming this extracted data into easily digestible summaries. The same machine learning model is then trained in a different way, to create these summaries. As a result, critical data can be presented in a more user-friendly and effective format, enhancing its usefulness to disaster managers.

The design of a machine which reads unconstrained words still remains an unsolved problem. For example, automatic interpretation of handwritten documents by a computer is still under research. Most systems attempt to segment words into letters and read words one character at a time. However, segmenting handwritten words is very difficult. So to avoid this words are treated as a whole. This research investigates a number of features computed from whole words for the recognition of handwritten words in particular. Arabic text classification and recognition is a complicated process compared to Latin and Chinese text recognition systems. This is due to the nature cursiveness of Arabic text. The work presented in this thesis is proposed for word based recognition of handwritten Arabic scripts. This work is divided into three main stages to provide a recognition system. The first stage is the pre-processing, which applies efficient pre-processing methods which are essential for automatic recognition of handwritten documents. In this stage, techniques for detecting baseline and segmenting words in handwritten Arabic text are presented. Then connected components are extracted, and distances between different components are analyzed. The statistical distribution of these distances is then obtained to determine an optimal threshold for word segmentation. The second stage is feature extraction. This stage makes use of the normalized images to extract features that are essential in recognizing the images. Various method of feature extraction are implemented and examined. The third and final stage is the classification. Various classifiers are used for classification such as K nearest neighbour classifier (k-NN), neural network classifier (NN), Hidden Markov models (HMMs), and the Dynamic Bayesian Network (DBN). To test this concept, the particular pattern recognition problem studied is the classification of 32492 words using ii the IFN/ENIT database. The results were promising and very encouraging in terms of improved baseline detection and word segmentation for further recognition. Moreover, several feature subsets were examined and a best recognition performance of 81.5% is achieved.

Syftet med den här uppsatsen är att redogöra för interaktionen mellan verbalt- respektive visuellt narrativ i serieromanen Zenobia. Mitt intresse för serieromaner vilket är en text som kombinerar ord och bild har sin grund i diskrepansen mellan den vardagliga- och vetenskapliga beskrivningen av begreppet text. De flesta av oss associerar text som det skrivna ordet medan vissa forskare förespråkar ett vidgad textbegrepp och hävdar att en text kan vara i princip allt som på något sätt kommunicerar med oss. Även i den svenska skolan har det skrivna ordet och det verbala språket prioriterats i förmån för det vidgade textbegreppet trots att lärare är medvetna om att en vidgat syn på text har positiv effekt på utveckling av elevers literacy. Literacy beskrivs som förmågan att läsa, förstå, tolka och resonera om olika sorters texter. Serieromanen är en multimodal text som kombinerar ord och bild vilket utvecklar läsarens verbala- och visuella literacy. Serieromaner skärper därför läsarens dubbla blick då fokus måste riktas mot både ord och bild som tillsammans uttrycker textens budskap. I den här uppsatsen analyserar jag i vilken omfattning interaktionen mellan verbalt- respektive visuellt narrativ är ordinriktat, alternerande, montage, parallellt eller bildinriktat i serieromanen Zenobia. Jag är intresserad av hur det verbala- och visuella berättandet integrerar i serieromanen för att gestalta narrativets protagonist, miljö och temporalitet och hur dessa aspekter av berättandet relaterar till karakteriseringen av serieromanens protagonist Amina. Analysen visar dels att serieromanen Zenobia innehåller en komplex variation av verbalt- och visuellt berättande för att gestalta narrativet, dels att lärare med fördel kan använda serieromanen Zenobia i undervisningen för att skärpa elevers dubbla blick vilket utvecklar elevernas verbala- och visuella literacy. / <p>Slutgiltigt godkännandedatum: 2023-06-01</p>

The purpose of this study is to analyze if textbooks used in Swedish for second language learners incorporate translanguaging and inclusion. The textbooks used in this study are aimed at pupils in Swedish middle school (ages 10-12). The material that we have used and analyzed are the textbooks Språkis – svenska för nyfikna C and Entré elevbok A. As a theory we chose to apply translanguaging. Our analytical starting points for this study are text- and multimodal text analysis. The questions, that this study is based upon, are “Do the textbooks express a translanguaging language vision?” and “Do the textbooks include the intended reader?”. Starting with our questions we created indicators to be able to analyze the textbooks. The indicators that we used to expose translanguaging were comparison of language, mother tongue, meta-markers (looks like, reminds of…) and fixed phrases. The indicators that were used to expose inclusion were; prior knowledge that is assumed, if minorities are noticed -in what way?, how the reader is addressed and level of difficulty in the language. The study showed that the level of prior knowledge needed to be able to use the textbooks set the textbooks apart. It also showed that neither one of the textbooks used the mother tongue as a resource for future learning. We could also see how the usage of pictures differed between the textbooks. Both textbooks, somewhat, used the pictures to support the text, but to a different extent. In conclusion the study shows that the textbook Språkis – svenska för nyfikna C, uses translanguaging and inclusion to a greater extent than Entré elevbok A does.

Syftet med denna studie är att jämföra två olika läromedel och hur sambandet mellan texten och bilden i dessa läromedel ser ut. Vidare ville vi se hur läromedlen lämpar sig för årskurs 1. Vår metod bestod av en kvalitativ textanalys samt läsbarhetsanalys. Vi har använt oss av begreppen avbytesrelation, förankringsrelation, dekorativ funktion och informativ funktion för att kunna analysera samband mellan text och bild. Vi har undersökt hur lättlästa texterna i devalda läroböckerna är med hjälp av läsbarhetsindex samt ordvariationsindex. Resultatet av vår analys visar att det finns skillnader i läsbarhet mellan de två analyserade läroböckerna som kan vara lättlästa och lämpliga för årskurs 1. Meningarna är enkla och korta där samma ord förekommer ofta vilket ger flyt i läsningen. Det visade sig att sambandet mellan text och bild i båda läroböckerna kan underlätta förståelsen för elever i årskurs 1. Text och bild i båda läroböckerna ger tydliga och sammanhängande budskap till läsaren ochsambandet mellan text och bild kan underlätta förståelsen av textens innehåll.

No description available.

No description available.

No description available.

No description available.