Return to search

Nätmobbning och Deep Learning : Att spåra och förebygga nätmobbning med hjälp av Deep Learning

Syftet med detta kandidatarbetet är att hitta ett sätt att spåra och förebygga nätmobbning med hjälp av självinlärningssystem, webbteknologier och antimobbningsmetoder. Uppsatsen tar även upp problematiken kring mobbning i skolor, nätmobbning och ansvarstagande inom utvecklande av webbapplikationer. Denna studien går vidare in på olika typer av nätmobbning, dess effekter, fall, system som motverkar nätmobbning och generellt om självinlärningssystem. Studien går även in på djupet vad det gäller metoder vi har använt för att spåra och förebygga nätmobbning, också vidare in på hur vi har arbetat för att ta fram en prototyp. Den här prototypen är ett exempel på hur nätmobbning skulle kunna spåras och förebyggas. Med detta skrivet är vår slutsats att det är möjligt att spåra och förebygga nätmobbning med hjälp av webbteknologier, självinlärningssystem och antimobbningsmetoder. Det handlar huvudsakligen om att ta ansvar för förutsättningarna användarna får av utvecklare i ett givet system. När utvecklare förstår sitt ansvar är det lättare för dem att inse problemen som kan uppstå när användarna blir utsatta för deras system. Vi drog även slutsatsen att det är viktigt att låta användarna själva ta en aktiv ställning i vad som kan räknas som nätmobbning för att främja vårt egna självinlärningssystem.

Identiferoai:union.ndltd.org:UPSALLA1/oai:DiVA.org:bth-14585
Date January 2017
CreatorsTatou, Kevin, Wolter, Liam
Source SetsDiVA Archive at Upsalla University
LanguageSwedish
Detected LanguageSwedish
TypeStudent thesis, info:eu-repo/semantics/bachelorThesis, text
Formatapplication/pdf
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0018 seconds