Kravprioritering är ett av de viktigaste och mest inflytelserika stegen vid tillverkning av en mjukvaruprodukt. Processen är iterativ; den sker under hela produktens agila mjukvaruutvecklingsprocess. Genom kravprioritering beslutas det om vilka krav som ska utvecklas, i vilken ordning och varför. 

Målet med denna studie är att undersöka hur mjukvaruutvecklande företag gör för att kravprioritera, samt identifiera vilka prioriteringsmetoder de eventuellt använder sig av. Studiens syfte är att få en förståelse för varför en väl avvägd prioritering är viktig, vilka särskilda prioriteringsfaktorer som ger värde till en produkt och att se hur dessa faktorer är relaterade till resultatet. Syftet är även att undersöka vilka svårigheter som finns i en prioriteringsprocess, samt att skapa en översikt över några av de mest vedertagna prioriteringsmetoderna inom agil mjukvaruutveckling. 

Studien utförs i samarbete med mjukvaruföretaget Monitor ERP för att analysera företagets prioriteringsprocesser som används för att utveckla deras affärssystem Monitor. Metoden som används är en kvalitativ undersökning som består av observationer av möten kring prioriteringsarbete och semi-strukturerade intervjuer. Bearbetning av insamlat material skedde genom att organisera, analysera och sammanställa resultat enligt begrepp och kategorier som framkom utifrån litteraturstudien. Resultatet redovisar arbetsprocesser, gemensamma mål, prioriteringsaspekter och utmaningar i prioriteringsarbetet hos Monitor ERP.

En väl avvägd prioritering visade sig vara viktigt för att kunna leverera rätt funktionalitet i tid, för att kunna ge trovärdiga estimeringar om utvecklingen och det i sin tur leder till att kunder får förtroende för både produkten och företaget. En rad olika prioriteringsfaktorer som ger värde till programvaran Monitor identifierades, varav många bidrar till att öka kundnöjdheten och kvaliteten på produkten. Monitor ERP använder inte några särskilda prioriteringsmetoder, utan utvecklingsfilosofin Minimum Viable Product används som grund till deras prioriteringsval. Under prioriteringsarbetet upplevdes utmaningar såsom begränsade resurser, oförutsägbara uppgifter, svårigheter med tidsestimering och en utmaning i balansen mellan kundnytta och kundfokus.  

Millions of new websites are created daily, making it challenging to determine which ones are safe. Cybersecurity involves protecting companies and users from cyberattacks. Cybercriminals exploit various methods, including phishing attacks, to trick users into revealing sensitive information. In Australia alone, there were over 74,000 reported phishing attacks in 2022, resulting in a financial loss of over $24 million. Artificial intelligence (AI) and machine learning are effective tools in various domains, such as cancer detection, financial fraud detection, and chatbot development. Machine learning models, such as Random Forest and Support Vector Machines, are commonly used for classification tasks. With the rise of cybercrime, it is crucial to use machine learning to identify both known and new malicious URLs. The purpose of the study is to compare different instance selection methods and machine learning models for classifying malicious URLs.

In this study, a dataset containing approximately 650,000 URLs from Kaggle was used. The dataset consisted of four categories: phishing, defacement, malware, and benign URLs. Three datasets, each consisting of around 170,000 URLs, were generated using instance selection methods (DRLSH, BPLSH, and random selection) implemented in MATLAB. Machine learning models, including SVM, DT, KNNs, and RF, were employed. The study applied these instance selection methods to a dataset of malicious URLs, trained the machine learning models on the resulting datasets, and evaluated their performance using 16 features and one output feature.

In the process of hyperparameter tuning, the training dataset was used to train four models with different hyperparameter settings. Bayesian optimization was employed to find the best hyperparameters for each model. The classification process was then conducted, and the results were compared. The study found that the random instance selection method outperformed the other two methods, BPLSH and DRLSH, in terms of both accuracy and elapsed time for data selection. The lower accuracies achieved by the DRLSH and BPLSH methods may be attributed to the imbalanced dataset, which led to poor sample selection.

Amid the rapid proliferation of thousands of new websites daily, distinguishing safe ones from potentially harmful ones has become an increasingly complex task. These websites often collect user data, and, without adequate cybersecurity measures such as the efficient detection and classification of malicious URLs, users’ sensitive information could be compromised. This study aims to develop models based on machine learning algorithms for the efficient identification and classification of malicious URLs, contributing to enhanced cybersecurity. Within this context, this study leverages support vector machines (SVMs), random forests (RFs), decision trees (DTs), and k-nearest neighbors (KNNs) in combination with Bayesian optimization to accurately classify URLs. To improve computational efficiency, instance selection methods are employed, including data reduction based on locality-sensitive hashing (DRLSH), border point extraction based on locality-sensitive hashing (BPLSH), and random selection. The results show the effectiveness of RFs in delivering high precision, recall, and F1 scores, with SVMs also providing competitive performance at the expense of increased training time. The results also emphasize the substantial impact of the instance selection method on the performance of these models, indicating its significance in the machine learning pipeline for malicious URL classification

The detection of cracks in sand moulds has long been a challenge for both safety and maintenance purposes. Traditional image processing techniques have been employed to identify and quantify these defects but have often proven to be inefficient, labour-intensive, and time-consuming. To address this issue, we sought to develop a more effective approach using deep learning techniques, specifically semantic segmentation. We initially examined three different architectures—U-Net, SegNet, and DeepCrack—to evaluate their performance in crack detection. Through testing and comparison, U-Net emerged as the most suitable choice for our project. To further enhance the model's accuracy, we combined U-Net with VGG-19, VGG-16, and ResNet architectures. However, these combinations did not yield the expected improvements in performance. Consequently, we introduced a new layer to the U-Net architecture, which significantly increased its accuracy and F1 score, making it more efficient for crack detection. Throughout the project, we conducted extensive comparisons between models to better understand the effects of various techniques such as batch normalization and dropout. To evaluate and compare the performance of the different models, we employed the loss function, accuracy, Adam optimizer, and F1 score as evaluation metrics. Some tables and figures explain the differences between models by using image comparison and evaluation metrics comparison; to show which model is better than the other. The conducted evaluations revealed that the U-Net architecture, when enhanced with an extra layer, proved superior to other models, demonstrating the highest scores and accuracy. This architecture has shown itself to be the most effective model for crack detection, thereby laying the foundation for a more cost-efficient and trustworthy approach to detecting and monitoring structural deficiencies.

Detta examensarbete undersöker datainhämtning och visualisering för integrationsmotorn TEIS (Tietoevry Integration Server) vid Gävle kommun. Syftet är att analysera och visualisera integrationerna som utförs av TEIS för att förbättra förståelsen av dess processer och dataflöden. 

Arbetet började med att samla in data från TEIS API med hjälp av Postman. Genom att använda olika API-anrop kunde relevant information om arbetsytor, mappar, integrationer, processer och triggers extraheras. Därefter utvecklades en webbapplikation med hjälp av React för att visualisera denna data. Applikationen möjliggör en hierarkisk navigering genom arbetsytorna och presenterar detaljerad information om de olika komponenterna i TEIS. 

För att effektivisera hanteringen av data och förbättra applikationens prestanda integrerades en databas som lagrar information om triggers, integrationer och processer. Detta reducerade tiden för att matcha triggers med respektive integrationer från flera minuter till bara några sekunder. 

En enkätundersökning utfördes för att utvärdera webbapplikationen bland systemutvecklare vid Gävle kommun. Resultaten visade att applikationen uppfyllde användarnas behov och förväntningar, men några förbättringsförslag lyftes fram, såsom att införa filterfunktioner och klickbara diagram. 

Slutligen konstaterades att metoden och lösningen för att samla in och visualisera data från TEIS var effektiv. Webbapplikationen ger en omfattande och tydlig bild av TEIS integrationer, vilket förbättrar Gävle kommuns förmåga att övervaka och förstå systemets prestanda och potentiella problemområden. 

Enhetstestning mot databaser inriktade mot geografiska informationssystem kan vara ett komplicerat arbete att utföra. Det innebär både att ha tillgång till användbart data samt att använda verktyg för att utföra dessa tester på. Denna studie har undersökt hur data bestående av ytor kan genereras och hur verktyg inriktade på enhetstestning mot databaser kan användas för att uppnå en förbättrad arbetsmetodik för enhetstestning mot databaser. Arbetet har resulterat i förslag på metoder som kan användas för att generera geografiska data. En applikation har utvecklats för att generera dessa data. Dessutom har en metod för att genomföra enhetstester mot en postgreSQL databas, baserad på verktyget pgTAP, presenterats. Föreslagna metoder kan möjliggöra en förbättring av arbetsmetodiken vid enhetstestning mot databasermen det finns fortfarande många förbättringar att utforska.

I städer där marktillgången är begränsad erbjuder takmonterade solpaneler (eng. rooftop photovoltaic panels) ett attraktivt alternativ för att tillfredsställa höga energibehov. Noggrann värdering av deras potantial f förhållande till spatial utbredning och variation är dock oumbärlig för framgångsrik energi planering. För detta krävs klassificering och segmentering av plana ytor samt spatial analys. Klassificering möjliggör extrahering av hustak och uppskattning av solenergipotentialen baserat på befintliga träningsprov. Segmentering i plan hjälper till att karakterisera hustaken genom extrahering av deras plana segment och spatial analys möjliggör identifiering av användbara takytor för placering av takmonterade solpaneler. Denna avhandlings syfte ät att adressera olika problem associerade med dessa; särskilt: (a) träning av stödvektormaskiner (eng. support vector machines) för stora datamängder, (b) segmentering i plan av hustakspunkter och (c) identifiering av lämpliga ytor för placering av takmonterade solpaneler. Stödvektormaskiner tillhör de mest kraftfulla klassificeringsmetoderna och vilar på en solid teoretisk grund. Men på grund av högkomplexitet under träningsfasen är de tidskrävande, vilket gör dem olämpliga för stora datamängder. Två nya initiala urvalsmetoder (eng. instance selection methods) för data föresås för att påskynda träningsfasen i stödvektormaskiner. Metoderna är baserade på lokalitetskänslig hashning och kan hantera stora datamängder. De inkorpooreras i en applikation i form av extrahering av takyta föjlt av segmentering i plan. Segmentering av hustak för uppskattning av solenergipotential bör inkludera låg risk att förbise överbyggnader, som spelar en viktig roll vid placering av takmonterade solpaneler. Två nya metoder för segmentering i plan för högupplösta digitala ytmodeller har därför utvecklats. De har en acceptabel nivå av noggrannhet och kan framgångsrikt extrahera plana segment genom att ta hänsyn till överbyggnader. Alla ytor med extraherade plana segment är dock inte användbara för montering av takmonterade solpaneler, samtidigt som andra faktorer ytterligare kan begränsa ytornas användbarhet. Två spatiala metoder för att identifiera användbara takmonterade solpanelytor har utvecklats för detta ändamål. De granskar extraherade plana segment genom att ta hänsyn till regler för panelinstallationer, solinstrålning, takgeometri och ocklusion, vilket är nödvändigt för en realistisk bedömning av potentialen av takmonterade solpaneler. Samtliga sex föreslagna metoder i denna studie har utvärderats noggrant och de experimentella resultaten visar att de framgångsrikt kan uppnå de mål som de utformades för.

Training support vector machines (SVMs) for pixel-based feature extraction purposes from aerial images requires selecting representative pixels (instances) as a training dataset. In this research, locality-sensitive hashing (LSH) is adopted for developing a new instance selection method which is referred to as DR.LSH. The intuition of DR.LSH rests on rapidly finding similar and redundant training samples and excluding them from the original dataset. The simple idea of this method alongside its linear computational complexity make it expeditious in coping with massive training data (millions of pixels). DR.LSH is benchmarked against two recently proposed methods on a dataset for building extraction with 23,750,000 samples obtained from the fusion of aerial images and point clouds. The results reveal that DR.LSH outperforms them in terms of both preservation rate and maintaining the generalization ability (classification loss). The source code of DR.LSH can be found in https://github.com/mohaslani/DR.LSH.

Rooftop solar energy has long been regarded as a promising solution to cities’ growing energy demand and environmental problems. A reliable estimate of rooftop solar energy facilitates the deployment of photovoltaics and helps formulate renewable-related policies. This reliable estimate underpins the necessity of accurately pinpointing the areas utilizable for mounting photovoltaics. The size, shape, and superstructures of rooftops as well as shadow effects are the important factors that have a considerable impact on utilizable areas. In this study, the utilizable areas and solar energy potential of rooftops are estimated by considering the mentioned factors using a three-step methodology. The first step involves training PointNet++, a deep network for object detection in point clouds, to recognize rooftops in LiDAR data. Second, planar segments of rooftops are extracted using clustering. Finally, areas that receive sufficient solar irradiation, have an appropriate size, and fulfill photovoltaic installation requirements are identified using morphological operations and predefined thresholds. The obtained results show high accuracy for rooftop extraction (93%) and plane segmentation (99%). Moreover, the spatially detailed analysis indicates that 17% of rooftop areas are usable for photovoltaics.

The considerable potential of rooftop photovoltaics (RPVs) for alleviating the high energy demand of cities has made them a proven technology in local energy networks. Identification of rooftop areas suitable for installing RPVs is of importance for energy planning. Having these suitable areas referred to as utilizable areas greatly assists in a reliable estimate of RPVs energy production. Within such a context, this research aims to propose a spatially detailed methodology that involves (a) automatic extraction of buildings footprint, (b) automatic segmentation of roof faces, and (c) automatic identification of utilizable areas of roof faces for solar infrastructure installation. Specifically, the innovations of this work are a new method for roof face segmentation and a new method for the identification of utilizable rooftop areas. The proposed methodology only requires digital surface models (DSMs) as input, and it is independent of other auxiliary spatial data to become more functional. A part of downtown Gothenburg composed of vegetation and high-rise buildings with complex shapes was selected to demonstrate the methodology performance. According to the experimental results, the proposed methodology has a high success rate in building extraction (about 95% correctness and completeness) and roof face segmentation (about 85% completeness and correctness). Additionally, the results suggest that the effects of roof occlusions and roof superstructures are satisfactorily considered in the identification of utilizable rooftop areas. Thus, the methodology is practically effective and relevant for the detailed RPVs assessments in arbitrary urban regions where only DSMs are accessible.

Support vector machines (SVMs) are powerful classifiers that have high computational complexity in the training phase, which can limit their applicability to large datasets. An effective approach to address this limitation is to select a small subset of the most representative training samples such that desirable results can be obtained. In this study, a novel instance selection method called border point extraction based on locality-sensitive hashing (BPLSH) is designed. BPLSH preserves instances that are near the decision boundaries and eliminates nonessential ones. The performance of BPLSH is benchmarked against four approaches on different classification problems. The experimental results indicate that BPLSH outperforms the other methods in terms of classification accuracy, preservation rate, and execution time. The source code of BPLSH can be found in https://github.com/mohaslani/BPLSH. 

Rooftop photovoltaic panels (RPVs) are being increasingly used in urban areas as a promising means of achieving energy sustainability. Determining proper layouts of RPVs that make the best use of rooftop areas is of importance as they have a considerable impact on the RPVs performance in efficiently producing energy. In this study, a new spatial methodology for automatically determining the proper layouts of RPVs is proposed. It aims to both extract planar rooftop segments and identify feasible layouts with the highest number of RPVs in highly irradiated areas. It leverages digital surface models (DSMs) to consider roof shapes and occlusions in placing RPVs. The innovations of the work are twofold: (a) a new method for plane segmentation, and (b) a new method for optimally placing RPVs based on metaheuristic optimization, which best utilizes the limited rooftop areas. The proposed methodology is evaluated on two test sites that differ in urban morphology, building size, and spatial resolution. The results show that the plane segmentation method can accurately extract planar segments, achieving 88.7% and 99.5% precision in the test sites. In addition, the results indicate that complex rooftops are adequately handled for placing RPVs, and overestimation of solar energy potential is avoided if detailed analysis based on panel placement is employed.

Rooftop photovoltaics have been acknowledged as a critical component in cities’ efforts to reduce their reliance on fossil fuels and move towards energy sustainability. Identifying rooftop areas suitable for installing rooftop photovoltaics-referred to as utilizable areas-is essential for effective energy planning and developing policies related to renewable energies. Utilizable areas are greatly affected by the size, shape, superstructures of rooftops, and shadow effects. This study estimates utilizable areas and solar energy potential of rooftops by considering the mentioned factors. First, rooftops are extracted from LiDAR data by training PointNet++, a neural network architecture for processing 3D point clouds. The second step involves extracting planar segments of rooftops using a combination of clustering and region growing. Finally, utilizable areas of planar segments are identified by removing areas that do not have a suitable size and do not receive sufficient solar irradiation. Additionally, in this step, areas reserved for accessibility to photovoltaics are removed. According to the experimental results, the methods have a high success rate in rooftop extraction, plane segmentation, and, consequently, estimating utilizable areas for photovoltaics.

As an effort to improve accessibility to historical documents, digitization of historical archives has been an ongoing process at many institutions since the origination of Optical Character Recognition. The old, scanned documents can contain deteriorations acquired over time or caused by old printing methods. Common visual attributes seen on the documents are variations in style and font, broken characters, ink intensity, noise levels and damage caused by folding or ripping and more. Many of these attributes are disfavoring for modern Optical Character Recognition tools and can lead to failed character recognition. This study approaches stated problem by using image processing methods to improve the result of character recognition. Furthermore, common image quality characteristics of scanned historical documents with unidentifiable text are analyzed. The Optical Character Recognition tool used to conduct this research was the open-source Tesseract software. Image processing methods like Gaussian lowpass filtering, Otsu’s optimum thresholding method and morphological operations were used to prepare the historical documents for Tesseract. Using the Precision and Recall classification method, the OCR output was evaluated, and it was seen that the recall improved by 63 percentage points and the precision by 18 percentage points. This shows that using image pre-processing methods as an approach to increase the readability of historical documents for Optical Character Recognition tools is effective. Further it was seen that common characteristics that are especially disadvantageous for Tesseract are font deviations, occurrence of non-belonging objects, character fading, broken characters, and Poisson noise.

Regarding the ongoing digitalisation in the knowledge society, professional development seems more crucial than ever. The need for upskilling and reskilling is described as continuous lifelong learning, which must be combined and synchronised with the life of full-time working learners. Content, pedagogical models and instructional design in university courses are often created for students in Bachelor's and Master's programs instead of tailored for adults working full-time. This study describes and discusses andragogy as a potential knowledge base for redesigning professional development courses on digital transformation. Evaluations from two instances of a course for professionals on digital transformation showed that the course participants overall are satisfied with the course. However, only a few course participants take the exam to get credits. Therefore, the research question that guided this study was, "What redesign options for increased pass rates and learner satisfaction in professional development for adult learners can be identified using andragogy as a theoretical lens?" The course is on distance and contains four modules with synchronous and asynchronous learning activities, resulting in five European Credit Transfer System (ECTS). The empirical material consisted of course participants' check-in presentation before the course started, mid-term evaluation, final evaluations, and a learning diary containing 58 entries. The data was deductively analysed using the theory of andragogy as an analytical lens. The findings imply that instructors should put effort into how different parts of the course are connected, supporting learners' need to know. Further, to enhance the course participants' prior experience as a resource for learning by adding learning activities, they exchange experiences and examples with each other, adding to their learning process and networking. The pedagogic parts of understanding the theoretical course material could be split into pieces through exercises where the participants apply conceptual models and concepts to real-situation problems. The learning diary could help the participants align the new knowledge with their prior knowledge with a focus on professional roles and work situations. The identified redesign options create opportunities to increase pedagogical parts like readiness, orientation, and motivation to learn according to the current higher education system. 

Visualisering är ett kraftfullt verktyg vid dataanalys, särskilt för att identifiera avvikelser. Att effektivt kunna identifiera felaktiga komponenter i elektronik kan förbättra och utveckla produktionsprocesserna avsevärd. Genom att tydligt visa korrelationen mellan felaktiga och fungerande komponenter kan analytiker identifiera nyckelkomponenter som orsakar defekta produkter. 

Multivariata data och multivariata tidsseriedata ställer höga krav på visualiseringar på grund av deras komplexitet. Den höga dimensionaliteten kan leda till problem som överlappning och dolda mönster beroende på vilken visualiseringsteknik som används. För att uppnå effektiv visualisering av multivariata data och multivariata tidsseriedata krävs det att både trender över tid och korrelationer mellan olika variabler visas.

Studien genomfördes i samarbete med konsultföretaget Syntronic AB för att identifiera lämpliga visualiseringstekniker för data som samlats in vid testning av kretskort. Metoden som användes är design science, vilket omfattar en litteraturstudie, utveckling av prototyp och utvärdering av prototypen. Prototypen består av tre visualiseringstekniker som är: Kategorisk heatmap, Parallella koordinater och Scatterplot. Dessa tekniker jämfördes systematiskt för att bedöma deras effektivitet. Utvärderingen består av kvantitativa metoder såsom mätningar och enkäter, samt den kvalitativa metoden intervju. Resultatet av studien presenterar den utvecklade prototypen och analysen av utvärderingen. 

Resultatet av studien visar att kategoriska heatmaps är effektiv för att identifiera samband mellan avvikelser i multivariat data. Även om alla användare upplevde visualiseringen svårtolkad vid en första anblick uttryckte de att visualiseringen var effektiv på att visa korrelationer mellan avvikelser. Parallella koordinater upplevdes svårtolkad och ineffektiv på grund av den höga dimensionaliteten där alla dimensioner inte kan visas samtidigt. Förbättringsförslag för att öka användarvänlighet och användarupplevelse lyftes där tree view förslogs som ett alternativ för att välja de dimensioner som ska visas i stället för reglaget. Scatterplots visade sig vara användbar för att analysera enskilda testpunkter och visade generella trender på ett tydligt och begripligt sätt.

Studien har även visat att interaktiviteten påverkar upplevelsen av visualisering, där begränsad interaktivitet medför att tekniken upplevds mindre användbar för att identifiera relationer mellan avvikelser. 

This work examines how Deep Learning(DL) are integrated with a specific web application. It is performed by creating various artifacts that examine the integration of a specific web application with DL. This is done with regards to future expansion of functionality and the value it offers to the stakeholders. The insights that arise during the work are communicated to the stakeholders through weekly meetings throughout the process. The paper ends with a conclusion that is based on the insight’s that are gained during the work. The conclusion is that the best method is the combination of two of the artifacts. A REST service developed in the Python language that can determine if an image contains animals or not. This REST service I used in an external program that works towards the same object storage that the system does. The program reads images from the storage and tests whether they are empty or not with through the REST-service. Pictures that are classified as empty will be removed from the systems object storage. 

Background: Impaired balance leading to falls is common in the older adults, and there is strong evidence that balance training reduces falls and increases independence. Reduced resources in health care will result in fewer people getting help with rehabilitation training. In this regard, the new technology augmented reality (AR) could be helpful. With AR, the older adults can receive help with instructions and get feedback on their progression in balance training. The purpose of this pilot study was to examine the feasibility of using AR-based visual-interactive tools in balance training of the older adults.; Methods: Seven older adults (66-88 years old) with impaired balance trained under supervision of a physiotherapist twice a week for six weeks using AR-based visual-interactive guidance, which was facilitated through a Microsoft HoloLens holographic display. Afterwards, participants and physiotherapists were interviewed about the new technology and their experience of the training. Also, fear of falling and balance ability were measured before and after training.; Results: Five participants experienced the new technology as positive in terms of increased motivation and feedback. Experiences were mixed regarding the physical and technical aspects of the HoloLens and the design of the HoloLens application. Participants also described issues that needed to be further improved, for example, the training program was difficult and monotonous. Further, the HoloLens hardware was felt to be heavy, the application's menu was difficult to control with different hand manoeuvres, and the calibration took a long time. Suggestions for improvements were described. Results of the balance tests and self-assessment instruments indicated no improvements in balance performance after AR training.; Conclusions: The study showed that training with the new technology is, to some extent, feasible for the older adults, but needs further development. Also, the technology seemed to stimulate increased motivation, which is a prerequisite for adherence to training. However, the new technology and training requires further development and testing in a larger context.

Växande närvaro på Internet med utökade funktioner av webbsidor medför problematik för företagen. Problematiken grundar sig ofta i design av webbsidan. Webbdesignen har genom forskning visat sig vara en stor byggsten för företagens framgång. Framgången ligger i antalet unika besökaren och dess varaktighet påwebbsidan. Vi har genom följande arbete utfört ett experiment baserat på forskning inom User Experience med webbutveckling i åtanke. Analysering av användare och dess navigering på webbsidorna i experimentet samlas in och analyseras med hjälp av Google Analytics. Google Analytics presenterar insamlat data med möjlighet till anpassning i form av diagramtyp. Det insamlade data stödjer forskningens slutsats att färgen har en signifikant betydelse i webbdesign. Experimentet hade 32 testare där den optimala färgen utmärkte sig med kortare tid spenderad i navigering på webbsidan.

Detta arbete, som utförts i samband med Monitor ERP är en undersökning av potentiell användning av Automatic speech recognition (ASR) i deras system.Delen av Monitor där ASR skulle vara intressant stämplingsterminalen, används ofta i miljöer med högt bakgrundsljud. Syftet är att ta reda på hur högt bakgrundsljud får vara för att ASR ska fungera samt undersöka hur faktorer som frekvens och typ av ljud påverkar denna gräns. För att göra detta har ljud spelats in på plats i fabriker samt hämtats online, dessa ljud har sedan överlappats med ett inläst manus med olika volymer på bakgrundsljudet. Resultatet av detta visar att för högt ljud gör det omöjligt att använda ASR men vid 80 dB börjar korrektheten nå nivåer som är användbara. Det framgår att frekvens har större betydelse än typ av ljud.

Professional development is more crucial than ever, especially in supporting ongoing digitalisation in the knowledge society. The need for upskilling and reskilling is described as continuous lifelong learning, which must be combined and synchronised with the lives of full-time working learners. Content, pedagogical models and instructional design in university courses are often centred on students in their early twenties with little to no work experience instead of tailored for experienced professionals working full-time. One such course is the foundation for this study: a course on digitalisation and digital transformation targeting professionals with at least two years of work experience in digital transformation. Therefore, the research question that guided this study was: "How can a distance course for professionals be redesigned to facilitate lifelong learning?" The redesign aims to increase satisfaction with the course and the number of participants taking their exams. 

The course contains four modules with synchronous and asynchronous learning activities, resulting in 5 ECTS credits (the European Credit Transfer System). The analysed empirical material consists of course participants' check-in presentation before the course started, mid-term evaluation, final evaluation, and a learning diary containing 58 entries. The empirical material was inductively and iteratively analysed following the main steps of thematic analysis. Two of the researchers conducted the first steps of the analysis individually. The following steps were a joint coding procedure to reach a consensus. This part of the analysis included several discussions with the other researchers. The inductive analysis identified 70 initial codes that reflected issues related to course design, learning activities, course information, and instructions. The initial codes were clustered into seventeen more abstract themes based on similarities. The themes related to strengths and weaknesses/challenges with the course. The strengths were analysed as, among others, discussions with course participants in other domains, recordings introducing scientific articles, focused and direct instructions on the learning management system (LMS), and the course is held online at the same weekly time. Perceived challenges were, for example, reading scientific articles and understanding and transferring the content to their work situation, lack of correspondence among the modules, not all modules being published simultaneously on the LMS, and the general problem of mixing work and studies. 

Despite that, the material showed satisfied course participants, where only a few ended the course by taking the exam to get their credits, which is one of academia’s ways to quantify learning. Based on the data analysis, course and learning activities will be redesigned and developed to be tested and evaluated in a forthcoming course instance in autumn 2023.

Detta arbete kommer att undersöka användarupplevelsen för Lantmäteriets applikation Min Karta. Undersökningen kommer att fokusera på sökningen inom tjänsten både på presentation av resultat och presentation när användaren inte får något resultat. Antalet sökningar som inte ger resultat kan vara upp till en tredjedel av alla sökningar som görs en viss dag och ett mål med arbetet är att minska antalet av dessa sökningar. Detta mål kan uppnås genom en förbättrad användarkommunikation när en användare inte får någon träff i sin sökning. Arbetet kommer även fokusera på vilka delar av applikationen som kan förbättras för att höja användarupplevelsen och ge sällananvändare en bättre förståelse för hur applikationen används. Genom dessa förbättringar är förhoppningen att färre sällananvändare lämnar efter en sökning utan resultat utan istället förstår och förändrar söktermen till att ge ett resultat.Arbetets syfte är både att hjälpa användare att använda tjänsten på rätt sätt och även att identifiera problem hos tjänsten för framtida lösningar som kan hjälpa tjänsten att bli mer användarvänlig.

Allt fler produkter och system i människans omgivning innehåller en mjukvara som måste fungera felfritt. Konsekvenser av mjukvarufel kan vara enorma och det är därför viktigt att utföra tester för att förebygga dessa. Att utföra tester kan vara svårt då det ofta finns en begränsad tid eller budget, vilket gör att det blir viktigt att utföra effektiva tester. Semistrukturerade intervjuer, studier av dokumentation och observationer av arbetsflöden utfördes i en fallstudie hos Monitor ERP System för att få en bättre inblick i hur mjukvarutester utförs, samt om de kan effektiviseras ytterligare. Från fallstudien framgår det att kommunikation och dokumentation är viktiga aspekter att ha i åtanke när det kommer till utveckling av mjukvarutester.

Den här studien har undersökt möjligheten att implementera tekniken telepresence för att låta funktionshindrade uppleva svåråtkomliga platser. De svenska hälsingegårdarna kan i många fall klassas som en svåråtkomlig plats då de har höga trösklar, branta trappor, smala dörrar mm. Eftersom en del av gårdarna är klassificerade som världsarv går det inte att tillgänglighetsanpassa byggnaderna då de måste bevaras i deras befintliga skick. Begränsad framkomlighet som leder till att inte alla personer kan besöka platsen kan vara diskriminerande då ett kulturarv ska hållas tillgängligt för allmänheten. Genom att kombinera olika tekniska lösningar har det här arbetet undersökt hur telepresence kan implementeras för att hjälpa personer med rörelsehinder att uppleva hälsingegårdarna.Olika produkter som förekommer i handeln har testats och en prototyp har tagits fram. Resultatet är ett “proof of concept” som visar att VR headset tillsammans med telepresence kan tillämpas för att låta en användare uppleva dessa gårdar i realtid.

Presently, digitalization is causing continuous transformation of industrial processes. However, it does pose challenges like spatially contextualizing data from industrial processes. There are various methods for calculating and delivering real-time location data. Indoor positioning systems (IPS) are one such method, used to locate objects and people within buildings. They have the potential to improve digital industrial processes, but they are currently under utilized. In addition, augmented reality (AR) is a critical technology in today’s digital industrial transformation. This article aims to investigate the use of IPS and AR in manufacturing, the methodologies and technologies employed, the issues and limitations encountered, and identify future research opportunities. This study concludes that, while there have been many studies on IPS and navigation AR, there has been a dearth of research efforts in combining the two. Furthermore, because controlled environments may not expose users to the practical issues they may face, more research in a real-world manufacturing environment is required to produce more reliable and sustainable results

This study evaluates the accuracy of Microsoft HoloLens (Version 1) for small-scale industrial activities, comparingits measurements to ground truth data from a Kuka Robotics arm. Two experiments were conducted to assess its positiontracking capabilities, revealing that the HoloLens device is effective for measuring the position of dynamic objects with smalldimensions. However, its precision is affected by the velocity of the trajectory and its position within the device's field of view.While the HoloLens device may be suitable for small-scale tasks, its limitations for more complex and demanding applicationsrequiring high precision and accuracy must be considered. The findings can guide the use of HoloLens devices in industrialapplications and contribute to the development of more effective and reliable position-tracking systems.

Digitalisering har haft allt större inverkan på samhället sedan millennieskiftet vilket har lett till omformning av metoder och vanor inom olika områden där utbildning inte är ett undantag. Den nya generationen studenters sätt att lära har påverkats av digitalisering vilket har lett till nya trender i forskning som fokuserar på användning av spel som en alternativ undervisningsmetod. Detta arbete syftar till att utforska hur ett mobilt spel med fokus på datastrukturer och algoritmer emottas av studenter på datavetenskapliga program. Studien genomfördes med forskningsstrategin Design Science med fokus på utveckling och utvärdering av en spelprototyp. Spelprototypen utvecklades med spelmotorn Unity och integrerar animering av algoritmer, interaktion med datastrukturer, återkoppling och metafor för att göra abstrakta begrepp lättare att förstå. Hur dessa integrationer påverkar studenternas attityder till inlärning analyserades genom en enkätundersökning med öppna frågor och tillämpning av en tematisk analys. Resultatet visar positiva trender i studenternas attityder till inlärning via spelet med animerad demonstration, interaktion och återkoppling. Dock är deras inställning till metaforiska spel för inlärning något skeptisk, vilket pekar på vidare undersökning av denna aspekt. Baserat på insikterna från respondenternas svar erbjuder resultatet potentialen att utveckla en förbättrad prototyp i flera iterativa cykler. Studien avslutas med att lägga fram förslag på fokus i framtida iterationer för att förfina prototypen.

Granbarkborre är en av Sveriges mest destruktiva skadeinsekter som angriper granskog. Insekten har medfört förödande konsekvenser för granskog, framför allt sedan2018 där stora arealer granskog nästan har eliminerats. Insekten trivs i varmt ochtorrt klimat. Växthuseffekten i form av värmeböljor och perioder av minskad nederbörd tros gynna denna skadliga insekt då de kan fortplanta sig flera gånger och erövra nya områden under en enda sommarsäsong.

En vital och nödvändig åtgärd vid bekämpning av skadeinsekter är att föra bort angripna träd innan granbarkborren lämnar barken. Dock är det nästan omöjligt attundersöka all granskog på det traditionella sättet, det vill säga till fots eftersom detär mycket tids- och resurskrävande. I det tidiga skedet visar det angripna trädet ingabetydande färgförändringar i det synliga spektrumet inom fjärranalys, vilket försvårar tidig upptäckt. Men för att försöka göra detta möjligt ämnar det här arbetet undersöka skillnaderna hos friska och angripna träd i tid, där det användes band i detosynliga spektrumet som ShortWave Infrared. Detta användes bland annat i form avbandkombinationer, som Atmospheric Penetration och Agriculture. Dessutom utfördes empiriska experiment på olika vegetationsindex (VI) som var NormalizedSimple Ratio, Enhanced Vegetation Index, Green Chlorophyll Vegetation Index,Normalized Difference Vegetation Index, Normalized Difference Moisture Indexoch Normalized Distance RED and SWIR.

I denna studie användes satellitbilder från Sentinel-2 över studieområdet i Mellansverige under månaderna maj-september från 2020 till juli 2022. Inrapporterade dataför angrepp av granbarkborren i studieområdet hämtades från databasarkiven GlobalBiodiversity Information Facility och Holmen AB. Skogsstyrelsens öppna karttjänstanvändes för att erhålla data över Sveriges skogsarter, för att säkerställa att studieområdet bestod av granskog.

Genom att utföra empiriska experiment av de olika VI och bandkombinationer sompresenteras i denna studie kunde några indikationer utmärkas. På grund av problematiken med de olika påverkande faktorerna, som bland annat lokalt klimat i kombination med tröskelvärden, var det svårt att fastställa en fullständig bedömning. Vårslutsats visar att de använda vegetationsindex och de två bandkombinationer tillsammans med den spatiala upplösningen, som Sentinel-2 erbjuder, inte uppnår det someftersträvas i denna studie. Anledningen till detta var att möjligheten att identifieraenstaka sjuka träd i studieområdet saknades. 

Att prediktera fotbollsspelares marknadsvärden är värdefullt för fotbollsklubbar och dess beslutsfattare. Att kunna prediktera marknadsvärden leder till välgrundade ekonomiska beslut och att fotbollsklubbar kan utvecklas och undvika konkurser. Utanför fotbollsklubbarna så har även elitidrotten en påverkan på samhället, där idrotten bidrar till förbättrad livskvalitet och leder till samhörighet. Marknadsvärden för fotbollsspelare kan predikteras med olika attribut, datamängder och algoritmer. Tidigare var de främsta attributen för att uppskatta marknadsvärden grundläggande statistik som gjorda mål och spelade matcher. Idag används AI och ML för att framställa underliggande statistik för spelare och lag. I denna studie jämförs maskininlärningsalgoritmerna linjär regression, LightGBM och XGBoost i avseende att prediktera fotbollsspelares marknadsvärden. Samtliga algoritmer som jämförs i studien är av kategorin övervakad inlärning vilket innebär att data som används redan är märkt med ett utfall. I denna studie används information från EA Sports FIFA 21 i en datamängd hämtad från hemsidan kaggle. Datamängden innehåller 106 attribut för över 18000 spelare där marknadsvärdet är markerat som önskat utfall. Denna studie jämför även de tre algoritmerna i förmåga att prediktera lokala värden, spelare från Allsvenskan och Elitserien. Denna lokala jämförelse visar hur algoritmerna presterar på mindre träningsdata och billigare marknadsvärden. Studien resulterade i att XGBoost presterade bäst av algoritmerna både på den lokala och den globala datamängden. Linjär regression presterade betydligt sämre än de övriga två och bör undvikas i detta sammanhang.

Hantering av larm från nätverksnoder är i dagsläget en process som kräver att nätverkstekniker besöker flera olika källor av information för att dra en slutsats över vad orsaken till larmet kan vara. Genom att besöka flera olika källor av information kan det vara komplicerat att få en överblick över problemet.

Studien utförs på uppdrag av Trafikverket för att underlätta arbetet för Trafikverkets nätverkstekniker på avdelningen network operations center (NOC). En webbapplikation har utvecklats för att sammanställa de vanligaste källorna som nätverkstekniker besöker. Webbapplikationen amalgamerar och presenterar information på ett sätt som bör underlätta felsökningsprocessen för nätverkstekniker. Webbapplikationen indikerar de vanligaste felorsakerna, beroende på vilken typ av larm som hanteras.

Valmöjligheter vid utveckling av en webbapplikation kan göra det svårt för utvecklare att välja mjukvara. Även om mjukvara delvis sorteras ut beroende på i vilket syfte som utvecklingen sker finns fortfarande en stor mängd alternativ. Denna studie har förtydligat och bevisat att mjukvaran NodeJS, PostgreSQL och PostGIS fungerar enhetligt och är att föredra för en webbapplikation med spatiala funktioner.

För att utvärdera webbapplikationen genomfördes ett användartest där nio personer, 47% av personalen på Trafikverket NOC deltog. Användartestet visar positiva resultat gällande hur väl webbapplikationen fyllde sitt syfte med att indikera möjliga orsaker för nätverkslarm samt deltagarnas upplevelse med webbapplikationen. I användartestet anser 100% av deltagarna att webbapplikationen skulle spara dem tid och de tre populäraste funktionerna var polygoner för att visa elnätägare, realtids väderdata samt en sammanställning av interna data på samma ställe.

Boken riktar sig till studenter vid universitet, yrkeshögskola och gymnasium och ger en praktisk introduktion till 3D-grafik med Blender för dig som vill kunna skapa egen 3D-animerad film. Praktiska övningar varvas med teori, begrepp och resonemang kring viktiga konstnärliga och tekniska hänsyn inom modellering, rendering och animation.

I boken lär du dig bland annat att

•  skapa 3D-modeller med enkla objekt, polygoner och modifiers

•  ljussätta objekt och scener

•  skapa material med filtexturer och materialnoder

•  rendera bilder, bildsekvenser och videofiler

•  rigga modeller för animation

•  animera med keyframes och constraints

•  strukturera arbetsmaterial för produktion

•  klippa animation

•  efterbehandla renderade bilder (Post processing)

Blender är ett fritt och öppet program för bland annat modellering, rendering och animation i 3D. Bokens övningar är anpassade för Blender 3.3 LTS.

This work examines the utilization of chatbots in programming and their effects ondeveloper productivity, code quality, and problem-solving. The surge in AI technologyand the popularity of chatbots has been remarkable since the end of 2022, whenOpenAI introduced ChatGPT, capable of providing rapid and accurate responses toinquiries. This introduces novel opportunities for information accessibility withouthuman interactions.Previous research within this domain has explored the usability of earlier chatbots indesign-related professions, revealing a certain degree of utility. Now, with the advancementof AI, new prospects arise for investigating their utility. Emerging technologiesoften imbue functionalities that facilitate or simplify specific tasks. Therefore,the aim of this study is to explore and analyze how chatbots such as ChatGPTand GitHub Copilot can function as interactive aids to streamline programming andsystems development.Conducted as a qualitative study within the realms of programming and systems development,this work employs interviews as its primary methodology. Semi-structuredqualitative interviews are employed for data collection. To analyze the informationgathered from these interviews, a thematic analysis approach is adopted, facilitatingthe identification of commonalities and disparities in the responses.The findings of this study demonstrate that AI tools have proven to be effective andbeneficial in areas like information retrieval or fundamental programming tasks, yetexhibit limitations in advanced programming endeavors and complex problem-solving.The study encompasses respondents who have employed these tools in theirwork, possessing the expertise and experience to offer insights into developers' utilizationof these tools in software development.

The discourses that we create around our present will shape our future. This is particularly true in education where today's students are being equipped to handle and forge the society of tomorrow. One widespread trend sweeping school curricula all over the world is the idea that children and young adults should learn the fundamentals of programming. Increasing efforts are being devoted to this endeavour reaching schools with varying results. Along with these changes in policies and practices, the field of programming education has received growing attention from other stakeholders, not least researchers. The visions and assumptions of those who study and develop this phenomenon are likely to impact its outcome. The purpose of the review is therefore to explore the perceived significance of programming in future society, through the lenses of how researchers frame its introduction in schools. The study was carried out as a literature review surveying open-source journal papers that reported on initiatives related to programming in education in the last five years. The material was collected in a three-step process, including database search, screening, and selection. The search rendered 1089 potentially relevant research papers. Further screening shortened the list to 26 articles featuring 91 individual researchers from 15 different countries. The selected papers were analysed with content analysis to identify codes pertinent to research question, which were later grouped in categories for presentation in this study.

Results show that mainly positive outcomes are anticipated as a consequence of introducing programming in education. The benefits include filling the needs of a future labour market and preparing students for active participation in an increasingly digitalised society. There were also papers emphasising how learning programming could bring improvements in problem-solving and analytical thinking but also provide space for self-expression and creativeness. Programming in education was believed to enhance social interactions and teamwork skills and to boost motivation and intersectional engagement. However, more critical notions regarding the introduction of programming in education were largely absent, which should be addressed in future research. While programming was seen as a way to raise awareness of the risks associated with a digital society, few authors broadened the discussion to include other less beneficial aspects of programming literacy. Researchers' perceptions in the context of programming in education are compared to previous research on 21st century skills. The findings provide a deeper understanding of the expectations that guide contemporary research and should be of interest not only to the research community but also to teachers and policymakers, in an attempt to spark a discussion that will yield more nuanced implementation of this and future educational initiatives.

I dagens flygfotografering används panskärpning för att framkalla bilder. Problemet med panskärpning är att det kräver efterhantering som kan vara kostsam. Ett annat sätt att registrera flygfoton är med ett Bayerfilter som är mer kostnadseffektivt än panskärpning. En viktig aspekt vid framtagning av flygfoton är den spatiala upplösningen som en bild kan uppehålla. Detta kommer vara det huvudsakliga intresset för den här studien. För att jämföra den spatiala upplösning mellan Bayerfiltret och panskärpning kommer ett kvalitetsmått, Ground Resolved Distance beräknas vilket kan beskrivas som en sann spatial upplösning. För att beräkna Ground Resolved Distance har bilderna behandlats med pixelbaserade tekniker i form av kantigenkänning och Hough Lines. Från dessa tekniker används sedan en Slanted Edge metod som ger ett uppskattat mått av Ground Resolved Distance i Bayerfiltret och panskärpta flygbilder. Resultatet av denna studie visar att den spatiala upplösningens skillnaden mellan Bayerfiltret och panskärpta flygbilder är marginell. Det visar även att det är liknande tillväxt av Ground Resolved Distance för olika flyghöjder med Bayerfiltret. En slutsats kan dras att inom spatial upplösning är Bayerfiltret en respektabel ersättare av panskärpta flygbilder.

Navigering i virtuella 3D-miljöer har varit möjligt i många år och sker vanligtvis i samband med till exempel spel och 3D-modellering. Till en persondator används nästan alltid en datormus och ett tangentbord. Musen har visats vara lätthanterlig vid rotering av vyn och kommer inte att vara fokuset i studien. Tangentbordet däremot, som styr vyns position, skulle möjligtvis kunna bytas ut mot något bättre. Vanligtvis används tangenterna W, A, S, och D för förflyttningar, och sedan behövs två tangenter till om det ska vara möjligt att ”flyga” upp och ner. Sex olika tangenter för att styra förflyttningen i tre dimensioner kan vara svårt att lära sig. Trots att vana användare kan hantera det bra, skulle ett mer naturligt sätt att styra på kunna vara enklare för nybörjare, och kanske också för de erfarna. Det begränsade antalet tangenter som används tillåter inte heller finjustering av riktningen. Studien föreslår en alternativ form av 3D-navigering där användaren styr med sitt finger. En Leap Motion kamera ligger på bordet under för att mäta fingrets position, och översätter det till en vektor som kontrollerar vyns hastighet och riktning. Detta är tänkt att vara ett mer naturligt sätt att styra på, då människor har så bra kontroll över sin egen kropp. Utöver det kan även hastigheten justeras genom att dra fingret längre eller kortare sträckor. Vid styrning med tangentbord är justering av hastigheten inte möjligt; undantaget är om användaren kan hålla ner en tangent för att springa, vilket gör att det finns två val av hastigheter. Fingerstyrningen testades och jämfördes direkt mot tangentbordet i ett antal olika experiment. Testerna visar att det går snabbare när tangentbordet används, och ge-nerellt sker färre misstag. När fingerstyrningen används så blir färdsträckorna ofta kortare, speciellt när det krävs mer precision, dock kan detta bero på den lägre has-tigheten som deltagarna hade när de använde fingret. En inmatningsmetod testades bara sju gånger. Under denna period blev fingerstyrningen betydligt snabbare mellan varje försök jämfört med tangentbordet, därför finns anledning att tro att fingerstyr-ningen kommer att förbättras med mer träning. För att få pålitliga resultat skulle en längre studie behöva utföras där deltagarna verkligen hinner lära sig att styra med fingret. Författaren har under utvecklingen av fingerstyrningen blivit snabbare med den än med tangentbordet. Detta är en ytterligare indikation på att det finns potential hos fingerstyrningen som deltagarna aldrig hann uppnå i denna preliminära studie, och att ytterligare experiment krävs.

This study presents an in-depth evaluation of a website integrating OpenAI Whisper and ChatGPT-4 for automatic transcription and extraction of meeting dialogues, using design science as the research strategy. The introduction highlights the need for such a system and its potential application areas. The theoretical background elucidates key concepts and technologies in artificial intelligence. Insights into existing methods and their strengths and weaknesses are gained through a review of previous research and similar systems.

The methodology section illuminates how the design science strategy was applied to define requirements, develop, and evaluate the system. The process is described in detail and includes steps such as problem identification, survey for data collection, artifact development, demonstration, and evaluation. The results of the user evaluation highlight both positive and negative aspects of the system. User feedback was used to identify areas for improvement and suggest paths for future development.

In conclusion, despite some limitations, the system has the potential to be a useful resource in various application areas, and design science proves to be an effective method for the development and evaluation of such systems. This report has contributed to an increased understanding of the design process behind AI-based systems and their utility in practical applications, where strengths and weaknesses have been identified through the application of design science, leading to suggestions for future development.

Tillverkningsindustrin är viktig del av Sveriges ekonomi och har under en lång tid producerat högkvalitativa varor som exporteras över hela världen. Genom att använda moderna teknologier som avancerade lagersystem och digitala verktyg, kan företagen öka produktiviteten och minska kostnaderna.

Ett exempel på en sådan modern teknologi är Automatic Speech Recognition (ASR). Inom området ASR har en betydande del av den tidigare forskningen ägnats åt att analysera och adressera olika problem relaterade till prestandan hos ett ASR-system. Vidare så finns det även ett antal arbeten kring hur ASR använts inom tillverknings-industrin, och mer specifikt, till att effektivisera orderplockningsprocessen inom in-dustrin.

I det här arbetet undersöktes huruvida röststyrning kan användas som ett verktyg för att underlätta samt effektivisera inventeringsprocessen. Detta genomfördes tillsam-mans med företaget Monitor ERP, där en prototyp till en webbapplikation har utvecklats. Prototypen ska med hjälp av röststyrning möjliggöra för en användare att säga artikelnummer samt vilket antal som finns i lagret. Därefter ska användaren få en bekräftelse både visuellt och genom ljud, varav applikationen automatisk registrerar in det till Monitors system.

Data har samlats in genom att observera användartester samt utföra intervjuer med personer som alla har någon koppling till lagret på olika tillverkningsföretag. Resultatet visade på att inventeringsprocessen kan bli effektivare genom att utföra inventering med hjälp av applikationen. Däremot upptäcktes en del brister under användartesterna vilket betyder att prototypen behöver utvecklas och bli mer robust för att kunna användas som verktyg under inventering. 

Inom det snabbt växande området artificiell intelligens har stora språkmodeller (LLM) som GPT-3, GPT-4 och Gemini revolutionerat sektorer genom att automatisera komplexa uppgifter. Trots sina framsteg stårdessa modeller, framför allt mindre språkmodeller (SLMs) fortfarande inför utmaningar, till exempel attgenerera ogrundat innehåll "hallucinationer". Denna studie syftar till att förbättra SLMs för bredare till-gänglighet utan krävande infrastruktur. Genom supervised fine-tuning av mindre modeller med nya data-set, SQUAD-ei och SQUAD-GPT, uppnådde den resulterande modellen, KERMIT-7B, överlägsen pre-standa i TYDIQA-GoldP, vilket visar förbättrad informationsutvinning samtidigt som den generativa kva-liteten bibehålls.

I denna studie presenteras en prototyp för anonymisering av känslig information itextdokument, med syfte att möjliggöra säker interaktion med stora språkmodeller(LLM:er), såsom ChatGPT. Prototypen erbjuder en plattform där användare kanladda upp dokument för att anonymisera specifika känsliga ord. Efter anonymiseringkan användare ställa frågor till ChatGPT baserat på det anonymiserade innehållet.Prototypen återställer de anonymiserade delarna i svaren från ChatGPT innan de visas för användaren, vilket säkerställer att känslig information förblir skyddad underhela interaktionen.I studien används metoden Design Science Research in Information Systems (DSRIS). Prototypen utvecklas i Java och testas med påhittade dokument, medan enkätsvar samlasin för att utvärdera användarupplevelsen.Resultaten visar att prototypens funktioner fungerar väl och skyddar känslig information vid interaktionen med ChatGPT. Prototypen har utvärderats med hjälp av svarfrån enkäten som dessutom tar upp förbättringsmöjligheter.Avslutningsvis visar studien att det är möjligt att anonymisera textdokument effektivt och samtidigt få korrekt och användbar feedback från ChatGPT. Trots vissa begränsningar i användargränssnittet på grund av tidsramen visar studien på potentialför säker datahantering med ChatGPT. 

Detta arbete har försökt att skapa ett program som kan användas för att hitta position och vinklar av kretskort för ett automatiserat Bed-of-Nails test. Programmet har haft som krav att kunna räkna ut vilken position i en bricka kretskort ligger i, vilken vinkel kretskortet ligger i gentemot brickan samt hur många kretskort som finns i brickan. Metoden som har använts är en blandning av olika traditionella bildbehandlingsmetoder som filtrering, segmentering med hjälp av kantkartor, morfologi,watershed och Hough-transformation. Resultatet av detta arbete är ett program som har givit delvis lyckade resultat för bilder som har använt en extra ljuskälla. Resultatet har dock varit bristfälligt för bilder som endast använder indirekt ljus. Metoden som har tagits fram i detta arbete är inte en komplett lösning men kan utvecklas vidare för att ta fram ett program som kan användas inom automatiska Bed-of-Nails testsystem.

Artificial Intelligence (AI) and Artificial Intelligence in Education (AIED) are two fields of research that have been increasingly actualized with recent developments in AI technology. In November 2022 OpenAI released ChatGPT, a chatbot with impressive capabilities of generating seemingly novel content such as poems, lesson plans, exams, and programming code for computer programs. Previous research has highlighted potential opportunities and threats with AI, both for education and society in general, such as privacy, copyright, biases, fairness, and trustworthiness. Further, AI is expected to play an increasingly important role in future work and everyday life, and with that both professionals and citizens in general will have to continuously update their knowledge in the field of AI. The aim of this study has been to develop a framework for lifelong learning courses on Artificial Intelligence. 

The study was conducted as a scoping literature review to explore previous research and map findings on the topic of Artificial Intelligence for lifelong learning. Google scholar was used as the main search engine for identifying relevant papers, and the aggregation of collected databases at the University library was used for accessing papers that were not Open Access. The search combined keywords such as Artificial Intelligence, Lifelong learning, and Adult learning, with Boolean operators AND and OR. Papers published between 2019 and 2023, and relevant for answering the aim of the study, were collected in a spreadsheet document, and analyzed with thematic analysis. 

Findings of the literature review identifies both important opportunities and threats of Artificial Intelligence and relate these to different professions and aspects of society. These findings provide a bedrock for development of a lifelong learning framework for courses on Artificial Intelligence, highlighting what we need to know. The conclusion of the study is that courses on Artificial Intelligence that is aimed for lifelong learning should seek a balance between understanding the technology and discussing the potential consequences. Too much focus on either could lead to fear or ignorance.

Geografiska informationssystem (GIS) är idag en integrerad del av många människors liv genom bland annat olika mobila applikationer med spårning och GPS (Osborne et al., 2020). Forskning har även lyft fram kunskap inom GIS som en väsentlig del av framtidens samhälle (Mzuza & Van Der Westhuizen, 2019). Trots detta har det noterats att användning av GIS i grundskola och gymnasium är låg samt att lärare saknar nödvändiga kunskaper och färdigheter för att använda teknologin i klassrummet (Schubert & Johansson, 2019; Anunti, Vuopala & Rusanen, 2020; Nilsson & Bladh, 2020; Oda, Herman & Hasan, 2020).

Med bakgrund i detta utforskar den här artikeln möjligheterna och utmaningarna med GIS för grundskola och gymnasium genom en litteraturstudie av den senaste tidens forskning. Innehållet i denna artikel bygger på material från en tidigare studie av författaren, publicerad 2023 i den vetenskapliga tidskriften European Journal of Geography och med titeln: Future paths for GIS in K-12 education: A review of possibilities and constraints.

Geographic information systems (GIS) have been highlighted as essential future knowledge and are increasingly integrated in people’s everyday lives through applications, tracking, and global positioning systems (GPS). Still, applications and research of GIS technology for teaching and learning in kindergarten to grade 12 (K-12) education are limited. Through a scoping review of contemporary literature, this study identifies and discuss possibilities and constraints for GIS in K-12 education. Data were collected and analyzed with directed content analysis, using affordances as a theoretical lens, to identify possibilities and constraints of GIS for K-12 education. The study highlight themes of possibilities and constraints for further investigation. The possibilities of GIS for K-12 education include accessibility, transdisciplinary, and beyond classroom; and the constraints include skills and attitude, higher education and support, and teachers’ knowledge. The theoretical contribution of the study is a conceptual model for how possibilities and constraints of GIS for K-12 education relates to reaching educational goals. Findings of the study have practical implications for teachers and other stakeholders on the use of GIS in K-12 classrooms. The study also provides several suggestions for future research on GIS in K-12 education.

Artificial Intelligence (AI) and related technologies have a long history of being used in education for motivating learners and enhancing learning. However, there have also been critiques for a too uncritical and naïve implementation of AI in education (AIED) and the potential misuse of the technology. With the release of the virtual assistant ChatGPT from OpenAI, many educators and stakeholders were both amazed and horrified by the potential consequences for education. One field with a potential high impact of ChatGPT is programming education in Computer Science (CS), where creating assessments has long been a challenging task due to the vast amount of programming solutions and support on the Internet. This now appears to have been made even more challenging with ChatGPT’s ability to produce both complex and seemingly novel solutions to programming questions. With the support of data collected from interactions with ChatGPT during the spring semester of 2023, this position paper investigates the potential opportunities and threats of ChatGPT for programming education, guided by the question: What could the potential consequences of ChatGPT be for programming education? This paper applies a methodological approach inspired by analytic autoethnography to investigate, experiment, and understand a novel technology through personal experiences. Through this approach, the authors have documented their interactions with ChatGPT in field diaries during the spring semester of 2023. Topics for the questions have related to content and assessment in higher education programming courses. A total of 6 field diaries, with 82 interactions (1 interaction = 1 question + 1 answer) and additional reflection notes, have been collected and analysed with thematic analysis. The study finds that there are several opportunities and threats of ChatGPT for programming education. Some are to be expected, such as that the quality of the question and the details provided highly impact the quality of the answer. However, other findings were unexpected, such as that ChatGPT appears to be “lying” in some answers and to an extent passes the Turing test, although the intelligence of ChatGPT should be questioned. The conclusion of the study is that ChatGPT have potential for a significant impact on higher education programming courses, and probably on education in general. The technology seems to facilitate both cheating and enhanced learning. What will it be? Cheating or AI-enhanced learning? This will be decided by our actions now since the technology is already here and expanding fast.

Artificial Intelligence (AI) and related technologies have a long history of being used in education for motivating learners and enhancing learning. However, there have also been critiques for a too uncritical and naïve implementation of AI in education (AIED) and the potential misuse of the technology. With the release of the virtual assistant ChatGPT from OpenAI, many educators and stakeholders were both amazed and horrified by the potential consequences for education. One field with a potential high impact of ChatGPT is programming education in Computer Science (CS), where assessments have long been challenging due to the vast amount of programming solutions and support on the Internet. This now appears to have been made even more challenging with ChatGPT’s ability to produce both complex and seemingly novel solutions to programming questions. With the support of data collected from interactions with ChatGPT during the spring semester of 2023, a study was conducted where potential opportunities and threats of ChatGPT for programming education were investigated. The question to answer was: What will the consequences be for programming education? 

The study applied a methodological approach inspired by action research and analytic autoethnography to investigate, experiment and understand a novel technology through personal experiences. Through this approach, the authors have documented their interactions with ChatGPT in field diaries during the spring semester of 2023. Topics for the questions have related to content and assessment in higher education programming courses. A total of 6 field diaries, with 82 interactions (1 interaction = 1 question + 1 answer) and additional reflection notes, have been collected and analysed with thematic analysis. 

Findings of the study include several opportunities and threats of ChatGPT for programming education. Some are to be expected, such as that the quality of the question and the details provided highly impact the quality of the answer. However, other findings were unexpected, such as that ChatGPT appears to be lying in some answers and to an extent passes the Turing test, although the intelligence of ChatGPT should be questioned. The conclusion of the study is that ChatGPT will have a significant impact on higher education programming courses, and probably on education in general. The technology seems to facilitate both cheating and enhanced learning. What will it be? Cheating or AI-enhanced learning? This will be decided by our actions now since the technology is already here and expanding fast. 

Design science is a research methodology that can be applied for both small scale studies at undergraduate level and for large scale application in the industry. Design science is a research methodology with several branches, with slightly different processes built around a common foundation. This paper has a focus on the branch developed by Johannesson and Perjons, and the five-phase model that is included in this branch: 1) explicate problem, 2) define requirements, 3) design and develop artefact, 4) demonstrate artefact, and 5) evaluate artefact. All these five phases must of course be carried out in a complete large-scale project in many real-world developments. However, the problem with applying a design science research project for undergraduates is that a thorough implementation of all the five phases is often too demanding for a Bachelor’s or a Master's thesis. A reason for this is that several of the phases are better carried out in an iterative manner to obtain a quality result, which is time-consuming. The aim of this paper is to discuss the challenges and opportunities in applying design science for small scale studies, such as those conducted by undergraduates in their theses or by researchers new to the field. Based on this discussion, the paper concludes with a set of recommendations for how the design science methodology can be modified and applied to accommodate these smaller studies. The main recommendation is, as the principle for quality research, to delimit and to choose a specific focus that is carried out in depth. Some examples of focuses, that also are recommended by Johannesson and Perjons, are requirements and development focused design science research or evaluation focused design science research. An interesting follow-up to this position paper would be to study the application of design science in Bachelor’s theses and where the emphasis is placed? Moreover, it would be interesting to investigate how design science is applied by researchers and compare if their emphasis in the design science methodology differs from that of undergraduates.

According to reports and previous research, present and future society show a high need for citizens with technical skills, such as computer programming. The need for technical competent citizens can however be challenging for higher education institutions to accommodate due to low numbers of students in higher education computer science. But also due to the high drop-out rates and low pass rates in introductory programming courses. With that said, it is important to both recruit new students to computer science and to support those who already study the subject, to meet the demands of the present and the future. An approach that has shown great promise in motivating students while still keeping focus on the learning aspects in education, is game-based learning (GBL). To facilitate support in higher education computer science, more specifically courses in fundamental programming, this study had the aim of identifying important design concepts in the development of a need-based educational game on computational thinking (CT). Skills related to programming have commonly been organized as part of the CT concept. To identify the educational needs, e-mail interviews were conducted with teachers that teach higher education courses on computer programming in Swedish universities. Based in an on-going design science project to create a learning game on computational thinking for higher education, the study discusses and compares the identified needs with design theories, such as affordances, emotional design, and sustainable design. The conclusion is a conceptual design of the educational game with a set of recommendations for a need-based game design in educational context.

Denna studie undersökte användningen av Q-Learning för att simulera fotgängares rörelsemönster i en digital representation av utomhusmiljön runt Högskolan i Gävle. Simuleringsområdet bestod av ett tvådimensionellt rutnät med dimensionerna 99x99 och inkluderade sju olika typer av marktyper samt 16 destinationer. Varje marktyp hade ett tillgänglighetsvärde inom intervallet 𝛽 = [0, 255 ], där högre värden var mer attraktiva för aktören att välja. Området integrerade verkliga observerade fotavtryck, utifrån vilka fyra olika buffertzoner med varierande bredd skapades. Dessa buffertzoner användes för att avgöra hur väl de simulerade rörelsemönstren överensstämde med verkligheten.

Studien undersökte tre olika typer av markmodeller (linjär, kvadratisk, kvarts), där varje modell hade en unik uppsättning tillgänglighetsvärden för marktyperna, insamlade från Ma [1]. För att använda dessa positiva värden som belöningar för QLearning togs den negativa inversen, vilket möjliggjorde för aktören att hitta den kortaste vägen mellan start- och slutdestination samtidigt som prioriteringsordningen för tillgänglighetsvärdena bibehölls.

Aktörens uppgift var att navigera mellan de 16 destinationerna för att hitta 100 konvergerade rutter för de tre olika markmodellerna. När aktören hade hittat en konvergerad rutt uppdaterades denna rutt med ett belöningsökningsvärde inom intervallet ∅ = [0, 30]. Detta simulerade fotavtryck för nästa gång aktören körde simuleringen, vilket påverkade framtida ruttval. Generellt för alla markmodeller blev de konvergerade rutterna mer koncentrerade när belöningsökningsvärdet steg, eftersom dessa rutter ackumulerade en stor belöning. När belöningsökningsvärdet var lågt blev rutterna mer utspridda.

Eftersom Q-Learning använder en utforskning/exploatering-policy för att avgöra om den ska utnyttja insamlad information eller fortsätta utforska området, skapades en avvikelse på de konvergerade rutterna. Ett avvikelsetest visade att den största avvikelsen på de genererade rutterna var 10, vilket låg närmast breddstorleken på den fjärde buffertzonen. Därför användes denna buffertzon för att avgöra hur de genererade rutterna stämde överens med verkligheten. För att mäta detta räknades antalet rutor för de konvergerade rutterna inom zonen. Pearsons korrelationskoefficient användes för att avgöra om det fanns ett linjärt samband mellan antal träffar inom zonen och belöningsökningsvärdet ∅. Tester utfördes för att identifiera de bästa Q-Learning-parametrarna (inlärningsparameter α och rabattfaktor γ) för detta område. De bästa kandidaterna visade sig vara 𝛼 = 0.9 och 𝛼 = 1 med 𝛾 = 1. Resultatet visade att den kvadratiska markmodellen presterade mest effektivt med en Pearsonskorrelationskoefficient på 𝑟 = 0.867 , medan kvartsmarkmodellen med 𝛼 = 1 och 𝛾 = 1 presterade sämre med en Pearsons korrelationskoefficient på 𝑟 = 0.4691.