Random Indexing. - med större korpus. Olof Stange & Claes Toll Handledare: Johan Boye DD Språkteknologi

Storlek: px
Starta visningen från sidan:

Download "Random Indexing. - med större korpus. Olof Stange & Claes Toll Handledare: Johan Boye DD2418 - Språkteknologi"

Transkript

1 - med större korpus Olof Stange & Claes Toll - Språkteknologi

2 Innehållsförteckning Inledning s. 3 Bakgrund s. 3 Metod s. 3-4 Problem s. 4 Resultat s. 4-5 Analys s. 6-8 Sammanfattning s. 8 Källförteckning s. 9 Bilagor s. 9 2

3 Inledning är ett tillvägagångssätt för att relatera ord till varandra. Genom att gå igenom fritext kan metoden skapa samband mellan liknande ord med hjälp av deras omgivning. Hur bra metoden fungerar beror på ett antal olika variabler. Resultat man uppnår kan exempelvis ha sin grund i hur stor textmängd man arbetar med, hur stort kontextfönster man väljer att sätta upp för varje ord eller dokument samt hur många dimensioner man arbetar med. I det här arbetet ska vi undersöka hur storleken på textmängden påverkar resultatet. Vi kommer att utgå från ett större textmaterial och jämföra hur mycket varje ny textmängd som läggs till förbättrar utfallet. Resultatet testas med hjälp av orddelen på högskoleprovet där det ord som är närmast i betydelse är det rätta svaret (se kurshemsidan för mer information). Uppgiften bygger på laborationen Statistisk lexikal semantik i. Vi har använt oss av javaprogrammet OrdHP med de inställningar som visade upp de bästa resultaten på Laboration 3. 1 Bakgrund (RI) är en metod för att utvinna relaterade ord ur fritext. Inledningsvis förknippas varje ord eller dokument med en unik och mångdimensionell slumpvektor där ett antal 1:or och -1:or placeras ut. Resten av elementen i vektorn är 0. Metoden går sedan igenom texten och skapar en kontextvektor för varje ord. När ett ord befinner sig i fokus sätts ett kontextfönster upp som innehåller det fokuserade ordet samt ett antal ord före och efter. De omkringliggande ordens slumpvektorer läggs till i det fokuserade ordets kontextvektor. Detta innebär att liknande ord kommer att få likartade kontextvektorer. Måttet av likhet kan sedan mätas genom att ta det kartesiska avståndet mellan dessa vektorer. 2 Metod Till en början valde vi ut två olika korpus Parole (ca 19 miljoner ord) samt ett annat svenskt korpus från kurshemsidan (ca 3,3 miljoner ord). Parole är uppbyggt av romaner, dagstidningar, tidskrifter och texter från mitten av 1970-talet och ca 20 år framåt 3 medan korpuset från kurshemsidan består av okända texter. Orden i Parole var ordklasstaggade, men eftersom detta inte var av intresse för oss, inledde vi med att plocka ut orden med hjälp av ett egenprogrammerat Pythonprogram. Orden kopierades istället till nya filer med löptext om max tecken. Filernas storlek bestämdes med utgångspunkt i att allt material också behövde lemmatiseras, då orden på högskoleprovet är representerade i grundform. Vid liknande tester tidigare har det också visat sig ge bättre resultat med lemmatiserade texter än utan. 4 Det lemmatiseringsverktyg vi använde oss av var ett program på KTH-servern Skrutten 2 som ordklasstaggar och lemmatiserar alla ord. Uppkopplingen till Skrutten 2 sker via protokollet telnet och teckenbegränsningen var just tecken för varje uppkoppling. Utifrån svaret från servern plockade vi återigen ut orden utan ordklasstaggarna och skapade nya lemmatiserade filer i löptext. På detta sätt genererade vi ca filer från Parole och ca 3600 filer från vårt mindre korpus. Därefter tränade vi datorn på vår träningsmängd och testade mot 1 Bilaga 2 2 Sahlgren, sid Bilaga 1 4 Sahlgren, sid 7 3

4 orddelen på högskoleprovet. Vi skapade avslutningsvis ett eget korpus med utgångspunkt i de resultat vi fick från våra andra korpus. De ord som ingick i detta korpus var de ord vi inte hade tillräckligt med information om i vårt textmaterial. Vi skapade detta nya korpus med hjälp av google-sökningar. Problem Vi har inte råkat ut för några större problem under vårt arbete. Något som vi dock upplevde som en begränsning var skolans datorer. Vi har som studenter i grunden 350 mb lagringsutrymme och enbart Parole-textfilen var på nästan 500 mb. Vi löste detta genom att generera filerna på egna datorer. När vi sedan skulle träna datorn på vår träningsmängd var vi begränsade i minne och återigen fick vi använda oss av våra privata datorer. Uppkopplingen via telnet mot skrutten2 har fungerat relativt bra. I några filer har det funnits annorlunda tecken (_ i ett ord, ex. ord_1, citattecken och tre punkter i rad) vilka inte har accepterats av lemmatiseringsverktyget. Dessa filer ligger jämt fördelade över korpuset (Parole) och blev inte lemmatiserade och används därför inte i vår träningsmängd. Vi bedömer att ca 1,5 miljon ord från Parole inte har använts i vår träningsmängd på grund av detta. Vi råkade även ut för ett strömavbrott på KTH som gjorde det omöjligt att få kontakt med skolans servrar. Detta strömavbrott pågick i drygt två timmar men servrarna var inte uppe i drift förrän efter ytterligare några timmar, vilket gjorde att vi förlorade nästan en arbetsdag. Resultat Med våra tre korpus fick vi följande resultat: Correct Missed Unsufficient Total Mellankorpus Parole Eget korpus Tabell 1. För att kunna jämföra siffrorna i en graf har vi multiplicerat resultat i Eget korpus så att totalsumman blir 59 även här. Hur detta påverkar tolkningen av resultatet diskuterar vi nedan i analysen. Med de nya värdena får vi resultaten: Correct Missed Unsufficient Total Mellankorpus Parole Eget korpus 33,71 25, Tabell 2. 4

5 Mellankorpus Parole Eget korpus Graf till tabell 2. Correct Missed Unsufficient Vi har delat upp Parole i sju lika stora delar à 3000 filer som vi har testat mot orddelen, resultatet presenteras nedan med antal rätt svar i varje delkorpus. Filnummer Antal rätt Tabell Delkorpus av Parole Antal rätt Graf till tabell 3. Vi jämför resultaten på alla delmängder och tar ut antal unika rätt på varje delmängd och då får vi totalt 26 unika rätt. Detta kan jämföras med resultatet från tabell 1 då vi fick 11 rätt på hela korpuset (Parole). 5

6 Analys Inledningsvis bör vi omnämna att Parole är ett äldre korpus med texter från 1975 fram till Detta tror vi dock inte har påverkat resultatet då lejonparten av frågorna på högskoleprovets orddel behandlar äldre ord och uttryck. Däremot har det bristfälliga resultatet till viss del grund i att variablerna i inlärningen inte är anpassade till vår datamängd. Stopplistan som användes i programmet är delvis anpassad till en mycket mindre mängd text än vad vi har använt och är dessutom utformad för de ord som var frekvent representerade i just den texten den var avsedd för. Det är därutöver troligt att ett bättre resultat hade uppnåtts med hjälp av att modifiera övriga variabler i programmet såsom kontextfönstrets storlek, antalet dimensioner på vektorerna och hur viktningsschemat är formulerat. För att vårt program skall kunna svara på en fråga krävs det att det finns information om alla ord, d.v.s. att de har dykt upp tillräckligt många gånger i vårt korpus. Utan den informationen går det inte att ta det kartesiska avståndet mellan vektorerna vilket medför att våra ord och kontexter inte kan jämföras med varandra. I ett balanserat korpus är det inte säkert att orden som finns på just högskoleprovet är vanligt förekommande och således är det svårt för programmet att införskaffa tillräckligt med information för att kunna besvara frågorna korrekt. Vid liknande tester tidigare har det allmänt visat sig att det är viktigt att ha ett korpus representativt för uppgiften, d.v.s. ett korpus vars inriktning överensstämmer med det vi vill testa. 5 Detta kan anses självklart men kan förbättra resultatet avsevärt. Om du exempelvis vill plocka fram information om medicinska ord är det vägande att välja ett korpus som helt eller delvis innehåller medicinska texter. På så sätt är det större chans att hitta relevanta ord och kontexter som är betydelsefulla vilket förenklar inlärningen och följaktligen också resultatet. RI är en metod som lämpar sig bra för stora textmängder eftersom den är både snabbare och kräver mindre lagringsutrymme än liknande metoder såsom LSA (Latent Semantic Analysis). 6 Metoden är också effektiv i den bemärkelsen att den börjar hitta samband mellan ord och kontexter redan innan hela textmaterialet är bearbetat. 7 I våra tester kan vi tydligt se att antalet rätt blir fler och antalet ord som saknar information blir färre i takt med att vi ökar textmängden. Däremot är resultaten inte så tillfredställande som vi hade trott och hoppats på. En förklaring till detta kan vara att viktningsschemat inte är tillämpat för storleken på våra korpus. I takt med att man använder större textmängder krävs det ett utökat fokus på ett relevant viktningsschema för att förbättra precisionen. Gorman och Curran har utfört tester som visar att olika viktningsscheman lämpar sig olika bra beroende på hur stort korpus man använder. 8 Eftersom vi inte har anpassat vårt viktningsschema finns det en risk att det vi har använt oss av inte lämpar sig för vår storlek på korpus. När vi tittar på resultaten från de olika delmängderna av Parole 9 ser vi att vi får ganska dåliga resultat i början och att det sedan ökar och ligger konstant i mitten för att öka något på slutet igen. För att förstå dessa variationer måste vi se hur Parole är 5 Gorman, Curran, sid Cohen et al, sid Gorman, Curran, sid Gorman, Curran, sid tabell 3 6

7 uppbyggt. Som vi nämnt ovan är den uppbyggd av romaner, dagstidningar, tidskrifter och webbtexter. Med den fördelning vi ser i Parole 10 kan vi direkt göra en koppling till våra resultat. När vi använder oss av romantexterna som träningsmängd blir resultatet dåligt, med dagstidningarna något bättre för att med tidskrifter och webbtexter uppnå de bästa resultaten. Med informationen om att resultatet blir bättre med ett relevant korpus 11 kan vi konstatera att för vår testmängd (orddelen på högskoleprovet) verkar vetenskapliga tidskrifter och webbtexter vara de mest relevanta texterna i ett korpus. För varje delmängd har vi fått ett visst antal rätt och när vi jämför alla delmängder får vi totalt 26 unika rätt. Detta kan jämföras med de 11 rätt vi fick när vi tränade på hela Parole. Skillnaden i antal rätt kan bero på att språkbruket och innehållet ser helt olika ut i t.ex. en roman och en vetenskaplig text. En del ord förekommer mer frekvent i romaner och förekommer inte alls i vetenskapliga texter och vice versa. Att resultatet blir så mycket sämre med romaner som träningsmängd än dagstidningar och vetenskapliga texter beror på hur ordet används. I en vetenskaplig text används ordet ofta i sin grundläggande och korrekta betydelse medan det i en roman används i en bredare mening och därför återfinns det i olika kontexter. 12 Detta förklarar också varför vi inte får 26 rätt när vi tränar på hela korpuset. Även om ett ord blir rätt i en delmängd kan det användas i fel kontext eller betydelse i en annan och kontextvektorn hamnar längre ifrån än en annan kontextvektor och vi får således ett fel svar. I dagstidningar eller webtexter kan ett ord hamna i helt olika kontexter beroende på vid vilket år eller tidpunkt man väljer att hämta informationen. I oktober 2006 gjorde Nordkorea kärnvapentester och om man tittade på ett blogkorpus fram till oktober hamnade ordet nuclear i kontext med Iran och kärnkraft, för att under oktober månad hamna i kontext med Korea, sanktion och bomb. 13 Detta är också en förklaring till varför delmängderna får fler unika rätt tillsammans än hela korpuset. Med vårt eget korpus fick vi över 50% rätta svar och vi kan återigen konstatera att ett relevant korpus förbättrar resultaten. Dock vill vi inte dra för stora slutsatser om den exakta andelen rätt då testmängden varit betydligt mindre än i de övriga fallen, 7 ord jämfört med 59 ord. levererar inte ett hundraprocentigt resultat när det kommer till högskoleprovet. I liknande tester som har utförts tidigare har de bästa resultaten varit uppemot tre fjärdedelar rätta svar. 14 Trots att resultaten inte är perfekta finns det mycket metoden kan bidra med. Inom 'information retrieval' kan flera olika metoder och tekniker samfällt bidra till att urskilja relevant information från olika textmängder. Informationssökning handlar i slutändan inte om att gissa rätt på högskoleprovet utan att lyfta fram information som är verkligt viktig i olika sammanhang. Genom RI kan man utvinna relationer mellan ord på ett enkelt och effektivt sätt vilket kan bidra till en utökad förståelse av olika texters koherens. 15 Trots att metoden gissade fel på många ord på högskoleprovet kan vi ändå dra vissa 10 Bilaga 1 11 Gorman, Curran, sid Chatterjee, Mohan, sid Jurgens, Stevens, sid Sahlgren, sid 7 15 Rosell, föreläsning 7

8 slutsatser utifrån resultatet. Om vi exempelvis tittar på det missade ordet 'otidighet' så kan vi se att metoden visserligen gissade fel men att den rätta synonymen oförskämdhets kontext ligger betydligt närmare än de två övriga förslagen. otidighet => oförskämdhet [oärlighet(0,135), oförskämdhet(0,114), ombytlighet(0,008), osjälvständighet(-0,014)] Genom denna information kan vi sedan dra ett antal olika slutsatser. Vi kan till exempel använda metoden som hjälp för att utesluta de ord vars kontextvektorer ligger längst ifrån det rätta svaret. Inom informationssökning vill man effektivisera inhämtningen så mycket som möjligt och att begränsa valmöjligheter på detta sätt kan vara bidragande till att uppnå ökad effektivitet. Det kan också vara semantiskt intressant att studera felaktiga svar för att få fram information om ords användning i förhållande till deras originalbetydelser. Sammanfattning är en metod för att utvinna relaterade ord ur fritext. Vi har testat hur mängden text påverkar resultatet genom att låta metoden svara på orddelen på högskoleprovet. I takt med att vi ökat textmängderna har vi erhållit mer information om orden vilket gradvis har lett till ett bättre resultat. Prestationen har dock inte varit lika bra som vi förväntat oss vilket kan härledas till ett antal olika faktorer. Delvis är det viktigt att ha ett korpus och därmed texter som är relevanta för uppgiften. Därtill måste metodens variabelinställningar, stopplista och viktningsschema anpassas till den rådande textmängden. Vi kan alltså konstatera att det inte enbart räcker med att öka textmängderna för att uppnå förbättrade resultat inom RI. 8

9 Källförteckning N. Chatterjee, S. Mohan. Discovering Word Senses from Text Using Random Indexing, CICLing, 2008 J. Gorman, J. Curran. Random indexing using Statistical Weight Functions, University of Sidney, 2006 M. Sahlgren. An introduction to, SICS, 2005 T. Cohen, R. Schvaneveldt, D. Widdows. Reflective and indirect inference: A scalable method for discovery of implicit connections, Journal of Biomedical Informatics, Volume 43, Issue 2, April 2010 D Jurgens, K Stevens. Event Detection in Blogs using Temporal, University of California, Los Angeles 2006 M. Rosell. Förläsning: Statistisk Lexikal Semantik, KTH, Parole (hämtad från Korpus från kursen (hämtad från kurskatalogen /info/sprakt12/korpus) Bilagor Bilaga 1, Textfördelning av Parole samt årtal Romaner 4,4 miljoner ord ( ) Dagstidningar 13,6 miljoner ord ( ) Tidskrifter 0,4 miljoner ord ( ) Webbtexter 1 miljon ord (1997) Bilaga 2, Kopia av inställningar från OrdHP dimensionality = 1800 random_degree = 8 seed = left_window_size = 4 right_window_size = 4 weighting_scheme = moj.ri.weighting.mangesws stoplist = True stoplist_name = Stoplist.txt shortest_word = 3 longest_word = 25 minimum_words_per_file = 2 9

Inlämningsuppgift : Finn. 2D1418 Språkteknologi. Christoffer Sabel E-post: csabel@kth.se 1

Inlämningsuppgift : Finn. 2D1418 Språkteknologi. Christoffer Sabel E-post: csabel@kth.se 1 Inlämningsuppgift : Finn 2D1418 Språkteknologi Christoffer Sabel E-post: csabel@kth.se 1 1. Inledning...3 2. Teori...3 2.1 Termdokumentmatrisen...3 2.2 Finn...4 3. Implementation...4 3.1 Databasen...4

Läs mer

CogSum. Ett försök att med dagens automatiska informationsextraheringsmetoder och rankningsalgoritmer skapa sammanfattningar i skumläsningssyfte

CogSum. Ett försök att med dagens automatiska informationsextraheringsmetoder och rankningsalgoritmer skapa sammanfattningar i skumläsningssyfte CogSum Ett försök att med dagens automatiska informationsextraheringsmetoder och rankningsalgoritmer skapa sammanfattningar i skumläsningssyfte Mimi Axelsson, Erica Bergenholm, Bertil Carlsson, Gro Dahlbom,

Läs mer

Den räta linjens ekvation

Den räta linjens ekvation Den räta linjens ekvation Här följer en dialog mellan studenten Tor-Björn (hädanefter kallad TB) och hans lärare i matematik Karl-Ture Hansson (nedan kallad KTH). När vi möter dem för första gången är

Läs mer

FriendlyReader. Språkteknologi för sammanfattningar och ökad läsbarhet. Målgruppsegmentering. Arbetsgång

FriendlyReader. Språkteknologi för sammanfattningar och ökad läsbarhet. Målgruppsegmentering. Arbetsgång FriendlyReader Språkteknologi för sammanfattningar och ökad läsbarhet Mål:! Öka den digitala delaktigheten genom att underlätta för personer med lässvårigheter att tillgodogöra sig textuellt baserad information

Läs mer

Maskininlärning med boostrapping. Maskininlärningslabb i Språkteknologi

Maskininlärning med boostrapping. Maskininlärningslabb i Språkteknologi Maskininlärning med boostrapping Maskininlärningslabb i Språkteknologi Abstrakt Vi undersöker, med hjälp av maskininlärningslabben från denna kurs, hur pass bra resultat bootstrapping ger i samband med

Läs mer

Klustring av svenska tidningsartiklar

Klustring av svenska tidningsartiklar Klustring av svenska tidningsartiklar Magnus Rosell rosell@nada.kth.se http://www.nada.kth.se/ rosell/ Klustring Kategorisering eller klassificering att föra texter till på förhand bestämda kategorier

Läs mer

TDDD02 Språkteknologi för informationssökning (2016) Ordpredicering. Marco Kuhlmann Institutionen för datavetenskap

TDDD02 Språkteknologi för informationssökning (2016) Ordpredicering. Marco Kuhlmann Institutionen för datavetenskap TDDD02 Språkteknologi för informationssökning (2016) Ordpredicering Marco Kuhlmann Institutionen för datavetenskap Ordpredicering Ordpredicering innebär att föreslå eller välja ord i en given kontext.

Läs mer

SF1905 Sannolikhetsteori och statistik: Lab 2 ht 2011

SF1905 Sannolikhetsteori och statistik: Lab 2 ht 2011 Avd. Matematisk statistik Tobias Rydén 2011-09-30 SF1905 Sannolikhetsteori och statistik: Lab 2 ht 2011 Förberedelser. Innan du går till laborationen, läs igenom den här handledningen. Repetera också i

Läs mer

Funktioner. Räta linjen

Funktioner. Räta linjen Sidor i boken 14-143, 145-147 Funktioner. Räta linjen Här följer en dialog mellan studenten Tor-Björn (hädanefter kallad TB) och hans lärare i matematik Karl-Ture Hansson (nedan kallad KTH). När vi möter

Läs mer

Handhavande manual problemhantering

Handhavande manual problemhantering av Handhavande manual problemhantering 1(9) av Flytta dina dokument från H: till OneDrive I och med att Norrtälje kommun går över till Office 365 för skolverksamheten så kommer den egna lagringsplatsen

Läs mer

Här är två korta exempel på situationer då vi tillämpar den distributiva lagen:

Här är två korta exempel på situationer då vi tillämpar den distributiva lagen: Modul: Algebra Del 8: Avslutande reflektion och utvärdering Distributiva lagen Cecilia Kilhamn, Göteborgs Universitet Distributiva lagen a (b + c) = a b + a c Den distributiva lagen kallas den räknelag

Läs mer

Beräkna standardavvikelser för ledtider

Beräkna standardavvikelser för ledtider Handbok i materialstyrning - Del B Parametrar och variabler B 4 Beräkna standardavvikelser för ledtider De formler som traditionellt används för beräkning av standardavvikelser för efterfrågevariationer

Läs mer

Disciplinära diskurser i naturvetenskap och matematik

Disciplinära diskurser i naturvetenskap och matematik Disciplinära diskurser i naturvetenskap och matematik Jonas Forsman, Staffan Andersson, Jannika Andersson Chronholm, Cedric Linder Avdelningen för fysikens didaktik, Institutionen för fysik och materialvetenskap,

Läs mer

Synkronisering av kalenderdata

Synkronisering av kalenderdata Datavetenskap Jonas Lindelöw, Richard Löfberg Sten Hansson Bjerke, Anders Friberg Synkronisering av kalenderdata Oppositionsrapport, C/D-nivå 2006:07 1 Sammanfattat omdöme av examensarbetet Vi tycker att

Läs mer

Bakgrund och motivation. Definition av algoritmer Beskrivningssätt Algoritmanalys. Algoritmer. Lars Larsson VT 2007. Lars Larsson Algoritmer 1

Bakgrund och motivation. Definition av algoritmer Beskrivningssätt Algoritmanalys. Algoritmer. Lars Larsson VT 2007. Lars Larsson Algoritmer 1 Algoritmer Lars Larsson VT 2007 Lars Larsson Algoritmer 1 1 2 3 4 5 Lars Larsson Algoritmer 2 Ni som går denna kurs är framtidens projektledare inom mjukvaruutveckling. Som ledare måste ni göra svåra beslut

Läs mer

Word- sense disambiguation

Word- sense disambiguation KTH Word- sense disambiguation Inlämningsuppgift - DD2418 - sprakt12 Mattias Uskali & Emilia Hillert 1/8/2013 Sammanfattning Denna rapport kommer att undersöka två metoder för word- sense disambiguation,

Läs mer

qwertyuiopasdfghjklzxcvbnmq ertyuiopasdfghjklzxcvbnmqwer tyuiopasdfghjklzxcvbnmqwerty uiopasdfghjklzxcvbnmqwertyui opasdfghjklzxcvbnmqwertyuiop

qwertyuiopasdfghjklzxcvbnmq ertyuiopasdfghjklzxcvbnmqwer tyuiopasdfghjklzxcvbnmqwerty uiopasdfghjklzxcvbnmqwertyui opasdfghjklzxcvbnmqwertyuiop qwertyuiopasdfghjklzxcvbnmq wertyuiopasdfghjklzxcvbnmqw ertyuiopasdfghjklzxcvbnmqwer tyuiopasdfghjklzxcvbnmqwerty Mall för rapport En hjälp för dig som skriver gymnasiearbete inom ett yrkesförberedande

Läs mer

Får jag använda Wikipedia?

Får jag använda Wikipedia? Får jag använda Wikipedia? Wikipedia är ett unikt uppslagsverk som skapas av sina läsare. Det innebär att vem som helst kan skriva och redigera artiklar. Informationen på Wikipedia kan vara vinklad eller

Läs mer

Hur skriver man en vetenskaplig uppsats?

Hur skriver man en vetenskaplig uppsats? Kullagymnasiet Projektarbete PA1201 Höganäs 2005-01-19 Hur skriver man en vetenskaplig uppsats? Anna Svensson, Sp3A Handledare: Erik Eriksson Innehållsförteckning 1. Inledning sid. 1 - Bakgrund - Syfte

Läs mer

Detta dokument skall ge en kortfattad introduktion till Jasmine installationen vid DSV.

Detta dokument skall ge en kortfattad introduktion till Jasmine installationen vid DSV. Detta dokument skall ge en kortfattad introduktion till Jasmine installationen vid DSV. Kortfattat skall ni lära er följande. - Ni skall lära er att koppla upp er mot den lokala Jasmine databasen - Köra

Läs mer

Process- och metodreflektion Grupp 5

Process- och metodreflektion Grupp 5 Process- och metodreflektion Grupp 5 IDM Grupp 5 Anders Fougstedt, Anders Green, Lay Truong, Anna Sjödin, Tobias Kask Val av metoder Det första steget i vår designprocess var att bestämma vilka metoder

Läs mer

KOMMUNIKATIVT LEDARSKAP

KOMMUNIKATIVT LEDARSKAP KOMMUNIKATIVT LEDARSKAP EN ANALYS AV INTERVJUER MED CHEFER OCH MEDARBETARE I FEM FÖRETAG NORRMEJERIER SAAB SANDVIK SPENDRUPS VOLVO Mittuniversitetet Avdelningen för medieoch kommunikationsvetenskap Catrin

Läs mer

Beräkning med ord. -hur en dator hanterar perception. Linköpings universitet Artificiell intelligens 2 2010-10-03 Erik Claesson 880816-1692

Beräkning med ord. -hur en dator hanterar perception. Linköpings universitet Artificiell intelligens 2 2010-10-03 Erik Claesson 880816-1692 Beräkning med ord -hur en dator hanterar perception 2010-10-03 Erik Claesson 880816-1692 Innehåll Inledning... 3 Syfte... 3 Kan datorer hantera perception?... 4 Naturligt språk... 4 Fuzzy Granulation...

Läs mer

Linuxadministration I 1DV417 - Laboration 3 Installation av ny hårddisk, RAID och logisk volymhantering

Linuxadministration I 1DV417 - Laboration 3 Installation av ny hårddisk, RAID och logisk volymhantering Linuxadministration I 1DV417 - Laboration 3 Installation av ny hårddisk, RAID och logisk volymhantering Marcus Wilhelmsson marcus.wilhelmsson@lnu.se 17 december 2013 Innehåll 1 Inledning och mål 3 2 Material

Läs mer

En sammanfattning Implementeringsutvärdering av Beslutsstöd i tre kommuner

En sammanfattning Implementeringsutvärdering av Beslutsstöd i tre kommuner En sammanfattning Implementeringsutvärdering av Beslutsstöd i tre kommuner - Examensarbete av Lina Smith och Petra Hansson, socionomprogrammet inriktning verksamhetsutveckling, Malmö Högskola Kontakt:

Läs mer

Three Monkeys Trading. Tärningar och risk-reward

Three Monkeys Trading. Tärningar och risk-reward Three Monkeys Trading Tärningar och risk-reward I en bok vid namn A random walk down Wall Street tar Burton Malkiel upp det omtalade exemplet på hur en apa som kastar pil på en tavla genererar lika bra

Läs mer

PC-teknik, 5 p LABORATION ASSEMBLERINTRODUKTION

PC-teknik, 5 p LABORATION ASSEMBLERINTRODUKTION PC-teknik, 5 p LABORATION ASSEMBLERINTRODUKTION Laborationsansvarig: Anders Arvidsson Utskriftsdatum: 2005-08-31 Laborant(er): 1 Syfte Laborationen ska ge studenten möjlighet att genom assemblerinlägg

Läs mer

EasyReader (FriendlyReader)

EasyReader (FriendlyReader) EasyReader (FriendlyReader) Arne Jönsson, Sture Hägglund Mål Ø Öka den digitala delaktigheten genom att underlätta för personer med lässvårigheter att tillgodogöra sig textuellt baserad information på

Läs mer

[Introduktion till programmering ]

[Introduktion till programmering ] KUNGLIGA TEKNISKA HÖGSKOLAN [Introduktion till programmering ] [Laboration med NXC] Tobias Johansson 05/09/13 tobiaj@kth.se Introduktionskurs i datateknik, II1310 Sammanfattning Vad som gör en ingenjör

Läs mer

Instruktion/råd för rapportskrivning

Instruktion/råd för rapportskrivning Läkarprogrammet, självständigt arbete Instruktion/råd för rapportskrivning JK/PN 140211 Bästa/bäste läkarstudent! Nedan följer en kort beskrivning av de punkter en vetenskaplig rapport vanligen innehåller

Läs mer

1(15) Bilaga 1. Av Projekt Neuronnätverk, ABB Industrigymnasium, Västerås Vt-05

1(15) Bilaga 1. Av Projekt Neuronnätverk, ABB Industrigymnasium, Västerås Vt-05 1(15) Bilaga 1 2(15) Neuronnätslaboration Räknare Denna laboration riktar sig till gymnasieelever som går en teknisk utbildning och som helst har läst digitalteknik samt någon form av styrteknik eller

Läs mer

Vad beror benägenheten att återvinna på? Annett Persson

Vad beror benägenheten att återvinna på? Annett Persson Vad beror benägenheten att återvinna på? Annett Persson 12 mars 2011 Innehåll 1 Inledning 2 1.1 Bakgrund............................... 2 1.2 Syfte.................................. 2 1.3 Metod.................................

Läs mer

5Chans och risk. Mål. Grunddel K 5. Ingressen

5Chans och risk. Mål. Grunddel K 5. Ingressen Chans och risk ål När eleverna har studerat det här kapitlet ska de kunna: förklara vad som menas med begreppet sannolikhet räkna ut sannolikheten för att en händelse ska inträffa känna till hur sannolikhet

Läs mer

Kryptering. Av: Johan Westerlund Kurs: Utveckling av webbapplicationer Termin: VT2015 Lärare: Per Sahlin

Kryptering. Av: Johan Westerlund Kurs: Utveckling av webbapplicationer Termin: VT2015 Lärare: Per Sahlin Kryptering Av: Johan Westerlund Kurs: Utveckling av webbapplicationer Termin: VT2015 Lärare: Per Sahlin Inledning Den här rapporten ska hjälpa en att få insikt och förståelse om kryptering. Vad betyder

Läs mer

DC ++ o allt annat runt om! (en kom-i-gång guide..) Klicka på File Settings. Färdigt med konfigureringen!

DC ++ o allt annat runt om! (en kom-i-gång guide..) Klicka på File Settings. Färdigt med konfigureringen! DC ++ o allt annat runt om! (en kom-i-gång guide..) 1. Ladda ner senaste dc++ n ( http://dcplusplus.sourceforge.net/ ) 2. Konfigurera (inställningar) Steg 1 (ett) är att ställa in hur man skall synas Klicka

Läs mer

Vanliga frågor för VoiceXpress

Vanliga frågor för VoiceXpress Vanliga frågor för VoiceXpress 1) Hur stort ordförråd (vokabulär) innehåller VoiceXpress? VoiceXpress innehåller ett mycket omfattande ordförråd, och svaret på frågan varierar en aning beroende på hur

Läs mer

Optimering av depåpositioner för den minimala bensinförbrukningen i öknen

Optimering av depåpositioner för den minimala bensinförbrukningen i öknen Optimering av depåpositioner för den minimala bensinförbrukningen i öknen Frågeställning: En jeep kan sammanlagt ha 200 liter bensin i tanken samt i lösa dunkar. Jeepen kommer 2,5 km på 1 liter bensin.

Läs mer

Bästa skottläge på en fotbollsplan längs långsidan

Bästa skottläge på en fotbollsplan längs långsidan Bästa skottläge på en fotbollsplan längs långsidan Frågeställningen lyder: Vad är det bästa skottläget? för en spelare som befinner sig på en rak linje på en fotbollsplan. Det är alltså en vinkel som söks,

Läs mer

UPPGIFT 1 V75 FIGUR 1.

UPPGIFT 1 V75 FIGUR 1. UPPGIFT 1 V75 FIGUR 1. Varje lördag året om spelar tusentals svenskar på travspelet V75. Spelet går ut på att finna sju vinnande hästar i lika många lopp. Lopp 1: 5 7 Lopp 2: 1 3 5 7 8 11 Lopp 3: 2 9 Lopp

Läs mer

svenska kurskod: sgrsve7 50

svenska kurskod: sgrsve7 50 Svenska Kurskod: SGRSVE7 Språk är människans främsta redskap för att tänka, kommunicera och lära. Ämnet handlar om hur språket är uppbyggt och fungerar samt hur det kan användas. Kärnan i ämnet är språk

Läs mer

Information till användaren att han/hon måste aktivera mjukvaran.

Information till användaren att han/hon måste aktivera mjukvaran. Produktaktivering Startfönster Information till användaren att han/hon måste aktivera mjukvaran. Denna guide visas efter att installationen avslutats och first time setup är slutförd. Guiden kommer att

Läs mer

Kursrapport för WEBBDIST12: Textproduktion 2 V14 7,5 hp (31RTX2)

Kursrapport för WEBBDIST12: Textproduktion 2 V14 7,5 hp (31RTX2) Kursrapport för WEBBDIST12: Textproduktion 2 V14 7,5 hp (31RTX2) Kursansvariga: Charlotte von Essen Anna Vörös Lindén Övriga medverkande lärare: Karin Dessne David Gunnarsson Linda Rydh Jonas Söderholm

Läs mer

En naturvetenskaplig undersökning i fyra steg

En naturvetenskaplig undersökning i fyra steg En naturvetenskaplig undersökning i fyra steg Pär Leijonhufvud 2016-11-12 Det här är en (fiktiv) naturvetenskaplig undersökning som t.ex. skulle kunna vara någons gymnasiearbete. Alla data är påhittade,

Läs mer

Grundläggande textanalys. Joakim Nivre

Grundläggande textanalys. Joakim Nivre Grundläggande textanalys Joakim Nivre Om kursen Ni har hittills läst Lingvistik Datorteknik Matematik Språkteknologiska tillämpningar Nu ska vi börja med språkteknologi på allvar Hur gör man text hanterbar

Läs mer

Enchipsdatorer med tillämpningar LABORATION 7, ROBOT

Enchipsdatorer med tillämpningar LABORATION 7, ROBOT Enchipsdatorer med tillämpningar LABORATION 7, ROBOT Laborationsansvariga: Anders Arvidsson Utskriftsdatum: 2005-05-14 Laboranter: 1 Syfte Denna laboration syftar till att introducera interrupt och watchdog

Läs mer

1. Inledning Syfte Struktur Automatisk textsammanfattning Input Syfte Output...

1. Inledning Syfte Struktur Automatisk textsammanfattning Input Syfte Output... !"#""$% Abstract Mängden information på internet är enorm och bara forsätter att öka på både gott och ont. Framförallt kan det vara svårt för grupper såsom synskadade och personer med språksvårigheter

Läs mer

Tentamen StvB distans, delkurs 3 Metod (3p)

Tentamen StvB distans, delkurs 3 Metod (3p) Karlstads universitet Avd. för statsvetenskap Robert Wangeby Tentamen StvB distans, delkurs 3 Metod (3p) Lördagen den 10:e juni 2006, kl. 09.00-11.30 Skrivningen består av 15 frågor med svarsalternativ

Läs mer

Hur länge ska fisken vara i dammen?

Hur länge ska fisken vara i dammen? Hur länge ska fisken vara i dammen? Frågeställning Uppgift 10 fiskodling Uppgiften går ut på att ta reda på hur länge ett stim fisk ska växa upp i en fiskodling för att få den maximala vikten tillsammans.

Läs mer

Klassrumshantering Av: Jonas Hall. Högstadiet. Material: TI-82/83/84

Klassrumshantering Av: Jonas Hall. Högstadiet. Material: TI-82/83/84 Inledning Det som är viktigt att förstå när det gäller grafräknare, och TI s grafräknare i synnerhet, är att de inte bara är räknare, dvs beräkningsmaskiner som underlättar beräkningar, utan att de framför

Läs mer

y y 1 = k(x x 1 ) f(x) = 3 x

y y 1 = k(x x 1 ) f(x) = 3 x Räta linjen på olika former Här ska vi bara påpeka att förutom k-form, den som vi är mest vana vid y = k y + m finns också allmän form: ax + by + c = 0 där a och b är konstanter, som inte någon står för

Läs mer

Datorhårdvaruteknik 1DV426 - Laboration Migrering av lagring från DAS till SAN

Datorhårdvaruteknik 1DV426 - Laboration Migrering av lagring från DAS till SAN Datorhårdvaruteknik 1DV426 - Laboration Migrering av lagring från DAS till SAN Marcus Wilhelmsson marcus.wilhelmsson@lnu.se 24 april 2013 Instruktioner Organisation och genomförande Laborationen består

Läs mer

SVANTE JANSON OCH SVANTE LINUSSON

SVANTE JANSON OCH SVANTE LINUSSON EXEMPEL PÅ BERÄKNINGAR AV SANNOLIKHETER FÖR ATT FELAKTIGT HANTERADE RÖSTER PÅVERKAR VALUTGÅNGEN SVANTE JANSON OCH SVANTE LINUSSON 1. Inledning Vi skall här ge exempel på och försöka förklara matematiken

Läs mer

Det finns flera aspekter av subtraktion som lärare bör ha kunskap om, en

Det finns flera aspekter av subtraktion som lärare bör ha kunskap om, en Kerstin Larsson Subtraktion Vad är egentligen subtraktion? Vad behöver en lärare veta om subtraktion och subtraktionsundervisning? Om elevers förståelse av subtraktion och om elevers vanliga missuppfattningar?

Läs mer

Korpuslingvistik (SV2119) Föreläsning 2: Språkbankens korpusar och sökverktyget Korp

Korpuslingvistik (SV2119) Föreläsning 2: Språkbankens korpusar och sökverktyget Korp Korpuslingvistik (SV2119) Föreläsning 2: Språkbankens korpusar och sökverktyget Korp Richard Johansson richard.johansson@svenska.gu.se 20 september 2013 1. introduktion dagens föreläsning Språkbankens

Läs mer

KOMMUNIKATIVT LEDARSKAP

KOMMUNIKATIVT LEDARSKAP KOMMUNIKATIVT LEDARSKAP 7, 100, 85, 7 EN ANALYS AV INTERVJUER MED CHEFER OCH MEDARBETARE I FEM FÖRETAG NORRMEJERIER SAAB SANDVIK SPENDRUPS VOLVO Mittuniversitetet Avdelningen för medieoch kommunikationsvetenskap

Läs mer

KOMMUNIKATIVT LEDARSKAP

KOMMUNIKATIVT LEDARSKAP KOMMUNIKATIVT LEDARSKAP 7, 100, 85, 7 EN ANALYS AV INTERVJUER MED CHEFER OCH MEDARBETARE I FEM FÖRETAG NORRMEJERIER SAAB SANDVIK SPENDRUPS VOLVO Mittuniversitetet Avdelningen för medieoch kommunikationsvetenskap

Läs mer

Lösningar och kommentarer till uppgifter i 2.3

Lösningar och kommentarer till uppgifter i 2.3 Lösningar och kommentarer till uppgifter i 2.3 2303 d) TB: Jaha, nu gäller det att kunna sina deriveringsregler. Polynom kommer man alltid ihåg hur de ska deriveras. f(x) = 4x 2 + 5x 3 ger derivatan f

Läs mer

Vetenskaplig teori och metod II Att hitta vetenskapliga artiklar

Vetenskaplig teori och metod II Att hitta vetenskapliga artiklar Vetenskaplig teori och metod II Att hitta vetenskapliga artiklar Sjuksköterskeprogrammet T3 Maj 2015 Camilla Persson camilla.persson@umu.se Idag tittar vi på: Repetition av sökprocessen: förberedelser

Läs mer

TANA17 Matematiska beräkningar med Matlab

TANA17 Matematiska beräkningar med Matlab TANA17 Matematiska beräkningar med Matlab Laboration 3. Funktioner Namn: Personnummer: Epost: Namn: Personnummer: Epost: Godkänd den: Sign: Retur: 1 Introduktion I denna laboration skall vi träna på att

Läs mer

Säkerhetskopiering och återställning av asynkrona system

Säkerhetskopiering och återställning av asynkrona system Veckans teknikspaning Rädda ditt data Säkerhetskopiering och återställning av asynkrona system 2013-06-03: Sven-Håkan Olsson SÄKERSTÄLL DATA En applikation som har hand om information med höga krav på

Läs mer

Kriminologi GR (C), Forskningsmetodik II, 15 hp

Kriminologi GR (C), Forskningsmetodik II, 15 hp 1 (5) Kursplan för: Kriminologi GR (C), Forskningsmetodik II, 15 hp Criminology BA (C), Research methods II, 15 Credits Allmänna data om kursen Kurskod Ämne/huvudområde Nivå Progression Inriktning (namn)

Läs mer

Hur man skapar elevvänlig text

Hur man skapar elevvänlig text Hur man skapar elevvänlig text Jenny Sylvin Helsingfors universitet 7.4.2015 1 Vad ska skolböckerna göra? 7.4.2015 2 1 Samband: Kohesion och koherens Koherens = de djupt liggande innehållssamband som bildar

Läs mer

UochM Kundsupport 1. Du har fått ett e-mail från UochM med följande information (har du inte fått det så kontaktar du UochM):

UochM Kundsupport 1. Du har fått ett e-mail från UochM med följande information (har du inte fått det så kontaktar du UochM): UochM Kundsupport 1 Lägg till ett nytt e-postkonto Du har fått ett e-mail från UochM med följande information (har du inte fått det så kontaktar du UochM): E-postkonto (t.ex. demo@uochm.com) Användarnamn

Läs mer

Användning av Self Organizing Maps som en metod att skapa semantiska representationer ur text Per Fallgren

Användning av Self Organizing Maps som en metod att skapa semantiska representationer ur text Per Fallgren Användning av Self Organizing Maps som en metod att skapa semantiska representationer ur text Per Fallgren Kandidatuppsats i Kognitionsvetenskap Kognitionsvetenskapliga kandidatprogrammet Linköpings Universitet

Läs mer

Laboration 1 - Simplexmetoden och Modellformulering

Laboration 1 - Simplexmetoden och Modellformulering Linköpings universitet Optimeringslära grundkurs för Y Matematiska institutionen Laboration 1 Optimeringslära 30 januari 2013 Laboration 1 - Simplexmetoden och Modellformulering Den första delen av laborationen

Läs mer

Projektanvisning. Webbsideprojekt. Författare: Johan Leitet Version: 2 Datum: 2012-10-09

Projektanvisning. Webbsideprojekt. Författare: Johan Leitet Version: 2 Datum: 2012-10-09 Projektanvisning Webbsideprojekt Författare: Johan Leitet Version: 2 Datum: 2012-10-09 Inledning Du har nu under ett antal laborationer i webbteknik fått relativt styrda uppgifter där du ensam fått lösa

Läs mer

Anvisningar till rapporter i psykologi på B-nivå

Anvisningar till rapporter i psykologi på B-nivå Anvisningar till rapporter i psykologi på B-nivå En rapport i psykologi är det enklaste formatet för att rapportera en vetenskaplig undersökning inom psykologins forskningsfält. Något som kännetecknar

Läs mer

Cache-koherens protokoll MESI och MOSI

Cache-koherens protokoll MESI och MOSI Handledare: Erik Larsson Lunds Tekniska Högskola HT2016 Cache-koherens protokoll MESI och MOSI Författare: Adnan Mohamed Abstrakt Cache koherens protokoll hanterar cacheminnet i ett multiprocessor system,

Läs mer

Introduktion till algoritmer - Lektion 4 Matematikgymnasiet, Läsåret 2014-2015. Lektion 4

Introduktion till algoritmer - Lektion 4 Matematikgymnasiet, Läsåret 2014-2015. Lektion 4 Introduktion till algoritmer - Lektion 4 Matematikgymnasiet, Läsåret 014-015 Denna lektion ska vi studera rekursion. Lektion 4 Principen om induktion Principen om induktion är ett vanligt sätt att bevisa

Läs mer

Förbered rökstoppet 1

Förbered rökstoppet 1 Förbered rökstoppet I denna broschyrserie ingår: Vad vinner du på att sluta röka? Förbered rökstoppet Läkemedel vid rökstopp Stopp och Håll ut! Tobak och vikt Snus Ett material av Sluta-Röka-Linjen Grafisk

Läs mer

Läsårsplanering i Svenska som andraspråk årskurs 9 Ärentunaskolan

Läsårsplanering i Svenska som andraspråk årskurs 9 Ärentunaskolan På arbetar vi tematiskt med läromedlet Svenska Direkt 9. I årskurs 9 arbetar vi med arbetsområdena Konsten att påverka, Konsten att berätta, Konsten att söka och förmedla information, Praktisk svenska

Läs mer

TAIU07 Matematiska beräkningar med Matlab

TAIU07 Matematiska beräkningar med Matlab TAIU07 Matematiska beräkningar med Matlab Laboration 1. Vektorberäkningar Namn: Personnummer: Epost: Namn: Personnummer: Epost: Godkänd den: Sign: Retur: 1 Introduktion I denna övning skall vi träna på

Läs mer

Första hjälpen år. Nyhetsrapportering s. 9 Enkätundersökning s. 10

Första hjälpen år. Nyhetsrapportering s. 9 Enkätundersökning s. 10 Första hjälpen år 7 Innehåller regler och mallar för: Muntligt framförande s. 2 Intervju s. 3 Datorskrivna arbeten s. 4 Bokrecension s. 5 Fördjupningsarbeten s. 6 Labbrapporter s. 7 Källor s. 8 Nyhetsrapportering

Läs mer

Redovisning Årsarbetstidsenkäten.

Redovisning Årsarbetstidsenkäten. Redovisning Årsarbetstidsenkäten. Bakgrund På föreningens årsmöte (RS) 2013 fick Föreningsstyrelsen i uppdrag, via motionen 13:37, att göra en enkät för att samla in medlemmarnas synpunkter på årsarbetstid.

Läs mer

Tentamen i Beräkningsvetenskap I och KF, 5.0 hp,

Tentamen i Beräkningsvetenskap I och KF, 5.0 hp, Uppsala universitet Institutionen för informationsteknologi Avdelningen för beräkningsvetenskap Tentamen i Beräkningsvetenskap I och KF, 5.0 hp, 2015-12-17 Skrivtid: 14 00 17 00 (OBS! Tre timmars skrivtid!)

Läs mer

Robotar i NXc. En laboration med Mindstormrobotar. Sammanfattning KUNGLIGA TEKNISKA HÖGSKOLAN

Robotar i NXc. En laboration med Mindstormrobotar. Sammanfattning KUNGLIGA TEKNISKA HÖGSKOLAN KUNGLIGA TEKNISKA HÖGSKOLAN Robotar i NXc En laboration med Mindstormrobotar Anton Gyllenhammar 7/30/12 antongy@kth.se II1310 Introduktionskurs i datateknik Sammanfattning Denna rapport beskriver NXc-

Läs mer

När vi läste Skolverkets rapport Svenska elevers matematikkunskaper

När vi läste Skolverkets rapport Svenska elevers matematikkunskaper Florenda Gallos Cronberg & Truls Cronberg Två perspektiv på att utveckla algebraiska uttryck Svenska elever påstås ha svårt med mönstertänkande. Eller är det så att de inte får lärarledd undervisning i

Läs mer

I Skapa Hej.java och skriv programmet. I Kompilera med javac Hej.java. I Rätta fel och repetera tills du lyckas kompilera ditt program

I Skapa Hej.java och skriv programmet. I Kompilera med javac Hej.java. I Rätta fel och repetera tills du lyckas kompilera ditt program Kompilera och köra programmet Objektorienterad Programmering (TDDC77) Föreläsning II: utmatning, variabler, typer Ahmed Rezine IDA, Linköpings Universitet Hösttermin 2016 under terminal 2: I Skapa Hej.java

Läs mer

Presentation i itslearning

Presentation i itslearning Institutionen för hälsovetenskaper Omvårdnad Nedan följer information angående de uppgifter du har att arbeta med inför kursstart samt under de första 3 hp, som ingår i kursen Intensivvårdssjuksköterskans

Läs mer

Objektorienterad Programmering (TDDC77)

Objektorienterad Programmering (TDDC77) Objektorienterad Programmering (TDDC77) Föreläsning II: utmatning, variabler, typer Ahmed Rezine IDA, Linköpings Universitet Hösttermin 2016 Kompilera och köra programmet under terminal 2: I Skapa Hej.java

Läs mer

IKT i fokus. Kopierat och klistrat från LGR11, Eva-Lotta Persson, eva-lotta.persson@utb.kristianstad.se

IKT i fokus. Kopierat och klistrat från LGR11, Eva-Lotta Persson, eva-lotta.persson@utb.kristianstad.se IKT i fokus Kopierat och klistrat från LGR11, Eva-Lotta Kap 1: Skolans värdegrund och uppdrag Skolans uppdrag: Eleverna ska kunna orientera sig i en komplex verklighet, med ett stort informationsflöde

Läs mer

Om Mappar... 2. Uppgift 1: Skapa en mapp på Skrivbordet... 2 Om enheter... 3 Uppgift 2: Byt namn på din nya Höst -mapp till Vår...

Om Mappar... 2. Uppgift 1: Skapa en mapp på Skrivbordet... 2 Om enheter... 3 Uppgift 2: Byt namn på din nya Höst -mapp till Vår... RIGMOR SANDER WINDOWS-ÖVN Sid 1 (9) Om Mappar... 2 Om mappars namn... 2 Uppgift 1: Skapa en mapp på Skrivbordet... 2 Om enheter... 3 Uppgift 2: Byt namn på din nya Höst -mapp till Vår... 3 Öva mer på att

Läs mer

LAB 4. ORDINÄRA DIFFERENTIALEKVATIONER. 1 Inledning. 2 Eulers metod och Runge-Kuttas metod

LAB 4. ORDINÄRA DIFFERENTIALEKVATIONER. 1 Inledning. 2 Eulers metod och Runge-Kuttas metod TANA21+22/ 30 september 2016 LAB 4. ORDINÄRA DIFFERENTIALEKVATIONER 1 Inledning Vi skall studera begynnelsevärdesproblem, både med avseende på stabilitet och noggrannhetens beroende av steglängden. Vi

Läs mer

Om ämnet Idrott och hälsa

Om ämnet Idrott och hälsa Om ämnet Idrott och hälsa Bakgrund och motiv Ämnet idrott och hälsa är ett gymnasiegemensamt ämne där eleven ska utveckla färdigheter i och kunskaper om rörelseaktiviteter och hur olika livsstilsfaktorer

Läs mer

Rockhammars skola Lokal pedagogisk planering (LPP)

Rockhammars skola Lokal pedagogisk planering (LPP) Ämne: Svenska Åk:1 Syftet Undervisningen i ämnet svenska ska syfta till att eleverna utvecklar kunskaper i och om svenska språket. Genom undervisningen ska eleverna ges förutsättningar att utveckla sitt

Läs mer

Olika sätt att lösa ekvationer

Olika sätt att lösa ekvationer Modul: Algebra Del 5: Algebra som språk Olika sätt att lösa ekvationer Cecilia Kilhamn, Göteborgs Universitet och Lucian Olteanu, Linnéuniversitetet Att lösa ekvationer är en central del av algebran, det

Läs mer

Minnet - begrepp och principer

Minnet - begrepp och principer Minnet - begrepp och principer Ebbinghaus (1885)» nonsensstavelser» retention»test Två begreppsteorin för minnet» aktivitet»styrka bestämmer tillgängligheten hos ett minnesspår vid en viss tidpunkt bestämmer

Läs mer

DD2458-224344 - 2014-12-19

DD2458-224344 - 2014-12-19 KTH / KURSWEBB / PROBLEMLÖSNING OCH PROGRAMMERING UNDER PRESS DD2458-224344 - 2014-12-19 Antal respondenter: 26 Antal svar: 18 Svarsfrekvens: 69,23 % RESPONDENTERNAS PROFIL (Jag är: Man) Det var typ en

Läs mer

Programmering av NXT Lego- robot Labbrapport för programmering av en Lego- robot

Programmering av NXT Lego- robot Labbrapport för programmering av en Lego- robot KUNGLIGA TEKNISKA HÖGSKOLAN Programmering av NXT Lego- robot Labbrapport för programmering av en Lego- robot Josef Karlsson Malik 2015-09- 02 jkmalik@kth.se Introduktionskurs i datateknik (II0310) Sammanfattning

Läs mer

Information efter genomgång av Microsoft Word 2010

Information efter genomgång av Microsoft Word 2010 Information efter genomgång av Microsoft Word 2010 I går (måndagen den 21 januari 2013) visade vi lite hur Word fungerar och lovade då att skriva samman ett dokument som visar vad vi anser att man kan

Läs mer

STOCKHOLMS UNIVERSITET VT 2011 Avd. Matematisk statistik GB DATORLABORATION 3: MULTIPEL REGRESSION.

STOCKHOLMS UNIVERSITET VT 2011 Avd. Matematisk statistik GB DATORLABORATION 3: MULTIPEL REGRESSION. MATEMATISKA INSTITUTIONEN Tillämpad statistisk analys, GN STOCKHOLMS UNIVERSITET VT 2011 Avd. Matematisk statistik GB 2011-04-13 DATORLABORATION 3: MULTIPEL REGRESSION. Under Instruktioner och data på

Läs mer

Sammanställning av generell kursenkät för V15 Ledarskap för vårdens utveckling Datum: 2015-04-07 Besvarad av: 13(30) (43%)

Sammanställning av generell kursenkät för V15 Ledarskap för vårdens utveckling Datum: 2015-04-07 Besvarad av: 13(30) (43%) Sammanställning av generell kursenkät för V15 Ledarskap för vårdens utveckling Datum: 2015-04-07 Besvarad av: 13(30) (43%) 1. Det var lätt att veta vilken nivå som förväntades på mitt arbete fördelning

Läs mer

Bisektionsalgoritmen. Kapitel Kvadratroten ur 2

Bisektionsalgoritmen. Kapitel Kvadratroten ur 2 Kapitel 4 Bisektionsalgoritmen Vi ska konstruera lösningar till algebraiska ekvationer av formen f(x) = 0 med hjälp av bisektionsalgoritmen (intervallhalveringsmetoden). På samma gång ska vi se hur man

Läs mer

Föreläsning G60 Statistiska metoder

Föreläsning G60 Statistiska metoder Föreläsning 8 Statistiska metoder 1 Dagens föreläsning o Chi-två-test Analys av enkla frekvenstabeller Analys av korstabeller (tvåvägs-tabeller) Problem med detta test o Fishers exakta test 2 Analys av

Läs mer

Ansiktsigenkänning med MATLAB

Ansiktsigenkänning med MATLAB Ansiktsigenkänning med MATLAB Avancerad bildbehandling Christoffer Dahl, Johannes Dahlgren, Semone Kallin Clarke, Michaela Ulvhammar 12/2/2012 Sammanfattning Uppgiften som gavs var att skapa ett system

Läs mer

GYMNASIEARBETET - ATT SKRIVA VETENSKAPLIGT

GYMNASIEARBETET - ATT SKRIVA VETENSKAPLIGT GYMNASIEARBETET - ATT SKRIVA VETENSKAPLIGT Ditt gymnasiearbete ska bygga kring den frågeställning du kommit fram till i slutet av vårterminen i årskurs 2 och du ska i ditt arbete besvara din frågeställning

Läs mer

Kursplan i svenska grundläggande kurs Y

Kursplan i svenska grundläggande kurs Y kursplan svenska y.doc Malmö stad Komvux Malmö Södervärn Kursplan i svenska grundläggande kurs Y Språk är människans främsta redskap för reflektion, kommunikation och kunskapsutveckling. Genom språket

Läs mer

En introduktion till Prestationsorienterat ledarskap

En introduktion till Prestationsorienterat ledarskap En introduktion till Prestationsorienterat ledarskap Håkan Lövén prestera mera Sidan 2 av 5 Innehåll Exekutiv sammanfattning 2 Vår utmaning som chef 3 Vad vi gör idag 3 Prestationsorienterat ledarskap

Läs mer

KONTINUERLIG UTVÄRDERING AV INSATSER FÖR ENSKILDA PERSONER

KONTINUERLIG UTVÄRDERING AV INSATSER FÖR ENSKILDA PERSONER 6: KONTINUERLIG UTVÄRDERING AV INSATSER FÖR ENSKILDA PERSONER Exemplet nedan illustrerar hur det går att arbeta med mål och upprepade mätningar för att följa en klients förändring i syfte att justera insatsen

Läs mer

Mälardalens högskola

Mälardalens högskola Teknisk rapportskrivning - en kortfattad handledning (Version 1.2) Mälardalens högskola Institutionen för datateknik (IDt) Thomas Larsson 10 september 1998 Västerås Sammanfattning En mycket viktig del

Läs mer