Aktuella disputationer

Machine learning (ML) is widely used in various disciplines as a powerful tool for developing predictive models to analyze diverse variables. In the digital era, the abundance of data has created growth opportunities, but it also brings challenges due to the dynamic nature of data. One of these challenges is concept drift, the shifting data distributions over time. Consequently, traditional static models are inadequate for handling these challenges in the online world. Concept drift, with its intricate aspects, presents a challenge for learning algorithms. Analyzing model performance and detecting substantial shifts in data distributions are crucial for integrating adaptive methodologies to update ML models in response to data dynamics, maintaining effectiveness and reliability in evolving environments. In this dissertation, a fresh perspective is offered on the robustness and adaptivity of ML models in non-stationary environments. This research explores and organizes existing literature, analyzes ML model performance in the presence of drift, and proposes innovative methodologies for detecting and adapting to drift in real-world problems. The aim is to develop more robust and adaptive ML solutions capable of thriving in dynamic and evolving data landscapes.

• Link to full record
• Link to dissertation as file

Elever i dagens skola lever i en tid präglad av kulturell mångfald och rörelser av människor, vilket ställer samhället inför utmaningar. Denna avhandling menar att historia som skolämne har något värdefullt att tillföra för att rusta elever att förstå och orientera sig i en mångkulturell värld. Samtidigt finns inneboende spänningar i historieämnets möte med det mångkulturella samhället som blockerar denna potential. Tidigare berättelser om vad det innebär att leva i samhället tycks inte längre spegla den verklighet vi lever i. I avhandlingen undersöks vad interkulturalitet i historia kan vara som idé och praktik genom fyra studier. Studierna följer på varandra i en hermeneutisk process där teoriutveckling samspelar med praktiknära fallstudier från historieundervisningens klassrum.

Avhandlingen argumenterar för att interkulturalitet i historieundervisning bäst förstås som en perspektivförskjutning, ett erövrande av en specifik blick där interkulturalitet och historia ger varandra färg och olika tidsliga och rumsliga lager möts och kan öppna det förflutna för interkulturella kopplingar. Hur detta kan möjliggöras, liksom vilka svårigheter som kan uppstå, diskuteras i bokens kapitel. Slutligen föreslås för läraren en praktisk didaktisk modell för interkulturell historieundervisning.

• Link to full record
• Link to dissertation as file

Hur allt smälter samman i handlingens centrum är en yrkesämnesdidaktisk studie som behandlar praktiska lärandemoment i svetsundervisning.

Undervisnings- och lärandeprocesser när lärare systematiskt transformerar ämnesinnehåll och yrkeskunnande till svetsundervisning utforskas i denna licentiatuppsats. I studien framträder hur svetslärare i transformationsprocessen kan synliggöra undervisningsinnehåll och stimulera elevers uppvisande av förståelse och färdigheter i undervisningssituationer av praktiska moment.

Resultaten visar hur undervisningen systematiskt utvecklas med stöd i det teoretiska ramverket CAVTA och ansatsen learning study. Ett snävt urval av undervisningsinnehåll och ett tydligt avgränsat fokus ger läraren möjlighet att i variation synliggöra olika aspekter av vad som ska läras. Den enskilde eleven ges på olika sätt möjlighet att uppvisa förståelse och färdigheter i undervisningssituationens interaktion.

Studien riktar sig framför allt till yrkesverksamma och blivande svetslärare, men  teori- och metodutvecklande bidrag kan också vara av intresse för lärare i andra yrkesutbildningar. I ett än vidare perspektiv av undervisning, lärande och pedagogiskt arbete kan utforskandet av handlingens centrum –  undervisningssituationen – bidra med stimulerande tankegods åt lärarutbildare och ämnesdidaktiska forskare.

• Link to full record
• Link to dissertation as file