Blekinge Institute of Technology
Not a member yet
13576 research outputs found
Sort by
Sexualitet i behandlingens skugga : En allmän litteraturöversikt om upplevelser av sexuell dysfunktion hos kvinnor som behandlats för gynekologisk cancer
No full textBakgrund: År 2022 drabbades 3 260 kvinnor av gynekologisk cancer i Sverige, sammanlagt i de nordiska länderna drabbades totalt 9 480 kvinnor. Behandlingen som kvinnorna genomgår efter gynekologisk cancer kan resultera i att kvinnorna uppfyller minst ett kriterium för diagnosen sexuell dysfunktion. Känslomässiga och fysiska problem kan uppstå för kvinnorna till följd av sexuell dysfunktion. Den sexuella hälsan är viktig för människors välbefinnande och livskvalitet. Det är därför viktigt att sjuksköterskan skapar en förståelse och uppfattning av hur det påverkar kvinnan i hennes sexuella hälsa. Sjuksköterskan behöver få mer kunskap om att kommunicera och ge stöd till kvinnor som har sexuell dysfunktion samt känna sig trygga i att ta upp ämnet. Syfte: Syftet med denna allmänna litteraturöversikt var att beskriva upplevelser av sexuell dysfunktion hos kvinnor som behandlats för gynekologisk cancer. Metod: Metoden var en allmän litteraturöversikt bestående av både kvantitativ och kvalitativ forskning. En systematisk sökning gjordes i databaserna Cinahl och Pubmed och resulterade i totalt tolv vetenskapliga artiklar. Resultat: I resultatet framkom fyra huvudkategorier med tio underkategorier. Huvudkategorierna var följande: Kvinnors sexualitet i förändring, Kroppen, identiteten och kvinnligheten i förändring, Sexualitet som tabubelagt ämne samt Betydelsen av stöd. Underkategorierna var följande: Att den sexuella lusten försämras efter behandling, Att intimitet förknippas med smärtsamt samlag och oro, Att uppleva förändring i sexliv och relation, Att leva med en kropp som inte längre känns som min, Att förlora en del av sig själv, Att uppleva utmaningar i samtal om sexuell dysfunktion, Att våga prata om sexualitet i en parrelation, Att lämnas utan vägledning, Att det emotionella och informativa stödet upplevs bristande och Att partnerns stöd är betydelsefullt. Slutsats: Kvinnor med sexuell dysfunktion upplever olika sexuella problem efter behandling av gynekologisk cancer vilket påverkar kvinnors syn på sig själva och deras sexliv. Utmaningarna som kvinnan står inför kan leda till att hon lämnas ensam och inte får tillräckligt med stöd från sjuksköterskan. Det är därför viktigt att sjuksköterskan får mer kunskap och vågar ta upp ämnet om sexuella problem. Då kan dessa upplevelser uppmärksammas och lyftas fram för att lättare hjälpa kvinnor med sexuella problem efter gynekologisk cancer
Optimizing AUV Design with CFD : A Framework for Efficient Implementation
No full textBackground: Autonomous underwater vehicles (AUVs) have showed their importance in the marine sector as they successfully conducted tasks in exploration and survey with greater efficiency and reduction in cost and increase in human safety. This due to the ability to perform missions without the need of human interaction or presence. Continued AUV development is essential to enable the execution of new tasks. Computational fluid dynamics (CFD) offers investigation of hydrodynamic performance which can be used in AUV development but it generates challenges. Objectives: This thesis aims to create a method for efficient implementation of CFD in the AUV design process. The method aims to generate decision support for AUV design, thereby promoting advancements in development and improve AUV performance. Methods: The participatory action research methodology is applied to conduct the thesis work on real-life AUV design. An approach is structured to identify and adapt components to build a framework for simulations and validation. Review of related works and elicitation methods, such as interview and a site visit, are used along with implementation to a test case, enabling evaluation of the proposed framework. Results: The results present findings that enable the development of the framework which consists of four simulation techniques and validation through a log data analysis, followed by the results generated by applying the proposed framework to the test case. The framework applied to the test case evaluates a design change based on generating five different hydrodynamic components through CFD, where comparative design evaluation is used to create decision support. Log data analysis of conducted speed trials are used to validate the CFD through comparing data before and after the design change which reveals benefits and drawbacks of using the new design. The proposed framework finds that the new design reduces the use of vertical thrusters to correct the pitch angle while increasing the resistance. Conclusions: The proposed framework can efficiently be implemented to the design process and generate some decision support for AUV design. Further development is needed to reduce uncertainty and increase accuracy. The support generated by the framework gives designers insight into the expected performance of the design, helping them decide whether further development is necessary or if the design is ready for manufacturing and testing. Bakgrund: Autonoma undervattensfarkoster (AUV:er) har visat sin betydelse inom den marina sektorn genom att framgångsrikt uföra uppgifter inom undervattensutforskning och kartläggning. Detta med högre effektivitet, lägre kostnader och ökad personsäkerhet genom att autonomt genomföra uppdrag utan mänsklig interaktion eller närvaro. Fortsatt utveckling av AUV:er är avgörande för att kunna genomföra nya uppgifter under ytan. Beräkningsströmningsdynamik (CFD) erbjuder möjligheten att undersöka hydrodynamiska egenskaper vilket kan användas i AUV-utveckling. Detta medför dock flera utmaningar. Syfte: Detta examensarbete syftar till att skapa en metod för effektiv implementering av CFD i designproccessen för AUV:er. Denna metod har i syfte att skapa beslutsunderlag för designval. En sådan metod skulle dels främja utvecklingen för AUV-design, men också prestandan för individuella AUV:er. Metod: En "participatory action research"-ansats tillämpas för att kunna genomföra arbetet på ett verkligt AUV-designprojekt. En struktur tas fram för att identifiera och anpassa komponenter till att bygga ett ramverk för simuleringar och validering. En litteraturstudie tillsammans med eliciteringsmetoder används i kombination med ett test-fall. Test-fallet möjliggör utvärdering av ramverket. Resultat: Resultatet presenterar fynd som möjliggör utvecklingen av ramverket, vilket består av fyra simuleringstekniker och validering genom analys av loggdata, följt av de resultat som genereras genom att tillämpa det föreslagna ramverket på testfallet. Testfallet utvärderar en designförändring genom att generera fem olika hydrodynamiska koefficienter med hjälp av CFD, där jämförande designutvärdering används för att skapa beslutsstöd. Loggdataanalys från genomförda tester används för att validera CFD genom att jämföra data före och efter designförändringen, vilket visar på fördelar och nackdelar med den nya designen. Det förseslagna ramverket visar att den nya designen minskar användningen av vertikala thrustrar för att korrigera pitch-vinkeln, samtidigt som den nya designen ökar motståndet. Slutsatser Det förslagna ramverket kan effektivt implementeras i designprocessen för AUV:er och generera en viss mån av beslutsunderlag. Det finns dock behov av vidare utveckling för att minska osäkerheterna och öka noggrannheten. Det stöd som ramverket generar kan ge konstruktörer insikter i den förväntade prestandan för designen, vilket skapar underlag för beslutsfattning kring vidare utveckling eller om designen är redo för tillverkning och testning
Sjuksköterskans upplevelse av att vårda patienter med trycksår inom palliativ vård i slutenvård : En allmän litteraturöversikt
No full textBakgrund: Trycksår är globalt hälsoproblem som är vanligt förekommande inom palliativvård i slutenvård, och det bidrar ofta till ökat lidande hos patienter som redan är svårt sjuka.Förebyggande insatser som regelbundna lägesändringar, kontinuerlig hudinspektion och godnutrition är avgörande. Trots dessa omvårdnadsåtgärder är det besvärligt att förebyggatrycksår då patientens tillstånd ofta medför svårigheter med näringsintag och mobilisering. Syfte: Syftet med studien var att belysa sjuksköterskans upplevelse av att vårda patienter medtrycksår inom palliativ vård i slutenvård. Metod: En litteraturöversikt baserad på induktiv ansats och kvalitativ och kvantitativforskning. Dataanalysen genomfördes enligt Fribergs fyrastegsmodell för analys. Resultat: Fem huvudkategorier identifierades i analysen: Sjuksköterskans upplevelse avorganisatoriska hinder, Sjuksköterskans upplevelse av smärtlindring, Sjuksköterskansupplevelse av etiska dilemman, Sjuksköterskans upplevelse av kommunikation ochSjuksköterskans upplevelse av teamarbete. Slutsats: Det som är avgörande för en god trycksårsvård inom palliativ kontext är tillräckligaresurser, tydliga riktlinjer och ett väl fungerande teamarbete. Sjuksköterskor står oftast införpraktiska utmaningar och etiska dilemman där det är väsentligt med en balans mellansmärtlindring och förebyggande åtgärde
Beyond Vector Retrieval : Evaluating Graph-Enhanced RAG performance in aSystem Architecture Environment
No full textBackground. Retrieval-Augmented Generation systems have shown promise inenhancing Large Language Models (LLMs) by providing them with up to date andrelevant information. This capability is particularly important in business domainsusing confidential data which the models have not been trained on. For complexdomains such as software architecture simple document databases fail to capture thecomplex relationships between entities. This is why the thesis suggest the use ofa Graph database to represent these connections and improve the overall retrievalprocess.Objectives. The objectives of this thesis are to build and evaluate two RAGapproaches: DocumentRAG, which uses only keyword and vector similarity searchesto find relevant knowledge in a document database, and HybridRAG which combinesthis with a graph database consisting of nodes and edges detailing the overall systemarchitecture. Specifically, this thesis aims to compare the two implementations andanswer which performs better overall, on specific prompt categories and which of theused metrics are deemed practical and reliable.Methods. The two pipelines, DocumentRAG and HybridRAG as well as theautomated testing pipeline were developed. They both used the same LLMs (GPT-4o and o1) through the OpenAI API to ensure a fair comparison. A total of 49 testprompts which were all created by Subject Matter Experts (SMEs). Each being clas-sified with a different rating in categories like abstraction level, amount of reasoningneeded, number of datapoints needed and the overall complexity of the question.The methods were compared on the following metrics: Relevance, Accuracy, Com-pleteness, Context Recall and Faithfulness.Results. HybridRAG slightly outperformed DocumentRAG overall in all met-rics, although the differences were not statistically significant to a degree of p >=0.05. The largest improvements were in Faithfulness and Relevance where Hy-bridRAG had an advantage of 0.078 and 0.079 in mean scores respectively. Hy-bridRAG outperformed its counterpart most significantly when the prompt wasvaguely phrased, required deep technical knowledge or needed an especially largenumber of data points. Context recall remained low at about 0.13 for both im-plementations and did not show much difference depending on the type of question.Faithfulness on the other hand was high overall with 0.917 for HybridRAG and 0.840for DocumentRAG.Conclusions. While HybridRAG’s advantage was not statistically significant inany categories it maintained a advantage or at least matched DocumentRAG in allmeasurements. The difference in performance was especially clear in vague questionor complex questions. The metrics Accuracy, Completeness and Relevance werefound to be most practical in real world use due to their high trustworthiness andadherence with the overall system performance
Evaluating Large Language Models vs Traditional Machine Learning Models in Classifying Automotive Reports
No full textBackground. Efficient classification of mixed-format automotive reports is essential for improving scalability and operational efficiency in industries that rely heavily on diverse datasets. The complexity arises from handling structured numerical and categorical data along with unstructured text, necessitating robust and adaptable AI methods. Objectives. This study aims to evaluate and compare traditional machine learning models with large language models for classifying automotive reports, particularly addressing the challenge of data imbalance and mixed-format data types. Methods. A structured experimental design was utilized, incorporating traditional machine learning algorithms such as logistic regression, random forest, and LinearSVC, as well as advanced large language models with various prompting strategies, including retrieval-augmented generation. Data preprocessing involved text cleaning, translation, lemmatization, term frequency–inverse document frequency vectorization, and several balancing techniques, including synonym replacement methods (basic, embedding-based, and few-shot). Results. Results indicate that large language models, particularly with retrieval-augmented generation-based prompting and clear target descriptions, achieved significant improvements in classification accuracy over baseline traditional machine learning models. The best-performing scenario combined detailed label descriptions with recent retrieval-augmented generation examples, achieving up to 87% accuracy. Traditional machine learning models showed consistent performance but required extensive preprocessing and careful feature engineering. Conclusions. Large language models demonstrate substantial potential in accurately classifying automotive reports when enhanced with contextually relevant examples through retrieval-augmented generation. However, careful management of prompt complexity and the quality of historical data used for examples is essential. Future research should further investigate embedding quality and extend evaluation across different industries.Bakgrund. Effektiv klassificering av fordonsrapporter med blandade format är avgörande för att förbättra skalbarhet och operativ effektivitet i industrier beroende av olika typer av datauppsättningar. Utmaningen ligger i att hantera strukturerade numeriska och kategoriska data samt ostrukturerade texter, vilket kräver robusta och anpassningsbara AI-metoder. Syfte. Syftet med studien är att utvärdera och jämföra traditionella maskininlärningsmodeller med stora språkmodeller för klassificering av fordonsrapporter, med särskilt fokus på att hantera dataobalans och data med blandade format. Metod. En strukturerad experimentdesign användes med traditionella maskininlärningsmodeller såsom logistisk regression, random forest och LinearSVC, samt avancerade stora språkmodeller med olika promptstrategier inklusive RAG. Datapreprocessering omfattade textrengöring, översättning, lemmatisering, TF-IDF-vektorisering samt flera balanseringstekniker, inklusive synonymersättningsmetoder (grundläggande, inbäddningsbaserade och few-shot). Resultat. Resultaten visar att stora språkmodeller, särskilt med RAG-baserad promptning och tydliga målbeskrivningar, uppnådde betydande förbättringar i klassificeringsnoggrannhet jämfört med traditionella maskininlärningsmodeller. Det bäst presterande scenariot kombinerade detaljerade etikettbeskrivningar med nyliga RAG-exempel och nådde upp till 87% noggrannhet. Traditionella maskininlärningsmodeller visade stabila resultat men krävde omfattande förbearbetning och noggrann feature engineering. Slutsatser. Stora språkmodeller visar stor potential för noggrann klassificering av fordonsrapporter när de förstärks med kontextuellt relevanta exempel via RAG. Emellertid är noggrann hantering av promptkomplexitet och kvaliteten på historiska data avgörande. Framtida forskning bör ytterligare undersöka kvaliteten på inbäddningar och utöka utvärderingen till andra bransche
Shaping Employees as Change Agents : Perspectives of External Sustainability Consultants
No full textCorporations and the employees within have a vital role to play in driving meaningful transformation amid the urgency of the sustainability challenge. This research explores the enablers and barriers that influence employee engagement and shape employees to become change agents for sustainability, drawing from the perspectives of external sustainability consultants hired by for-profit corporations working across industries and continents. Through semi-structured interviews, researchers examined how consultants perceive their role and the approaches they use to engage employees in the sustainability journeys. The findings reveal that while change agents for sustainability exist, they remain a minority. Characterised by qualities such as resilience, creativity and the ability to inspire others, their emergence and effectiveness are shaped by individual, organisational and societal structural elements that either support or hinder engagement. This study also highlights the approaches consultants use to foster engagement, build capacity, and unlock creativity among employees. Although focused on the perspectives of consultants, this research underscores both the potential of employees to drive meaningful change within corporations and the critical role consultants play in creating the enabling conditions for this engagement. Future research could expand this understanding by including multiple perspectives and incorporating observational methods to capture how change unfolds in practice
Evaluating the Role of Large Language Models in Test Configuration Code Generation : An Empirical Study
No full textBackground: Automating software development tasks is becoming increasingly relevant as software systems become complex, and Large Language Models (LLMs) have been gaining popularity for their ability to generate code from textual descriptions, offering potential benefits in various coding scenarios Problem Statement: Despite progress in using LLMs for code generation, research on XML-style test configuration code generation remains limited. This study explores how LLMs can be leveraged for XML-style test configuration code generation. Objectives: This study explores using LLMs to generate XML-style test configuration code from test specifications. By fine-tuning existing LLMs, the research evaluates the effectiveness of the models in generating test configuration code. The study further investigates the efficacy of using the LLM-generated code as a starting point in a real-world industrial scenario compared to manually writing the code. Methods: This study employs a multi-method Empirical Study, incorporating an Experiment and a Coding Workshop to assess the effectiveness of LLMs at generating XML configuration code and understand its impact in a real-world context. Results: The results indicate that Mistral-7B outperforms Phi-3 and Code LLaMA in model performance and structural similarity to the ground-truth code. The coding workshop showed that using LLM-generated code as a starting point reduced coding time by an average of 40.75 minutes for Code 1 and 4 minutes for Code 2 compared to coding from scratch. It also resulted in a lower Tree Edit Distance, though the improvements were not always consistent. Developers also raised concerns about trust, reliability, and domain-specific optimization. While LLMs could quickly generate code, they required additional effort for comprehension and refinement. Conclusions: The study finds Mistral-7B to be the most effective among the three LLMs for XML-styled test configuration code generation. While it may reduce initial effort when used as a starting point, manual refinement is still needed for accuracy and domain alignment; hence, developers do not completely trust this approach. Future research could explore advanced LLMs, improved validation, and alternative fine-tuning methods
Supporting relatives when general palliative care is provided at home– a focus group study based on nurses’ experiences
No full textBackground: Relative’s efforts are essential when palliative care is provided at home and support from healthcare professionals is needed. Despite this, since the support provided varies, relatives may have unmet support needs. Many people receive general palliative care at home rather than specialised care, and nurses play a significant role in supporting relatives. This study aimed to explore registered nurses’ experiences of supporting relatives before and after a patient’s death when general palliative care is provided at home. Methods: This study used a qualitative explorative design. Data were collected through focus group interviews with 18 registered nurses in home care in Sweden and were analysed using content analysis. The Consolidated Criteria for Reporting Qualitative Research checklist was used for explicit reporting. Results: The findings are presented in four categories with subcategories: receiving support to provide support, continuously providing understandable information, balancing different needs and building relationships facilitates safety and identifying needs. Conclusions: Even if registered nurses support relatives to some extent, they rarely reflect on the support they provide and lack structure in providing support both before and after the patient’s death. The findings showed inadequacies in support after the patient’s death, which is also emphasised in previous studies. The findings also showed deficiencies in routines, local guidelines and checklists as well as in training and education on how to support relatives when palliative care is provided at home, thereby risking that relatives’ needs remain unmet. This highlights the need for creating routines and developing detailed local guidelines and checklists on providing support to relatives both before and after the patient’s death
Uppdaterad och breddad koldioxidbudget för Blekinge från år 2025 – med mål- och åtgärdsanalys
No full textDenna rapport togs fram under våren 2025 av Blekinge Tekniska Högskola och bygger vidare på tidigare utsläppsbudgetarbete från år 2018 och forskning från projekten SuperEffekt och Roadmapper. SuperEffekt undersökte möjligheten att ta fram s.k. energinav där förnybar el lokalt optimeras med tanke på användarnas behov och lagringsmöjligheter. Detta projekt leddes av Blekinge Tekniska Högskola 2022-2023 med finansiering från Region Blekinge, Tillväxtverket och Blekinge Tekniska Högskola. De preliminära resultaten presenterades för finansiärerna i juni 2023. En uppdaterad slutrapport för SuperEffekt är planerad till sommaren 2025. Roadmapperprojektet tog ett helhetsgrepp på hållbarhetsomställning av ett regionalt transportsystem. Det leddes av Blekinge Tekniska Högskola 2020-2024 och finansierades av Energimyndigheten, Blekinge Tekniska Högskola, Region Blekinge, Länsstyrelsen Blekinge och Blekinges kommuner. I denna nya rapport görs beräkningar för olika koldioxidsframtidsscenarier i den beräkningsmiljö Roadmapper Tool som utvecklades inom Roadmapper-projektet
A comparative analysis of ML techniques for bug report classification
No full textSeveral studies have evaluated various ML techniques and found promising results in classifying bug reports. However, these studies have used different evaluation designs, making it difficult to compare their results. Furthermore, they have focused primarily on accuracy and did not consider other potentially relevant factors such as generalizability, explainability, and maintenance cost. These two aspects make it difficult for practitioners and researchers to choose an appropriate ML technique for a given context. Therefore, we compare promising ML techniques against practitioners’ concerns using evaluation criteria that go beyond accuracy. Based on an existing framework for adopting ML techniques, we developed an evaluation framework for ML techniques for bug report classification. We used this framework to compare nine ML techniques on three datasets. The results enable a tradeoff analysis between various promising ML techniques. The results show that an ML technique with the highest predictive accuracy might not be the most suitable technique for some contexts. The overall approach presented in the paper supports making informed decisions when choosing ML techniques. It is not locked to the specific techniques, datasets, or factors we have selected here, and others could easily use and adapt it for additional techniques or concerns. Editor's note: Open Science material was validated by the Journal of Systems and Software Open Science Board