Malmö University
Not a member yet
35467 research outputs found
Sort by
Machine Learning Based Approach to Threat Classification in Application Security
No full textAs the landscape of cyber threats advances at a rapid pace, organizations need to maintain consistent and efficient threat modelling processes within their systems. Traditional threat modeling frameworks such as STRIDE and PASTA rely on manual assessments, which are prone to human error, time-consuming and lack standardization across digital platforms. This study was conducted by building and evaluating four machine learning models that automate the classification of application security threats within an organizational environment, with the goal of enhancing consistency and reducing reliance on manual severity assessments. Using internal data from a security company, two ensemble machine learning algorithms, Random Forest and XGBoost, were implemented and trained on datasets consisting of different feature compositions. The models were later evaluated using four evaluation metrics: accuracy, precision, recall, and F1-Score, through both hold-out validation and 5-fold cross-validation. The model that was trained on five features, including metadata from code review logs, achieved the highest performance with an F1-Score of 95.94%. The inclusion of textual features significantly improved classification performance across all metrics compared to the models that excluded them. Finally, the results of this study demonstrate that machine learning can significantly enhance the accuracy and consistency of threat severity classification, particularly when incorporating contextual features.I samband med att landskapet för cyberhot snabbt utvecklas behöver organisationer upprätthålla konsekventa och effektiva processer för hotmodellering inom deras system. Traditionella ramverk för hotmodellering, såsom STRIDE och PASTA bygger på manuella bedömningar, vilka riskerar att leda till mänskliga fel, är tidskrävande, samt saknar standardisering mellan digitala plattformar. Denna studie genomfördes genom att bygga och utvärdera fyra maskininlärningsmodeller som automatiserar klassificeringen av hot inom applikationssäkerhet i en organisatorisk miljö, med målet att göra hotmodellering mer konsekvent och minska behovet av manuell bedömning. Genom att använda intern data från ett säkerhetsföretag implementerades och tränades två algoritmer inom maskininlärning, Random Forest och XGBoost, vilka tränades på datamängder med olika uppsättningar av egenskaper. Modellerna utvärderades därefter med hjälp av utvärderingsmåtten accuracy, precision, recall och F1-Score. Detta genomfördes med både hold-out-validering och 5-fold cross-validering. Den modell som tränades på fem egenskaper, inklusive metadata från kodgranskningsloggar, uppnådde högst prestanda med ett F1-Score på 95.94%. Inkluderingen av textbaserade egenskaper förbättrade prestandan gällande klassificering inom samtliga mått jämfört med modeller som exkluderade dessa. Avslutningsvis visar resultaten från denna studie att maskininlärning kan leda till markant förbättring av pricksäkerhet och konsekvens gällande klassificering av hotens allvarlighet, särskilt när kontextuella egenskaper inkluderas
Evaluation of dithiotheitol treatment of test erythrocytes under anti-CD38 interference
No full text Multipelt myelom behandlas ofta med läkemedel innehållande daratumumab. Daratumumab, en human monoklonal antikropp binder till CD38 hos maligna celler men även erytrocyter. Detta leder till panreaktiva reaktioner vid serologiska analyser som antikoppsscreening inför blodtransfusioner. 2022 införde blodgruppsimmunologi i Lund dithiotheriol (DTT) behandling av testerytrocyter för att undvika dessa reaktioner. DTT har förmåga att spjälka CD38 från erytrocyternas yta men vid vissa koncentrationer även spjälka Kell-antigenen. De behandlade cellerna har visat sig vara ostabila vilket lett till falskt positiva resultat. Syftet med studie var att utvärdera en ny behandlingsmetod som skulle leda till förbättrad stabilitet för cellerna. För att förbättra testcellerna behandlade med DTT användes en ny reagens som späddes med fosfatbuffertlösning (PBS) med pH 8,0. Reagensen späddes i tre olika koncentrationer som alla användes för behandling av testerytrocyter. Totalt analyserades 11 prover och för att få tillförlitliga resultat analyserades de behandlade testcellerna med patientprover innehållandes både anti-CD38, anti-K och prover som tidigare erhållit negativa BAS-test. Analysen bestod av antikroppsscreening med hjälp av indirekt antiglobulintest. Resultaten för studien visade att testceller behandlade med 50 mM samt 10 mM DTT tog bort interferensen av anti-CD38 samt att behandlingen bevarade Kell-antigenen. Jämfört med den nuvarande metoden visade dessa testceller starkare positiva reaktioner vid analys av prover innehållande anti-K. De behandlade cellerna har under studiens gång uppvisat stabila och reproducerbara resultat samt en godkänd nivå av hemolys. Dessa resultat visar på en effektiv och pålitlig metod för att behandla testerytrocyter vilket förväntas leda till en minskning av fördröjda förlopp vid transfusion för patienter på anti-CD38 behandling.
Afro-textured hair is Good hair : The Influence of Societal Norms and Colonial Legacies on Black Women's and Women of Colour’s Hair Choices with Case Studies in Brazil, Colombia, Ghana and Jamaica
No full textThis thesis explores Afro-textured hair among Black women through the lens of cultural heritage, history, media representation and intersectionality. By answering the research question: Why do many Black women in Latin America, the Caribbean, and Africa may choose not to wear their natural hair? The study investigates how Eurocentric beauty standards continue to shape perceptions of beauty, self-worth and cultural identity with case studies in Brazil, Colombia, Jamaica, and Ghana. It is crucial to state that participants from the selected countries are not representatives of their country. They are offering their perspectives and lived experiences as an individual with Afro-textured hair. Applying a qualitative research approach, the study begins with a historical overview then combines critical discourse analyses on hair care advertisements and brand content with semi-structured interviews conducted with ten participants, two from each country, with the exception of Brazil. The research critically analyses how mainstream media often privileges straight and loosely curled textures, reinforcing colonial aesthetics and excluding the full diversity of Afro-textured hair. Using an intersectional framework, the thesis highlights how Black women’s hair choices are not only influenced by race and gender, but also by accessibility, religion and national identity. While some Black women embrace natural hair as a political act of resistance, and part of their identity and connects them to their roots, others continue to relax or alter their hair due to internal expectations (e.g. natural hair is a hazard at a construction site), internalised beauty norms, or product availability. The findings illustrate that Black hair is an ongoing negotiation of Black womanhood in post-colonial societies. This thesis contributes to broader discussions in cultural studies, Black feminist theory, and media anthropology
The Lost Pen - Analog And Digital Writing Tools In Teaching
No full textSammanfattning/Abstract Andersson, Linnea & Schölander, Katarina (2025). Den förlorade pennan – analoga och digitala skrivverktyg i undervisningen. Speciallärarprogrammet, Institutionen för skolutveckling och ledarskap, Lärande och samhälle, Malmö universitet, 90 hp. Förväntat kunskapsbidrag Studien förväntas att bidra med kunskap om hur några lärare och elever arbetar med analoga och digitala skrivverktyg i undervisningen i ämnet svenska i årskurs 3. Syfte och frågeställningar Syftet med studien är att bidra med kunskap om hur några lärare och elever arbetar med analoga och digitala skrivverktyg i undervisningen i ämnet svenska i årskurs 3. För att uppnå detta syfte så används följande frågeställningar: Vilka motiv beskriver några lärare till att använda analoga eller digitala skrivverktyg? Hur beskriver några lärare arbetet med elever i språklig sårbarhet kopplat till valet av skrivverktyg? Hur resonerar några elever kring att skriva analogt respektive digitalt i undervisningen i svenska i årskurs 3? Teori Utifrån studiens syfte och frågeställningar valdes sociokulturellt perspektiv som teoretiskt perspektiv. Metod Metoden för denna studie är kvalitativ och semistrukturerade intervjuer användes vid datainsamling. Ett målinriktat bekvämlighetsurval användes vid urvalet, åtta lärare och sju elever intervjuades. Tematisk analys användes som analysmetod. Resultat Resultatet i studien visar på betydelsen av olika typer av skrivverktyg. Elever behöver träna på och bibehålla förmågan att skriva läsligt för hand. Samtidigt är datorn ett fantastiskt hjälpmedel på många sätt och när det kommer till att skriva så är informanterna; både lärare och elever är överens om att de vill fortsätta att använda både analoga och digitala skrivverktyg. Det framgår även att det praktiska och tekniska kring användandet av dator och Ipad är ett stressmoment för lärare som de hade önskat få mer stöd kring. Studiens resultat belyser vikten av att i allmänhet använda både analoga och digitala skrivverktyg och i synnerhet digitalt stöd till elever i språklig sårbarhet. Nyckelord Analoga skrivverktyg, dator, digitala verktyg, kognition, minne, skriva för hand, skrivundervisnin
Pose Prediction for Autonomous Navigation : A Comparison of Raw, Semantic, and Hybrid Segmented inputs
No full textAccurate and reliable localization is a critical requirement for autonomous driving systems. This thesis investigates whether using segmented images instead of raw RGB inputs can improve the robustness and training stability of deep learning-based visual odometry models. Specifically, the study compares three input configurations: raw RGB images, semantic segmentation using PP-LiteSeg, and a hybrid method combining semantic maps from PP-LiteSeg with precise object boundaries from the Segment Anything Model (SAM). The goal is to evaluate how these input types affect training dynamics using a shared visual odometry model architecture (TSformer-VO). The KITTI Odometry Dataset is used for training and validation, with all experiments conducted under controlled and consistent conditions. Results show that while the RGB-based model achieved the lowest validation loss overall, the hybrid segmentation model produced significantly more stable and smooth training dynamics, with fewer spikes and better convergence behavior. Manual segmentation quality grading further supports the superiority of the hybrid input method over PP-LiteSeg alone. These findings suggest that integrating semantic and structural image features can improve reliability of pose prediction model training, especially in challenging or variable environments.Noggrann och tillförlitlig lokalisering är avgörande för autonoma körsystem. Denna uppsats undersöker huruvida användningen av segmenterade bilder istället för RGB-bilder kan förbättra robustheten och träningstabiliteten hos djupinlärningsbaserade visuella odometri-modeller. Studien jämför tre olika inmatningskonfigurationer: RGB-bilder, semanstiskt segmentering med PP-LiteSeg samt en hyrbridmetod som kombinerar semantiska kartor från PP-LiteSeg med exakta objektgränser med hjälp av Segment Anything Model (SAM). Syftet är att utvärdera hur dessa inmatningstyper påverkar träningsdynamiken hos en gemensam modellarkitektur för visuell odometri (TSformer-VO). KITTI Odometry-dataset användes för träning och validering, med samtliga experiment utförda under kontrollerade och konsekventa förhållanden. Resultaten visar på att modellen baserad på RGB-bilder uppnådde den lägsta valideringsförlusten, men att hybridmodellen med segmentering gav betydligt mer stabila och jämna träningsförlopp, med färre spikar och bättre konvergensbeteende. Manuell kvalitetsbedömning av segmenteringen stöder ytterligare hybridmetodens överlägsenhet jämfört med enbart PP-LiteSeg. Dessa resultat tyder på att integrering av semantiska och strukturella bildegenskaper kan förbättra tillförlitligheten i träningen av positionsprediktionsmodeller, särskilt i utmanande eller varierande miljöe
Building and Testing a Game to Compare Scripted and LLM-Driven NPCs: Impact on Player Immersion
No full text The gaming industry pushes technological boundaries to create immersive virtual worlds. However, non-playable characters (NPCs) often rely on rigid, scripted dialogue and behavior, which can harm immersion if poorly implemented. Recent advances in large language models (LLMs), such as ChatGPT, have sparked interest in developing more dynamic NPCs that handle unpredictable player behavior. Unlike scripted NPCs, LLM-driven NPCs engage in freeform conversations, responding according to narrative or linguistic constraints. Yet, challenges such as unpredictable and non-coherent dialogue caused by hallucinations, may limit their suitability for linear, storydriven games. This study compares scripted and LLM-driven NPCs in two versions of the same resource management game to evaluate their impact on player immersion. Participants played both versions and provided qualitative feedback via surveys and interaction logs; gameplay metrics such as interaction frequency were also collected. The development processes of both approaches were also examined from the developers’ perspectives to identify appropriate use cases. Findings suggest LLM-driven NPCs enhance immersion through nuanced conversations, though their unpredictability can disrupt gameplay. Scripted NPCs offer consistency and reliability, which may provide smoother experiences in tightly structured narratives. Results highlight a trade-off between immersion and control: LLM-driven NPCs suit exploratory or open-ended games, while scripted NPCs fit narrative-driven experiences requiring tighter control. Additionally, developing LLM-driven NPCs demands greater technical expertise, such as prompt engineering and system design, whereas scripted NPCs rely more on narrative writing and dialogue management. These differences suggest the choice of NPC type should also reflect the development team’s strengths and available resources in addition to the type of impact the NPCs should have in the game
Can Everyone Work Less? : An Intersectional Analysis of Working Time Reduction and Inequality in the LabourMarket
No full textThis study investigates how working time reduction affects equality, diversity and inclusion in the labor market. The study is based on a literature review, where earlier research has been studied to understand how different groups are affected. The study focuses on gender, ethnicity and socioeconomic class. An intersectional perspective is used to show how power structures like norms and class shape people's chances to benefit from reduced working hours. The purpose is to identify which groups are included and which are excluded by such shorter working hours, and whether they help or harm equality at work. The results show that reduced working hours can give positive effects, such as better health, more time to rest and improved balance between work and private life. But the access to these benefits is not equal. Women, migrants and people with low income often have fewer chances to benefit, especially if reduced working hours are not planned with these groups in mind. At the same time, individuals in more privileged positions may benefit the most, which can increase inequality. The study concludes that working time reduction can support a more fair and inclusive work life if it is done with equality in focus.Denna studie handlar om hur arbetstidsförkortning påverkar jämlikhet, mångfald och inkludering på arbetsmarknaden. Studien bygger på en litteraturstudie, där tidigare forskning har analyserats för att förstå hur olika grupper påverkas. Fokus ligger på kön, etnicitet och socioekonomisk klass. Ett intersektionellt perspektiv används för att visa hur olika maktstrukturer som könsnormer och klass påverkar människors möjligheter att ta del av arbetstidsförkortningar. Syftet är att undersöka vilka som gynnas och vilka som riskerar att missgynnas av kortare arbetstider, och om sådana reformer bidrar till att motverka social rättvisa i arbetslivet. Resultaten visar att arbetstidsförkortning kan ha positiva effekter, till exempel bättre hälsa, mer återhämtning och bättre balans mellan arbete och fritid. Men tillgången till dessa fördelar är inte jämlik. Kvinnor, migranter och personer med låga inkomster har ofta sämre möjligheter att ta del av sådana reformer, särskilt om de inte planeras med dessa grupper i åtanke. Samtidigt kan redan privilegierade grupper få störst nytta, vilket kan öka ojämlikheten. Slutsatsen är att arbetstidsförkortningen kan leda till ett mer inkluderande och rättvist arbetsliv, om arbetstidsförkortningen utformas med fokus på rättvisa och mångfald
”If Eva has three salmons and Jens has five footballs, how long does it take Cissi to ride her bike home?” : An Investigation into the Prevalence of Realistic Word Problems in Swedish Mathematics Textbooks.
No full textThis thesis aims to examine the similarities and differences between three selected mathematics textbooks for the Swedish upper primary level, with a particular focus on word problems. Two of the textbooks are authored in Sweden, while the third is modeled after a Singaporean textbook. Using a quantitative content analysis, the word problems were analyzed according to six recognized characteristics of realistic mathematics. The results indicate that vertical characteristics—emphasizing procedural skills and standard tasks—are more prevalent than horizontal ones, which prioritize mathematization and connections to real-life contexts. In many cases, a clear context of reality is missing, especially when it comes to the problem formulation and the question in the task. The study also indicates a high degree of repetition within the task types, which may affect whether tasks are perceived as meaningful by students and limit the variety of learning opportunities
Between words and symbols : A study of multilingual learners' experiences of using representations in collaborative contexts
No full textDesigning for AI transparency : A case study on Human-AI interaction
No full textThis study explores how to approach the design of AI-driven digital products through a critical lens. Specifically, it investigates how insights from the field of Critical Studies of AI can inform decision-making throughout the design process, making the focus extend beyond enhancing human-AI interactions to also consider the broader social implications these systems may have. A case study approach was implemented to gain practical insights from a real-world context. The subject of the study was a start-up in the development phase of AI-driven tools, designed to facilitate networking, optimize workflows, and uncover hidden connections between people and data. From theoretical analysis, AI transparency was identified as a bridge concept between the fields of Human-AI interaction and the Critical Studies of AI. Furthermore, explainability and human control mechanisms were found to be potential design resources for AI transparency. Especially the type of explanations that are informed by social science on how humans naturally understand information, and tailored for diverse audiences, including non-AI experts. These insights were integrated into a sketch of the design concept, Transparency Layer, which was later presented through a series of Design Scenarios. Initial feedback indicated the potential of these design resources to promote AI transparency. However, further development is needed. This thesis project concludes with a sketch of the design concept, intended to spark dialogue about how to design for AI transparency