ODA Open Digital Archive (Oslomet)
Not a member yet
19980 research outputs found
Sort by
Kunstig intelligens i møte med personvern og diskrimineringsvern i velferdsstaten: En casestudie av NAV og Skatteetaten
Full text linkKunstig intelligens (KI) er et verktøy som kan effektivisere mange oppgaver for offentlig sektor, samtidig bringer det med seg en rekke implikasjoner som krever nøye risikovurderinger og etiske betraktinger. Spesielt viktig er det at systemer som brukes av offentlig sektor fremmer rettferdighet, hindrer diskriminering, er gjennomsiktige og treffsikre. Denne masteroppgaven undersøker hvordan forvaltningsorganene NAV og Skatteetaten balanserer kravene til ikke-diskriminering og personvern ved implementering av kunstig intelligens. Bruk av KI i offentlig sektor er økende og løftes frem i en rekke strategier og reguleringer med henblikk til innovasjon og digitalisering. Samtidig utfordrer teknologien grunnleggende rettsprinsipper, særlig i møte med automatisert saksbehandling og bruk av sensitive opplysninger.
Problemstillingen som besvares er: hvordan balanserer forvaltingsorganer i Norge krav om diskrimineringsvern og personvern ved implementering av kunstig intelligens? Med utgangspunkt i juridisk analyse og kvalitative dybdeintervjuer undersøkes det hvordan forvaltningsorganer, herunder NAV og Skatteetaten som praksiseksempler forholder seg til gjeldene regelverk. De relevante lovene som særlig er i fokus er likestilling og diskrimineringsloven, GDPR og KI-forordningen. Oppgaven viser at regelverket åpner for bruk av KI, men også stiller strenge krav til dets bruk.
Funnene viser at begge etater anerkjenner potensialet i KI, men er tilbakeholdene i bruk av automatiserte systemer som berører enkeltindivider. Det fremheves utfordringer knyttet til datakvalitet, forklarbarhet, tvetydig rettslig grunnlag og behovet for skjønn i saksbehandlingen. Analysen viser at regelverkskompleksitet og institusjonell usikkerhet gjør at forvaltningen i stor grad må utøve egen tolkning og utvikle interne rutiner og strategier.
Med teoretisk utgangspunkt i bakkebyråkrati og ny-institusjonell teori vises det hvordan skjønnsutøvelse fortsatt er avgjørende i forvaltningen. KI-systemers begrensede forklarbrahet utfordrer retten til innsyn og rettferdige avgjørelser. Forvaltingsorganene utvikler strategier i henhold til normative forventinger og tvetydige overlappende reguleringer. Oppgaven konkluderer med at det er behov for tydeligere veiledning, juridisk harmonisering og styrket kompetanse i forvaltingen. Fremtidig bruk av KI i offentlig sektor må baseres på prinsipper for etisk teknologiutvikling, der borgernes tillit og rettsikkerhet står i sentrum
Teenage Pregnancy and Family Support: A Qualitative Study of Young Women's Experiences in Arusha
Full text linkThis qualitative study explores the experiences of young women who became teenage mothers in Arusha, Tanzania, with a particular focus on the role of family support during pregnancy and early motherhood. The study is based on semi-structured interviews with eight women aged 18-24 who became mothers at 17 or 18. Using thematic analysis, the research examines how social, cultural, and economic factors shape family support dynamics and how these, in turn, influence the young mothers’ resilience, self-perception, and coping strategies. Drawing on perspectives on social support from Cohen & Wills’ (1985) and Thoits’ (1995, 2011), the study highlights how different forms of support from family members can buffer the psychological stress associated with early motherhood. The quality and accessibility of support are shaped by relational dynamics, cultural expectations, and financial circumstances, all of which affect the young women’s well-being and identity. The findings underscore the importance of comprehensive and context-sensitive support in promoting positive adjustment and reducing the negative effects of stigma. They also show that support from both nuclear and extended family members played a crucial role in enabling these young women to navigate the challenges of early motherhood. While the findings largely align with existing literature on teenage motherhood and social support in the African context, this study offers new insights into the specific socio-cultural dynamics of Tanzanian society. It underscores the importance of culturally adapted support interventions aimed at strengthening family-based support systems for young women in similar contexts
Multimodal AI-Based Decision Support System for Wind Turbine Blade Damage Detection Using Thermographic Imaging and RAG
Full text linkWind turbine blades are vulnerable to damage from environmental exposure, including
erosion, cracks, and delamination, making early fault detection essential to minimize
downtime and maintenance costs. Traditional condition monitoring methods often lack
automation and primarily rely on SCADA data, which may overlook structural defects and
damage. This thesis presents an AI-based decision support system that combines computer
vision and large language models (LLMs) to analyze thermographic images of wind turbine
blades. Using the publicly available KI-VISIR dataset, which contains annotated thermal
images of blade surfaces, the system employs a YOLOv11 model to detect thermal
turbulence patterns (TTPs) that may indicate underlying damage. The best YOLOv11 model
achieved a mean Average Precision (mAP50) of 81.1%, demonstrating strong performance
in identifying these damage-indicative features. TTP regions are clustered into 5 damage
categories (erosion, crack, delamination, icing, lightning) using K-Means and indexed with
FAISS to build a similarity index for damage classification. New TTP queries are compared
using FAISS index vector similarity search, and the most likely damage category is
determined through majority voting among the top 5 most similar TTPs, with the damage
type assigned if at least 4 TTPs share the same category. These results, combined with the
user’s query, are passed to a Retrieval-Augmented Generation (RAG) system, enabling the
LLM (Gemma 3, 4B) to generate context-aware responses related to wind turbine blade
conditions by incorporating both visual evidence and relevant documents, such as research
papers on wind turbine blade maintenance and conditions. The proposed system supports
wind turbine technicians by improving diagnostic accuracy, enabling proactive maintenance
planning, and demonstrating the value of combining computer vision with LLMs for wind
turbine blade condition monitoring and decision support systems
A realistic approach to modeling cooking event in CFD
Full text linkAs the world moves towards urbanization, residential units are built more energy- and space efficient. The impact of indoor cooking on the indoor air quality is therefore important to gain more knowledge of as it has shown to be one of the most significant indoor pollutant sources.
This study present an initial attempt at implementing a realistic model of a cooking event in the CFD tool Converge. Utilizing the advanced method of adaptive mesh refinement (AMR) to investigate its effect on particle dispersion. It showed that a better setting of AMR gave better results, but it was very cpu costly.
Different ACH levels of the ventilation system with kitchen hood mode on and off were investigated with a user defined function that cut-off evaporation of all particles with a size less than 2.5 to analyse all particles that are injected into the domain. Higher ACH levels increased the dispersion of the particles of the room and suppressed the thermal plume from the kitchen hob.
Further work is needed to create a realistic model
Stochastic and deterministic processes in Asymmetric Tsetlin Machine
Full text linkThis paper introduces a new approach to enhance the decision-making capabilities of the Tsetlin Machine (TM) through the Stochastic Point Location (SPL) algorithm and the Asymmetric Steps technique. We incorporate stochasticity and asymmetry into the TM's process, along with a decaying normal distribution function that improves adaptability as it converges toward zero over time. We present two methods: the Asymmetric Probabilistic Tsetlin (APT) Machine, influenced by random events, and the Asymmetric Tsetlin (AT) Machine, which transitions from probabilistic to deterministic states. We evaluate these methods against traditional machine learning algorithms and classical Tsetlin (CT) machines across various benchmark datasets. Both AT and APT demonstrate competitive performance, with the AT model notably excelling, especially in complex datasets.publishedVersio
Does Firms’ Financial Performance Affect Their ESG Activities? An Empirical Study of Scandinavian Firms
Full text linkIn recent years, environmental, social and governance (ESG) factors in the corporate setting have gained increased attention. As stakeholders’ concern with sustainability related issues grows, the understanding of what drives ESG performance and its relationship with financial performance has increased in relevance. There is a significant amount of research on how firms’ focus on ESG affects their financial performance. However, there are limited studies on the reversed relationship between them: how firms’ financial performance affects their ESG performance. This study aims to investigate how firms’ financial performance affects current ESG activities in the Scandinavian region. Our sample included 186 publicly listed firms from Norway, Sweden and Denmark, which resulted in 930 firm-year observations for the period between 2020 and 2024. We conduct a panel data regression with fixed effects with a one-year lagged return on assets (ROA) as the main independent variable and ESG score as the dependent variable. Firstly, we examine the impact of firms’ ROA on ESG factors both as an aggregate component and individually. Secondly, we investigate whether leverage moderates the impact of ROA on ESG related activities. The findings from our study suggest that ROA has a positive impact on ESG as a whole unit. Furthermore, we find that the social pillar is the only one where financial performance has a positive and statistically significant effect when analyzing the ESG pillars separately. When using leverage ratio as the moderator, the findings show that the coefficient of the interaction term is negative and statistically insignificant. This indicates that the leverage does not affect the impact of financial performance on ESG performance in our analysis
OrdLink: Matematisk samtale gjennom brettspill
Full text linkI min entreprenørielle masteroppgave har jeg utviklet det didaktiske spillet OrdLink, et brettspill til bruk i geometriundervisningen på niende trinn. Spillet tar utgangspunkt i et sosialkonstruktivistisk syn på læring og er utviklet basert på læreplanen og teori knyttet til matematikkdidaktikk og spillutvikling. Målet med utviklingen av spillet har vært at spillet skal fungere som et verktøy i en variert og engasjerende matematikkundervisning. Det faglige målet er at spillet skal kunne brukes som utgangspunkt for en matematisk samtale der elevene tar i bruk matematiske begreper. Det har resultert i problemstillingen:
Hvordan kan spill fremme en matematisk samtale der elevene aktivt bruker geometriske begreper på niende trinn?
Forskningsspørsmålene har vært rettet inn mot elevenes språk i spillsituasjonen, hva som fremmer en matematisk samtale og hvordan brukerveiledningen bør tilpasses. Oppgaven har benyttet seg av pedagogisk designforskning og spillet har blitt testet ut i to sykluser. Datainnsamlingen har foregått ved observasjon, elev- og lærerintervjuer og spørreundersøkelse. Dataen har dannet utgangspunkt for redesign. Som del av spillet følger elevveiledning, lærerveiledning og en instruksjonsvideo.
En detaljert beskrivelse av utviklingsprosessen og funn vil presenteres nærmere i den muntlige delen
«Vi kan gi informasjon til vi blir både gul og blå ...». En kvalitativ studie av helsesykepleiers erfaringer med prevensjonsveiledning – sett i lys av sosiale mediers potensielle påvirkning på ungdom.
Full text linkSammendrag
Bakgrunn: Helsesykepleiere spiller en sentral rolle i ungdommers tilgang til kunnskapsbasert prevensjonsveiledning i skolehelsetjenesten og på helsestasjon for ungdom. Forskning viser at sosiale medier i økende grad har blitt en plattform hvor ungdom innhenter kunnskap om prevensjonsmidler, der personlige erfaringer og meninger ofte deles uten faglig forankring. Dette har bidratt til en økende skepsis til hormonell prevensjon blant ungdom, og ønske etter å prøve naturlige hormonfrie alternativer som prevensjon.
Hensikt: Utforske helsesykepleieres erfaringer med prevensjonsveiledning sett i lys av sosiale mediers potensielle påvirkning på ungdom.
Teori: Studien benytter Ryan og Deci sin Self Determination Theory (2000) for å belyse betydningen av selvbestemmelse og støtte i helsevalg. I tillegg brukes teorien om Sexual Citizens av Hirsch og Khan (2020) til å forstå hvordan sosial kontekst og tilgang på informasjon påvirker ungdom.
Metode: Det er benyttet kvalitativ metode med semistrukturerte intervjuer av syv helsesykepleiere fra skolehelsetjenesten og helsestasjon for ungdom. Helsesykepleierne ble rekruttert fra tre forskjellige kommuner på Østlandet. Analysen av datamaterialet ble gjennomført ved bruk av Braun og Clarkes (2022) refleksive tematiske analyse.
Resultater: Hovedfunnene viser at helsesykepleiere vektlegger ungdommers selvbestemmelse i prevensjonsveiledningen, og forsøker å møte ungdom med støtte for deres valg. Grundig informasjon om prevensjonsmidler, god tid og tilgjengelighet ble sett på som viktige faktorer. Samtidig erfarte helsesykepleierne at ungdommers helsekompetanse knyttet til prevensjon varierer, og at mange påvirkes av sosiale medier, venner og familie.
Konklusjon: Studien avdekker en diskrepans mellom informasjon fra helsesykepleiere og ungdommenes forståelse av prevensjon, der sosiale medier og nære relasjoner har stor påvirkning. Dette utfordrer helsesykepleiernes rolle i å gi faglig veiledning. Behovet for å styrke ungdommenes helsekompetanse og finne nye kommunikasjonsmetoder, inkludert sosiale medier, kan være nyttig. Det er behov for mer forskning på helsesykepleiers perspektiv.
Nøkkelord: Helsesykepleier, prevensjonsveiledning, ungdom, selvbestemmelse, sosiale medier, relasjoner, helsekompetans
Machine Learning Approaches to Stock Directional Forecasting - The Role of Price and Return as Model Inputs
Full text linkThis study evaluates the ability of four machine learning models to forecast directional stock movement given different inputs, price, and return. The models used in this study include Logistic Regression, Random Forest, Multilayer Perceptron, and Long Short-Term Memory. The modeling process is conducted separately for the Oslo Stock Exchange and the London Stock Exchange, using datasets comprising of 10 companies from each market. Where the models are setup with different feature, one with lagged variable and one with both lagged variables and indicators. We evaluate our models with regard to input, but also in the context of the Efficient Market Hypothesis. Our findings were that the return overall trained better models than the price. Random Forest was the best performing model across both markets, Logistic Regression achieved the second-highest performance, and the neural network models had inconsistent results. The results challenge the weak-from of market efficiency
Jordmødres opplevelser av beslutningstaking under fødsel - En systematisk litteraturstudie av kvalitative studier
Full text linkTittel:
Jordmødres opplevelser av beslutningstaking under fødsel - en systematisk litteraturstudie av kvalitative studier.
Hensikt:
Hensikten med masteroppgaven var å undersøke jordmødres beslutningstaking under fødsel og hvordan ulike faktorer påvirker denne prosessen.
Forskningsspørsmål:
Hvordan opplever jordmødre at ulike faktorer påvirker deres beslutningstaking under fødsel?
Metode:
En systematisk litteraturstudie ble gjennomført, basert på syv kvalitative studier. Systematiske søk ble utført i databasene CINAHL, MEDLINE og Maternity and Infant Care, ved bruk av nøkkelord som reflekterer elementene i forskningsspørsmålet. For å analysere resultatene ble Aveyards metode for tematisk analyse benyttet.
Resultater:
Gjennom tematisk analyse ble det utviklet tre hovedtemaer: individuelle faglige syn og vurderinger, organisatoriske rammer og mellommenneskelig samarbeid. Funnene fra studien viser at jordmødrenes oppfatninger av fødsel påvirket beslutningstakingen, noen vektla en fysiologisk modell med minst mulig intervensjon, mens andre fulgte en mer medisinsk tilnærming med fokus på risikominimering. Organisatoriske faktorer kunne begrense jordmødrenes autonomi, spesielt på sykehus der legenes beslutningsmyndighet dominerte. Dette utfordret grunnleggende prinsipper i jordmorfaget, særlig troen på fødsel som en fysiologisk prosess og fødekvinnens medbestemmelse i beslutningstakingen.
Konklusjon:
Jordmødres beslutningstaking under fødsel er et sammensatt og dynamisk samspill mellom individuelle faglige syn og vurderinger, organisatoriske rammer og mellommenneskelig samarbeid. En styrking av jordmødres beslutningskompetanse og respekt for fødekvinnens valg krever en mer balansert tilnærming mellom medisinsk forsvarlighet og fødsel som en fysiologisk prosess. Dette forutsetter organisatoriske endringer som gir jordmødre større handlingsrom og trygghet i å ta selvstendige beslutninger.
Nøkkelord:
Beslutningstaking, jordmor, fødsel, autonomi, samarbeid, kvinnefokusert omsor