Sökning: "matematik kan vara så mycket"
Visar resultat 1 - 5 av 118 uppsatser innehållade orden matematik kan vara så mycket.
1. Intensivundervisning som intervention - en pilotstudie om genomförbarhet av en intensivundervisning i multiplikation i årskurs 7-9
Magister-uppsats, Göteborgs universitet/Institutionen för pedagogik och specialpedagogikSammanfattning : Det finns mycket forskning om tidiga insatser i matematik och betydelsen av dessa. Till viss del finns det även forskning om hur tidiga insatser påverkar matematiklärandet i äldre åldrar. Däremot finns det inte så mycket forskning om eller material för genomförande av intensivundervisning för högstadiet. LÄS MER
2. 5 % i NO och teknik? : en kvantitativ studie kring särbegåvning
Uppsats för yrkesexamina på avancerad nivå, Malmö universitet/Institutionen för naturvetenskap, matematik och samhälle (NMS)Sammanfattning : Enligt Skolverket har ca 5 % av alla elever en särbegåvning som gör att de lär sig i så mycket snabbare takt än sina klasskamrater, att de kan vara i behov av anpassad undervisning. Internationellt finns det forskning kring ett identification-gap inom gifted education. LÄS MER
3. Momentmätare för lossning av distansskruvar
Kandidat-uppsats, Malmö universitet/Institutionen för materialvetenskap och tillämpad matematik (MTM)Sammanfattning : Underhåll av tandimplantat är tidskrävande och kan vara smärtsamt för patienten. Av denna anledning är det önskvärt att maximera tiden mellan återbesök. En faktor som påverkar återbesökstiden är hur mycket distansskruven i ett tandimplantat har lossnat med tiden. LÄS MER
4. Detecting Images Outside Training Distribution for Fingerprint Spoof Detection
Master-uppsats, Lunds universitet/Matematik LTHSammanfattning : Artificial neural networks are known to run into issues when given samples that deviate from the training distribution, where the network may confidently provide an incorrect answer. Out-of-distribution detection methods aims to provide a solution to this issue, by detecting data that deviates from the distribution used to train the model. LÄS MER
5. Sequential Machine Learning in Material Science
Master-uppsats, KTH/Matematik (Avd.)Sammanfattning : This report evaluates the possibility of using sequential learning in a material development setting to help predict material properties and speed up the development of new materials. To do this a Random forest model was built incorporating carefully calibrated prediction uncertainty estimates. LÄS MER