En gang i ubestemmelig framtid vasser en turgåer gjennom utmarka. Hun veiver med en mobil og myser mot skjermen.

Er hun på jakt etter en pokémon? Nei, nå bøyer hun seg ned. Foran henne lyser en kantarell i mosen.

Drømmen om en app

En app som finner sopp? Ikke umulig, når mobilen får et kamera som ikke bare kan se, men også tolke hva det ser.

Dette er ikke framtidsdrømmer. Bildegjenkjenning er allerede storindustri. Facebook kjenner igjen vennene dine på bilder du legger ut. Kameraer knipser automatisk når du smiler.

Nå vil de to norske NTNU-studentene Stian Jensen og Andreas Løve Selvik bruke den samme teknologien til å finne sopp i skogen – med en mobilapp.

Appen er foreløpig bare en idé, beskrevet i en prosjektrapport fra i fjor høst.

Nulltoleranse for giftig sopp

– Dette er en artig applikasjon, og teknologien de beskriver, er realistisk. Men utfordringen blir å finne sopp som er delvis skjult under gress og annen vegetasjon, kommenterer Arnt-Børre Salberg, seniorforsker ved Norsk Regnesentral.

– Hvis programmet skal kunne skille forskjellige arter fra hverandre, blir det også krav til nulltoleranse for giftig sopp. Det er vanskelig å oppnå, fortsetter han.

Mer enn luftig drøm

Soppsanking er industri med lange tradisjoner i deler av verden, skriver Jensen og Selvik i rapporten. De tenker seg at systemet deres kunne brukes til å kartlegge steder med mye sopp før innsanking, for eksempel fra selvstyrte droner.

Idéen til Jensen og Selvik er ikke bare en luftig drøm. De har analysert idéen i teknisk detalj. Rapporten gir en oversikt over hvordan datamaskiner har lært å tolke bilder – for eksempel av sopp.

Rask og gammel metode

Ta en helt vanlig kantarell. Hvordan skjønner dataprogrammet – enten det er i mobiler eller PC-er – at dette er en sopp og ikke et gult blad?

Grovt sett finnes det to svar på spørsmålet – to metoder. En gammel – Support Vector Machines, SVM – og en ny – dype nevrale nettverk. Rapporten beskriver begge.

Kantklipper

Grovt forenklet kan vi se SVM for oss sånn: Vi legger et gult blad ved siden av en kantarell i mosen. Hva gjør SVM?

Ingenting i første omgang viser det seg. Bildet er altfor rotete til at SVM kan skjønne noe av det. Her er mosedotter og barnåler og maur og pinner og alt slags rusk og rask. Bildet må forenkles.

Inn til redning kommer noe som vi litt fleipete kan kalle en kantklipper. Den klarer å klippe ut kantene eller omrisset rundt kantarellen og bladet.

Alt skogsrusket blir liggende. Ut av kantklipperen – eller Scale-invariant Feature Transform (SIFT) som den heter på dataspråk – kommer en forenklet samling punkter som beskriver den grove formen til kantarellen eller bladet.

Som Scale-invariant i navnet tyder på, er denne beskrivelsen uavhengig av størrelse. En liten og en stor kantarell gir samme tegning, hvis punktene har samme form.

Skala fra rund til spiss

OK – så har SVM noe å jobbe med. La oss si at kantarellen er rund mens bladet er spisst. De har to forskjellige former.

Vi lager en linje. Linja er en skala. Til venstre på skalaen er runde former. Til høyre er spisse former.

Kantarellen legger seg pent ut til venstre. Bladet havner til høyre. Nå kan SVM gå til aksjon. Det lager et grenseskille på linja. Til venstre sopp, til høyre blad. Greit?

Kanskje ikke alltid. Noen blader er også runde. Kanskje vi ikke bare kan se på formen? Hva med å se på fargen også?

Flate for form og farge

Vi tegner en ny linje, denne gangen loddrett. Øverst er grønt, nederst gult. Så går vi ut og tar bilder av flere kantareller og blader i mosen.

Hvert blad – eller sopp – får en plass på flaten ut fra form og farge. Et grønt rundt blad havner øverst til venstre. Et spisst gult blad havner nederst til høyre.

Igjen kan SVM trekke grenseskillet som en skrålinje. Nederst til venstre lyser fortsatt kantarellen imot oss – gul og rund.

Men hva med et gult og rundt blad? Hmmm. SVM får problemer fordi SIFT ikke beskriver data godt nok. Kanskje vi trenger å se på enda mer enn rund og spiss form og farge?

Mange hundre dimensjoner

Vi kan for eksempel lete etter takkete omriss på blader mot ujevnt bølgende omriss på kantarell. Eller bladnerver inne i bladet.

Poenget er at en SVM kan jobbe med mange hundre forskjellige egenskaper samtidig. Datamaskiner er gode på sånt.

De kan se hundredimensjonale rom og tegne grenser i disse rommene som skiller de hundredimensjonale punktene av kantareller fra hundredimensjonale bladpunkter. Puh!

Forenklede hjerneceller

Så kom 2012. En ny metode skled opp for tolkning av bilder – nevrale nettverk.

Eller – rettere sagt – metoden var ikke ny. Det nye var at datamaskinene var blitt raske nok til at nevrale nettverk kunne kjøres uten at farten til mikroprosessoren sank ned i sirup.

Nevrale nettverk virker litt på samme måte som datamaskinenes store forbilde – menneskehjernen. Da er det kanskje ikke så vanskelig å skjønne at de krever mye datakraft.

– Styrken til dype nevrale nettverk er at de klarer å beskrive bildene bedre enn SIFT, kommenterer Salberg.

SIFT var kantklipperen som forenklet bildet til en sky av punkter før SVM kunne kategorisere det. Nevrale nettverk gjør altså denne jobben bedre.

Nevrale nettverk har en slags forenklede hjerneceller. De kalles noder. Hver node er forbundet med andre noder, slik som hjernecellene er forbundet med andre hjerneceller gjennom nervetråder.

Preger inn mønstre

Når hjernen lærer noe nytt, blir forbindelsene mellom noen av disse milliarder av nervetrådene sterkere og andre svakere. Slik preges mønstre inn i hjernen.

På samme måte lærer nevrale nettverk ved at noen av forbindelseslinjene mellom nodene blir sterkere og andre svakere.

Enklere enn hjernen

Selvsagt er ikke nevrale nettverk akkurat som hjernen. I de nevrale nettverkene har nodene og forbindelseslinjene bare enkle tallverdier.

Nervesignalene i hjernen er mye mer kompliserte, som vi også tidligere har skrevet om her i forskning.no.

En annen forskjell er at det nevrale nettverket sender signalene bare en vei. Data om for eksempel soppbildet går først til inngangsnodene.

Så sendes data videre gjennom forbindelseslinjene og flere lag mellomnoder. Resultatet – tolkningen – kommer i utgangsnodene.

Men hvordan klarer et nevralt nettverk å se forskjellen på en sopp og et blad?

Lærebilder

Hvis du skal rettlede maskinen, må du ha en mengde forhåndsbehandlede bilder som maskinen kan lære av. Bildene må være nøye beskrevet.

Dataprogrammet må få vite akkurat hvordan det skal lete i bildet.

Fordelen med en sånn metode er at maskinen lærer raskere. Ulempen er at du må hoste opp alle disse bildene som er nøye beskrevet på forhånd. Hvor finnes de?

Datamaskiner lærer av dataspill

Jensen og Selvik foreslår to måter å skaffe dem på. Det finnes bildedatabaser som image-net, der bilder er klassifisert etter et språkvitenskapelig system.

Det andre og mest originale forslaget deres er å bruke dataspill. I dataspillene løper du ofte gjennom svære verdener med landskaper der det passer fint å plassere bilder av sopp.

Slik kan du raskt få en svær mengde kunstig lagede, men lærerike klassifiserte bilder. Du gir det nevrale nettverket bilder som det skal prøve å tolke, og så gir du den klapp på skulderen hver gang den finner en sopp.

I starten vil dataprogrammet ofte bomme. Men smått om senn skjer en læreprosess inne i de nevrale nettverkene.

Forplantning bakover

Noen få ganger treffer det blink. Da gjør nettverket ørsmå endringer bakover i forbindelseslinjene fra utgangsnodene via mellomnodene til inngangsnodene – de kunstige nervetrådene mellom de kunstige hjernecellene.

Dette kalles forplantning bakover – backpropagation. Etter tusener på tusener av prøvinger og feilinger justerer det nevrale nettverket seg inn på noe som funker.

Spør bare ikke hvorfor det funker. Det er ikke mennesker som har programmert inn metodene på forhånd. De oppstår i møtet mellom virkelighet og datamaskin.

Denne videoen forklarer i grove trekk hvordan det nevrale nettverket lærer ved forplantning bakover – backpropagation.

Selvgående, men krevende

Betyr denne metoden at du også kan sende datamaskinen ut i svarte skauen og overlate til den å samle kunnskap selv?

– Nei, der er vi ikke ennå, men det er dit vi vil, sier Salberg fra Norsk Regnesentral.

– Dette kalles læring uten veiledning – unsupervised learning, fortsetter han.

Fordelen med en sånn metode er at du ikke trenger en masse forhåndskodede bilder. Du kan la det nevrale nettverket bryne seg på rå virkelighet.

Ulempen er at slik læring krever større datakraft. Men som vi alle vet – Moores lov sier at datakraften dobles for hvert annet år.

Kunstig netthinne

Jensen og Selvik forteller videre om alle de oppfinnsomme folkene som har presset ytelsen til nevrale nettverk enda videre.

De forteller om konvulsjonsnettverk, som etterligner forbindelsen mellom netthinnen i øyet og synssenteret i hjernen.

Her er ikke alle noder forbundet med alle andre. Isteden er de satt opp i et rutenett.

Noder som skal fange opp ting til venstre i bildet, trenger ikke å være koblet opp mot noder som skal tolke ting til høyre. Det samme med oppe og nede.

Rutenettet i konvulsjonsnettverket forenkler bildet og sender det videre til et vanlig nevralt nettverk for videre tolkning. Også andre forbedringer fintrimmer prosessen.

Uten nett i soppskogen

Jensen og Selvik sender nå stafettpinnen videre til andre soppelskere og datakyndige. Programmet kan først utvikles og læres opp på datamaskiner, før det flytter inn i en app på en mobiltelefon.

– Opplæringen av de nevrale nettverkene krever ofte mye datakraft. Den kan skje på kraftige PCer, gjerne med flere store skjermkort i parallell, sier Salberg.

Når det nevrale nettverket først er lært opp, krever det mye mindre datakraft for å tolke bildene.

Derfor er han optimistisk med tanke på at appen skal kjøre på mobilen – også uten nettilgang. Det har du jo ofte ikke i soppskogen.

Fra skyen og inn i mobilen

Andre apper som bruker nevrale nettverk trenger riktignok ofte nettilgang. Det nevrale nettverket er da ikke i mobilen, men ute i skyen.

Derfor klarer for eksempel ikke Apples personlige assistent Siri å skjønne hva du sier hvis du er frakoblet. Men det er utvikling på gang.

– Jeg tror ikke det blir noe problem å kjøre soppdetektoren uten nettilgang, sier Salberg.

Rask utvikling

Den tekniske utviklingen av mobiltelefoner går raskt. Jensen og Selvik er optimister i sin rapport.

Tidligere metoder for bildegjenkjenning utkonkurreres av den større nøyaktigheten til nevrale nettverk, konkluderer de.

Men før appen deres har blitt virkelighet, er det bare ett nevralt nettverk som virkelig duger for ihuga soppsankere – det du har oppe under ditt eget topplokk.

Referanse:

Stian Jensen og Andreas Løve Selvik: Towards Real-Time Object Detection of Mushrooms, a Preliminary Review. Prosjektrapport, NTNU, 2015.

Mens mange av de som sitter på kontor ikke opplever større ulykker enn å skjære seg på et papir, er bonden eksponert for langt større yrkesrisiko. 

For en bonde er det neppe mulig å gå gjennom en yrkeskarriere uten å oppleve minst én ulykke.

– Det betyr imidlertid ikke at bønder generelt er risikotakere, påpeker seniorforsker Gro Follo ved Bygdeforskning. Hun har vært leder for forskningsprosjektet «Ulykker i landbruket».

Prosjektet viste at bønder jevnt over forholder seg til ulykkesrisikoen og forsøker å begrense den så langt de opplever at det lar seg gjøre.

– Skal man forstå hvorfor det er så mange ulykker i landbruket, må man forstå bondens komplekse arbeidsliv, understreker Follo.

Oddveig Storstad, som tidligere var forsker ved Bygdeforskning, men som nå jobber ved NIBIO, tilføyer:

– Det er mulig å redusere antall ulykker gjennom forebyggende arbeid. Men det betyr at man må spille på lag med bondens arbeidshverdag for å nå målet om færre ulykker.

Hastverk blir lastverk

Bønder er innom så mange forskjellige arbeidsoppgaver i løpet av dagen at det er vanskelig å eliminere ulykkesrisikoen. Bønder har ofte lange arbeidsdager. Da kan man bli sliten og dermed lettere uoppmerksom.

Nesten 40 prosent av bøndene i studien sier at årsaken til egen ulykke var uoppmerksomhet, og omtrent 20 prosent hadde hastverk. Ulykkene øker i takt med antall arbeidstimer.

Her er de viktigste årsakene til bøndenes arbeidsulykker:

Traktor og andre maskiner

Traktoren er den mest brukte maskinen på et gårdsbruk og brukes mye, på mange steder og i en rekke sammenhenger. Traktoren er da også den maskinen som er mest involvert i ulykker blant bønder, ansatte, barn, familie og venner.

Store og små dyr kan skade en person gjennom for eksempel bitt, spark og stanging, og større dyr kan presse og klemme bonden mot innredningen.

Det er også stor fare knyttet til melkeroboter der bonden kan komme mellom roboten og kyrne. Mange bønder bruker avl og raser bevisst for at kyr ikke skal sparke. Kurasen Norsk rødt fe (NRF) er et eksempel på slik avl på godt lynne.

Vedlikehold og reparasjon er den oppgaven som er nest hyppigst relatert til ulykke blant bønder av alle de 27 arbeidsoppgavene bøndene ble spurt om i forskningsprosjektet.

Skogs- og vedarbeid kan gi fatale følger

Mange bønder er også involvert i skogsarbeid, noe som ikke er helt ufarlig og som kan føre til alvorlige ulykker.

Hogde trær som velter i feil retning, manglende verneutstyr, ulendt terreng, motorsag i gang når man snubler, fingre som kuttes i vedkløyver og kappsag. I prosessene fra et tre står i skogen til det blir ved og bygningsmateriale, kan mye skje.

Flytting av dyr kan gi bonden flere uker på krykker

Det kan gå hardt for seg på kuslipp om våren også, noe som øker risikoen for ulykker. 

Det er ikke godt å vite hva yre kyr tenker og finner på. «De slipper seg løs og springer og hopper rundt», som en av bøndene i undersøkelsen sier.

Humøret til dyrene er det ikke alltid lett å lese, og selv den snilleste kan ved tider være sint og lunefull. Mange dyr kan bli stresset ved flytting og kan finne på å stange folk i nærheten.

Slåttonn og tresking kan føre til uførhet

I slåttonna brukes mange forskjellige maskiner og kjemikalier. En uventet stopp med maskiner og redskap på åkeren kan føre til at bonden må utbedre feil på stedet.

Dette har ført til dødsfall og alvorlige ulykker som følge av skarpe kniver. Bonden kan selv havne inne i maskiner det er klemfarer og tannhjul som fremdeles er i rotasjon.

Treskemaskinen som brukes ved høsting av modent korn, har skarpe kuttekniver på skjærebordet som man må passe seg for.

Håndtering av utstyr og redskap

Bonden bruker flere redskap som må tilpasses den arbeidsoppgaven som skal gjøres. Det innebærer gjerne kobling til traktor og eventuell justering av utstyret. Påkobling av utstyr kan i verste fall føre til død ved at klesplagg blir dratt inn i kraftuttak som roterer.

Gjenstander på traktorens lasteapparat kan falle av eller storsekker med kunstgjødsel kan revne når de løftes med pallegaffel.

For bonden er faktisk kjøring med traktor og redskap farligere enn å kjøre traktor uten redskap. Ulike terrengforhold på gårder bidrar til ulykkesrisiko ved bruk av traktor og utstyr. Å kjøre traktor med utstyr i ulike typer terreng krever mye refleksjon og risikovurderinger.

For eksempel om det er hellende eller glatt terreng, hva slags type underlag det er, tyngdepunkt på traktor og utstyr og hvilke utstyr som kan brukes.

Metallspon på øyet og andre ulykker

Også mindre utstyr bidrar til ulykker som rammer bonden selv, ansatte, barn og familie og venner. Ett sted hvor ulykker kan oppstå, er på verkstedet, ifølge forskningsprosjektet.

Bruk av vinkelsliper og sveising er en gjenganger, og flere har fått metallspon på øyet i forbindelse med sveising. Som en av bøndene sier: «Det burde jeg snart lære, at jeg burde bruke vernebriller.»

Å falle gjennom åpne gulvluker er fullt mulig, og fall ned i tomme siloer har også skjedd.

Effektive tiltak som kan redde liv og lemmer

For bonden er det viktigst å være ute på gården å gjøre unna praktisk arbeid. Kontortiden er ofte sent på kvelden, og bonden er sliten etter en lang og tøff arbeidsdag. Derfor får ikke arbeid med helse, miljø og sikkerhet (HMS) og «Kvalitetssystemet i landbruket» nok oppmerksomhet, selv om det er viktig.

Det trenger heller ikke være så stort og dyrt. Det finnes nemlig en rekke små og raske tiltak som kan redde både liv og lemmer for bonden og menneskene  rundt. Man kan slå av maskiner etter bruk, senke rundballspydet og holde gården og tunet ryddig slik at barna ikke skader seg.

– Vi må huske på at gården også er boplass og hjem, og ikke bare bondens arbeidsplass, poengterer Halle Arnes, fagkoordinator for HMS-rådgiving i Norsk Landbruksrådgiving.

Han fortsetter: – Alle kan gjøre noe for å redusere ulykkesrisikoen på egen gård. Det er bare å sette i gang å gjøre det. Det kan stå om liv.

Arnes mener at også barna kan involveres i tenkningen om sikkerhet og konsekvensene det har for arbeidet.

– Da lærer barna sunt bondevett, og da vokser de kanskje opp til å bli nye bønder som kan ta del i den trivselen og friheten mange bønder føler i sin yrkesutøvelse, sier prosjektleder Gro Follo.  

Referanse:

G. Follo (red.): Ikke en bonde å miste – Om ulykker og arbeidsevne i landbruket. Rapport fra Norsk senter for bygdeforskning, 03/2016.

Flere ganger de siste årene har trafikkmyndighetene kunnet konstatere at bilistene setter ned farten.

Tall fra målere plassert ulike steder i landet med fartsgrense på 80 km/t, viser at snitthastigheten her har gått ned med 1 km/t i løpet av fem år.

• Les også: Sinte og gråtende sjafører mangedobler risikoen for ulykker

Ikke så veldig mye, men likevel et klart brudd med den tendensen trafikkmyndighetene så gjennom flere tiår tidligere, som var at bilistene kjørte stadig fortere.

Målte og intervjuet

Nå har trafikkforskere stilt seg opp i veikanten og intervjuet 204 bilister som passerte disse målepunktene. I tillegg registrerte de nummerskiltene og hentet data fra Motorvognregisteret om 3750 biler og bileiere som passerte.

• Les også: Derfor er unge menn involvert i flest ulykker

Ett av målene med denne studien var å slå fast hvor mye økt alder blant bilistene har hatt å si for fartsnedgangen.

Økt alder ikke viktigst

– Vi konkluderer med at økt alder på bilførerne kanskje forklarer 25 prosent av fartsnedgangen. Det meste av fartsnedgangen skyldes altså andre forhold, sier forsker Torkel Bjørnskau ved  TØI (Transportøkonomisk institutt).

En slik faktor er at flere biler på veiene, får bilistene til å sette ned farten.

En annen faktor er at færre råkjører på norske veier.

Hvorfor færre råkjører, vet ikke forskerne. En mulig forklaring er stadig flere bokser med fartsmålere. En annen mulig forklaring er den økte medieoppmerksomheten på trafikksikkerhet og fart.

Eldre bilførere bremser andre biler

Men forskerne er fortsatt litt usikre på hvor viktig alder er for fartsnedgangen. De ser nemlig at alder også har en indirekte effekt på farten.

Fartsnedgangen skyldes ikke bare at eldre bilførere selv kjører saktere, men også at de får andre bilførere til å kjøre saktere når de ligger bak en eldre bilist.

• Les også: Vil bedre sikkerheten til sårbare trafikanter

Dette kunne forskerne se gjennom å måle luken til bilene bakenfor en bilist. Bilførere over 65 år har markant kortere avstand til bilen bak seg enn andre bilførere.

Eldre bilførere kjører ofte den første bilen i en kø.

Hver annen bil med en bilfører over 65 år, begrenser farten til en annen bil bak seg. Det regnet forskerne seg fram til i denne studien. Dermed kan de løst anslå at den indirekte effekten av alder på bilhastighet tilsvarer 50 prosent av den direkte effekten.

Kjønn, motorstørrelse og bilmerke

I denne studien fant forskerne også at biler med en eier i alderen 35-44 år blir kjørt fortest. Deretter synker hastigheten jevnt og trutt med økende alder.

Forskerne så også på bilførernes kjønn. De fant ikke at farten som ble holdt hadde noen sammenheng med bilførers kjønn .

Noe forskerne imidlertid så, var at biler med større motor blir kjørt raskere enn biler med liten motor.

Og nyere biler blir kjørt fortere enn gamle biler.

Referanse:

Fridulv Sagberg og Torkel Bjørnskau: «Fart og alder. Fartsutviklingen på veier med fartsgrense 80 km/t», TØI-rapport, 2016. Sammendrag

Forskerne bak den første omfattende undersøkelsen av babyrobotens effekt har publisert sine funn i tidsskriftet The Lancet.

– Vår studie viser at prevensjonsprogram som inkluderer en babysimulator, ikke minsker risikoen for at tenåringer blir gravide, sier Sally Brinkman ved University of Western Australia.

– Tvert imot er risikoen høyere, sammenlignet med tenåringer som ikke deltar i et slikt program, tilføyer hun.

Én helg

Den aktuelle undersøkelsen er gjennomført i Australia, men lignende programmer finnes i et 90-tall andre land, deriblant Sverige. Elever ved 57 australske skoler deltok i studien.

Drøyt 1200 jenter deltok i det såkalte virtuelle spedbarnsprogrammet, som går ut på at de i én helg må ta hånd om en dataprogrammert dukke som skal kreve samme behandling som en levende baby.

Kontrollgruppen besto av 1500 jenter andre jenter, som fikk en mer tradisjonell helse- og seksualundervisning, skriver Die Welle.

Fødte ekte babyer

Alle deltakerne var i alderen 13 til 15 år da studien startet, og forskerne fulgte dem til de fylte 20. Da hadde 8 prosent av jentene som hadde fått spesialundervisning, født minst ett barn. I kontrollgruppen var andelen 4 prosent.

Også andelen aborter var høyere hos dem som hadde tatt hånd om enrobotbaby – 9 prosent, sammenlignet med 6 prosent i kontrollgruppen.

Resultatet viser at investeringer i robotbabyer ikke er den mest effektive bruken av offentlige midler hvis målet er å redusere tenåringsgraviditeter, påpeker forskerne bak studien. 

– Tenk deg at du kjører inn i tåke og dårlig veigrep. Idéen om at du plutselig tar kontroll over bilen når den er i ferd med å spinne – det er absurd, sier Martin Steinert til forskning.no.

Steinert er professor ved NTNU og leder forskergruppa TrollLabs. Gruppa forsker blant annet på teknologi i selvstyrte biler og skip.

– Hvis bilen er i en situasjon som den ikke kan håndtere, er det nesten ingen sannsynlighet for at du virkelig kan ta over, fortsetter han.

– Bare tenk på det! Hvor hardt skal du bremse? Du trenger et par sekunder, sier Steinert.

• Les også: Bilen skal lære å kjøre som folk

Sjåfør eller passasjer

To sekunder i en kritisk situasjon ved høy fart – det er altfor mye. Ett tragisk eksempel er dødsulykken i Florida der en Tesla på autopilot kolliderte med en trailer.

Ulykken har vekket opp en viktig diskusjon om selvkjørende biler: Skal sjåføren fortsatt få være sjåfør eller er det for farlig? Skal sjåføren heller bli passasjer?

Tesla har valgt det første. Sjåføren må fortsatt holde hendene på rattet, advarer autopiloten.

Automatikken et hjelpemiddel – en slags utvidet cruisekontroll. Sjåføren trengs fortsatt.

Google har valgt motsatt. Deres selvstyrte bil har ikke ratt. Steinert støtter dette valget.

Autopilot på racerbanen

– Tenk på det! Er du i stand til å gjøre noe bedre enn datamaskinen? Trolig ikke, sier han.

Steinert kan gi eksempler fra tida på Stanford. Der har blant andre forskeren Chris Gerdes arbeidet i mange år med selvstyrte biler på rallybanen.

Alt i 2008 sladdet studentbilen P1 i tette sirkler på løst, grusete underlag.

– Den kontrollerer skrensingen. Det er utrolig. Det er ikke noe som mennesker kunne klart dette, sier Steinert.

Seinere har bilen Shelley – en ombygd Audi TT – vist at datamaskinen er en like god på racerbanen som den beste rallykjører.

Video fra Stanford University. Chris Gerdes forteller og viser opptak av studentbilen P1 og Shelley på racerbanen.

Tillitsfulle Tesla-eiere

Men publikums tillit vinnes ikke på racerbanen. Den vinnes i den kaotiske hverdagstrafikken.

Er denne tilliten på plass allerede? Videoer på internett kan tyde på det – i litt for stort monn.

Folk leser eller spiser eller sover bak rattet i sin Tesla på autopilot – hvis de da ikke har gitt seg helt over og flyttet til passasjersetet.

• Les også: Intelligente biler tar styringa

Forsøksbil fra Renault

Vil ulykken i Florida gjøre folk mer forsiktige? Kanskje. Uansett – for hver dumdristig Tesla-eier finnes det mange engstelige passasjerer. Hvordan få dem til å sette seg inn i en bil uten sjåfør – uten ratt?

Steinert og kollegene hans arbeider med svaret. I 2014 og 2015 laget de en prototyp på en selvstyrt bil som viser hva den ser – og hva den har tenkt å gjøre.

Prosjektet var et samarbeid mellom TrollLabs på NTNU, Center for Design Research ved Stanford University og Renault.

Lidar og lyslist

Renaulten var utstyrt med en bred lyslist hele veien under og på sidene av dashbordet. Når en hindring dukket opp foran eller på siden av bilen, glødet lyslisten hvitt i samme retning.

– Den skulle ikke gi nøyaktig informasjon. Den skulle bare gjøre deg klar over at bilen ser noe, sier Steinert.

Video fra prosjektet som viser systemet i drift.

Hindringene ble oppdaget med Lidar-instrumenter. De virker som radar, men bruker lys istedenfor korte radiobølger.

Renaulten i forsøket hadde tre Lidarinstrumenter som dekket kjørefeltet framover og ga signaler til lyslisten. En fotgjenger i veien ble for eksempel en diffus lysflekk på lyslisten i retning av fotgjengeren.

Googles selvstyrte bil har et Lidarinstrument med hele 64 stråler. Det gir et mer detaljert bilde rundt hele bilen, men koster også mye mer. Tesla bruker ikke lidar, men vanlige kameraer for å holde oversikten.

Et vennlig rykk i fotplaten

Renaulten i forsøket hadde også en fotplate i pedalhøyde. Når autopiloten hadde oppdaget en hindring, løftet fotplaten seg ørlite.

– En menneskelig sjåfør ville løftet foten og holdt den over bremsepedalen for å være klar til å bremse. Fotplaten ga et vennlig lite rykk, som for å si: Hei, jeg er forberedt, forklarer Steinert.

Affektiv ingeniørkunst

Slike forsøk er eksempler på det Steinert og kollegene hans kaller affektiv ingeniørkunst. Maskiner må lære seg å tolke følelsene til mennesker og ta hensyn til dem.

Det er ikke lett å få til. Følelser er kaotiske. Hvordan skal bilen – eller andre maskiner for den saks skyld – vite om du er trygg eller redd?

Sammen med kollega Stephanie Balters har Steinert skrevet en artikkel om dette i tidsskriftet Journal of Intelligent Manufacturing.

Puls, pupiller og svette

Artikkelen forklarer hvordan du kan måle følelsesreaksjoner på menneskekroppen. Sterke følelser øker for eksempel pulstakten og sperrer opp pupillene.

Sterke følelser får deg også til å svette mer. Svette leder elektrisk strøm. Derfor kan svetten måles som mindre elektrisk motstand i huden.

Skiller ikke mellom glede og sinne

Problemet er at de sterke følelsene kan være positive eller negative. Målingene skiller ikke mellom jublende glede og redsel.

De skiller heller ikke mellom følelser som skyldes trafikken eller noe du hører på nyhetene, for eksempel.

For å finne ut av denne forskjellen, har forskere fram til nå vært nødt til å intervjue forsøkspersonene etterpå.

Hjernen i infrarødt

Nå kan de også ta i bruk skanning av hjernen utenfra i infrarødt lys. Dette kalles nær-infrarød spektroskopi, NIRS.

– Hodeskallen er gjennomsiktig for de infrarøde strålene. Vi kan se blodgjennomstrømmingen i hjernen, sier Stephanie Balters til forskning.no.

Strålene trenger ikke dypere inn en to–tre centimeter, men kan kombineres med tradisjonelle EEG-målinger der elektroder festes til hjernen.

Med slike målinger kan dataprogrammer bygge opp modeller for å påvise følelser, ifølge artikkelen i Journal of Intelligent Manufacturing.

Øyebevegelser i bilsimulator

Nå kan også kameraer tilkoblet dataprogrammer som iMotions analysere øyebevegelser, ansiktsuttrykk og flere kroppssensorer for å tolke følelsene bedre.

iMotions brukes blant annet i Stanfords avanserte bilsimulator, der både Steinert og Balters har gjort forsøk.

Video fra iMotions viser hvordan programvaren brukes i Stanfords bilsimulator for å skaffe data om bilførerens reaksjoner.

Simulatoren lar forskerne prøve ut hvordan sjåføren takler dagens og morgendagens biler.

Sol gir også svette

Likevel – virkeligheten ute i kaotisk hverdagstrafikk er noe annet enn de kontrollerte forholdene i en simulator.

– I solskinn svetter du mer, sier Balters. Svette betyr altså ikke nødvendigvis sterke følelser.

På samme måte kan målinger vise rask puls fordi sjåføren beveger seg. Falske elektriske signaler fra andre muskler slår ut pulsmåleren.

Alle reagerer ulikt

Et annet problem er at resultater fra ett forsøk kan ikke sammenlignes med et annet.

– Folk oppfatter en situasjon veldig forskjellig. Ikke alle reagerer likt når de setter seg inn i en selvstyrt bil, sier Balters.

– Noen stoler på systemet. I simulatoren på Stanford var de passive. Andre var mer engasjerte, fortsetter hun.

Fortsatt på sjåførskole

På mange måter må den selvstyrte bilen vinne passasjerenes tillit – som en hvilken som helst annen sjåfør.

Men de selvstyrte bilene er fortsatt under opplæring. Det er fortsatt situasjoner der de ikke oppdager fare.

Det skjedde i ulykken med en Tesla i Florida. Den varslet aldri føreren om å ta over.

– Systemet som skulle unnvike kollisjon er programmert til å følge med på områder lavt nede foran bilen. Buen av traileren var derfor ikke mulig å oppdage for systemet, og føreren tok ikke over kontrollen, kommenterer Balters.

• Les også: Jeg maskin – du menneske

Bilen bygger tillit

Når de selvstyrte bilene en gang i framtida faktisk klarer førerprøven i alle situasjoner – hvordan skal de vise passasjerene at de kan slappe av – selv om rattet er borte?

Det kan for eksempel skje med lyssignaler og vipping av fotplate – som i Renault-forsøket. Eller det kan skje ved at bilen snakker til passasjeren.

De beste resultatene kom når bilen ikke sa hva den gjorde, men hvorfor den gjorde det, viser en artikkel av Steinert og kolleger i tidsskriftet Journal of Interactive Design and Manufacturing.

– Bilen må lære hvordan det enkelte menneske reagerer. Hvert menneske reagerer forskjellig. Det er ikke sensorene, men tolkningen av dem som er det vanskelige, sier Balters.

Bil og menneske

Menneskene må også være med på å bygge denne tilliten.

– Du må lære oppførselen til bilen. Du må bli vant til det. Mennesket må lære psykologien til bilen og bilen må lære psykologien og fysiologien – kroppsreaksjonene – til mennesket, sier Balters.

I snart tusen år har forelesninger vært den dominerende undervisningsformen i høyere utdanning. Midt i manesjen står foreleseren og går gjennom pensum for studentene som ikke alltid sitter der som tente lys.

Forelesninger er enkelt og behagelig for læreren og kostnadseffektivt for institusjonen. For studentene er det ikke en spesielt effektiv måte å lære på, mener Njål Foldnes, som er førsteamanuensis ved Handelshøyskolen BI.

– Studentens passive rolle hemmer læring og engasjement, sier han.

Gjennomgang av pensum når du er motivert

Foldnes, som blant annet foreleser i matematikk, har eksperimentert med en alternativ måte å undervise på som kalles «flipped classroom». Det oversettes gjerne med «omvendt undervisning». 

Metoden innebærer at gjennomgangen av nytt materiale foregår med videoer som er skreddersydde til undervisningen. Videoene er tilgjengelige på Youtube. Gjennomgangen av pensum la tidligere beslag på mesteparten av undervisningstiden. Studentene kan med den nye metoden heller studere videoene når de er motiverte og konsentrerte.

Undervisningstiden kan i stedet brukes til å praktisere og reflektere rundt det nye stoffet som blir diskutert i videoene.

Delte klassen i to

Njål Foldnes delte en storklasse tilfeldig i to grupper. Den ene gruppen besto av 93 studenter som fikk tilgang til videoer og undervisningsøkter tirsdag ettermiddag. Den andre gruppen, kontrollgruppen, besto av 142 studenter som fulgte ordinære forelesninger hver tirsdag formiddag. 

Ingen av de 142 studentene som fikk beskjed om å følge ordinære forelesninger, sa at de hadde lyst til å være med i gruppen som skulle gjennom det nye undervisningsopplegget.

Derimot var det flere av studentene i eksperimentgruppen som ønsket å bytte over til tradisjonelle forelesninger. Skepsisen forsvant etter et par undervisningsøkter med det nye opplegget. Eksperimentet ble derfor ikke forringet av «overløpere».

Foreleseren blir heller veileder

Studentene i eksperimentgruppen ble så delt inn i faste grupper med seks til åtte studenter som arbeidet sammen i undervisningsøktene. Gruppene ble satt sammen av studenter som ikke kjente hverandre fra før og som representerte ulike karakterer, alder og kjønn. 

Gjennom semesteret løste hver gruppe en rekke oppgaver sammen. Studentene ble etter hvert trygge nok til å argumentere for sine synspunkter, til å hjelpe andre og også til å lytte på andres forslag. I undervisningsøkten løste studentene ulike matteoppgaver og engasjerte seg så i sin gruppe. 

– I stedet for å forelese blir min rolle i undervisningen å veilede studentene, oppklare misforståelser og å motivere, sier Foldnes. 

Lærte mer uten forelesninger

Begge gruppene, både de som fulgte ordinære forelesninger og de som deltok i det nye undervisningsopplegget, hadde til sammen 36 undervisningstimer. Foldnes testet matematikkferdighetene til studentene både før og etter undervisningsperioden.

Studentene i eksperimentgruppen oppnådde vesentlig bedre resultater enn studentene som fulgte tradisjonelle forelesninger. Foldnes kontrollerte for forskjeller i studentenes forkunnskaper.

Fire uker senere ble det avholdt eksamen. Læringseffekten var fortsatt til stede.

Nærmere tre av ti studenter (28 prosent) i eksperimentgruppen oppnådde toppkarakter, mens det tilsvarende tallet var 11 prosent for studentene som fulgte forelesninger. 

Økt engasjement

– De positive resultatene skyldes sannsynligvis økt engasjement og mere aktive læringsformer, antar forskeren. 

En annen positiv effekt er at studentene fikk erfaring med lagarbeid.

– De lærte å argumentere for tankene sine, og de lærte å lytte på andre. Det å kunne fungere i en gruppe sammen med andre er utvilsomt en viktig egenskap i videre studier og karriere, sier han. 

Njål Foldnes er opptatt av at studenter lærer mer den tiden de er i undervisning.

– Høyere utdannelse har lenge vært besynderlig upåvirket av nye digitale teknologier slik som video. Det er det på tide å gjøre noe med.

Referanse:

Njål Foldnes: «The flipped classroom and cooperative learning: Evidence from a randomised experiment». Active Learning in Higher Education mars 2016, doi: 10.1177/1469787415616726. Sammendrag.

Tidligere studier har vist at vi blir glade av å få respons på sosiale medier. En studie fra NTNU viste for et par år siden at ni av ti blir glade når venner liker det vi legger ut på Facebook.

Men nå viser en studie fra University of North Texas at bruk av sosiale medier også kan ha motsatt effekt. Sjekke-appen Tinder kan gi brukere dårligere selvtillit og gjøre dem overdrevent opptatt av eget utseende, tyder studien på.

Halv million norske brukere

Forskerne tok med flest kvinnelige deltakere, for å finne ut hvordan kvinner takler å bli behandlet som et objekt og om selvtilliten deres ble påvirket. Studien tyder litt overraskende på at menn kan være minst like utsatt for å få svekket selvbilde av bruken, som kvinner.

Tinder er en mobil-app for single som skal gjøre det enklere å få kontakt. Den har 50 millioner aktive brukere. Bare i Norge bruker en halv million denne appen, ifølge forsker Berit Skog som forsker på sosiale medier ved NTNU.

Du kan velge og velges bort

Dating-tjenesten fungerer slik: Du får se bilder av kvinner eller menn som er i nærheten, avhengig av hvilket kjønn du foretrekker. Så kan du velge eller velge bort personer basert på hvordan de ser ut, ved å dra bildet til høyre eller venstre.

Hvis to brukere liker hverandres utseende, kan de begynne å kommunisere med hverandre.

I den nye studien ble 1050 kvinner og menn spurt om hva de syntes om sin egen kropp, hvor vel de følte seg psykisk og hvor populære de følte de var. Omtrent ti prosent av deltakerne brukte Tinder.

De ble også spurt om sin sosiale og kulturelle bakgrunn. Alle var studenter.

• Les også: Jenter ser ned på andre jenter som har sexy profilbilder

Mer kroppsfiksert

Brukere av begge kjønn rapporterte at de var mindre fornøyd med utseendet og kroppen sin enn ikke-brukere.

Resultatene ble presentert på den årlige konferansen for den amerikanske psykologforeningen.

– Vi fant ut at både gutter og jenter som brukte Tinder aktivt følte mer skam over kroppen, sammenlignet med de som ikke brukte Tinder, sier forsker Jessica Strübel ved University of North Texas i en pressemelding.

Begge kjønn sammenlignet seg i større grad rent fysisk med andre, og var mer bevisst på egen kropp. De aksepterte også i større grad sosiale oppfatninger av skjønnhet, og stolte på medias informasjon om utseende og attraktivitet, sa Strübel.

Men bare mannlige Tinder-brukere rapporterte om dårligere selvtillit.

En tidligere studie viser at menn som legger ut mange selfier på nett, kan ha asosiale trekk. 

Interessant, men gir få svar

Psykolog Peder Kjøs har sett på studien og synes det er interessant at det er en forskjell mellom de som bruker Tinder og andre når det gjelder synet på egen kropp. Men spaltisten i VG og Klassekampen mener den har flere svakheter.

– Det er flere ting som ikke er besvart. Forskerne har bare målt deltakerne på ett tidspunkt. Dermed sier ikke studien noe om det er selve Tinder-bruken som svekker selvbildet, eller om det er de som er misfornøyd med kropp og utseende som bruker Tinder, forklarer han.

Single kan ha svekket selvbilde 

For det andre er ikke sivilstatusen til brukerne oppgitt.

– Vi kan vel gå ut fra at de fleste Tinderbrukerne er single, men vi vet ikke om den andre gruppen er single eller har kjærester. Man kan tenke seg at de som er single, generelt er mer usikker på sin egen kropp og utseende enn dem som er i et forhold, sier Kjøs.

– Vi kan heller ikke se bort fra at de som er opptatt av eget og andres utseende bruker Tinder, mens andre med andre interesser bruker andre metoder for å komme i kontakt med en mulig kjæreste, sier han.

Psykologen synes dette er spennende å få svar på i fremtidige studier av temaet.

Kritisk til seg selv og andre

Tinder-brukerne føler seg mer utskiftbare i sine sosiale forhold, viser studien. De er mer kritiske og skeptiske til hvordan de ser ut.

De tror dessuten at det alltid er noen bedre rundt hjørnet, selv om de tviler på sin egen sjekkeverdi, ifølge Strübel.

– Resultatet vårt tyder på at menn er minst like negativt påvirket av sosiale medier og får selvtilliten svekket, som kvinner.

• Les også: Du er mest populær når du er 25 år

Stort kroppsfokus

En Tinder-bruker forskning.no har snakket med sier at Tinder ikke er spesielt kropps- og utseendefokusert sammenlignet med andre sosiale datingmedier.

– Men det er mye fokus på å se veltrent, fit og sporty ut, skriver hun i en epost til forskning.no.

Hun har brukt tjenesten i to år, og forteller at det kommer an på dagsformen om den påvirker selvtilliten hennes negativt eller positivt. 

– Jeg blir nedstemt noen ganger, spesielt når det er mange useriøse henvendelser. Andre ganger blir jeg glad og synes det er spennende når jeg treffer på en gutt eller mann som virker oppegående, seriøs og reflektert. Det skjer også av og til. 

Brukeren er singel, og vil være anonym. 

Ifølge henne har hun støtt på like mange seriøse og useriøse menn på andre datingsider, som Match, Sukker og Møteplassen. 

– Det gjelder å lese mellom linjene og kjenne på hvordan en person skriver meldingene for å luke ut de mest useriøse, er hennes råd.

En studie fra Universitetet i Bergen viser at kvinner og unge er mest utsatt for å bli Facebook-avhengige, ifølge NRK. 

Trenger ikke være årsakssammenheng

Også forskerne selv understreker at det ikke nødvendigvis er Tinder som forårsaker dårlig kroppsbilde. Det kan like godt være at de som har lavere selvtillit fra før blir mer dratt mot å bruke denne formen for apper enn andre.

– Tinder-brukere oppgir at de er mindre fornøyd med ansiktet og kroppen sin, og de føler seg mindre verdt enn menn og kvinner som ikke bruker Tinder, ifølge Jessica Strübel ved University of North Texas.

Forskerne mener det trengs mer forskning særlig på langtidseffektene av sjekke-apper som Tinder.

Referanse:

“Love Me Tinder: Objectification and Psychosocial Well-Being,” Poster Session, 4. august, Exhibit Hall, Colorado Convention Center,  Denver.

Så mye som hvert tredje besøk fra hjemmetjenesten i flere kommuner gjennomføres fordi folk har behov for hjelp til å ta medisinen sin.

Tenk om det gikk an å løse denne enkle oppgaven med en elektronisk pilleautomat – en dispenser – som forteller når brukeren skal ta pillene sine, i riktig rekkefølge og mengde. Da kunne hjemmehjelperen frigjøre tid til å gjøre andre oppgaver.

Den elektroniske pilleautomaten er en realitet. Det er eksempel på en ny tjeneste som utfordrer dagens praksis. Den kan løse oppgaven på en enklere og billigere måte, men krever at brukeren er med på leken, og selv gjør jobben.

Hvordan vil brukerne motta den elektroniske pilleautomaten? Hvordan sikre at de pårørende føler seg trygge på at det er god løsning? Hvilke forutsetninger må oppfylles for at den nye pilleautomaten erstatter dagens praksis?

Utfordrer dagens praksis

Ranvir S. Rai har i sitt doktorgradsprosjekt ved Handelshøyskolen BI studert hvilke faktorer som er viktige for at tjenester som bryter med dagens praksis, faktisk blir tatt i bruk og hvordan de blir tatt i bruk over tid.

Han er spesielt opptatt av fremveksten av nye tjenester som i utgangspunktet leverer «dårligere ytelse» enn eksisterende tjenester. Til gjengjeld er de nye løsningene enklere, billigere og mer brukervennlige. Hvis de etter hvert blir oppfattet som gode nok av folk flest, vil de kunne endre eksisterende praksis radikalt.

Denne typen nyskapninger kalles for disruptive innovasjoner; de utfordrer og noen ganger til og med utkonkurrerer eksisterende løsninger. Nyskapninger som Spotify og Netflix er eksempler på disruptive innovasjoner som har endret musikk- og mediebransjen radikalt. Innovasjoner som utfordrer eksisterende praksis, er på fremmarsj også i helse- og utdanningssektoren.

Rai har sett på to teknologibaserte tjenester som har tatt mål av seg å radikalt endre dagens praksis. Den ene innenfor helsesektoren: hjelpe brukere til å ta medisin med en elektronisk pilleautomat i stedet for hjemmehjelp. Den andre innenfor utdanning: introduksjon av en digital bokleser til erstatning for den tradisjonelle pensumboken.

Økt livskvalitet og penger spart

Helsestudien ble gjennomført i Sarpsborg kommune. Kommunen hadde bestemt seg for å prøve ut bruk av de elektroniske pilleautomatene i hjemmehjelpstjenesten. Den elektroniske pilledispenseren varsler brukeren om når hun skal ta sin neste pille.

Rai fulgte introduksjonen av den elektroniske pilledispenseren hos rundt 20 brukere over en periode på to år. I tillegg til å observere hvordan løsningen ble tatt i bruk, gjorde han dybdeintervjuer og intervjuer i fokusgrupper.

Den nye løsningen ble tatt godt imot. Brukerne kunne ta pillene sine selv ved hjelp av den elektroniske pilledispenseren i stedet for hjelp fra hjemmehjelperen. Sarpsborg kommune har spart mye som følge av den nye løsningen. Samtidig har helsepersonellet fått mulighet til å bruke mer tid på brukere som har mer komplekse diagnoser.

Ved å sette brukerne i stand til å ta medisinen sin selv har flere av dem fått mulighet til å gjøre aktiviteter de ikke var i stand til tidligere.

– Den nye løsningen har for flere av brukerne vist seg å være en døråpner til økt livskvalitet, sier Ranvir S. Rai.

Må passe inn

En ny løsning vil ofte utfordre eksisterende praksis og dermed møte motstand. For å lykkes med å innføre nye teknologiske løsninger, er det avgjørende hvordan man introduserer den, ikke bare for brukeren, men også for pårørende og ansatte som tilbyr tjenesten.

I tillegg er det ifølge Rai viktig at den nye løsningen må fungere godt i den sammenhengen den skal brukes. Den må i tillegg harmonere med øvrig praksis.

– Nye tjenester kan ikke utvikles i vakuum. Før tjenesten utvikles, må en utvikle en inngående forståelse av eksisterende praksis og hvordan den nye tjenesten kan fungere sammen med andre oppgaver som skal gjøres, sier Rai.

Referanse:

Ranvir S. Rai. «Innovating in Practice: A Practice-Theoretical Exploration of Discontinuous Service Innovations». Doktoravhandling, Handelshøyskolen BI, august 2016. Sammendrag

Andelen eldre øker raskt, levealderen øker og stadig flere kommer til å trenge hjelp og helsetjenester hjemme. Blant annet til opptrening etter fall – eller forebyggende trening for å holde balansen og for å få bedre styrke til å greie ulike oppgaver på egenhånd.

«Stå med føtene saman, sving med armane – og køyr!». De som har levd noen år, vil huske TV-programmet «Trim for eldre». Mange godt voksne omkring i det ganske land sto i stuene sine og fulgte instruksjonene på TV-skjermen, akkompagnert av pianospill. Balansetrening og styrketrening, gjennomført på hjemmebane.

I dag bruker en del land videokommunikasjon i hverdagsrehabilitering. Det kan kalles et slags moderne «Trim for eldre», men som også tilpasser seg dine behov. 

En studie av hverdagsrehabilitering som gjennomføres via videokommunikasjon, viser at eldre er relativt positive til slike tiltak. Utfordringen er å få kommuner og helsepersonell til å ta teknologien i bruk.

Skyper med barnebarna

– Mange eldre i dag er vant med å bruke Skype for å kommunisere med barnebarn som bor langt unna, og mange er vant med Ipad og touch-teknologi, sier førsteamanuensis Ralf Kirchhoff ved NTNU i Ålesund.

– Denne kunnskapen har overføringsverdi til den relativt enkle teknologien som kan brukes i hverdagsrehabilitering via videokommunikasjon. Det å bruke velkjent teknologi på denne måten er ennå et uutnyttet felt i Norge, sier han.

Australia, Storbritannia, Sverige og USA er eksempler på land som har kommet langt i å høste erfaringer med velferdsteknologi.

Kirchhoff har i samarbeid med universitetslektor Helen Berg gjort en undersøkelse basert på elleve empiriske studier. Den viser altså at eldre pasienter i hovedsak er fornøyde med å ta i bruk videokommunikasjon i opptrening hjemme.

Mye reisetid i grisgrendte strøk

Kirchhoff peker på at en av de største utfordringene for eldre som trenger rehabilitering i dag, er at de ofte må forholde seg til svært mange ulike personer.

Store avstander i et grisgrendt land som Norge byr også på problemer.

– Det går med mye tid på reising for spesialisert helsepersonell som skal assistere med rehabilitering hjemme. Med videokommunikasjon kan fysioterapeuten eller ergoterapeuten bruke tiden mer effektivt på oppfølging av hver enkelt pasient, i stedet for å bruke tid på å reise rundt til dem, sier Kirchhoff.

Gjennom videoteknologi kan fysioterapeuten eller ergoterapeuten gi opplæring og oppfølging til både pasienten selv og eventuelt opplæring og veiledning til hjemmehjelpstjenesten som bistår dem hjemme.

– Innføring av det man på fagspråket kaller telerehabilitering vil trolig gjøre det lettere å nå flere pasienter der de bor, særlig i lite befolkede områder. Primært kan ergo- og fysioterapeuter veilede pasienter og helsepersonell fra hjemmetjenesten ved bruk av video, i en toveiskommunikasjon, for å sikre at øvelser blir utført korrekt. Dermed øker også effekten av tjenesten, konkluderer Helen Berg.

Helsepersonell og kommuner er skeptiske

Studien viser altså at det ikke er de eldre som bremser innføring av teknologien. Men hos helsepersonell finnes en del skepsis. Kirchhoff tror det henger sammen med at teknologien ennå ikke er integrert i sykepleierutdanningene eller andre helseutdanninger i Norge.

Den aller største utfordringen står kommunene for.

– For kommunene er dette ukjent terreng, og mange er per i dag ganske uforberedt på å ta i bruk velferdsteknologi, sier Kirchhoff.

Han trekker fram flere grunner til dette. For eksempel må det bygges ny infrastruktur, noe som er krevende. Innføring av velferdsteknologi krever også langsiktig og koordinert planlegging, og ikke alle kommuner er så gode på det. Det kan ha sammenheng med manglende kompetanse, for eksempel hos de som bestiller og drifter helsetilbudet, eller så kan kommunestørrelse og kommunenes økonomiske handlingsrom virke hemmende.

Må ha et parallelt ikke-teknologisk tilbud

Selv om mange eldre er positive, er det også mange som synes den nye teknologien både er vanskelig og upersonlig.

– Hvis en kommune innfører en slik velferdsteknologibasert løsning, vil enkelte føle seg tvunget til å ta i bruk noe de ikke ønsker eller føler at de ikke behersker. Derfor er det viktig at en kommune som innfører det, også må ha et parallelt ikke-teknologibasert system, understreker Kirchhoff.

Dette er altså ikke en quick fix for alle, men en ny måte å tilby tjenester på, hvor målet er at tilbudet til de som trenger rehabilitering, blir bedre.

– Det skjer en del prøvevirksomhet knyttet til velferdsteknologi i norske kommuner, men det stopper som oftest opp etter utprøving. Det mangler koordinering for å samle erfaringene slik at man kan bruke dem for å gå videre på, sier Ralf Kirchhoff.

Forskerne mener at studien i så måte kan gi grunnlag for å planlegge, gjennomføre og prøve ut denne type velferdsteknologien mer systematisk og koordinert. 

Referanse: 

Ralf Kirchhoff og Helen Berg, Bruk av videokommunikasjonsteknologi i hverdags- og/eller telerehabilitering, Sykepleien, nr. 2, 2016.