This paper describes a participatory design-oriented study of an ambient assisted living system for monitoring the daily activities of elderly residents. The work presented addresses these questions 1) What daily activities the elderly participants like to be monitored, 2) With whom they would want to share this monitored data and 3) How a monitoring system for the elderly should be designed. For this purpose, this paper discusses the study results and participatory design techniques used to exemplify and understand desired ambient-assisted living scenarios and information sharing needs. Particularly, an interactive dollhouse is presented as a method for including the elderly in the design and requirements gathering process for residential monitoring. The study results indicate the importance of exemplifying ambient-assisted living scenarios to involve the elderly and so to increase acceptance and utility of such systems. The preliminary studies presented show that the participants were willing to have most of their daily activities monitored. However, they mostly wanted to keep control over their own data and share this information with medical specialists and particularly not with their fellow elderly neighbours.
MULTIFILE
ADAS- Monitor Advanced Driver Assistent Systems (ADAS) worden gezien als een middel om de verkeersveiligheidsstreefdoelstellingen uit het Strategisch Plan Verkeersveiligheid 2030 en de Europese beleidsstukken te behalen. Naast de veelal technische uitdagingen en ontwikkelingen die ADAS momenteel doormaken, wordt in de breedte van de automotive sector benadrukt dat het gebruik en de bekendheid van ADAS bij automobilisten te wensen overlaat waardoor de potentie van ADAS voor de verkeersveiligheid niet optimaal wordt benut. De ADAS alliantie , een samenwerking van meer dan 60 bedrijven, overheden en kennisinstellingen, heeft als doel gesteld het (veilig)gebruik van ADAS met 20% te bevorderen. Echter, ontbreekt actuele informatie met betrekking tot de bekendheid van, het vertrouwen in en het daadwerkelijke gebruik door automobilisten. In dit onderzoek staat de periodieke monitoring van de gebruikersadaptatie centraal waarbij de bekendheid van, de acceptatie, het percentage daadwerkelijk gebruik van ADAS door automobilisten wordt gepresenteerd doormiddel van een (digitaal) dashboard. Een divers samengesteld consortium voert het onderzoek uit en maakt daarbij gebruik van een groter netwerk om de benodigde data te vergaren en voor disseminatie. Het onderzoek bestaat uit een werkpakket waarin de gebruikersadapatie doormiddel van vragenlijstonderzoek wordt vastgesteld en een werkpakket waarin iteratief het concept ontwerp leidt tot een prototype dashboard. Het resultaat van dit onderzoek is een werkend prototype van een ADAS-dashboard. Wanneer het prototype wordt vertaalt naar een definitief ontwerp, blijft het tot vijf jaar na presentatie geüpdatet met recente data. Het ADAS-dashboard bevat een visuele en digitale weergave van het onderzoek naar het gebruikersperspectief en wordt indien gewenst uitgebreid met andere relevante data. Wanneer het ADAS dashboard is gerealiseerd, kan het zowel voor beleidsmakers en bedrijven ingezet worden om keuzes te onderbouwen of om ontwikkelingen op te baseren als ook om communicatiestrategieën te ontwikkelen waarmee het gebruik wordt bevorderd.
In de schoonmaakbranche is de werkdruk hoog . Hierdoor worden gebouwen dagelijks niet goed genoeg schoongemaakt. Er heerst krapte op de arbeidsmarkt. Schoonmaakwerk is vooral handmatig werk en is ook zwaar werk. De schoonmaakbranche is dringend op zoek naar technologische oplossingen die het werk in de toekomst kunnen verlichten. Eén van die technologische oplossingen is de introductie van schoonmaakrobots , die op dit moment mondjesmaat op de markt worden gebracht. Schoonmaakorganisaties weten nog niet goed hoe deze robots efficiënt in te zetten, het vergt nog veel tijd om ze te kunnen gebruiken en schoonmaakmedewerkers zijn terughoudend om ermee te werken. Het project Assisted Cleaning Robots (ACR) richt zich op de volgende onderzoeksvraag: “hoe integreer je robottechnologie in het werkproces in de schoonmaakbranche, zodat een robot enerzijds zo optimaal mogelijk het werkproces ondersteunt, en anderzijds zo optimaal mogelijk met de mens samenwerkt.” Wat hierin optimaal is en hoe dit gemeten kan worden, is onderdeel van het onderzoek en is afhankelijk van de technologische mogelijkheden, de mensen die er mee werken, en de werkomgeving. In dit project werken Fontys Hogeschool Engineering, Fontys Hogeschool Techniek & Logistiek en de Haagse Hogeschool samen met schoonmaakorganisaties CSU en Hectas en andere bedrijven (toeleveranciers van schoonmaakrobots als ontwikkelaars), nationaal samenwerkingsverband Holland Robotics en brancheorganisatie Schoonmakend Nederland. Dit project kent een looptijd van twee jaar en gaat van start op 1 november 2021. In dit project worden nieuwe schoonmaakprocessen gedefinieerd en wordt op basis van deze processen technologie ontwikkeld (waar doorgaans eerst een nieuw product wordt ontwikkeld en daarna pas gekeken naar hoe dit product in te zetten). In dit project staat de mens die met de technologie in het proces moet gaan werken centraal. De technologie en het proces worden gevalideerd middels praktijktests met de betrokken schoonmaakorganisaties, op representatieve locaties. Hieruit worden lessen getrokken voor verbeteringen.
The focus of the research is 'Automated Analysis of Human Performance Data'. The three interconnected main components are (i)Human Performance (ii) Monitoring Human Performance and (iii) Automated Data Analysis . Human Performance is both the process and result of the person interacting with context to engage in tasks, whereas the performance range is determined by the interaction between the person and the context. Cheap and reliable wearable sensors allow for gathering large amounts of data, which is very useful for understanding, and possibly predicting, the performance of the user. Given the amount of data generated by such sensors, manual analysis becomes infeasible; tools should be devised for performing automated analysis looking for patterns, features, and anomalies. Such tools can help transform wearable sensors into reliable high resolution devices and help experts analyse wearable sensor data in the context of human performance, and use it for diagnosis and intervention purposes. Shyr and Spisic describe Automated Data Analysis as follows: Automated data analysis provides a systematic process of inspecting, cleaning, transforming, and modelling data with the goal of discovering useful information, suggesting conclusions and supporting decision making for further analysis. Their philosophy is to do the tedious part of the work automatically, and allow experts to focus on performing their research and applying their domain knowledge. However, automated data analysis means that the system has to teach itself to interpret interim results and do iterations. Knuth stated: Science is knowledge which we understand so well that we can teach it to a computer; and if we don't fully understand something, it is an art to deal with it.[Knuth, 1974]. The knowledge on Human Performance and its Monitoring is to be 'taught' to the system. To be able to construct automated analysis systems, an overview of the essential processes and components of these systems is needed.Knuth Since the notion of an algorithm or a computer program provides us with an extremely useful test for the depth of our knowledge about any given subject, the process of going from an art to a science means that we learn how to automate something.
