Användning av stora datamaterial kräver god kognitiv ergonomi

Report this content

Informationsmängdens explosionsartade ökning skapar omfattande datamaterial som förväntas hjälpa människorna att lösa samhällets problem. Människans tankearbete har emellertid vissa begränsningar som bör beaktas vid planeringen av datasystem och användningen av artificiell intelligens. Interaktionen mellan människa och data kan underlättas genom att kombinera kognitiv ergonomi med teknologiska metoder, visar en undersökning utförd vid Arbetshälsoinstitutet och Helsingfors universitet.  

Arbetshälsodagarna 8-9.10.2019, Helsingfors Mässcentrum, Pressmeddelande 44/2019, Fritt för publicering 8.10.2019 kl. 11.35

– Databaserat beslutsfattande förutsätter en fungerande interaktion mellan människa och data, understryker ledande forskare Virpi Kalakoski vid Arbetshälsoinstitutet.

– Vår undersökning visade att människor förmår använda endast en begränsad mängd av den presenterade informationen. Ju mer information man måste behandla, desto färre blir antalet riktiga beslut.

I undersökningen fick deltagarna ta del av relevant och irrelevant information om två olika arbetstagargrupper. Uppgiften var att avgöra i vilkendera gruppen belastningen var störst.

Deltagarnas beslut grundade sig inte enbart på relevant information, utan i oklara fall använde man sig av information som var irrelevant med avseende på uppgiften.

– Liknande beslutssituationer kan var och en bli ställd inför. Allt större informationsmängder behandlas vid lösningen av problem på samhälls- och organisationsnivå, liksom även på individnivå. Till exempel i organisationer arbetar man fortlöpande med att utvärdera organisationens ekonomiska ställning och verksamhetens resultat, men beslutsfattandet påverkas av typiska felaktigheter i sättet att tänka. Den information som presenteras sist vid en kvalitetsrevision verkar få onödigt stor betydelse. Vid resultatbedömningar klarar sig däremot de arbetstagare bäst vars starka sidor visar sig i början, och inte i senare presenterade resultatmätningar, säger Kalakoski.

Beslutsfattandet och användningen av stora datamängder kan dock underlättas med hjälp av kognitiv ergonomi och ny teknologi, till exempel artificiell intelligens.

Kännedom om det mänskliga tänkandets begränsningar underlättar användningen av stora datamängder 

Med hjälp av väldesignade system är det lättare att strukturera relevanta detaljer och observera nya faktorer i stora uppsättningar av data. Detta ökar beslutsfattarens medvetenhet om sådan irrelevant information som kan påverka tänkandet och leda till felaktiga beslut.

– En friktionsfri interaktion mellan människa och maskin kräver en ny typ av metoder för artificiell intelligens som beaktar det mänskliga tänkandets begränsningar, säger biträdande professor Kai Puolamäki vid Helsingfors universitet.

– Detsamma gäller visualiseringen och presentationen av den information som produceras med hjälp av algoritmer. Sättet på vilket resultaten presenteras påverkar resultaten och slutsatserna av analysprocessen.

Människor har lättare att skapa sig en bild av en situation när informationen ges i lämpliga portioner, på ett strukturerat sätt och i vettig ordning. Samtidigt undviker man att information som presenteras först eller sist får onödigt stor betydelse vid beslutsfattandet.

I Arbetshälsoinstitutets och Helsingfors universitets undersökning simulerades vissa centrala kognitiva krav vid databaserat beslutsfattande. Deltagarna fick ta del av relevant och irrelevant information om två olika arbetstagargrupper. Uppgiften var att avgöra i vilkendera gruppen belastningen var störst. Undersökningen genomfördes vid Arbetshälsoinstitutet som en del av biträdande professor Kai Puolamäki forskningsprojekt vid Helsingfors universitets avdelning för datavetenskap: Human-guided data analysis, akademiprojekt finansierat av Finlands Akademi 1.9.2015-31.8.2019 och Structure from Randomization, akademiprojekt finansierat av Finlands Akademi inom ramen för ICT2023-programmet 1.1.2018-31.12.2019.

Publikation: Kalakoski, V., Henelius, A., Oikarinen, E., Ukkonen, A. & Puolamäki K. (2019). Cognitive ergonomics for data analysis. Experimental study of cognitive limitations in a data-based judgement task, Behaviour & Information Technology, 38 (10), 1038-1047. https://doi.org/10.1080/0144929X.2019.1657181

Mer information:

Virpi Kalakoski, ledande forskare, Arbetshälsoinstitutet, tfn 046 851 4008, virpi.kalakoski[at]ttl.fi

Kai Puolamäki, biträdande professor, Helsingfors universitet, tfn 050 522 8111, kai.puolamaki[at]helsinki.fi

Mediatjänster
Kristiina Kulha, specialexpert
Arbetshälsoinstitutet, Helsingfors
tfn. 358 40 5486914, 358 30 474 2551

Tiina Kaksonen, specialexpert
Arbetshälsoinstitutet, Uleåborg
tfn. 358 30 474 3015, 358 50 3643158
www.ttl.fi

Arbetshälsoinstitutet är en finländsk forsknings-, utvecklings- och expertinstans inom området för arbetsvälbefinnande. Verksamhetens syfte är att främja hälsa och säkerhet i arbetet och öka arbetstagarnas välbefinnande. Institutet är ett självständigt offentligrättsligt samfund inom social- och hälsovårdsministeriets förvaltningssektor med verksamhetsställen på fem orter och huvudkontor i Helsingfors, Finland. Verksamheten finansieras till hälften av statsmedel. Arbetshälsoinstitutet har cirka 500 anställda.

Media

Media

Citat

Vår undersökning visade att människor förmår använda endast en begränsad mängd av den presenterade informationen. Ju mer information man måste behandla, desto färre blir antalet riktiga beslut.
Ledande forskare Virpi Kalakoski, Arbetshälsoinstitutet
Liknande beslutssituationer kan var och en bli ställd inför. Allt större informationsmängder behandlas vid lösningen av problem på samhälls- och organisationsnivå, liksom även på individnivå. Till exempel i organisationer arbetar man fortlöpande med att utvärdera organisationens ekonomiska ställning och verksamhetens resultat, men beslutsfattandet påverkas av typiska felaktigheter i sättet att tänka. Den information som presenteras sist vid en kvalitetsrevision verkar få onödigt stor betydelse. Vid resultatbedömningar klarar sig däremot de arbetstagare bäst vars starka sidor visar sig i början, och inte i senare presenterade resultatmätningar.
Ledande forskare Virpi Kalakoski, Arbetshälsoinstitutet