Crowdsourcing Urban Planning

Facebook Twitter Pinterest

magasinsgatan

 

För typ ett år sedan gjorde Robin och Adam sitt exjobb här hos oss på inobi. Efter lite, öhh, betänketid kommer nu äntligen ett blogginlägg som beskriver vad det egentligen var de utforskade. Annat än att snylta kaffe, bidra till allmän trevnad och fnissa hysteriskt åt Laban-strippar (vi vet, viss form av komik hoppar en generation. eller två). Håll till godo, här kommer inlägget.

 

Våren 2015 fick min gode vän Robin Gabre och jag, Adam Szakal, nöjet att göra vårt examensarbete hos de goda människorna hos inobi. Robin och jag var båda två Chalmersstudenter på programmet Interaction Design and Technologies ute på Lindholmen och nu låter detta som början på en romantisk berättelse men där måste jag tyvärr göra er besvikna(?) för detta minst sagt försenade blogginlägg ska ta er med på den resan som var examensrapport 2015:152 – Crowdsourcing Urban Planning.

Tesen hade som mål att undersöka huruvida kunskaper och insikter kring interaktionsdesign kan användas för att bidra till utvecklingen av fysiska möteplatser. Fysiska möten är som bekant väldans viktiga vektorer för acceptansbildning och förståelse kulturer sinsemellan och skapar mången tillfälle för samarbete. Med andra ord så är mänskliga möten en absolut grund för ett välfungerande samhälle. Tesen bygger på inobis egna teoretiska ramverk kring hur dessa möten skapas och fortplantas, där dynamiken kring dessa möten benämns som interstrukturer. I urbana miljöer är dessa interstrukturer tyvärr sällan ändamålsenligt byggda för att aktiv generera socialt gränsöverskridande möten, utan råkar oftast vara (o)lyckliga sammanträffanden. Dessutom så saknas det kontemporära metoder och verktyg för att effektivt skapa interstrukturanalyser. Det var främst här, i utvecklingen av metod och verktyg, denna tesen siktade på att bidra i form av riktlinjer för framtida analyser.

 

Inobis aktuella metod för att utföra en interstrukturanalys var att skicka ut en anställd med en GIS-utrustad* surfplatta till det område som man önskade analysera. Väl på plats så hade en förberedande kartläggning identifierat ett gäng särskilt viktiga platser dit den utsände skulle befinna sig och notera statusen på en rad faktorer på just den platsen. Kråksången i operetten fanns i kvantiteten – ett större område har ofta över hundratalet identifierade nyckelplatser med cirka sextiotalet faktorer att notera på vart enda en av dessa. Detta ledde till att mötesplatsanalyser kunde bli en tidskrävande och ineffektiv process, och vars frågor dessutom riskerade att bli besvarade subjektivt. Lösningen på detta, tänktes det, var att via en app eller annan fiffig lösning dela upp och outsourca denna datainsamling till en större mängd användare och på så sätt sopa två datakvalitetsflugor i en smäll.

 

* Geographic Information System, en kraftfull mjukvaruplattform för att hantera geografiska kartläggningar.

 

Designarbetet började med att utreda plattformsalternativen för en sådan här lösning. Föga förvånande så trumfade smartphoneapplikationen andra alternativ som RFID-taggar och specialutvecklade kameror med hästlängder, både vad gäller effektivitet och tillgänglighet. Ibland så är första också det bästa. Med det avklarat så började arbetet med att faktiskt utforska problem och möjligheter som riktlinjerna skulle manövrera via, genom att iterativt utveckla prototyper och sedan utvärdera dessa. Under trycket från en väletablerad och effektiv men måttligt akademisk process av “Otaliga timmar diskussioner, hätskt resonemang och rent tjafs” så jämnades bulorna i ett eventuellt användarflödet ut allt mer, för att till slut mynna ut i någon slags konsensus. Denna har formulerats nedan i form av två riktlinjer vid utformning av en applösning för crowdsourcing av interstrukturanalyser:

 

1. Ha i åtanke vilken kvantitet och typ av data som behöver samlas in.

 

En interstrukturanalys som adresserar alla de teoretiska aspekterna av området innehåller flera olika typer av data: subjektiv, objektiv, kvantitativt och kvalitativ. Inte alla former av data bör samlas in genom en användares manuella interaktion. Först det första – är datamängden för stor för att kunna hanteras av en människa? Ett typiskt exempel på detta är loggning av rutter, som genererar en osalig mängd koordinater, långt mer än vad en genomsnittlig människa orkar hantera, ens efter 10:15-kaffet.

 

För det andra – är det troligt för användarna att tolka sitt beteende mer effektivt eller precis än vad en automatiserad användning hade kunnat göra? Här kan både brist på ordentlig översikt eller möjlighet till kvantifikation av ens handlingar vara käppar i hjulet. Exempelvis så kan ens position uttryckas både subjektivt (“utanför 7-11 vid Grönsakstorget”) eller objektivt (40°43’06.6″N, 73°56’54.2”W). Den första formen är såklart mindre geografiskt exakt men innefattar en massa annan tolkningsbar data, så som vilka landmärken en användare kan väntas använda sig av i en viss kontext.

 

2. Kombinera inneboende eller yttre motivation för att få en bättre spridning på användarnas engagemang.

 

Studier har visat att att inneboende motivation, såsom nyfikenhet, kan få användare från alla typer av sociala sektorer att delta men att långvarigt deltagande i väldigt stor utsträckning motiveras av yttre motivation, i form av pengar eller annat för att kompensera för ens tid. (Kaufmann et al. 2011) (Ross et al. 2010) Inneboende motivation kan dock komma ifrån ett sympatiserande med projektets mål vilket gör det oerhört viktigt att kommunicera dessa på ett tydligt och attraktivt sätt.

 

För att knyta ihop denna textsäck med några klyschor så var det var ett gäng väldigt lärorika månader vi hade på inobi. Självklart var det inte utan lite sveda och värk som vi var så gröna – projektets uppstartsfas blev nog lite i längsta laget, då vi skulle sätta oss in i (läs: skrapa på ytan av) teorierna kring samhällsplanering, sociologi och hur arkitekturens roll i dessa – ett oerhört intressant område dock! (Tack för lånet av boken om Corbusier, Fredrik!)

 

Vi skulle vilja tacka alla på inobi-kontoret för att timmarna ni lagt ner på diskussioner och att svara på våra dumma frågor. Också en en eloge för det godaste automatkaffet jag druckit.

 

– Adam Szakal