Οι επιστήμονες υπολογιστών έχουν αναπτύξει έναν τρόπο μέτρησης της άνεσης και της συγκέντρωσης του προσωπικού σε ευέλικτους χώρους εργασίας, χρησιμοποιώντας τεχνητή νοημοσύνη.
Ενώ το hot-desking και η δραστηριότητα βάσει εργασίας, επιτρέπουν εξοικονόμηση κόστους και μεγαλύτερη ευελιξία – και θεωρείτα ότι αυξάνουν τη συνεργασία και την ικανοποίηση του προσωπικού, μελέτες έρχονται για να δείξουν ότι ο θόρυβος και η προβλήματα στην “privacy” του προσωπικού, μπορεί να οδηγήσει σε απόσπαση προσοχής,
Με τους περιορισμούς του SARS-CoV-2 να αρχίζουν να ελαττώνονται σε ορισμένα μέρη του κόσμου ( – αν και οι χθεσινές ανακοινώσεις για την χώρα μας ήταν λιγάκι ανησυχητικές ) και οι εργοδότες να σχεδιάζουν την επιστροφή στην office-based εργασία, ένα νέο σύστημα βασισμένο σε αισθητήρες που αναπτύχθηκε από την RMIT και την Arup μπορεί να προσφέρει πληροφορίες για το πώς να αξιοποιήσετε στο έπακρο τους ευέλικτους χώρους εργασίας.
Η ομάδα RMIT, οπού βρίσκεται πίσω από τη μελέτη, είναι ειδικοί στη χρήση της τεχνητής νοημοσύνης για την ανάλυση ανθρώπινων συμπεριφορών.
Για αυτό το project, συνεργάστηκαν με ψυχολόγους για να εντοπίσουν διάφορες βασικές μεταβλητές για τα επίπεδα συγκέντρωσης και άνεσης στα εργασιακά περιβάλλοντα, και έπειτα ξεκίνησαν τη μέτρηση αυτών με αισθητήρες.
Συνεργάστηκαν με την παγκόσμια εταιρεία σχεδιασμού και μηχανικής, Arup, για να αναπτύξουν και να δοκιμάσουν το νέο τους σύστημα με γνώμονα την τεχνητή νοημοσύνη σε 31 υπαλλήλους σε δύο από τα γραφεία εργασίας της εταιρείας για τέσσερις εβδομάδες. Ο επικεφαλής συγγραφέας της μελέτης και ερευνητικός συνεργάτης στη Σχολή Επιστημών του Πανεπιστημίου RMIT, Δρ Mohammad Saiedur Rahaman, δήλωσε ότι τα δεδομένα συλλέχθηκαν για τα επίπεδα θορύβου, τη θερμοκρασία εσωτερικού χώρου και την ποιότητα του αέρα, την υγρασία, την πίεση του αέρα και ακόμη και τα ηλεκτρομαγνητικά πεδία. “Χρησιμοποιήσαμε αυτές τις πληροφορίες μαζί με δεδομένα έρευνας για να εκπαιδεύσουμε αλγόριθμους μηχανικής μάθησης ( machine learning) που θα μπορούσαν να προσδιορίσουν μοτίβα στην αντιληπτή συγκέντρωση και δραστηριότητα, και στη συνέχεια παρείχαμε λύσεις για να κάνουμε αυτούς τους χώρους να λειτουργούν καλύτερα για τους ανθρώπους”, δήλωσε ο Rahaman.
Τι βρήκαν τελικά;
To προσωπικό ήταν γενικά υποστηρικτικό της οργάνωσης εργασίας βάσει δραστηριότητας.
Ωστόσο, τα δεδομένα έδειξαν ότι διαφορετικά άτομα συγκεντρώθηκαν καλύτερα σε διαφορετικές ζώνες, καθώς και άλλα σημαντικά στοιχεία για τη διαχείριση του προσωπικού στο χώρο.
Για παράδειγμα, πολλοί άνθρωποι είχαν ένα αγαπημένο σημείο – όπως κοντά στο παράθυρο, την κουζίνα ή τον διευθυντή τους – και βρήκαν τη συγκέντρωση πιο δύσκολη αν δεν μπορούσαν να καθίσουν εκεί. Ήταν επίσης πιο ευαίσθητοι στο ότι η θερμοκρασία του γραφείου δεν ήταν ακριβώς σωστή αν χάσει την αγαπημένη του θέση.
Ανεξάρτητα από το πού κάθισαν, η θερμοκρασία του γραφείου ήταν ένας σημαντικός παράγοντας στο πόσο άνετα και συγκεντρωμένα άτομα ήταν.
Οι περισσότεροι έβρισκαν θερμοκρασίες κάτω των 22,5 ° C πολύ κρύες για να συγκεντρωθούν πλήρως και, καθώς προχωρούσε η ημέρα, παρατηρήθηκε ότι οι άνθρωποι γίνονται όλο και πιο ευαίσθητοι σε αυτό.
Μια σημαντική επιρροή στην αντιληπτή συγκέντρωση τα πρωινά, αναπάντεχα, ήταν η ποιότητα του ύπνου την προηγούμενη νύχτα.
Μετρήθηκαν επίσης οι “άτυπες συναντήσεις” – οι τρέχουσες ενέργειες που ενθαρρύνονταν από τη δραστηριότητα βάσει δραστηριοτήτων. Ενώ προτιμούσαν ορισμένοι εργαζόμενοι και μπορούσαν να χρησιμοποιηθούν για τη μείωση του αριθμού των επίσημων συναντήσεων, θεωρήθηκαν ως μια άλλη πηγή απόσπασης της προσοχής για άλλους.
Ο Rahaman είπε ότι τα υψηλά επίπεδα CO2, λόγω της υψηλής πυκνότητας κατοίκων, ήταν επίσης εμπόδιο στην ικανότητα συγκέντρωσης των ανθρώπων.
“Τα αποτελέσματα για το CO2 και τη θερμική άνεση υπογραμμίζουν πόσο σημαντικό είναι ένα υψηλής ποιότητας σύστημα θέρμανσης, ψύξης και εξαερισμού στο σχεδιασμό γραφείων, καθώς και σε εσωτερικές εγκαταστάσεις για τη μείωση του CO2”, δήλωσε ο Rahaman.
Βελτίωση των χώρων εργασίας
“Βλέπουμε ότι αυτός ο τύπος συστήματος έχει τη δυνατότητα να χρησιμοποιηθεί τελικά για να επιτρέψει τη λήψη ενημερωμένων αποφάσεων σχετικά με το σχεδιασμό και τη διάταξη του χώρου εργασίας ή ακόμη και να προτείνει στους ανθρώπους πότε να κάνουν διαλείμματα, ποια ζώνη μπορεί να τους ταιριάζει καλύτερα και ούτω καθεξής””, είπε ο Ραχμάν.
Ο μηχανικός της Arup και συνεργάτης του έργου, Shaw Kudo, δήλωσε ότι πέρα από τις χρήσιμες γνώσεις στο γραφείο τους, το είδαν επίσης ως ευκαιρία να βοηθήσουν την ευρύτερη βιομηχανία ακινήτων.
“Τα σύγχρονα γραφεία, νέα και υπάρχοντα, είναι πιθανό να υποστούν αλλαγές και ενδεχομένως να επανασχεδιάσουν τους χώρους εργασίας μετά το COVID-19”, είπε.
“Τα πολύτιμα ευρήματα από αυτήν την εργασία μπορούν να τροφοδοτήσουν μελλοντικά σχέδια και να επιτρέψουν στην Arup να εξυπηρετήσει καλύτερα τους πελάτες μας καθώς σχεδιάζουν το μελλοντικό τους χώρο εργασίας – είτε πρόκειται για νέα κατασκευή είτε για επιστροφή στο γραφείο μετά το COVID-19.”
Ο συνάδελφός του μηχανικός Arup, Tim Rawling, δήλωσε ότι προσπαθούν επίσης να προσαρμόσουν το έργο για να αξιολογήσουν τον αντίκτυπο της εργασίας από το σπίτι στην εργασιακή εμπειρία των ανθρώπων, δεδομένης της μεταβλητότητας στους χώρους.
«Δεδομένου του μεταβαλλόμενου τοπίου των εργασιακών περιβαλλόντων, είμαστε ενθουσιασμένοι από την ευκαιρία να διερευνήσουμε την εφαρμογή αυτής της έρευνας σε νέα εργασιακά περιβάλλοντα και ευέλικτες εργασιακές ρυθμίσεις», είπε.
Ο επικεφαλής της μελέτης από τη Σχολή Επιστημών του RMIT, αναπληρώτρια καθηγήτρια Flora Salim, δήλωσε ότι οι πρόσφατες τεχνολογικές εξελίξεις και ο πολλαπλασιασμός των διαδεδομένων τεχνολογιών είχαν ανοίξει πολλές ευκαιρίες για τη συλλογή δεδομένων από διάφορους αισθητήρες και έξυπνες συσκευές.
“Παρά τις μυριάδες εφαρμογές που εκμεταλλεύονται αυτά τα δεδομένα για έξυπνα συστήματα λήψης αποφάσεων, αυτή είναι η πρώτη έρευνα που γνωρίζουμε ότι έχει χρησιμοποιήσει παθητική ανίχνευση παθητικά για να μετρήσει τα επίπεδα συγκέντρωσης που αντιλαμβάνονται οι εργαζόμενοι ενώ εργάζονται”, δήλωσε ο Salim.
“Ελπίζουμε ότι μπορεί να συμβάλει ουσιαστικά σε εργασιακές πρακτικές που αντικατοπτρίζουν αυτό που οι άνθρωποι χρειάζονται για να επιτύχουν τα καλύτερα.”
Πηγή:
Rahaman et al. (2020). An Ambient-Physical System to Infer Concentration in Open-plan Workplace. IEEE Internet of Things Journal. DOI: https://doi.org/10.1109/JIOT.2020.2996219
