Vilken medvetenhet och erfarenhet har gemene man om
sitt deltagande vid insamling av big data?
Författare: Bergerheim Jonas, Cederquist Fredric och Nilsson Kristian
Hösttermin 2019
Uppsatsarbete, Kandidatnivå, 15 hp Ämne: Informatik
Handelshögskolan vid Örebro universitet Handledare: Ann-Sofie Hellberg
Sammanfattning
I takt med den teknologiska utvecklingen så samlas det in allt mer och mer data om oss människor. Datan från insamlingen appliceras på innovationer med mål att göra städer allt mer smarta för att exempelvis öka levnadsstandarden eller hållbarheten. Eftersom att människan är källan till insamlingen så kan vi ställa oss frågan hur stor medvetenheten är hos individen, men även se vad datan har för roll i kontexten.
Vi utförde en litteraturstudie för att undersöka det aktuella kunskapsläget inom forskningsområdet där det visade sig att det fanns en avsaknad av forskning kring medvetenheten av datainsamling. Detta följde vi upp med en enkätundersökning för att samla in data som vi sedan analyserade för att kartlägga gemene mans medvetenhet och kunskap gällande datainsamling. Utifrån undersökningens siffror visade det sig att
respondenterna hade en befintlig medvetenhet men saknade kunskap om hur processen går till. Respondenterna visade även en optimistisk inställning kring användning av dessa typer av tjänster, trots att graden av medvetenhet var hög.
Innehållsförteckning
Sammanfattning 2 Innehållsförteckning 2 1. Introduktion 3 1.2 Avgränsning 5 1.3 Forskningsfråga 51.4 Syfte och målgrupp 6
2. Centrala begrepp 6
3. Internet of things och användningen av big data i smarta städer 8
4. Tidigare forskning och litteraturstudie 9
4.8 Aktuellt kunskapsläge 13 5. Metod 13 5.2 Metod för litteraturstudien 15 6. Resultat 20 7. Analys 23 8. Diskussion 26 9. Metodkritik 27 10. Slutsats 28 11. Vidare forskning 28 12. Källförteckning 29
1. Introduktion
I dagens samhälle så genererar bland annat individer, företag och offentlig sektor stora mängder data. I det digitaliserade samhället vi lever i lämnar människor och teknik ständigt
digitala spår efter sig. När en person använder en smartphone eller betalar med kreditkort i en butik så skapas det data som beskriver dessa aktiviteter. Företag och offentlig sektor samlar in uppgifter om sin organisation och deras processer för att se till så att allt fungerar som det ska eller för att utveckla verksamheten. En stor mängd data kommer också från olika typer av sensorer som återfinns i exempelvis trafikmiljöer, väderstationer eller
energiflöden. Den här utvecklingen påverkar hur olika beslut fattas, där den insamlade datan används som underlag till besluten. Företag och offentliga aktörer ser den här utvecklingen som en möjlighet till innovation och ökad konkurrenskraft, till att kunna göra offentlig sektor mer effektiv och att kunna lära oss mer om hur miljön, samhället och människan fungerar. (Digitaliseringskommissionen, 2016) Vidare så skriver Digitaliseringskommissionen (2016) att;
“Data kan liknas med den nya oljan för tvåtusentalet, och dataanalys är då förbränningsmotorn” (Digitaliseringskommissionen, 2016, s. 33). Digitaliseringskommissionen är inte de enda som uttrycker sig på detta sätt utan The
Economist skriver på liknande sätt enligt följande;
“A century ago, the resource in question was oil. Now similar concerns are being raised by the giants that deal in data, the oil of the digital era. These titans—Alphabet (Google’s parent
company), Amazon, Apple, Facebook and Microsoft—look unstoppable. They are the five most valuable listed firms in the world.” (The Economist, 2017)
Datainsamling i kombination med innovationer är vad som står till grunden för en smart stad. Smarta städer erbjuder tjänster till sina invånare som gör livet enklare för dem. Det kan exempelvis vara en tjänst som i realtid visar en tidtabell för när bussen ska komma och om den är försenad eller om det är fullt i parkeringshuset så du slipper åka in och kolla det på egen hand. Denna information är en produkt av data som har samlas in genom olika sensorer som tar upp de digitala spår vi lämnar efter oss genom exempelvis smartphone, trafiklysen eller genom att följa din GPS (Global Positioning System) i din smartphone eller liknande enhet med positionering. Den data som samlas in genom dessa sensorer kallas för big data och kan användas på flera sätt för att analysera samhället och göra livet enklare för invånarna (Szabó et al., 2013).
Digitaliseringen gör inte bara livet enklare för städernas invånare utan digitaliseringen bidrar även till att minska städernas klimatpåverkan. Genom att exempelvis använda sensorer för att kunna styra smart gatubelysning för att minska förbrukningen av elektricitet och
användning av digital styrning för att kunna effektivisera exempelvis resursflöden så som energi, vatten och avlopp. Stockholm har visionen att vara den smartaste staden i världen år 2040 (Digitaliseringskommissionen, 2016).
Big data växer väldigt snabbt just nu och har en betydande roll i många människors liv (Al Nuaimi, Al Neyadi, Mohamed, Nader & Al-Jaroodi, 2015). Datainsamlingen bidrar till att
städer runt om i världen bli “smartare” inom områden som hälsa, transport, utbildning och energi. För att dessa områden ska kunna utvecklas och bli smartare krävs en enorm insamling av data för att sedan analysera olika behov i samhället.
Ett svensk exempel på när denna insamling av data gynnar oss i Sverige är genom en applikation från SOS-alarm. Denna applikation kan genom datainsamling och din
positionering i världen skicka viktiga meddelanden till allmänheten som är relevant för den plats där du befinner dig. Applikationen kan även se din exakta position när du ringer till SOS-alarm för att meddela att du behöver assistans av olika slag. (SOS Alarm, u.å) Med hjälp av datainsamling och övervakning av din positionering kan applikationen läsa av var du är och skicka hjälp dit där du befinner dig.
De flesta som använder en smartphone deltar aktivt eller inaktivt i detta datainsamlande. Detta kan vara både positivt och negativt beroende på vilket perspektiv man väljer att se det ifrån. Datan som samlas in kan bland annat användas på det sätt som beskrevs ovan i form av SOS-alarm men samtidigt kartlägger den vårt liv och i fel händer kan detta spela väldigt fel. I den tid vi lever i just nu blir personlig integritet viktigare och fler lagar stiftas för att reglera insamlingen av data från människor men samtidigt samlar vi in mer data än
någonsin. Frågan vi ställer oss är ifall de som delar med sig av datan till datainsamlingen är medvetna om det eller om det sker bakom deras rygg? Vi kommer därför besvara denna fråga i vår artikel; Vilken medvetenhet och erfarenhet har gemene man om sitt deltagande vid insamling av big data?
1.2 Avgränsning
Det forskningsområde vi behandlar är tvärvetenskapligt och därför behöver vi göra avgränsningar till vad vi skriver om. Vi kommer därför inte skriva om juridiska aspekter såsom GDPR utan bara nämna det. Vidare information kring detta finns att hämta på andra ställen exempelvis här (Datainspektionen, u.å). Vi kommer inte heller behandla integritet och debatten kring vad man vill dela med sig av och vad man vill hålla privat.
Vi kommer endast att förhålla oss till hur datan samlas in ur ett tekniskt perspektiv och lägga fokus på “Vilken medvetenhet och erfarenhet har gemene man om sitt deltagande vid insamling av big data?”. I kontexten kring big data är det nästintill oundvikligt att inte förklara begreppen smarta städer och IoT. Vi väljer att visa den sammanhängande bilden med smarta städer och IoT i samspel med big data. Som redan skrivits så kommer detta endast vara en kontext och fokus kommer ligga på big data och vår forskningsfråga. Vi kommer därför inte gräva djupare i varken smarta städer eller IoT. Fokus kommer ligga på fenomenet big data och vi kommer undersöka personers medvetenhet samt erfarenhet kring
insamlingen av detta och hur det går till.
1.3 Forskningsfråga
Vilken medvetenhet och erfarenhet har gemene man om sitt deltagande vid insamling av big data?
Med gemene man inom forskningsfrågan så avser vi människor som äger en smartphone. Faktorer som socioekonomisk status tas eller teknologisk kunskap tas inte till hänsyn för att kvalificera sig som en person inom vår målgrupp. Detta eftersom att vårt enda krav för detta begrepp är att personen ska äga en smartphone, oavsett teknologisk kunskapsnivå.
Med erfarenhet så menar vi den mängd användande personen har haft med smartphones. I enkäten så anser vi respondentens erfarenhet vara låg om den inte ägt en smartphones i flera år och har en statistiskt låg skärmtid.
När det kommer till medvetenhet så menar vi hur pass stor vetskap personen har om vad de bidrar med vid användandet av sin smartphone vilket exempelvis kan vara att respondenten vet om att platstjänster innebär att man bidrar med sin platsinformation, då värderar vi det som en medveten användare.
1.4 Syfte och målgrupp
Syftet med denna uppsats är att forska djupare kring hur smarta städer använder sig av big data och människors medvetenhet samt erfarenhet kring datainsamling. Idag är det väldigt aktuellt med datainsamling och lagring. Inte minst med den omtalade
dataskyddsförordningen från EU som lagstadgat kriterier gällande datainsamling och lagring. (Europeiska Unionen, u.å) Det samlas hela tiden in data om oss och vi vill därför undersöka medvetenheten samt erfarenheten hos gemene man kring datainsamling.
Syftet med denna uppsats är att förklara datans roll i smarta städer samt människans medvetenhet och erfarenhet gällande området. Efter att ha läst artiklar inom vårt ämne så väcktes det en misstanke om att det saknades forskning kring medvetenheten och
erfarenheten hos personer om hur data samlas in även fast stor del av befolkningen någon gång använder sig av tjänsterna som det mynnar ut i vardagligen. Därför valde vi att göra en systematisk litteraturstudie för att kartlägga området, vilket bekräftade våra misstankar om att det finns en kunskapslucka kring medvetenhet vid datainsamling(Se sektion 4).
Kunskapen kommer gå att dra nytta av främst genom att vi publicerar ny kunskap inom området, att öppna upp för att gräva djupare inom ämnet, fortsätta på ett sidospår eller forska vidare inom detta ämnesområde. Även individer med exempelvis smartphones eller med ett intresse för ämnet, kan ta till sig informationen och utöka sin kunskap.
2. Centrala begrepp
2.1 Definition IoT
Termen Internet of Things (IoT) är en term som existerat sedan år 1999 och myntades först av Kevin Ashton. När den först nämndes så var det endast i kontexten kring hanteringen av leveranskedjor. Allt eftersom IoT har blivit mer utbrett och teknologin har utvecklats så har termen fått ett vidare perspektiv och det är den senare innebörden som vi kommer att förhålla oss till. Nuförtiden sträcker sig termen över allt från applikationer för transport till sjukvård eller utbildning. Målet för IoT har alltid varit att samla in data genom olika
datoriserade källor såsom sensorer, webbkameror eller platstjänster för att sedan utan människans hjälp analysera det och producera information tillbaka till människorna igen. (Gubbi, Buyya, Marusic, & Palaniswami, 2013)
I boken Exploring the Convergence of Big Data and the Internet of Things beskriver man IoT enligt följande:
“The Internet of Things (IoT) is a recent communication paradigm that envisions a near future, in which the objects of everyday life will be equipped with microcontrollers, transceivers for digital communication, and suitable protocol stacks that will make them able
to communicate with one another and with the users, becoming an integral part of the Internet.” (Krishna Prasad, 2017)
2.2 Definition Smart Stad
Eu-kommissionen definierar en smart stad på detta sätt: “En smart stad är en plats där traditionella nätverk och tjänster görs effektivare genom användningen av digital- och telekommunikationsteknologi för att gynna invånarna och affärsverksamheten” (European commission, u.å). De beskriver fortsatt en smart stad som en stad där ICT (Information and Communication Technologies) används i större utsträckning för att spara in på resurser samt utsläpp. Detta innebär rent fysiskt att staden får smartare transportnätverk, bättre
vattenförsörjning samt avfallshantering och smartare sätt att värma upp stadens hushåll samt belysa staden. Eu-kommissionen nämner även att en mer interaktiv samt responsiv administration av staden, säkrare publika platser och att vara tillmötesgående den åldrande befolkningen även detta är ett tecken på en smart stad (European commission, u.å).
Definitionen för en smart stad varierar många gånger, allt ifrån intelligent stad, digital stad till informationsstad. Dessa definitioner har en del saker gemensamt men även skiljaktigheter. digital stad och informationsstad syftar till den tekniska aspekten inom den smarta staden där ICT är nyckeln till att leverera digitala onlinetjänster. Staden samlar in data från de lokala invånarna och levererar det till befolkningen. Den intelligenta staden syftar till vad en smart stad kan leverera genom att personer använder ICT för att tillsammans med sensorer eller interaktiv media skapa nya tjänster till befolkningen. (Lee, Hancock, & Hu, 2014) Denna datainsamling bygger på att invånare delar med sig av sin data som i många fall är personlig utan att de vet om det, vissa vet om att de deltar men inte alla.
Al Nuaimi et al. (2015) skriver på detta sätt hur de tänker kring begreppet smarta städer;
“The smart city sector is still in the ‘I know it when I see it’ phase, without a universally agreed definition”. (Al Nuaimi et al. 2015, s. 2)
2.3 Definition Big Data
“Big data is high-volume, high-velocity and/or high-variety information assets that demand cost-effective, innovative forms of information processing that enable enhanced insight,
decision making, and process automation.” (Gartner, 2012)
Big data är en stor mängd av komplex data som har blivit genererad av olika typer av källor. Sådana källor inkluderar exempelvis smartphones, datorer, sensorer, kameror, gps och även människor. Målet med att applicera big data i en smart stad bygger på att öka standarder inom staden inom exempelvis hälsa, transport, undervisning samt hållbarhet av energikällor. I takt med digitaliseringen så har vikten av datainsamling ökat, som sedan används inom flera områden för ökad optimering i samhället. (Al Nuaimi et al. 2015)
2.4 Insamlingen av Big Data
Datainsamlingen kan kategoriseras utifrån aktiv datainsamling och passiv datainsamling. Med aktiv datainsamling innebär det att användaren är villig att dela sin data till en tredje part. Passiv datainsamling innebär att användarens data samlas in via aktiviteter genom uppkoppling till internet. Vid passiv datainsamling så är användaren inte alltid medveten om att insamlingen från tredje part sker. (Mehmood, Natgunanathan, Xiang, Hua, & Guo, 2016)
3. Internet of things och användningen av big data
i smarta städer
Berrone och Ricart (2019) utförde en undersökning kring vilka städer som ansågs vara de mest smarta. I deras undersökning kollar de på utvecklingen av 174 städer i 80 länder och deras framsteg för en mer hållbar stad (Berrone & Ricart, 2019) Följande är exempel på nämnvärda projekt i tre olika städer som legat i framkant inom området.
3.1 New York
New York hamnade på andra plats bland i undersökning av smarta städer. Staden har integrerad teknologi som ger medborgare tillgång till gratis Wi-Fi via tjänsten LinkNYC där deras mål är att koppla upp hela staden. (Berrone & Ricart, 2019) Staden har även
integrerat teknologi som med hjälp av insamlad data analyserar gående trafik, människors konsumtion och hälsa men även luftkvalite och energiproduktion. (Smartcity Press, 2017)
3.2 Amsterdam
Amsterdam är en av de städerna som kommit med anmärkningsvärda projekt för att bli en smart stad. Staden fokuserar på finansiell och energieffektiv teknologi vilket gör Amsterdam till en stad i framkant. Amsterdam har även en öppen databas från stadens 32 distrikt som samlar data inom områden som adresser, trafik, hälsa och sjukvård samt utbildning. (HERE mobility, u.å) Amsterdam har även ett projekt kallat “Smart Traffic Management” som bygger på att underlätta trafiken baserat på att samla in data från trafikanter. (Bos, 2016)
3.3 Barcelona
Barcelona är en av de städer som ligger i framkant med innovativ teknologi inom
utvecklingen av smarta städer. Staden erbjuder exempelvis gratis wifi som är kopplat via gatubelysningar men även miljövänlig teknologi i form av sensorer som kartlägger luftkvaliteten i staden. Parkeringsplatser och sopkorgar runt om i staden har även digitaliserats för att simplifiera det dagliga användandet och underhållet. (Tieman, 2017)
4. Tidigare forskning och litteraturstudie
I följande sektion redovisar vi de källor vi sorterat ut som relevanta. Vi redovisar
huvudinnehållet i dessa artiklar för att ge en bild över det aktuella kunskapsläget kring vårt område. Detta ligger sedan till grund för den påstådda kunskapsluckan som vi ska fylla med ny information. Källorna behandlar olika delar av vårt huvudområde men saknar forskning kring vår frågeställning gällande medvetenhet.
4.1 Towards a Collective Awareness Platform for Privacy Concerns
and Expectations
Enligt Flouris et al. (2018) kan man se att den låga kunskapen och medvetenheten sammanhänger med nuvarande systemet kring “General Terms and Conditions, Terms of
Service, Privacy Policy och End-User License Agreement documents” (ToS). De skriver
vidare att det är ToS som är det mest direkta medlet för att en användare ska förstå hur deras personliga data hanteras. Det norska konsumentverket (The Norwegian Consumer Council) gjorde en undersökning som visade på att det tar mer än 24 timmar att läsa igenom ToS för applikationer på smartphones. Med tanke på den komplexa formuleringen i dessa avtal är det ingen överraskning att den genomsnittliga konsumenten inte lägger ner tid för att förstå detta. (Flouris et al., 2018)
Ramarna för den personliga integriteten handlar inte bara om juridiska och tekniska krav. Det finns en koppling till användarens förväntan, som bygger på vilken specifik kontext som användandet sker inom, exempelvis om det är i sociala medier eller fildelningssidor men även den sociala statusen av användaren som innefattar kön, ålder, yrkesgrupper med mera, samt personlig inställning till integritet. (Flouris et al., 2018)
Denna studie fokuserar på att främja ett samhällsperspektiv för att uppnå ökad kunskap och medvetenhet kring ämnet, och inte bara nya lagar och tekniska lösningar. Studien föreslår en socioteknisk lösning vid namn CAPrice som är ett projekt, vilket baserar sig på kollektiv medvetenhet och möjliggör ett ökat engagemang kring människors syn på digital integritet. För att uppnå denna medvetenhet menar Flouris et al. (2018) att man måste närma sig individer utifrån olika sociala och demografiska grupper, som delar samma värderingar gällande denna frågan, för att sedan uppmärksamma kring integritetsrisker som döljer sig i vårdslöst användande av teknologi. Även om digitalt integritetsskydd står i fokus för många organisationer och institutioner, så krävs det enligt Flouris et al. (2018) att man skapar en global samverkan som inte bara fångar med de redan etablerade grupperna, utan också expanderar till användare som aldrig oroat sig över den digitala integriteten i förhållande till sitt användande av teknologi.
4.2 Crowdsensing and proximity services for impaired mobility
Nuförtiden så är smartphones ett verktyg som har blivit fullt integrerad i vår livsstil.Smartphones har många olika funktionsområden och är utrustade med flera olika typer av sensorer som möjliggör insamling av olika typer av data från omgivningen. Den här typen av data kan representera användarens nuvarande position och användarens hastighet bland annat. Smartphones möjliggör så att användare kan ansluta till olika fjärrtjänster genom webben när som helst och var som helst ifrån. (Cortellazi et al., 2016)
“Nowadays mobile devices represent a main category of tools that is fully integrated with our lifestyle, following through almost each human being activity. Beyond their multiple functions, they are equipped with a large number of sensors that allow them to collect monitoring data
about the surrounding environment, as the current location, the noise pollution, shooting a photo representing a particular scenario, the current speed of the user.” (Cortellazi et al.,
2016, s. 1)
Om man då kombinerar de här två funktionerna så möjliggör de uppbyggnaden av en ny typ av applikation. Applikationen möjliggör delning av den här typen av data till olika användare som också använder appen. Medborgarna blir således aktiva aktörer som kan samla in stora mängder av olika typer av data på olika platser runt om i städer. (Cortellazi et al., 2016)
4.3 Applications of big data to smart cities
Enligt Al Nuaimi et al. (2015) så finns det ingen erkänd förklaring till begreppen “smart city
concept” och “big data”. Författarna menar att perspektivet avgör för huruvida begreppen
tolkas vilket man kan se på hur olika länders initiativ för smarta städer varierar. Olika städer ger olika perspektiv, både ur mänskliga och teknologiska aspekter. Författarna beskriver den dagliga situationen kring smarta städer som följande: “The smart city sector is still in the ‘I
know it when i see it’ phase, without a universally agreed definition”. (Al Nuaimi et al., 2015,
s. 2)
Med detta menar dom med att en bred och delad definition av vad smarta städer faktiskt är, är ännu inte definierad och det finns även svårigheter att peka ut en global standardiserad förklaring. Däremot så beskriver majoriteten av definitioner gemensamma egenskaper, kännetecken och komponenter som i sin tur kan specificera smarta städers perspektiv. Många städer idag tävlar om målet att bli en smart stad med en önskan om fördelar såsom ekonomisk vinning, miljömässig hållbarhet men även sociala aspekter. För att uppnå dessa mål appliceras big data analys. (Al Nuaimi et al., 2015)
Al Nuaimi et al. (2015) talar vidare om tre fördelar med att ha applicera smart stad-konceptet där författarna tar upp “Efficient resource utilization”, “Better quality of life” och “Higher levels
of transparency and openness”.
Den första punkten bygger på att effektivisera resursfördelningen. Detta på grund av att resurser idag blir allt mer knappa och dyra, det är därför viktigt att integrera lösningar som bidrar till ett bättre och mer kontrollerat nyttjande av dessa resurser. Den andra punkten bygger på att öka kvaliteten i vardagen. Detta innefattar tjänster för medborgarna, effektivare arbete och levnadsmodeller samt mindre slöseri i både tid och resurser. Detta är resultatet av bättre planering av både levnads- och arbetsytor. Även förbättring av transportsystem är något som bidrar till denna punkt. Den sista punkten bygger på ökad transparens och
öppenhet. Behovet av bättre ledning och kontroll av de olika projekten för den smarta staden kommer öka öppenheten och interoperabiliteten. Data och resursdelning kommer bli den nya normen vilket ökar informationstransparansen för involverade parter. Detta uppmuntrar till
samarbeten och kommunikation mellan aktörer vilket skapar fler tjänster och applikationer som förbättrar staden. (Al Nuaimi et al., 2015)
I studien tar Al Nuaimi et al. (2015) även upp fördelar och möjligheter med big data samt ger exempel på länder där dessa möjligheter har tagits till vara på. Möjligheter som diskuteras av författarna är “Smart education ”, “Smart traffic lights” och “Smart grid”. Dessa möjligheter bygger på insamling av big data som sedan möjliggör appliceringen av dessa implement vilket i sin tur ökar livskvaliteten i en smart stad. I undersökningen talar författarna om ICT (Information and Communication Technologoy), vilket är en förkortning på för
informationsteknik och det är detta som ligger till grunden för en smart stad.
Det som ICT möjliggör i en smart stad, vilket undersökningen tar upp, är koncepten smart education, smart traffic lights och smart grid. Alla dessa koncept är möjligheter som genom insamling av big data kan hjälpa en stad att bli mer hållbar, öka livskvaliten för invånarna men även spara på resurser. Det finns även utmaningar med smarta städer, dess
implementation och insamlingen av big data. Al Nuaimi et al. (2015) listar tekniska och funktionella utmaningar en stad kan stöta på under implementationen av en smart stad. Vidare diskuteras utmaningar som gäller den styrande regeringen men även på individnivå. Här beskrivs problemet med att data kan kopplas till individer och att det därför måste finnas en acceptabel nivå på säkerheten kring denna information om den ska kunna samlas in. (Al Nuaimi et al., 2015)
En annan del som undersökningen tar upp gällande smarta städer är de krav som behöver uppfyllas för att omställning och underhåll av en smart stad ska fungera. Författarna
presenterar även perspektivet kring individen och dess medvetenhet om hur användandet av ICT och andra applikationer ska användas på ett smart sätt. (Al Nuaimi et al., 2015)
4.4 Smartphones as smart cities sensors: MCS scheduling in the
ParticipAct project
Corradi, Curtola, Foschini, Ianniello och De Rolt (2016) talar om den ständigt ökande
spridningen av smartphones som idag är utrustade med flera fysiska samt virtuella sensorer. Detta gör det möjligt att samla in mycket data från omgivningen exempelvis användarens nuvarande fysiska aktivitet (gående, springandes etc). Information blir således väldigt tillgänglig vilket har banat en ny väg för MCS (mobile crowdsensing) som använder
personliga resurser och människors mobila aktiviteter. Användaren av applikationen kan få en förfrågan om att göra en uppgift för att samla in data i ett specifikt område. Förfrågan baseras på personens nuvarande position alternativt om personen ofta brukar vistas i det området. (Corradi et al., 2016)
“At the same time, Smart Cities are making available several resources and data that call for careful management of all involved human and computing resources to achieve important
safety, sustainability, and cost efficiency goals.” (Corradi et al., 2016, s. 1)
Smartphones blir på så sätt värdefulla datakällor som är spridda över staden och som kontinuerligt bidrar med ny data. Appen som diskuteras i artikeln heter ParticipAct och den samlar in gps positioner som delges från smartphones och hämtas med en konfigurerbar frekvens i minuter, i deras fall var femte minut för att undvika onödig batterikonsumtion. (Corradi et al., 2016)
4.5 A Web of Things based eco-system for urban computing -
towards smarter cities
“The contribution of this paper is to summarize and connect together our work in WoT, semantic technologies, big data analysis and smart city applications. Hence, this paper serves as a survey in urban computing, focusing on the previous relevant projects completed
by the authors, tied together under the umbrella of a WoT-based smart city eco-system.”
(Kamilaris, Pitsillides, Prenafeta-Bold, & Ali, 2017, s. 1)
Kamilaris et al. (2017) beskriver problemet med ökad urbanisering och luftföroreningar samt tar fram lösningar på dessa problem genom insamling av data på detta sätt. Under de senaste åren så har olika sensorer nått marknaden. Detta som en rekyl på ökad urbanisering som har en negativ effekt på människorna i städerna samt städerna i sig. Genom den ökade urbaniseringen så ökar trafiken markant vilket i sin tur leder till att föroreningar också ökar i städerna. De olika sensorerna som har nått marknaden kan mäta olika saker med hög precision som exempelvis luftfuktighet, temperatur, luftkvalitet och strålning. När dessa sensorer används i urbaniserade områden. Så kan de delge ett rikt innehåll om hur miljön är inom dessa områden. Genom att koppla upp de här sensorerna mot internet och WoT (Web of Things). Så finns den här informationen sedan tillgänglig för alla medborgare i den aktuella staden. (Kamilaris et al., 2017)
Med tillgång till den här informationen så kan man ta mer avvägda beslut i vardagen för att kunna bibehålla sin hälsa, välbefinnande, säkerhet och även spara på miljön. Den här typen av beslut inkluderar exempelvis att man undviker vissa specifika vägar med mycket trafik eller att man åker kommunalt istället för att det går snabbare eller är ett bättre alternativ för miljön. Författarna till artikeln har skapat en applikation som visar körväg för en sträcka mellan två olika ställen. Applikationen kan meddela ifall det är kö på vissa ställen under rutten eller om en olycka har skett så att användaren av applikationen kan välja en annan föreslagen väg för att nå samma destination på ett effektivare sätt. För att utläsa denna data har de placerat ut 449 sensorer i vägnätet som samlar in data konstant och omvandlar det till information som sedan kan användas i applikationen. (Kamilaris et al., 2017)
4.6 Privacy-enhancing aggregation of Internet of Things data via
sensors grouping
Bennati och Pournaras (2018) skriver om att datainsamling kan vara kränkande då det ibland resulterar i att användarna känner sig övervakade och då inte vill bidra till insamlingen av data för att utveckla en smart stad. Big datainsamling som sker med hjälp av
IoT-teknologi är ofta integritetskränkande och resulterar i övervakning, profilering,
diskriminerande handlingar mot medborgarna och som i sig underminerar deras deltagande i utvecklingen av smarta städer. Insamlingen av big data från IoT sker i realtid och öppnar upp dörrar för att på ett mer effektivt sätt hantera olika funktioner i en smart stad. (Bennati & Pournaras, 2018)
Exempel på sådana funktioner är smarta elnät samt trafiksystem som kräver allt mer data från medborgarna. De här funktionerna kräver mer data för att kunna motverka strömavbrott eller samla in medelhastigheten på bilar i trafiken för att kunna minska trafikstockningar. Denna typ av insamling av känslig data är oroväckande för användarnas integritet, om än det görs för att öka hållbarheten samt effektivisera den smarta staden. Författarna till artikeln föreslår att medborgarna som är med och bidrar med precis och känslig data får ta del av mer precis data. Om medborgaren istället prioriterar sin integritet och inte vill dela med sig av allt får denne således istället ta del av mindre precis data. (Bennati & Pournaras, 2018)
4.7 Practices of crowdsourcing in relation to big data analysis and
education methods
Författarna Benedek, Molnár och Szuts (2015) av artikeln talar om crowdsourcing, som handlar om aktivt deltagande individer som gör och lämnar olika uppgifter frivilligt. Crowdsourcing är ett ICT (information communications technology) som samlar och använder människors gemensamma kunskap. Crowdsourcing sker på nätet i olika
“communities” som kallas crowds. Vidare så talar Benedek et al. (2015) om att tillsammans så kan den här gemensamma kunskapen från en crowd överträffa experter inom ett område. Crowdsourcing kan användas till exempelvis informationsinsamling, rapportering av
problem, skapande av kollektiva resurser samt analysering av stora mängder data där mänsklig intelligens och mänsklig databehandling är mer effektivt än analys med datorer. (Benedek et al., 2015)
4.8 Aktuellt kunskapsläge
I litteraturstudien kom vi fram till att det fanns en del relevanta källor för vår kontext men en avsaknad av forskning kring vår forskningsfråga vilket undersökte medvetenheten samt erfarenheten hos gemene man kring datainsamling. De källor vi sorterade ut och ansågs vara relevanta undersökte inte vår forskningsfråga men utifrån utvärdering av relevans, var dessa tillhörande vår kontext inom forskningsområdet. Ett exempel på detta är två källor som behandlar ämnet crowdsensing, vilket är applikationer där användarna medvetet delar med sig av data. En annan källa presenterade information om bristande medvetenhet där Terms of Service var en anledning till detta. Det som litteraturstudien visade var att det fanns en avsaknad av forskning kring vårt ämne, men att det fanns studier som berörde det område vi ville undersöka.
5. Metod
Som undersökningsmetod så har vi valt att använda oss av en kvantitativ metod med hjälp av en enkätundersökning. Anledningen till detta är att det blir lättare för läsaren att tyda resultaten vid presentationen av statistik och data. Detta tydliggörs även med hjälp av tabeller och diagram vilket även hjälper läsaren att se mönster kring datans resultat. (Oates, 2006) Datainsamlingen kommer att ske i form av en enkätundersökning som i det här fallet utförs med hjälp av ett frågeformulär på webben. I enlighet med Oates (2006) valde vi att ha en kortare enkät på webben för att de som är intresserade ska ta sig tid att svara på den och inte klicka vidare till andra intressanta saker som finns på webben. Genom att ha enkäten på webben sparar vi tid, istället för att stå på publika platser där personer inte har möjlighet att ta sig tiden för att besvara vår enkät. Preece, Sharp och Rogers (2015) talar vidare om att man endast bör välja att ha en enkätundersökning om man tror sig ha tillräckligt motiverade respondenter att besvara frågorna. Det vill säga att respondenterna kommer besvara alla enkätens frågor utan att behöva övertalas. Frågorna och svarsalternativen i enkäten kommer vara väl genomtänkta och definierade på ett sådant sätt att respondenterna ska förstå
frågorna utan att behöva fråga oss något. Vi har även testat enkäten mot respondenter innan den publiceras. (Preece et al., 2015)
Vi kommer att dela formuläret i grupper på facebook samt till folk i vår direkta närhet, för att på så sätt få möjligheten att nå ut till så många respondenter som möjligt. I
frågor. Oates (2006) menar att en enkät blir lättare att svara på för respondenterna samt lättare att analysera för de som utgivit enkäten vid användning av stängda frågor. Vi har därför valt att använda oss av endast stängda frågor, för att respondenterna ska svara på det som vi vill samla data kring och inte andra saker samt för att underlätta för
respondenterna när de ska svara så de ser till att slutföra hela enkäten utan att lämna den i förtid. Vi har valt att fördela platserna på frågorna i en särskild ordning med de minst svåra frågorna först och sedan de mer komplexa mot slutet. Vi har även grupperat frågor som behandlar samma ämne för att inte förvirra respondenten. Oates (2006) menar att detta är ett fördelaktigt sätt att bygga upp en enkät på. Fördelen med enkätundersökningar kontra intervjuer är att man kan nå en större skara människor samt att vi kan nå ut till personer som inte endast är bosatta i Örebro och detta gynnar vår kvantitativa metod (Preece et al., 2015; Oates, 2006).
Undersökningen innehåller frågor kring hur pass stor medvetenhet och erfarenhet gemene man har kring big data och hur det samlas in, indirekt hur gemene man deltar i insamlingen utan att själv veta om det eller ifall de vet om att de aktivt deltar. Vi ställer i början av enkäten frågor som hjälper oss att avgöra hur pass van användare respondenten är, exempelvis genom att fråga hur länge personen haft en smartphone, hur gammal respondenten är eller personens dagliga skärmtid. Dessa typer av frågor i enkäten hjälper oss att kartlägga erfarenheten för att undersöka om det finns någon korrelation mellan erfarenhet och
medvetenhet. Dessa frågor för att kartlägga erfarenheten följer vi sedan upp med frågor för att också kartlägga medvetenheten som också visar på respondentens kunskap inom deras direkta användande av smartphones.
Problemet med att respondenterna inte förstår frågan eller svarsalternativen kan man undvika med intervjuer. Men genom att använda oss av en enkät så kommer vi också att undvika den sk “intervjuareffekten”. Intervjuareffekten handlar om att personen som intervjuar respondenten visar vad denne själv tycker i frågan och på så sätt influerar respondenten att välja ett svarsalternativ som respondenten tror intervjuaren förväntar sig. Det här är någonting som kan ske omedvetet hos en intervjuare. Om intervjuaren ger respondenten ledtrådar till svaren så får man felaktiga resultat (Mårtensson, 1991).
Vi kommer att använda oss av databasen Scopus för insamling av litteratur som underlag till största del i vår uppsats. IEEE Xplore kommer även att användas som komplement till Scopus för att hämta artiklar, med anledning av att vissa artiklar inte finns att tillgå på Scopus men istället på IEEE. Sökord som vi kommer att använda oss av är “awareness”, “big data”, “citizen”, “consent”, “contribution”, “data collection”, “Internet of Things”, “privacy” och “smart city”. Resultaten kommer vi att sortera på mest citerade för att på så sätt välja de artiklar som även skribenter anser är användbara och trovärdiga. De artiklar vi kommer använda oss av ska även vara peer reviewed och om de kommer från vetenskapliga
tidskrifter ska de även vara så kallade vetenskapligt granskade tidskrifter och detta kommer vi kolla upp mot Ulrichsweb. Vi har främst fokuserat på att använda oss av artiklar
publicerade de senaste åren då det här är ett ämne som förändras just nu och nya fakta kommer upp till ytan frekvent (Al Nuaimi et al., 2015). Det är viktigt att ha med så uppdaterad fakta som möjligt för att undvika faktafel eller gammal fakta som inte är relevant längre. I kontexten kring vårt forskningsområde väljer vi att använda andra referenser än
vetenskapligt granskade för att få en nyansering i uppsatsen. Vi brukar ändå ett källkritiskt förhållningssätt till dessa andra referenser.
Uppsatsen innehåller en litteraturstudie som behandlar ämnet utifrån tidigare forskning. Vi ville studera detta ämnesområde eftersom vi hade en misstanke om att det saknas forskning inom detta område. Därför gjorde vi en litteraturstudie och hittade att det fanns en brist på forskning. Vi kommer även genom denna litteraturstudie se var inom detta forskningsfält det finns luckor som vi kan fylla med ny kunskap eftersom vi vill bidra med ny kunskap och inte forska på något som redan har forskats på.
5.2 Metod för litteraturstudien
För att på ett systematiskt sätt få fram litteratur till vår litteraturstudie och på så sätt få fram hur underlaget för vår forskningsfråga ser ut i dagsläget så började vi med att lista de sökord vi fann relevanta för forskningsområdet. Vi kom då fram till att orden “awareness”, “big data”, “citizen”, “consent”, “contribution”, “data collection”, “privacy” och “smart city” var de ord som beskrev det vi ville undersöka på bästa sätt. Dessa sökord kom vi fram till genom att granska vår forskningsfråga och därefter välja ut nyckelord. Vi valde sedan att kombinera sökorden på olika sätt för att få fram relevanta resultat för vår kontext. Dessa träffar redovisas i tabellen “Tabell över sökord samt träffar på Scopus”. (Se sektion 5.3). Databasen vi använde för att få fram artiklarna var Scopus med komplettering av IEEE Xplore. Vi valde även att alltid ha med antingen “big data” eller “data collection” eller båda två i alla våra sökningar för de är en central del i vår forskningsfråga samt kontext. Vi valde att filtrera våra sökträffar utifrån följande kriterier:
- Databas: Scopus - Språk: Engelska - År: 2015-2020
- Ämnesområde: Datavetenskap och Samhällskunskap - Typ av dokument: Artiklar och Konferenspapper
Nästa steg i urvalet av artiklar var att vi listade alla artiklar i tabellerna som vi ansåg var relevanta utefter artiklarnas titel (Se sektion 5.3 - 5.7). Vi valde att presentera våra resultat i tabeller som sedan är uppdelade efter de söksträngar vi kommit fram till. Om vi var osäkra på ifall en artikel var relevant eller inte så läste vi igenom dess abstract för att ha mer information att bedöma artikeln utifrån. Samtidigt som vi listade artiklarna så kollade vi att det inte adderades dubbletter till listorna och om så var fallet valde vi att endast redovisa artikeln i en av tabellerna för att undvika redundans. Totalt hade vi i detta skede då 25 artiklar att arbeta vidare med. Nästa steg i denna systematiska process var att läsa alla artiklars abstract för att sedan betygsätta dem. Vi valde att betygsätta artiklarna efter en femgradig skala för vi ansåg att det va en lämplig finkornighet på bedömningsskalan för att göra en rättvis bedömning. Skalans betyg graderades på följande sätt, från - till +. Detta betygssystem dokumenterades endast internt mellan författarna.
Bedömningsskala
- Underkänd OK- Knappt godkänd
OK Godkänd OK+ Klart godkänd + Väl godkänd
Vi valde att endast ta med de artiklar som är bedömda med OK+ eller + för att sedan läsa abstract, introduktion och slutsats. Dessa artiklar som vi ansåg vara relevanta
dokumenterade vi i tabellen (Se sektion 5.3 - 5.7). De artiklar som fortfarande var intressanta efter detta läste vi igenom helt och skrev en sammanfattning om vad de handlade om för att sedan publicera i litteraturstudien (Se sektion 4). De artiklar som var graderade med -, OK- eller OK valde vi att inte ta med då de i huvudsak inte behandlar vårt område. Dessa dokumenterades i tabellen (Se sektion 5.3 - 5.7) med ett “Nej” i kolumnen relevans. Antalet artiklar som valdes ut för att beskriva underlaget och presenteras här i litteraturstudien blev tillslut sju stycken (Se sektion 5.8). De artiklar betygsatte vi med OK+ eller + som tidigare nämnt. Dessa redovisades i tabellen med ett “Ja” i kolumnen relevans i tabellerna 1-5 (Se tabell Tabell 1-5)
5.3 Tabell över sökord samt träffar på Scopus
Sökning Antal
“Big data” and “data collection” and “citize*”
38
“Big data” and “smart cit*” and “citizen” and “data collection”
13
"Big data" and "citize*" and "awareness"
23
“data collection” and “privacy” and “awareness” and “consen*”
7
“big data” and “smart cit*” and “user” and “data collection”
10
“big data” and “contribution” and “citize*”
19
Totalt 110
5.3 Tabell 1
Titel Sökord Relevant
Applications of big data to smart cities “Big data” and “data collection” and “citize*”
Big Data and security policies: Towards a framework for regulating the phases of analytics and use of Big Data
“Big data” and “data collection” and “citize*”
NEJ
From Participatory Design to a Listening Infrastructure: A Case of Urban Planning and Participation
“Big data” and “data collection” and “citize*”
NEJ
Crowdsensing and proximity services for impaired mobility
“Big data” and “data collection” and “citize*”
JA
Privacy-enhancing aggregation of Internet of Things data via sensors grouping
“Big data” and “data collection” and “citize*”
JA
A proposed method for predicting US presidential election by analyzing sentiment in social media
“Big data” and “data collection” and “citize*”
NEJ
Smartphones as smart cities sensors: MCS scheduling in the ParticipAct project
“Big data” and “data collection” and “citize*”
JA
Privacy-by-norms privacy expectations in
online interactions “Big data” and “data collection” and “citize*” NEJ Public libraries: Roles in Big Data “Big data” and “data
collection” and “citize*”
NEJ
SDIoT: Software Defined Internet of Thing to
Analyze Big Data in Smart Cities “Big data” and “data collection” and “citize*” NEJ
Everyday surveillance “Big data” and “data
collection” and “citize*”
NEJ
Designing a Smart Transportation System: An Internet of Things and Big Data Approach
“Big data” and “data collection” and “citize*”
NEJ
Exploiting Big Data Analytics for Urban Planning and Smart City Performance Improvement
“Big data” and “data collection” and “citize*”
NEJ
Data collection, counterterrorism and the
right to privacy “Big data” and “data collection” and “citize*” NEJ Connecting citizens: Designing for data
5.4 Tabell 2
Titel Sökord Relevant
Integrating big data into a sustainable
mobility policy 2.0 planning support system “Big data” and “data collection” and “smart cit*” and “citizen”
NEJ
5.5 Tabell 3
Titel Sökord Relevant
Integrated system architecture for
decision-making and urban planning in smart cities "Big data" and "citize*" and "awareness" NEJ
A Web of Things based eco-system for urban computing - towards smarter cities
"Big data" and "citize*" and "awareness"
JA
Big Data in Motion: A Vehicle-Assisted Urban Computing Framework for Smart Cities
"Big data" and "citize*" and "awareness"
NEJ
A multilevel graph approach for rainfall forecasting: A preliminary study case on London area
"Big data" and "citize*" and "awareness"
NEJ
5.6 Tabell 4
Titel Sökord Relevant
Ethical Design in the Internet of Things “data collection” and “privacy” and “awareness” and
“consen*”
NEJ
A User-Friendly Privacy Framework for Users to Achieve Consents With Nearby BLE Devices
“data collection” and “privacy” and “awareness” and
“consen*”
NEJ
Towards a Collective Awareness Platform for Privacy Concerns and Expectations
“data collection” and “privacy” and “awareness” and
“consen*”
JA
5.7 Tabell 5
Practices of crowdsourcing in relation to big data analysis and education methods
“big data” and “contribution” and “citize*”
JA
Framework of future innovative urban transport
“big data” and “contribution” and “citize*”
NEJ
5.8 Tabell över antal artiklar per relevans
Relevans Antal
JA 7
NEJ 18
Totalt: 25
5.9 Forskningsetik
När man bedriver forskning finns det en del etiska aspekter att följa för att undvika etiska problem. Vi har i vår undersökning valt att följa de riktlinjer som Vetenskapsrådet (2002) tagit fram för att bedriva etiska forskning. Vetenskapsrådet (2002) ställer fyra krav allmänna krav på forskning och dessa är följande Informationskravet, Samtyckeskravet,
Konfidentialitetskravet och Nyttjandekravet. Alla dessa krav förhåller vi oss till i vår undersökning.
Informationskravet handlar om att informera de deltagare som deltar i studien om dess syfte vilket vi gör i enkätundersökningens inledning samt att deltagarna även blev informerade om detta i inbjudan till att svara på enkäten. Samtyckeskravet ställer krav på att deltagarna i undersökningen ska kunna bestämma över sin medverkan och närsomhelst under undersökningen ska de kunna avstå från att medverka. Vår enkät fanns öppen för allmänheten under en viss tid och alla som svarade på enkäten har frivilligt valt att delta. Respondenterna har även haft valet att dra tillbaka sitt deltagande under tiden enkäten fanns öppen för allmänheten. Konfidentialitetskravet ställer krav på personuppgifter och att dessa vid insamling ska behandlas på ett sådant sätt att obehöriga ej får tillgång till denna
information. I enkätundersökningen gjorde vi ett aktivt val att inte samla in några
personuppgifter eftersom vi ansåg att det inte behövdes för att få fram svar på de frågor som vi ställde. Genom att göra detta val undviker vi konfidentialitetskravet och behöver på detta vis inte ta hänsyn till att lagra personuppgifter utefter kravet. Nyttjandekravet ställer krav på den insamlade datan och att denna endast ska användas till det ändamål den är avsedd för. Undersökningens data har endast varit tillgänglig för forskarna men redovisas sedan i uppsatsen. Datan har inte använts till annat än att besvara vår forskningsfråga.
6. Resultat
Vi har gjort en enkätundersökning och syftet med denna är att undersöka medvetenheten och erfarenheten hos personer kring insamling av data. Vi fick in svar från 138 respondenter på enkäten. Enkäten bestod av 14 frågor som redovisas nedan. Fråga 1, 3, 4, 5, 7 och 8 är flervalsfrågor och därför redovisas svaren på dessa med tårtdiagram. Över diagrammet redovisas frågan som den ställdes i enkäten samt de svarsalternativ som fanns till varje fråga. Antalet procentenheter per svarsalternativ och antalet svar per svarsalternativ
redovisas. Under frågan finns ett diagram som visar fördelningen av svar per svarsalternativ. De resterande frågorna som ej visas i diagram består av tre svarsalternativ och dessa är Ja, Nej och Kanske/Vet ej. Dessa frågor redovisas nedan i en tabell med antalet svar per svarsalternativ samt procentenheter av svaren per svarsalternativ. Vi väljer att redovisa resultatet av enkäten på detta sätt då vi finner det mest lämpligt och det blir på detta sätt mer överskådligt.
Fråga Svarsalternativ 1 Svarsalternativ 2 Svarsalternativ 3
2. Använder du en smartphone? Ja (98,6%) 136 svar
Nej (1,4%) 2 svar
Fanns ej med
6. Känner du till platstjänster? Ja (96,4%) 133
svar Nej (3,6%) 5 svar Fanns ej med 9. Vet du om att du bidrar till insamling av
information varje gång du använder din smartphone (under förutsättning att du inte aktivt vidtagit åtgärder för att undvika detta)?
Ja (82,6%) 114 svar Nej (13,8%) 19 svar Vet ej (3,6%) 5 svar
10. Gör du något för att skydda dig mot insamlingen av information genom mobiltelefoner? Exempelvis bestämma platstjänsters behörighet till olika applikationer.
Ja (68,8%) 95
svar Nej (31,2%) 43 svar Fanns ej med
11. Påverkas ditt användande av din smartphone av ofrivilligt insamlande av data? Ja (26,1%) 36 svar Nej (39,9%) 55 svar Kanske (34,1%) 47 svar
12. Det finns tjänster som visar i realtid ifall det är många personer på en plats. Syftet är att upplysa om det så att de som vill undvika detta kan välja en annan tid att besöka platsen. Exempel på detta är i mataffären eller gymmet. Har du använt dig av en sådan tjänst någon gång? Ja (33,3%) 46 svar Nej (58%) 80 svar Vet ej (8,7%) 12 svar
13. Har du använt dig av en karttjänst som visar ifall det är köbildning på vägen du tänkt åka och då upplyst dig om detta eller
föreslagit dig att ta en annan väg?
Ja (68,8%) 95
svar Nej (27,5%) 38 svar Vet ej (3,6%) 5 svar
syftet att upplysa ifall det är köbildning eller många personer på en plats så att de som vill undvika detta kan välja en annan tid att vistas på platsen? Kan du tänka dig att använda dessa tjänster eller liknande i framtiden?
svar svar 30 svar
Tabell över de frågor som endast hade svarsalternativen Ja, Nej och i vissa fall Kanske/Vet ej.
Här nedan redovisas de frågor som är flervalsfrågor. Frågan redovisas först på samma sätt som den är ställd i enkäten sedan svarsalternativen med dessa representerade färg i diagrammet, antalet procentenheter per svarsalternativ samt hur många svar det är per svarsalternativ.
1. Ange vilket åldersspann som passar in för din ålder. Svarsalternativen som fanns med är: ● Blå, 15 - 25 år (59,4%) 82 svar ● Röd, 26 - 35 år (34,8%) 48 svar ● Gul, 36 - 45 år (3,6%) 5 svar ● Grön, 46 - 55 år (0,7%) 1 svar ● Lila, 56 - 75 år (1,4%) 2 svar ● Ljusblå, 75+ år (0%) 0 svar
3. Ange hur många år du har haft en smartphone efter det spann som passar in på dig. Svarsalternativen som fanns med är:
● Blå, 0-5 år (4,3%) 6 svar ● Röd, 6-10 år (76,8%) 106 svar ● Gul, 11-15 år (18,1%) 25 svar ● Grön, 15+ år (0,7%) 1 svar
4. Hur många timmar om dagen uppskattar du din skärmtid på mobiltelefonen till? Svarsalternativen som fanns med är:
● Blå, 0-5 timmar (78,3%) 108 svar ● Röd, 6-10 timmar (18,8%) 26 svar ● Gul, 11-15 timmar (1,4%) 2 svar ● Grön, Vet ej (1,4%) 2 svar
5. Vet du vad big data är? Svarsalternativen som fanns med är: ● Blå, Jag vet vad det är (37,7%) 52 svar
● Röd, Jag har bara hört talas om det (31,9%) 44 svar
● Gul, Jag vet varken vad det är eller har hört talas om det (30,4%) 42 svar
7. Är du medveten om platstjänsters inverkan vid datainsamling? Svarsalternativen som fanns med är:
● Blå, Jag vet till stor del hur detta går till (29%) 40 svar ● Röd, Jag har en aning om hur detta går till (58%) 80 svar ● Gul, Jag vet inte hur detta går till (13%) 18 svar
8. Har du uppkoppling till Internet, platstjänster eller Bluetooth påslaget på din mobil till största del när du använder den? Fler än ett svar kan anges. Svarsalternativen som fanns redovisas i diagrammet samt antal svar per svarsalternativ och antalet procentenheter per svarsalternativ.
7. Analys
1. Ange vilket åldersspann som passar in för din ålder.
● Genom att granska resultaten på den här frågan så kan man tyda att 94.2% av respondenterna har en ålder mellan 15-36 år.
● Vi har nått ut till en en ung men även bred publik, detta eftersom vi har delat enkäten med de som studerar på universitetet via facebookgrupper, samt folk i vår direkta närhet. Detta har resulterat i att vi främst har nått ut till personer mellan 15-36 år gamla.
2. Använder du en smartphone?
● En klar majoritet av våra respondenter har en smartphone vilket är positivt för vår undersökning då denna målgrupp är den vi endast ville nå ut till. Våran undersökning kräver att man har en smartphone för att dela med sig av data på det sättet vi
undersöker.
● Vi har ett bortfall på (1,4%) då det är två respondenter som inte äger en smartphone som besvarat vår enkät. I Sverige har 9/10 smartphones idag vilket vår enkät
speglar. (Internet Stiftelsen, 2019)
3. Ange hur många år du har haft en smartphone efter det spann som passar in på dig.
● Endast (4,3%) av våra respondenter har haft en smartphone i fem år eller mindre. Detta betyder att de flesta av våra respondenter (95,7%) har lång erfarenhet kring användandet av smartphones.
● Svaren på denna enkät ger en bild av hur det ser ut ur en erfaren användarens perspektiv, men inte hur det ser ut för en helt nya användare. Forskning visar på att en hög majoritet i Sverige har ägt en smartphone under en längre tid vilket bekräftar detta svarsresultat. (Internet Stiftelsen, 2019)
● Enligt enkäten använder tre fjärdedelar (78,4%) mobiltelefonen mellan 0-5 timmar om dagen.
● Nästan en femtedel (18,8%) använder smartphonen mellan 6-10 timmar om dagen. ● De flesta använder mobilen någon eller några timmar om dagen. Vi gör tolkningen att
de flesta har en relativt hög erfarenhet kring smartphones och dess funktioner.
5. Vet du vad big data är?
● Detta gav en stor spridning bland svaren. Nästan en tredjedel av respondenterna gick att återfinna på varje svarsalternativ.
● Det var en större del som vet vad det är (37,7%) och nästan en ungefär lika stor del (30,4%) har ingen aning om vad det är samt att (31,9%) har bara hört talas om det. Vi tolkar detta som att kunskapen är låg kring ämnet.
6. Känner du till platstjänster?
● De flesta av respondenterna känner till platstjänster (96,4%) vilket visar på en kunskap om att applikationer använder någon form av platsigenkänning. ● Här är kunskapen mer förekommande och vi tolkar detta som ett resultat av att
användare ofta blir tillfrågade ifall applikationer får använda sig av deras
platsinformation. När en användare installerar en applikation kan det förekomma i ToS (Terms of service) att applikation samlar in data om användaren av
applikationen, vilket många inte tar sig tiden att göra enligt vår uppfattning. I vår litteraturstudie så kan man läsa vidare om den norska motsvarigheten till det svenska konsumentverket som gjorde en undersökning av ToS som visade på att det i snitt tar mer än 24 timmar att läsa genom ToS för den genomsnittliga smartphone-applikationen.
7. Är du medveten om platstjänsters inverkan vid datainsamling?
● Här svarade (29%) att de är medvetna om platstjänsters inverkan vid datainsamling. En mycket lägre andel personer som är medvetna om vad platstjänster har för inverkan, än de som kände till platstjänster. Vi tolkar detta som att det saknas en djupare kunskap om ämnet eftersom att respondenterna förstod vad platstjänster är i fråga sex, men inte hur det används i datainsamling som sammanhang.
8. Har du uppkoppling till Internet, platstjänster eller Bluetooth påslaget på din mobil till största del när du använder den?
● På den här frågan kunde man välja flera svarsalternativ. Det visade sig att (90,6%) av respondenterna svarade att de har internetuppkoppling påslaget. Det betyder att ett väldigt högt antal bidrar till datainsamlingen via internetuppkoppling.
9. Vet du om att du bidrar till insamling av information varje gång du använder din smartphone (under förutsättning att du inte aktivt vidtagit åtgärder för att undvika detta)?
de använder smartphone (90,6%). Nästan en femtedel (17,4%) av våra respondenter saknade medvetenhet om att de bidrar till insamling av data när de använder sin smartphone. Detta visar på att ett högt antal är medvetna om att de bidrar till insamling av data.
● Respondenterna visar på en stor medvetenhet (82,6%) om att de bidrar till insamling av data. Vi tolkar det som att de vet om att man bidrar till datainsamlingen men saknar kunskap kring hur de bidrar. det här kan man uttyda i fråga sju där (58%) hade en aning om platstjänsters inverkan vid datainsamling, samt att (13%) inte alls visste hur detta gick till. Vi gör därför tolkningen att (71%) av respondenterna inte har kunskap kring ämnet i sin helhet och hur delarna är kopplade, men att det finns en medvetenhet.
10. Gör du något för att skydda dig mot insamlingen av information genom mobiltelefoner? Exempelvis bestämma platstjänsters behörighet till olika applikationer.
● I fråga nio visar (82,6%) på medvetenhet kring insamling av data. Vi tolkar att det är (68,8%) av denna siffra eftersom att det krävs medvetenhet för att ta steget att skydda sig mot insamlingen. Detta betyder att ett lägre antal skyddar sig emot datainsamling trots att det finns en medvetenhet, vilket vi tolkar som att respondenten inte anser påverka smartphone-användandet.
11. Påverkas ditt användande av din smartphone av ofrivilligt insamlande av data?
● (26.1%) uppger att de på något sätt blir påverkade i sitt användande av sin smartphone. Vår bedömning är att det endast är (26.1%) av respondenterna som angav att de gör något för att skydda sig (68.9%) i fråga tio, känner att de påverkas i sitt användande. Vi tolkar det som att om man skyddar sig mot datainsamling så är man påverkad av det, eller så anser respondenten att denne är tillräckligt skyddad. ● En stor del påverkas inte alls. Vår tolkning är att respondenten har bristande kunskap
i ämnet eller så är det att personen inte påverkas av det.
12. Det finns tjänster som visar i realtid ifall det är många personer på en plats. Syftet är att upplysa om det så att de som vill undvika detta kan välja en annan tid att besöka platsen. Exempel på detta är i mataffären eller gymmet. Har du använt dig av en sådan tjänst någon gång?
● En tredjedel använder dessa typer av tjänster eller liknande i vardagen. Majoriteten säger sig inte använda dessa typer av tjänster. Vi tolkar det som att det är själva tjänsten som inte tilltalar tillräckligt med användare, men att de i vår uppfattning använder liknande tjänster vilket man kan se i fråga 13.
13. Har du använt dig av en karttjänst som visar ifall det är köbildning på vägen du tänkt åka och då upplyst dig om detta eller föreslagit dig att ta en annan väg?
● En majoritet av respondenterna säger sig använda tjänster liknande denna vilket skiljer sig från fråga 12. Detta visar på att det finns en vilja att använda sig utav dessa typer av tjänster.
14. Tidigare nämndes tjänster som har syftet att upplysa ifall det är köbildning eller många personer på en plats så att de som vill undvika detta kan välja en annan tid att vistas på platsen? Kan du tänka dig att använda dessa tjänster eller liknande i
framtiden?
● Vi ser att det är många som kan tänka sig använda tjänster i vardagen som baseras på insamlad data från personer. Detta kan bero på att samhället inte är medvetna om
att dessa tjänster finns men nu när de blivit informerade om det så ser de fördelen med det och tänker använda sig av dem.
● De som har svarat på denna enkät vet nu om att de delar med sig av data på olika sätt genom sina mobiltelefoner men är ändå beredda att börja använda dessa tjänster i framtiden. Detta tyder på att respondenterna inte är rädda för att dela med sig av data som kan användas i syfte av tjänster av dessa slag.
8. Diskussion
Vi har i vår litteraturstudie inte hittat någon tidigare forskning vad gäller medvetenheten och erfarenheten hos gemene man när det kommer till datainsamling. Vi har inte heller hittat någon forskning kring kunskapen om vad personer bidrar till och om de vet hur det går till. Detta lade grunden till arbetet och dess syfte då vi ansåg att det fanns utrymme att
undersöka nuvarande läge, men även bidra med ny fakta gällande ämnet. Vår frågeställning blev således; “Vilken medvetenhet och erfarenhet har gemene man om sitt deltagande vid
insamling av big data?”
Kunskapen kring big data visade sig vara låg. I undersökningen angav cirka en tredjedel av respondenterna att de besatt kunskap gällande ämnet. De som har kunskap kring detta ämne vet om hur de bidrar till insamlingen av big data samt vad de bidrar med och har därför en större medvetenhet kring datainsamling i vardagen. De som inte vet vad big data är eller bara har hört talas om det är endast medvetna om att de deltar till insamlingen men inte hur de deltar eller vad de bidrar med. Korrelationen mellan frågan “Vet du vad big data är?” och
“Känner du till platstjänster?”så ser svaren väldigt olika ut. Här svarar hela 96,4% att de vet
vad platstjänster är. Platstjänster används som ett verktyg till att bland annat samla in data i stora mängder kring användarna genom platspositionering som sedan blir big data.
Kunskapen kring big data var lägre i relation till platstjänster, som är ett verktyg för insamling av data. Detta pekar på att medvetenheten kring hur datainsamling sker inte är fullständig eftersom respondenternas kunskap inte korrelerar med platstjänsters inverkan vid
datainsamling. Därför kan vi dra slutsatsen att personer är medvetna om att platstjänster existerar(Se sektion 7, fråga 6). Majoriteten anser sig ha en aning om hur datan samlas in genom platstjänster, samtidigt svarade en knapp tredjedel att de har kunskap kring hur detta går till medan en liten del svarade att de inte har kunskap kring hur detta går till. Vår tolkning av resultatet är att kunskapen är relativt låg eftersom att våran är att tolkning är att de som har en aning om hur insamlingen går till via platstjänster inte besitter djup kunskap kring datainsamlingen.
Medvetenhet om att man bidrar till datainsamling anser vi vara där, men respondenterna vet inte riktigt hur det går till. Det svaren från enkätundersökningen ger oss är att det finns en allmän medvetenhet men ingen kunskap som står till grund för själva medvetenheten samt att respondenterna svarade att de i någon form aktivt skyddar sig mot datainsamlingen. Trots den höga medvetenheten så kan respondenterna i större utsträckning vara benägna att använda sig utav dessa typer av tjänster. Däremot så tror vi att resultaten hade ändrats beroende på om respondenterna haft en mer grundlig kunskap gällande ämnet. Intresset för dessa typer av tjänster skulle kunna vara lägre om användaren haft mer kunskap kring hur
datainsamlingen sker och hur datan används. Man kan då ställa sig frågan om användandet av smartphones skulle se annorlunda ut med en ökad kunskap kring datainsamling i
samhället och vardagen?
Som tidigare nämnt i litteraturstudien så nämnde Flouris et al. (2018) att det tar mer än 24 timmar att läsa igenom Terms of Service för applikationer till smartphones. Vi tolkar detta som att kunskapen kring datainsamling är lägre än vad den nödvändigtvis behöver vara. Det är en så pass komplex process att läsa igenom dessa avtal vilket leder till att det inte är något som den genomsnittliga användaren läser. Den genomsnittlige användaren har troligtvis tanken på applikationens funktioner och inte datainsamling vid nedladdning av applikationen. Problemet är att om användaren hittar någonting i ToS som den inte vill acceptera så blir följden att användaren inte kan använda applikationen. Här kan man se att användaren ställs inför ett vägval att dela med sig av data om villkoret förekommer i ToS ifall vi vill använda oss av vissa applikationer. Som användare av en del applikationer blir man tillfrågad om man vill att applikationen ska ha tillgång till dina platstjänster, användarna blir inte tillfrågade om de tillåter att applikationen samlar in data om dem vilket kan tolkas som att man inte informeras på ett användarvänligt sätt.
Vi tolkar det som att medvetenheten och kunskapen kring insamlingen av data tror vi inte behöver vara högre än vad den är i Sverige eftersom att den datan som samlas in används i alla fall till vår vetskap till saker som gynnar oss i vardagen. Om insamlingen av data istället hade skadat oss så tror vi att kunskapen och medvetenheten kring vad vi delar med oss av varit högre eftersom folk, enligt vår undersökning, är måna om att skydda sig själva. (Sektion 7, fråga 10) Vi ser därför inte detta som ett alltför stort problem så länge datan hamnar i rätt händer. Data som samlas in och används till att exempelvis visa ifall bussen är i tid, om vägen du tänkt köra med bilen har köbildning eller ifall du inte vet var du befinner dig när du ringer till SOS-alarm gynnar oss i vardagen och gör att våra städer blir smartare, tryggare och mer effektiva. Ett exempel från Amsterdam som tidigare nämndes är deras “Smart
Traffic Management”, som är framtaget för att underlätta trafiken som bygger på insamlad
data från trafikanter, vilket är ett bidrag som gynnar miljön. Denna innovation fungerar genom att flertalet sensorer samlar in data om trafikanter och delar informationen mellan varandra över internet vilket är ett exempel på IoT och hur det fungerar i verkligheten. Genom dessa exempel, som endast är ett fåtal i mängden, kan man fråga sig själv om det inte är värt att dela med sig av data dagligen för att bidra och ta del av de tjänster som gör vår vardag lite enklare, smartare och effektivare dag för dag. Vi tror att detta är ett sätt för att bli mer effektiva, hållbarare och smartare i framtiden.
9. Metodkritik
Det negativa med enkätundersökningar är att eventuella frågor från respondenten inte går att besvara. Detta gör det inte lika lätt att säkerställa att respondenten besvarar varje fråga eller fullständigt utför enkäten. Att ha ett snävare spann på frågor som profilerar
respondenten hade varit fördelaktigt i enkäten då det gett en tydligare bild av respondenten. En del begrepp som “en aning” och “kanske” lämnar mycket åt tolkning, vilket inte preciserar svaren i enkäten. Ett annat komplement som undersökningen skulle kunna gynnas av är en likertskala, detta för att få ett precisare svar av respondenten.
Vår enkät har vi spridit i grupper på Facebook som bland annat innefattar
universitetsstudenter samt till folk i vår direkta närhet vilket har resulterat i att de flesta respondenter befinner sig i spannet mellan 15-35 år. Det är således möjligt att resultatet speglar hur verkligheten för yngre personer ser ut och skulle kunna se annorlunda ut om vi hade nått ut till flera respondenter över 35 år. Vi misstänker att målgruppen i det yngre spannet har bättre medvetenhet samt kunskap kring ämnet än vad de äldre har.
10. Slutsats
Genom vår studie så kan vi dra slutsatsen att medvetenheten kring datainsamling av big data är relativt hög men att erfarenheten och kunskapen kring hur detta går till är relativt låg. Vår undersökning visade på att medvetenheten är god hos våra respondenter men
kunskapen kring vad de är medvetna om är låg. Respondenterna till enkäten visar på bristande kunskap kring datainsamling och vet därför inte vad de egentligen delar med sig av, samt hur de delar med sig av data. Detta gäller även när de ska skydda sig mot
insamling av big data, det är svårt att skydda sig mot något man inte vet vad det är eller hur det går till.
11. Vidare forskning
● Diskutera hur människor påverkas eftersom deras användande av smartphone påverkas av datainsamling (Se sektion 7, fråga 11). Är det osäkerhet, konspirationer eller rädsla för att dela med sig av personlig information? Detta kan man forska vidare om eftersom vi inte behandlar ämnet inom vår uppsats men ser att drygt en fjärdedel av respondenterna påverkas.
● De som skyddar sig mot insamling av data, hur gör de det? Vet de om hur de ska skydda sig eller gör de bara det för att det tror att det är en bra grej att skydda sig emot? Vi undersöker inte hur personer skyddar sig emot datainsamling, om det är med programvaror eller genom rutiner för hur man beter sig kring dessa områden där det existerar insamling.
● Undersöka vidare hur ToS fungerar i verkligheten. Hur många läser verkligen vad som står i dessa så de vet vad de godkänner kring bland annat datainsamling. Går de att effektivisera på något sätt så användarna känner att de har tid för att läsa igenom dessa avtal? Här finns det troligtvis förbättringspotential och detta skulle man vidare kunna undersöka.
