INOM
EXAMENSARBETE TEKNIK, GRUNDNIVÅ, 15 HP
STOCKHOLM SVERIGE 2020,
Dokumentation av matavfall med hjälp av röstinmatning
En studie om röstinmatning skulle kunna ersätta papper och penna som mätmetod för matsvinn
HIVRON STENHAV ELISABETH CHEN
KTH
SKOLAN FÖR ELEKTROTEKNIK OCH DATAVETENSKAP
Dokumentation av matavfall med hjälp av röstinmatning
Hivron Stenhav
Kungliga Tekniska Högskolan Stockholm, Sweden
hivron@kth.se
Elisabeth Chen
Kungliga Tekniska Högskolan Stockholm, Sweden
echen@kth.se
ABSTRACT
The first part of the report reads up on food waste and makes account for how to reduce food waste in households by documenting it.
The goal of this project is to examine how a measure of method consisting of voice commands is working as compared to a classic method of measurement with paper and pen.
Food waste is a big issue and to decrease food waste, it is important to document this waste in several ways. Since food waste can include different kinds of food depending on how its phrased, the concept of food waste is described as both food that could have been eaten but also food that could not be eaten.
In studies of food waste, taking notes is a common method of measurement – but it has couple of flaws. In example subjects often forget to take notes when this is required. In this study we are investigating how voice control could be a new alternative to log food waste. The problem statement is based on whether households find easier to log something with the help of voice commands rather than writing it down with paper and pen.
We have built a system that will be tested on five subjects. The subjects of the study will use voice commands with a Google Home Mini. In this study they will use voice commands while documenting food waste in each subject’s household, this will be going on in single households. To analyse the data there will be a trashcan prototype created which counts each time something is thrown in the bin. With the help of the counter there will be a possibility to examine if more food waste is thrown than being logged. Furthermore, every interaction with the voice control that is related to food waste will be saved in a spreadsheet.
In the method section, an analysis of how the five subjects will be tested is done. The first week the subjects will log food waste by voice commands and will only be using the prototype that was created as the designated food waste bin. The second week, subjects will log on to paper and pen instead. Finally, the prototypes are collected to analyse the data on the microcontroller as well as the logged data collected in a spreadsheet. Qualitative data is gathered through a survey.
The result indicated that the majority preferred voice control as a measurement method once it worked, deficiencies such as communication problems were a major reason why this method was not the most optimal. One subject preferred the measurement method with paper and pen over voice control. Several test subjects thought it was difficult to keep track of paper and pencil but appreciated that it was a safe method of measurement in which they could see what was on the paper.
This study is of interest to systems where voice control is used in, for example smart homes but also a contribution to the development of measurement methods. One conclusion in the
study is that voice control is a possible measurement method but that more studies are needed in the subject.
SAMMANFATTNING
Matsvinn är ett stort problem och för att minska matsvinn är det viktigt att öka medvetenhet och kunskap om vad som slängs och varför. Eftersom matsvinn kan omfatta olika typer av livsmedel definieras begreppen matsvinn som mat som hade kunnat ätas och matavfall definieras som matsvinn samt oundvikligt matavfall.
Vid forskning om matsvinn är anteckningar en vanlig datainsamlingsmetod, men den lider av brister där exempelvis testpersoner glömmer bort att anteckna. I denna studie undersöker vi möjligheterna att använda röststyrning som ett nytt alternativ till att logga matsvinn. Problemformuleringen grundar sig i att undersöka om hushåll anser att det är enklare att logga något med hjälp av röstkommandon jämfört med att skriva ned det med papper och penna.
Vi har byggt ett system som testas på fem testpersoner. För att använda sig av röststyrning blev testpersonerna i studien tilldelade varsin Google Home Mini. I denna studie appliceras denna mätmetod på att mäta matsvinn i singelhushåll. För att analysera datan byggde varsin kompostpåsehållare som räknar varje gång svinn slängs i papperskorgen. Genom räknaren kan det undersökas om det slängs mer än det antecknas. Dessutom loggas allt testpersonerna säger till röstassistenten som har med matsvinn att göra.
Första veckan under undersökningen loggades deltagarna allt de slängde med röstkommandon samt använder sig enbart av den givna prototypen för att slänga matsvinn. Andra veckan loggade deltagarna istället på papper och penna. Slutligen samlades prototyperna för att analysera datan på mikrokontrollern samt den loggade datan som samlades i ett kalkylark. Kvalitativ data samlades genom en enkät.
Resultatet tyder på att majoriteten föredrog röststyrning som mätmetod när det väl fungerade, brister som kommunikationsproblem med röstassistenten var en stor anledning till varför denna metod inte var den mest optimala. En testperson föredrog mätmetoden med papper och penna framför röststyrning. Flera testpersoner tyckte att det var jobbigt att ha koll på papper och penna men uppskattade att det var en säker mätmetod då de kunde se vad som stod på pappret.
Studien är av intresse för system där röststyrning används i exempelvis smarta hem men även ett bidrag till utveckling av mätmetoder. En slutsats i studien är att röststyrning är en möjlig mätmetod men att fler studier behövs göras i ämnet.
Keywords
Keywords: Food Waste, Behaviour Change Wheel, Behaviour Change Techniques, voice command, Attiny85, Arduino Uno.
1. INLEDNING
I inledningen redogör vi för bakgrunden till ämnet som behandlas samt relevant tidigare forskning. Studiens problemformulering och syfte presenteras även tillsammans med avgränsningar som görs på studien.
1.1 Bakgrund
Hållbarhet är ett högaktuellt ämne där det krävs ingrepp inom flera olika områden för att möjliggöra en hållbar nivå av utsläpp
av växthusgaser. Ett av dessa områden är
livsmedelskonsumtionen. Ungefär en tredjedel av de 1.3 miljarder ton mat som produceras varje år slängs (eng: waste). Med slängd mat menas den mat som kunde ha konsumerats men som slängs.
Mycket av den förlust från slängd mat kommer från industriländer, bland annat Sverige, medan det är en mycket mindre mängd mat som slängs i utvecklingsländer. [3] Enligt en annan studie från 2016 slängs 25% av den mat som når konsumenterna bort, där 50% av detta sker hos hushåll i industriländer. [11]
I denna studie definieras matavfall som allt livsmedel som slängs, vilket är både oundvikligt matavfall (t.ex. skal, ben, kärnor) och matsvinn (t.ex. matrester, ruttna frukter) [9]. Matsvinn definieras vidare som livsmedel som hade kunnat konsumeras om det hanterats annorlunda, dvs. livsmedel som slängs i onödan. För att minska matsvinn är det viktigt att dokumentera det matsvinn som slängs, t.ex. kvantiteten, vad för matsvinn som slängs samt orsaken till att det slängs. Det finns många olika metoder för att mäta matsvinn som har används i olika studier t.ex. enkäter, anteckning av daglig matsvinn, vägning av matsvinn m.m.[1, 7].
En av dessa är att dokumentera matsvinn för hushåll är anteckning av dagligt matsvinn, dock finns det nackdelar såsom att testpersonen kan missa att anteckna vissa gånger[7]. Det finns många olika sätt att anteckna matsvinn, i tidigare forskning har t.ex. anteckning via papper och penna [7] eller via appar utförs [2]. Dock, än så länge har studier som testar anteckning via röstkommando (t.ex. via Google Home) inte genomförts, därför kommer det i denna studie undersökas om anteckning med hjälp av röstkommandon kan bidra till minskning av missade anteckningar från testpersonen i jämfört med de klassiska antecknings-alternativen.
1.2 Tidigare forskning
Röstkommando, med t.ex. Google Home Smart Speaker, har visats vara användarvänliga och användbara enligt en tidigare studie från 2018 av Pyae, A. and Joelsson, T.N [10]. I denna studie utfördes en webbenkät om Google Home Smart Speaker (114 deltagare), där de fick mycket positiva svar angående dess användarvänlighet och användbarhet. Dock, några av de nackdelar som framkom var bl.a. att det loggades mycket fel om språket som användes inte var engelska eller att det kan ibland vara svårt att sammankoppla till andra enheter eller system.
I forskningen av Hedin, B et al. [5] studerade de hur konsumenternas matvanor och beteende kunde förändras med hjälp av olika metoder av beteendeförändringar. En av slutsatserna var att det inte var säkert om deltagarnas beteende förändrades eller ej, därmed var det också svårt att bevisa vilken metod som fungerade.
I en tidigare studie av Williams, H. et al [13] användes daglig dokumentering av matsvinn där syftet var att undersöka orsaken till matsvinn samt dess relation till förpackningen. I denna studie visade det sig att den genomsnittliga mängd matsvinn som mättes i studien var mycket mindre än det genomsnittliga mängd matsvinn från andra studier. En möjlig orsak som angavs i studien var att testpersonerna var medvetna om att deras matsvinn dokumenteras, dock angav de också att det kunde ha berott på att testpersonerna ibland glömde att anteckna.
Daglig anteckning av matsvinn har också använts inom en annan studie av Ganglbauer, E. et al, där anteckning via en mobilapp användes [4]. Denna metod visade sig vara lyckad från perspektivet att ca hälften (49,8%) skrev in i det frivilliga kommentarsfältet. Dock, det som var mindre lyckat var att av totalt 843 inmatningar var 133st (ca 15,8%) gjorda av samma person samt att 146 (17,3%) av dessa inmatningar var gjorda av användare som bara skrev in en gång.
I en annan tidigare studie av van Dooren et al. har det dokumenterats matsvinn hos hushåll via en kombination av tre olika metoder [2]. De tre metoder som användes var enkät, daglig anteckning av flytande matsvinn via en app samt analys av avfallssammansättning. Med flytande matsvinn menas livsmedel som är flytande, t.ex. läsk eller mjölk. I denna studie visade det sig att det flytande matsvinnet registrerat via appen var totalt 8 gånger större än det som svarades i enkäterna.
Från en tidigare forskning av Thieme, A et al [12] användes en BinCam som var en papperskorg med en smartphone på undersidan av locket. Smartphonen tog bilder av skräpet som slängdes och dessa bilder las upp på en applikation på Facebook, sådan att alla medlemmar i i BinCam system kan se bilden. Denna BinCam liknar kompostpåsehållaren som användes i denna studie, i och med båda var en papperskorg som dokumenterade det matavfall som slängdes, läs 4.3. Kompåstpåsehållaren.
Ingen av dessa metoder har jämfört användandet av en röstassistent tillsammans med papper och penna i samma studie, därför avser vi i denna studie utforska dessa två mätmetoder under samma mätperiod.
1.3 Syfte
I denna studie användes ett system som loggade hushållens matavfall med hjälp av en Google Assistant i en Google Home Mini. Allt matavfall loggades, alltså både oundvikligt matavfall och matsvinn, för att inte begränsa studien till endast den ena. För att göra detta skapades färdiga kommandon med applets för Google Home Mini som användaren ska använda sig av. En sensor samt en räknare som var kopplad till en specifik kompostpåsehållare användes som en kontrollenhet som kollade att antal tillfällen då matavfall uppstod och inte loggades via röstkommando. Med hjälp av kompostpåsehållaren kan det då kontrolleras om testpersonerna har missat att logga matavfall med någon av de två mätmetoderna. Ifall räknaren visade ett högre värde än antal loggar betyder det att testpersonerna har glömt bort att logga. Därmed vill vi se vilken mätmetod som har en räknare som stämde mest överens med antal loggar.
Syftet med denna studie var att undersöka röststyrning som ett nytt alternativ att logga matavfall. Denna undersökning är av intresse för forskning kring främst hur människors vanor kan mätas men även för studier om minskning av t.ex matsvinn, användningen av röstkommando i vardagen och m.m. Även för utveckling av liknande system skulle denna studie kunna vara till
hjälp. Andra intressegrupper skulle kunna vara företag som producerar smart home devices t.ex. “smarta kylskåp” där det system som utvecklades i denna studie eller något liknande system skulle kunna tänkas att implementeras hos deras produkter.
1.4 Problemformulering
Studien undersökte hur röstinmatning upplevdes, används och fungerade som metod för att registrera matavfall.
Studiens ena underfråga var att titta på:
Om röstkommandon underlättar för att logga anledningen till varför specifikt matsvinn slängs jämfört med att använda penna
och papper?
Den andra underfrågan var att undersöka:
Om hushåll anser det vara mer effektivt att logga något med hjälp av röstkommando jämfört med att skriva ner det med papper och
penna?
Effektivitet definieras här som hur enkel och lättanvänd respektive mätmetod var för att logga matavfall. Om metoden var enkel stöter inte användaren på något problem när den ska utföras, varken tekniska eller övriga. Ju mer effektiv den var ju mer frekvent bör metoden användas utan tekniska problem.
1.4.1 Avgränsningar
Denna studie mäter matavfall, vilket har definierats som matsvinn som hade kunnat konsumeras som livsmedel men även oundvikligt matavfall som inte går att konsumera. Eftersom vi mätte matavfallet som slängdes i en enkel kompostpåse, har vi valt att begränsa vår studie till att inte mäta drycker och flytande matavfall som slängs i diskhon - alltså flytande livsmedel. Studien undersökte även endast singelhushåll. Detta för att minimera fel som kan uppstå p.g.a. andra hushållsmedlemmar som inte är med i studien, t.ex. att den ena hushållsmedlem slänger något i kompostpåsehållaren och det loggas av sensorn men den personen inte antecknar det som slängs eftersom den inte är med i studien.
Dock, kan begränsningarna till singelhushåll leda till att resultatet också blir begränsat. Med hjälp av vår startenkät ser vi även till så att studien avgränsades till de hushåll som anser att de har matavfall i hemmet. Se Bilaga 1 i Appendix för frågorna i startenkäten.
Sensorn som var kopplad till en kompostpåsehållare mätte om något har slängts. Den känner av varje gång locket till kompostpåsehållaren öppnades och därmed loggar att det har slängts en gång i kompostpåsen. Detta jämfördes med att testpersonen själva loggar om de har slängts något. Denna metod undersökte endast om något har slängts, inte vad som har slängts då det är svårt att mäta matavfall rent konkret. Därför ser studien endast på frekvensen av vad som har slängts - och därmed undersöka om det verkliga matavfallet stämde överens med matavfallet som loggats.
2. TEORI
I teorin beskrivs Behaviour Change Wheel Model som kommer användas som designval för prototypen i studien.
2.1. Behavior Change Wheel (BCW)
Studiens val av design för prototypen utgår från vissa teorier som behandlas i modellen Behaviour Change Wheel (se Figur 1).
Denna modell redogör för hur beteendeförändringar kan uppnå och implementeras. Modellen är en syntes av 19 olika ramverk som följas för att få till förändringar.
Till att börja med identifieras vilka beteenden som orsakar problemet, sedan användes den s.k. COM-B modellen för att analysera dessa beteenden. COM-B utgörs av de olika tillstånden Kapacitet (Capability), Motivation, Möjlighet (Opportunity) som alla interagerar med det sista tillståndet Beteende (Behaviour), (se Figur 2 och den inre gröna cirkeln i Figur 1).
Den röda cirkeln som omringar det gröna är de 9 s.k interventionsfunktionerna i modellen (se Figur 1) och används för att ändra beteendet. Dessa interventionsfunktioner som väljs baseras på analysen med COM-B modellen i det tidigare steget. I det gråa yttersta lagret av BCW anges 7 olika policy-kategorier (se Figur 1) som kan användas för utförandet av funktionerna [6].
Dock, kommer detta inte att användas i denna studie.
Figur 1: Behaviour Change Wheel (BCW) [6]
Figur 2: COMB-Modellen [6]
3. METOD
Före undersökningen skapades en Applet för Google Home Mini och en kompostpåsehållare. Funktionstester och stresstester har utförts i förhand för att säkra att prototypen fungerar under testperioden. Undersökningen inleddes med en startenkät som har använts för att hitta testpersoner som uppfyller kraven i startenkäten för att de ska vara med i studien (se Bilaga 1 i Appendix). Bland de 5 testpersonerna, var en engelsktalande.
Sedan möttes varje testperson och delades ut Google Home Mini och kompostpåsehållaren. Vid detta tillfälle blev även testpersonerna informerade om hur prototyperna användes.
Kravet för att testpersonerna skulle bli godkända på momentet var att de måste slänga deras matavfall i den angivna kompostpåsehållaren med sensorn samt att de måste logga med det angivna alternativet (dvs. med röstkommando eller papper och penna) vid minst ett tillfälle, men därefter är det inget krav att testpersonerna måste logga sitt matavfall. Detta informerades testpersonerna om för att undvika att de aktivt väljer att slänga mat endast för att ha något att logga.
Testpersonerna testades under två veckor där två olika anteckningsmetoder användes för att anteckna matavfall. Den första veckan antecknades med Google Home Mini och den andra veckan noterades analogt med papper och penna. Under hela studien använde varje testperson en kompostpåsehållare (se kapitel 4.3 kompostpåsehållaren) med en räknare som loggade frekvensen för deras matavfall via sensorn. Då testpersonen byter kompostpåsen ska loggningen via sensorn pausas genom att testpersonen trycker på en knapp på kompostpåsehållaren. Detta gjordes för att inte få felaktiga data där byte av påse kan misstolkas som slängt matavfall. Under undersökningen ska testpersonerna ha antecknat sitt matavfall, där det antecknades vad för matavfall det var och om det vore matsvinn så ska även orsaken till varför matsvinnet slängdes ha antecknats.
Testpersonerna ska även anteckna tid och datum för varje gång de slänger något.
Efter undersökningen samlades alla kompostpåsehållare och Google Home Mini in och en enkät skickades ut. Denna enkät finns i Bilaga 4 i Appendix. Enkäten frågade testpersonerna om deras upplevelser kring att anteckna med Google Home Mini samt papper & penna.
Resultatet analyserades genom att jämföra det loggade antalet tillfällen då komposthållarlocket öppnade och antal loggningar via papper & penna respektive röstkommando. Antal loggade orsaker till matsvinn jämfördes också mellan de två testade metoderna för att besvara subfrågan gällande om röstkommandon underlättar för att logga anledningen till varför matsvinn slängs.
4. PROTOTYP
I detta avsnitt förklaras det hur prototypen skapades med hjälp av Behaviour Change Wheel Modellen. Det redogörs även för vilka tekniska tjänster som användes för att följa testpersonerna i studien.
4.1 Designval - BCW
I detta steg används BCW-ramverket för att designa en beteendeförändringsintervention, där dess metoder förklaras i 2.1.
Behavior Change Wheel (BCW). Totalt har BCW-modellen 8 steg där hur stegen applicerades förklaras nedan [6]. Dock, användes inte steg 6 och steg 8 p.g.a. att de inte var relaterade.
Step 1: Define the problem in behavioral terms
I det första steget visas vad beteende är samt vilka personer som är involverade i beteende. Beteende definieras som personer som ska logga sitt matavfall i matavfallsstudier inte alltid antecknar det de slänger inom hushåll med klassiska anteckningsmetoder, t.ex.
appar eller papper och penna [7].
Step 2: Select the target behavior
Därefter i steg 2 definieras target behavior, dvs. deltagarna antecknar vad och i förekommande fall varför matsvinn slängs med hjälp av Google Home Minis röstkommando.
Step 3: Specify the target behavior
I nästa steg, dvs. inom target behavior beslutades detta:
● Vem: De som slänger mat och deltar i matavfallsstudier
● Vad: Att de inte antecknar
● Vart: I hushåll
● När: När de slänger mat
● Hur ofta: Då de slänger mat, hur ofta beror på person
● Med vilka: Med de i hushållen Step 4: Identify what needs to change
Efter att specifikationerna för beteende var bestämda används COM-B modellen för att bestämma vilka ändringar hos användaren som behövs för att uppfylla target behavior. Detta visas i Tabell 1. Som slutsats drogs att Psychological Capability och Automatic Motivation var det som skulle fokuseras på.
COM-B komponenter
Vad för saker måste hända för att vårt target behaviour ska ske?
Behövs en förändring?
Physical Capability
Inget speciellt Nej
Psychological Capability
ha kompetens att anteckna matavfall med Google Home Mini
Det kan vara jobbigt att orka logga matavfall med klassiska anteckningsmetoder inom hushåll. En möjlig lösning är att använda Google Home Mini för anteckning.
Om man får instruktioner, nej
Ja
Physical Opportunity
Pengar till Google Home Mini samt att man har mat som slängs
Beror på person, men inget som ska studeras här i denna studie
Social Opportunity
Inget speciellt Nej
Reflective Motivation
Motivationen kan vara att ge så korrekt data som möjligt angående matavfall till forskarna för matavfallsstudien p.g.a. att
Beror på person, men inget som ska studeras här i denna studien
få så bra forskningsresultat som möjligt.
Automatic
Motivation Få in i rutin att anteckna
matavfall Ja
Tabell 1: Resultat av COM-B övningen.
Step 5: Identify intervention functions
I nästa steg bestäms de interventionsfunktionerna som ska fokuseras för att avgöra target behavior. Resultaten presenteras i Tabell 2, där Environmental restructuring och Enablement är de interventionsfunktioner vi valt att fokusera på. Även Persuasion och Incentivisation vore möjliga interventionsfunktioner men dessa har vi inte valt att titta på i vår studie.
Funktioner för interventioner
Är det rimligt i vårt fall?
Modelling Nej
Environmenta l restructuring
Google Home Mini - objektet
Restrictions Nej
Education Nej
Persuasion T.ex. att övertyga deltagarna om att anteckna deras matavfall är viktigt som ett första steg för miljön
Incentivisation T.ex. att deltagaren får direkt pris. Exempelvis, deltagaren får 2 kr varje gång deltagaren registrerar något matavfall
Coercion Nej
Training Nej
Enablement Ett system som loggar matavfall som slängts via Google Home Mini
Tabell 2: Resultat av identifikationen av funktioner för interventioner.
Step 7: Identify behavior change techniques (BCT)
Därefter används BCT Taxonomy med hjälp av de utvalda interventionsfunktioner för att rekommendera beteendeförändringsteknik [6]. BCT Taxonomy finns i 16 st grupper där varje grupp är indelad i mindre delar. Dessa mindre
delar presenteras här nedan. Med andra ord, det presenteras teknik (dvs. BCT Taxonomy) som rekommenderas för att uppnå vår target behavior, dvs. deltagarna antecknar vad för matavfall och i förekommande fall varför matsvinn slängs med hjälp av Google Home Minis röstkommando. Utöver dessa användes även kompåstpåsehållaren (läs 4.3. Kompostpåsehållaren) för att Google Home Mini ska fungera. Alla använda tekniker, inklusive Google Home Mini, visas nedan:
2.1) Monitoring of behavior by others without feedback
Testpersonerna vet att varje gång de loggar sina matavfall visas det i loggningen kex-arbetarna har tillgång till. Detta leder till att testpersonerna beter sig mer eller mindre annorlunda p.g.a. t.ex.
press då de loggar sina matavfall.
2.3) Self-monitoring of behavior
Testpersonerna ombads att anteckna varje dag, i t.ex. Google Home Mini, om vad för matavfall som slängdes denna dag.
4.1) Instruction on how to perform the behavior
Innan användningen av Google Home Mini och kompåstpåsehållaren visades instruktioner av hur Google Home Mini Appleten och konpåstpåsehållaren används.
6.1) Demonstration of the behavior
Innan användningen av Google Home Mini och kompåstpåsehållaren visades fysiskt demonstration av hur Google Home Mini Appleten och kompostpåsehållaren används.
7.1) Prompts/cues
Väl synliga uppmaningar i tydliga färger (framförallt röd-text) används till påminnelselapparna på kompostpåsehållaren för att man ska komma ihåg det som står på lapparna och komma ihåg att utföra beteendet, (se Figur 5 under 4.3. Kompostpåsehållaren).
10.3) Non-specific reward
Testpersonerna för denna studie måste delta i minst en undersökning eftersom de är studenter till kursen DM1578 Programintegrerande kurs i medieteknik, annars blir de icke-godkända i kursen. Orsaken till att vi använder studenter i denna kurs var för att de var enkla att få tag på och att bortfallet blir lågt.
10.6) Non-specific incentive
Testpersonerna kommer bli belönad med poäng i kursen DM1578 Programintegrerande kurs i medieteknik om de är med i kursens delar, dvs. denna studie.
11.3) Conserving mental resources
Google Home Mini sparar troligtvis på mycket tid vid loggning av matavfall, i jämfört med andra anteckningsmetoder, t.ex. papper
& penna eller appar. Exempelvis skulle detta kunna jämföras med papper och penna, t.ex. det går snabbare att säga ett röstkommando än att skriva en mening, samt att det kan vara enkelt att slarva bort pappret man skriver på men man kan inte slarva bort dokumentet man skriver på.
12.5) Adding objects to the environment
a) Tilläggning av en övrig kompostpåsehållaren räknas som en addition av objekt till omgivningen. Den påminner deltagarna om att addera något till den nya soptunnan.
b) Tilläggning av Google Home Mini - objekten kan påverkas positivt för testpersonerna i och med de blir påminda om att logga för matavfallen.
För att uppnå vår target behavior, dvs. att anteckna med Google Home Mini röstkommando, används punkt Monitoring of behavior by others without feedback , Self-monitoring of behavior,, Conserving mental resources, Adding objects to the environment b) samt Instruction on how to perform the behavior och Demonstration of the behavior om Google Home Mini, vilket kommer användas som huvudfokus. Utöver dessa används för kompostpåsehållaren även Prompts/cues, Adding objects to the environment a) samt Instruction on how to perform the behavior ochDemonstration of the behavior om kompostpåsehållaren samt punktNon-specific reward och Non-specific incentive används i undersökningen. Dock, fokuserades inteNon-specific reward och Non-specific incentive i undersökningen.
4.2. Applet för Google Home Mini
Alla testpersoner fick varsitt Google konto. Genom deras konton skulle vi kunna följa all data som loggas via röstkommandon till Google Home Mini. När testpersonen loggade in på sitt tillvalda Google konto på sitt nätverk hemma, och även kopplade upp Google Home Minin så skulle Google Home Mini synkroniseras med Google kontot. Denna metod användes under första veckan.
Genom tjänsten IFTTT [8] skapades två applets som skulle kopplas ihop till varje testpersons Google konto (se Bilaga 2 i Appendix). Detta gjordes för att eventuellt skapa egna röststyrnings kommandon till de två appleten som kan användas med Google Home Minin:
1. Add food waste
2. Add reason for food waste
Testpersonen börjar med att säga ”Hey Google add __ to food waste” varvid Google Home Mini kommer svara med den andra appleten - ”What is the reason? Remember to start the answer with Hey Google” för att få ut mer information om det är matavfall som är oundvikligt matavfall eller inte (se Bilaga 3 i Appendix). När testpersonen är klar med att logga matavfallet kommer det som loggas hamna i ett separat kalkylark för respektive testperson (Figur 3). Med hjälp av denna metod samlar vi endast det matsvinn som loggas, all annan aktivitet som sker med Google Home Minin registreras inte av oss.
Figur 3: Testperson 1:s röstinmatning loggar som har samlats i ett kalkylark tillsammans med tidpunkten för loggandet.
Figur 4: Testperson 4:s röstinmatning loggar som har samlats i ett kalkylark. Vad som slängdes, tidpunkten samt
anledningen till att något slängdes presenteras.
4.3. Kompostpåsehållaren
Som nämnt tidigare används kompostpåsehållare till att räkna hur många gånger den öppnas. De delarna som används för att skapa systemet är följande komponenter: mikrokontroller attiny85, röd LED-lampa, knapp, flex sensor, 3 AA batteri, batterihållare (3 st AA), kopplingsdäck och kopplingstrådar. Om knappen trycks kommer den röda LED-lampan att lysa och detta visar att räknaren är pausad. Om knappen trycks igen kommer lampan att slockna och räknaren kommer att startas. Då anteckningsmetod byts (från Google Home Mini till papper och penna) ska det även bytas till en annan räknare. Detta görs genom att trycka på knappen 5 gånger på raken, LED-lampan kommer att blinka 5 gånger och räknaren kommer att bytas. På kompostpåsehållaren finns det påminnelselappar som påminner användarna om att slänga matavfall i kompostpåsehållaren och instruktioner om hur kompostpåsar byts, se Figur 5. I Figur 5 visas även slutprodukten.
’
Figur 5: Den färdiga Kompostpåsehållaren
För att uppfylla följande funktionaliteter har vi valt att använda attiny85 som mikrokontroll, där Arduino Uno var kopplad till attiny85 enligt Bilaga 6 i Appendix. Arduino Uno och datorn var sedan kopplade via USB uttaget för att programmera attiny85. I Bilaga 7 i Appendix visas hur själva systemet var kopplat.
Efter undersökningen bör värdena läsas av, bland annat räknaren för Google Home Mini och räknaren penna & papper. Detta görs
genom att först ladda upp BareMinimum via
Exempel>01.Basics>BareMinimum till Arduino Uno. Sedan kopplas attiny85 och Arduino Uno enligt Bilaga 8 i Appendix.
Öppna Serial Monitor och skriv in någon bokstav inom “Send”
och skicka bokstaven, då kommer värdena att printas.
5. RESULTAT
Här kommer vi redogöra resultatet av den insamlade datan. Datan kommer från mikrokontrollen som är räknaren, enkäten som skickades ut till alla testpersoner efter testperioden samt all data som har loggats av testpersonerna. Problem som uppstod under testperioden som vi fick reda på via enkäten presenteras även.
5.1 Räknare
Vid insamling och analysering av datan från räknaren på kompostpåsehållaren samt kalkylbladen där allt hade loggats upptäcktes flera avvikelser. Räknaren var uppdelad i två separata uppräkningar. Den första och andra veckan sparades skilda så de kunde jämföras åtskilt. Första veckans data, där röststyrning har använts, visade att tre av fem testpersoner hade loggat färre gånger än räknarens värde. En testperson hade lika många loggar som räknarens värde, och den sista testpersonen hade två fler loggar än vad räknaren hade som värde. Att det är färre loggar än värdet på räknaren kan ha flera olika förklaringar. Det kan betyda att testpersonerna har glömt att logga, att de har använt kompostpåsehållaren felaktigt – exempelvis inte pausat räknaren när de byter påse, därmed ökat räknaren. Det kan även visa på att sensorn på kompostpåsehållaren inte har fungerat korrekt och läst av varje lyft.
Andra veckans värden, där papper och penna användes, visade att fyra av fem testpersoner hade fler loggar än räknaren värde. Den femte hade färre loggar än räknaren. Att det finns fler loggar än vad räknaren har för värde är en avvikelse som antingen betyder att kompostpåsehållaren inte har använts eller att sensorn inte har registrerat ett lyft på locket. Denna avvikelse är en som vi inte kunde förutse skulle hända.
Resultatet för de 5 testpersonerna presenteras i Tabell 3 i Appendix.
5.2 Enkät
Testpersoner blev tillfrågade om de två mätmetoderna via en enkät. När de blev tillfrågade om fördelar respektive nackdelar med de två mätmetoderna kom det fram att fyra av fem testpersoner ansåg att en nackdel med Google Home Mini var att det ibland var svårt att kommunicera med den. Röstassistenten förstod alltså inte alltid vad testpersonerna sa, så de fick upprepa sig flera gånger. Å andra sidan tycker dom att det gick väldigt
smidigt och var effektivt att använda sig av röststyrning när det väl fungerade med kommunikationen.
Gällande papper och penna fanns det inte lika självklara fördelar, och en av testpersonerna ansåg även det inte finns några fördelar alls med papper och penna. De som angav fördelar sa att det positiva var att det blev rätt direkt, då de inte behövde hantera kommunikationsproblem. Testpersoner ansåg att nackdelar var placering av papper och penna, att det var jobbigt att ha koll på tiden när de antecknade och de tyckte att det kändes etiskt fel att, som de ansåg, slösa på papper ur ett hållbart perspektiv.
Figur 6: Testperson 4s loggar som gjordes med mätmetoden papper och penna
Med papper och penna fanns det problem som en testperson angav att det var jobbigt när testpersonen hade smutsiga händer pga matrester och var tvungen att tvätta händerna först och anteckna någon minut senare. Det var en säker mätmetod då testpersonerna visste exakt vad som skulle stå och hur det skulle se ut, jämfört med att ropa ut det till en röstassistent.
Testpersoner fick gradera de båda mätmetoderna från 1 till 9. 1 var ”mycket missnöjd” och 9 ”mycket nöjd”. Medelvärdet för papper och penna var 3,6. Medelvärdet för Google Home mini var 6,2. När de blev tillfrågade vilken mätmetod de hellre skulle vilja använda sig av svarade fyra av fem på Google Home Mini.
Resultatet presenteras i Tabell 4 i Appendix.
5.3 Registrering av anledning vid matsvinn
Under första veckan med röststyrning hade alla förutom en testperson registrerat en anledning till varför de slängde matsvinn, vid varje gång de hade loggat matavfall. Testpersonen hade inte registrerat en anledning vid ett av sina två tillfällen där matsvinn loggades. Under andra veckan, då testpersonerna antecknade med papper och penna var resultatet detsamma. Endast en testperson hade inte antecknat anledningen till varför den slängde matsvinn, detta skedde vid ett tillfälle.
I enkäten som gjordes i slutet framkom det att en testperson tyckte att det var jobbigt att ropa ut “Hey Google” en andra gång då anledningen till matsvinnet skulle registreras, en testperson gjorde på ett annat sätt oavsiktligt i sina loggar. Testpersonen sa anledningen innan livsmedlet istället för att använda sig av den andra appleten som skapades, se Figur 7:
Figur 7: Testperson 3:s röstinmatning loggar som har samlats i ett kalkylark tillsammans med tidpunkten för loggandet
Figur 8: Testperson 3s samma loggar som gjordes med mätmetoden papper och penna
5.4 Tekniska och mänskliga faktorer
Testpersonerna blev tillfrågade i enkäten om något problem har uppstått under testperioden, då har en testperson uppgett att den har använt kompostpåsehållaren när den inte skulle användas. I enkäten skrev en testperson att pausfunktionen på kompostpåsehållaren aktiverades när luckan stängs med kraft. En annan testperson hade problem med att koppla sitt konto till Google Home Minin och därför registrerades inget i kalkylarket men räknaren ökade då kompostpåsehållaren används med fel konto. En annan testperson angav att denna var bortrest under en del av mätperioden vilket kunde påverka resultatet. Dessutom fanns det tillfällen då testpersoner hade glömt att trycka på pausknappen när de kollade om kompostpåsen var full eller när de bytte påse. Ett mänskligt fel var att en testperson kom på i efterhand att den inte hade antecknat det som hade slängt, därför kollade testpersonen i kompostpåsehållaren vad det var som hade slängts och antecknade det i efterhand. Detta ledde till att det som loggades inte var korrekt och naturligt.
6. DISKUSSION
Här diskuteras de två frågorna som studien hade som problemformulering;
Om röstkommandon underlättar för att logga anledningen till varför specifikt matsvinn slängs jämfört med att använda penna och papper? samt om hushåll anser det vara mer effektivt att logga något med hjälp av röstkommando jämfört med att skriva ner det med papper och penna?
Det redogörs även för testpersonernas upplevelse med båda mätmetoderna, jämfört med varandra. Här diskuteras även vad vi skulle kunnats göra annorlunda i mätmetoden där papper och penna användes, utifrån svaren vi fick från resultatet. Metoden granskas även och en möjlig vidareutveckling av metoden i form av en applikation presenteras. Till sist tillämpar vi studiens syfte på det vardagliga livet och ser om röststyrningen då är en realistisk mätmetod som skulle kunna används.
6.1 Testpersonernas upplevelse
Fyra av fem testpersoner föredrar att använda röststyrning med Google Home Mini istället för att skriva på papper och penna som mätmetod. Det som de tyckte var negativt med röststyrning var problemet att det inte är så enkelt att kommunicera då röstassistenten inte alltid uppfattar vad som sägs. Detta togs upp i studien från 2018 av Pyae, A. and Joelsson, T.N [10], där det framkom att det loggades mycket fel om språket som användes inte var engelska. Således hade detta kunna undvikas om testpersonerna sa alla kommandon på engelska. Det som skulle kunna skett då är att testpersonerna inte kunde de engelska orden på livsmedlen som slängs och väljer därmed att inte logga något eller att logga felaktigt.
Vår engelsktalande testperson gav högst betyg till röststyrning mätmetoden i enkäten, 8 av 10. Om språkvalet är en anledning till varför är svårt att svara på då det finns flera olika faktorer som spelar in, som togs upp i enkäten. Flera testpersoner skrev att de tyckte det gick “smidigt” när det väl fungerade med kommunikationen. Detta var något vi sökte efter i mätmetoderna, att den skulle fungera effektivt Att majoriteten föredrog att använda röststyrning visar ändå att mätmetoden med röstkommando skulle kunna anses vara mer effektivt än att logga något med hjälp av papper och penna. Detta besvarar då delvis vår underfråga; om hushåll anser det vara mer effektivt att logga något med hjälp av röstkommando jämfört med att skriva ner det med papper och penna?
6.2 Papper och penna - åtgärder
Av resultatet framgick att testpersonerna inte tyckte om mätmetoden med papper och penna för att de ansåg att det var dåligt för miljön på grund av pappersförbrukningen. Detta är något som skulle kunna ändras ifall vi hade gått igenom information om att Google Home Mini bidrar till elektroniskt waste i samhället. Flera testpersoner ansåg även att det var jobbigt att ha koll på papper och penna när den mätmetoden användes.
Detta kunde undvikas ifall det hade delats ut ett specifik block med penna som exempelvis kunde fästas på ett kylskåp. Dock så hade fortfarande problemet med att smutsiga händer är ett hinder
vid anteckning bestått. Dessa praktiska lösningar kan ändå vara en lösning som ökar nöjdheten för denna mätmetod, i vissa fall kan praktiska fördelar väga över att det går bra när det väl fungerar - som vissa testpersoner angav som fördel med Google Home Mini.
Om detta hade ändrat resultatet för betyget som testpersonerna gav de två mätmetoderna hade svaret på vår andra underfråga; om hushåll anser det vara mer effektivt att logga något med hjälp av röstkommando jämfört med att skriva ner det med papper och penna? kunnat luta sig mer mot papper och penna.
6.3 Studiens metod
Vår tekniska lösning var att skapa IFTTT konton till varje testperson som kopplades ihop med varsitt Google Konto. Detta är en omständig lösning som hade kunna lösas genom att utveckla en specifik app till exempelvis Google Home. Allt som testpersonerna hade loggat skulle då kunna hamna i appen där de får möjlighet att se över vad de har loggat. Som inloggning skulle de ha kunnat använda ett valfritt användarnamn och lösenord.
Det uppstod ett viss missnöje över att testpersonerna var tvungna att ropa ut “Hey Google” en andra gång då anledningen till matsvinn skulle registreras. Därför svaret på den första frågan i studiens problemformulering;om röstkommandon underlättar för att logga anledningen till varför specifikt matsvinn slängs jämfört med att använda penna och papper?,lutat sig mer mot att det inte underlättar. Av resultatet framgick det att de ansåg att det var jobbigt att behöva ropa ut kommandot igen, dessutom hade en testperson gjort det på ett annat sätt. Alltså att anledningen till matsvinn angavs i första appleten i samma mening, om detta var en fastställd metod för alla testpersoner skulle de kanske ha en annan upplevelse av denna del av testet och svaret på frågan hade kunnat luta sig mer mot att det faktiskt underlättar. .
Angående prototypen som skapades, framgick det av resultatet att en testperson hade glömt att trycka på pausknappen när testpersonen tömde skräp. Att skapa en kompostpåsehållare med en sensor är en lösning som har flera olika tillvägagångsätt.
Sensorn som valdes i studien var en böjsensor, något som hade kunnat bytas ut mot exempelvis en trycksensor i botten av papperskorgen. Om den var känslig nog skulle trycksensorn kunna känna av när något slängs samt om påsen lyfts från kompostpåsehållaren.
6.4 Är röststyrning en realistisk mätmetod
Om man bortser från kommunikationsproblem, och antar att all kommunikation sker på engelska - är detta då en realistisk mätmetod? Röstassistenten som användes i studien, Google Assistant, finns i android telefoner såväl som i Google Home enheter. Om man har iphone går det även att ladda ner Google Assistant som app. Därför är det inget krav att ha en Google Home Mini i hemmet för att kunna logga via röstkommandon.
Hållbarhetsaspekten att en Google Home behöver tillverkas för varje hem kan då bortses från, då det kan användas sin egna befintliga telefon med Google Assistant.
Det positiva med att ha en Google Home Mini synligt i hemmet är att man får en påminnelse att notera varje gång något ska slängas.
Men om något är synligt och aktivt påminner dig om att logga när du slänger något kan diskussion vändas till huruvida mätmetoden
sker naturligt. Detta kan kopplas till en tidigare studie som togs upp av Williams, H. et al [13] där mängden matsvinn som mättes vad mindre än genomsnittlig mängs - detta kunde bero på att testpersonerna var medvetna om att deras matavfall dokumenterades. Dock så kan det vara en positiv sak ifall studien ämnar att uppnå just detta target behavior som nämns i BCW, att de vet att de är övervakade får testpersonerna att ändra sitt beteende och logga sitt matavfall..
7. SLUTSATS
Resultatet visade att majoriteten av testpersonerna var mer nöjda med röststyrning än papper och penna som mätmetod men att det finns brister som kan åtgärdas. Studien visade att det går att dokumentera matavfall med hjälp av röststyrning.
Den kvantitativa datan som togs fram går inte att dra några slutsatser från då det har funnits brister med sensorn. Studien identifierade att metoden som användes under studien går att förbättra vilket kan ändra resultatet på den kvalitativa datan av de två mätmetoderna.
8. FINANSIERING
Examensarbetet har utförts inom ramen för projektet "Smarta förvaringslösningar i framtidens kylskåp för minskat matsvinn"
finansierat av Vinnova, dnr 2018-04115.
9. REFERENSER
[1] Dahlén, L. and Lagerkvist, A. 2008. Methods for household waste composition studies. Waste Management. 28, 7 (Jan. 2008), 1100–1112.
DOI:https://doi.org/10.1016/J.WASMAN.2007.08.014.
[2] van Dooren, C. et al. 2019. Measuring food waste in Dutch households: A synthesis of three studies. Waste
Management. 94, (2019), 153–164.
DOI:https://doi.org/https://doi.org/10.1016/j.wasman.2019 .05.025.
[3] Falk, J. et al. 2019. Exponential Roadmap 1.5 Future Earth. Future Earth. Sweden. (2019).
[4] Ganglbauer, E. et al. 2015. Why and what did we throw out? Probing on Reflection through the Food Waste Diary.
[5] Hedin, B. et al. 2019. A Systematic Review of Digital Behaviour Change Interventions for More Sustainable Food Consumption. Sustainability 2019, Vol. 11, Page
2638. 11, 9 (May 2019), 2638.
DOI:https://doi.org/10.3390/SU11092638.
[6] Michie, S. et al. 2014. The behaviour change wheel : a guide to designing interventions.
[7] Møller, H. et al. 2014. Standard approach on quantitative techniques to be used to estimate food waste levels.
[8] My services - IFTTT: https://ifttt.com/.
[9] Naturvårdsverket 2019. Fakta om matavfall - Naturvårdsverket.
[10] Pyae, A. and Joelsson, T.N. 2018. Investigating the
