Teknologitrender

Det er flere grunner til at prosjektet Trendovervåkning har utforsket muligheten for å gjøre mer av informasjonsinnhentingen og -analysen selv på en mer kvantitativt enn tidligere:

• behov for mer systematikk og kontinuitet i innsamlingen av informasjon som grunnlag for utviklingstrekk, trender og analyser
• behov for å gjøre analysene så kvantitative som mulig før kvalitative analyser utføres
• det er uhensiktsmessig og kostbart å bruke konsulenter til å løse løpende faglige kjerneoppgaver i direktoratet
• en ny tid med raskt økende grad av kompleksitet og usikkerhet, krever nye og mer effektive metoder og verktøy

To av delprosjektene har benyttet stordata og maskinlæring for å finne resultater som er med på å redusere høy usikkerhet. Det første delprosjektet har satt søkelys på å finne og behandle «tidlige tegn» til en trend eller holdning. Delprosjektet har levert resultater ved å samle inn store mengder data fra åpne kilder og testet disse opp mot kjente algoritmer for å vurdere om det er mulig å finne nye ukjente trender, deriblant «sorte svaner» eller «grå neshorn». I dette delprosjektet har det også være mulig å følge et sett trender over litt tid og vurdere holdninger folk har til denne i perioden. Det er samtidig vist at det er mulig å teste ut hypotetiske scenarioer opp mot de reelle dataene for å se om et scenario er eller kan bli virkelighet.

Det andre delprosjektet tar inn «myke variabler» og kombinerer disse med data om reisevaner. Kjente data fra norsk reisevaneundersøkelse er satt sammen med holdningsvariabler fra en europeisk undersøkelse for å vurdere om dette kan gi ny innsikt som kan supplere dagens transportmodeller. Det er bekreftet at maskinlæringsmetode på disse dataene for et avgrenset geografisk område gir ny innsikt og bedre forklaringsevne for transportmiddelvalg enn tradisjonelle metoder. Samtlige av maskinlæringsmetodene for dette delprosjektet viser bedre forklaringsevne enn tradisjonelle logistisk regresjonsmetoder for det samme området.

For de to siste delprosjektene er det levert resultater for trender som er av mindre usikker karakter. I det tredje delprosjektet har det vært mulig å benytte trender som ble funnet i de to første delprosjektene, og sette disse inn i en systemmodell for å simulere utfall av resultater, og dermed øke tolkbarheten. Systemmodellen som er bygget opp for formålet gjenspeiler et makroperspektiv, og den inneholder mange faktorer som påvirker samfunnsutviklingen, for eksempel økonomisk utvikling, klima og miljø, generasjonspåvirkning, kollektivtransport, bilbruk og lignende. Beregningene som er utført viser hvilken påvirkning trenden «jobbe hjemmefra» gir på kollektivtransport i antall reiser og på byspredning i antall kilometer.

For det siste delprosjektet er trendovervåkning vurdert ved å teste ut et nettbasert verktøy for å samle åpen og ustrukturert informasjon. Verktøyet Wide Narrow gjør det mulig å lagre, bearbeide, analysere informasjon fra åpne kilder, samt samarbeide og dele innsikt med andre i form av rapporter, nettsider eller nyhetsbrev. Ved å overvåke nyheter, fagrapporter m.m. vil det være grunnlag for å analysere informasjonen over tid og identifisere trender og utviklingstrekk. Uttesting av verktøyet bekrefter at trendovervåkningsmetoden som er foreslått implementert vil fungere i praksis.