Many milestones have been passed in computer science and currently we are on our way to pass yet another: artificial intelligence. One of the characteristics of AI is to be able to interpret so-called unstructured data, i.e., data that lacks structure. Unstructured data can be useful and with the new tools within AI is it possible to interpret it and use it to solve problems. This has the potential to be useful in practical applications such as processing and decision support. The work has been done at Apendo AB, which has the Swedish National Land Survey as a customer. The work is to investigate how AI-driven cognitive services through IBM Watson can be applied to the Swedish National Land Survey. The goal is to answer the following questions: Is it possible to apply cognitive services through Watson's services to give decision support to the Swedish National Land Survey already? In what ways can you use Watson's services to create a decision support? How effective can the solution for the Swedish National Land Survey be, i.e. how much time and costs can they save by using Watson's services on the chosen concept? As a practical part of the AI study, a perceptron was developed and evaluated. Through an agile approach, tests and studies about IBM Watson have taken place in parallel with interviews with employees at the Swedish National Land Survey. The tests were performed in the PaaS service IBM Bluemix with both Node-RED and an own built web application. Though the interviews, the Watson service Retrieve and Rank became interesting and examined more closely. With Retrieve and Rank you can get questions answered by ranking selected corpus pieces that are then trained for better answers. Uploading the corpus with related questions resulted in that 75% of the questions was answered correctly. Applications for the Swedish National Land Survey can then be a cognitive search function that helps administrators to search information in manuals and the law book. / Många milstolpar har passerats inom datavetenskapen och just nu håller vi på att passera en till: artificiell intelligens. En av de egenskaper som kännetecknar AI är att kunna tolka s.k. ostrukturerad data, alltså sådan data som saknar struktur. Ostrukturerad data vara användbar och med de nya verktygen inom AI är det möjligt att tolka för sedan använda det till att lösa problem. Detta har potential att vara användbart inom praktiska applikationer såsom handläggning och beslutsstöd. Arbetet har skett på företaget Apendo AB som har Lantmäteriet som kund. Arbetet går ut på att undersöka hur AI-drivna kognitiva tjänster genom IBM Watson kan tillämpas på Lantmäteriet. Målet är att besvara följande frågor: Är det möjligt att tillämpa kognitiva tjänster genom Watsons tjänster för att ge beslutsstöd åt Lantmäteriet redan i dagsläget? På vilka sätt kan man använda Watsons tjänster för att skapa ett beslutsstöd? Hur effektiv kan lösningen för Lantmäteriet bli, d.v.s. hur mycket tid och kostnader kan de tänkas spara genom att använda Watsons tjänster på valt koncept? Som praktisk del av studien om AI utvecklades och utvärderades en perceptron. Genom ett agilt förhållningssätt har tester och studier om IBM Watson skett parallellt med intervjuer med anställda på Lantmäteriet. Testerna utfördes i PaaS-tjänsten IBM Bluemix med både Node- RED och egenbyggd webbapplikation. Av intervjuerna blev Watson-tjänsten Retrieve and Rank intressant och undersöktes noggrannare. Med Retrieve and Rank kan man få frågor besvarade genom rankning av stycken av valt korpus som sedan tränas upp för bättre svar. Uppladdning av korpus med tillhörade frågor gav att 75 % av frågorna besvarades korrekt. Tillämpningarna Lantmäteriet kan då vara en kognitiv uppträningsbar sökfunktion som hjälper handläggare att söka information i handböcker och lagboken.

Många studenter behöver en web-baserad tjänst som de kan uppnå målet inom sina studier. Många studenter inom IT-området måste ladda ner mängder av programvaror och satsa relativt mycket pengar på sina datorer för att ha tillräckligt utrymme och processorkraft att köra olika program under sin studietid. Studenterna behöver en smidig, mångsidig och flexibel internetbaserad plattform som de kan komma åt när som helst, var som helst och från vilken enhet som helst. Dessutom är användbarhet hos plattformen en viktig aspekt för att supportera studenternas arbete. Bluemix är en Plattform as a Service (PaaS) - en typ av molntjänst. På Bluemix kan människor inom IT-området skapa, ändra, uppdatera och lagra sina applikationer med olika programmeringsspråk och de kan lägga olika tjänster till sina applikationer smidigt och snabbt. Syftet med den här uppsatsen är att utvärdera användbarhet av molntjänstplattformen Bluemix och undersöka vilken nytta som användare kan få när de använder plattformen. Den huvudsakliga målgruppen utgör studenter inom IT-området. Data har samlats in med hjälp av olika tekniker till exempel användartester, observation, tänka-högt (Think Aloud), intervju och enkät. Undersökningen visar att molntjänstplattformen Bluemix har god användbarhet fastän det finns några punkter som inte följer principer för god användbarhet. Dessutom är den en plattform som många testpersoner (studenter) önskar kan användas på universitetet. Nyckelord: Användbarhet, molntjänst, PaaS, SaaS, Bluemix, designprinciper, användartester, ITutbildning

Nowadays, prolonged sitting among office workers is a widespread problem, which is highly related to several health problems. Many proposals have been reported and evaluated to address this issue. However, motivating and engaging workers to change health behavior to a healthier working life is still a challenge. In this project, a specific application has been deployed for real-time monitoring and alerting office workers for prolonged sitting. The proposed system consists of three distinct parts: The first one is an android smartwatch, which was used to collect sensor data e.g., accelerometer and gyro data, with a custom android wear app. The second one is an android application, which was developed to act as a gateway for receiving the smartwatch’s data and sending them to IBM Bluemix cloud with MQTT protocol. The final part is a Node-Red cloud application, which was deployed for storing, analyzing and processing of the sensor data for activity detection i.e., sitting or walking/standing. The main purpose of the last one was to return relevant feedback to the user, while combining elements from gaming contexts (gamification methods), for motivating and engaging office workers to a healthier behavior. The system was firstly tested for defining appropriate accelerometer thresholds to five participants (control group), and then evaluated with five different participants (treatment group), in order to analyze its reliability for prolonged sitting detection. The results showed a good precession for the detection. No confusing between sitting and walking/standing was noticed. Communication, storage and analysis of the data was successfully done, while the push notifications to the participants, for alerting or rewarding them, were always accurate and delivered on time. Every useful information was presented to the user to a web-based dashboard accessed through a smartphone, tablet or a PC.     The proposed system can easily be implemented at a real-life scenario with office workers. Certainly, there is a lot space for improvement, considering mostly the type of data registered at the system, the method for sitting detection, and the user interface for presenting relevant information. / Numera är förlängt sittande bland kontorsarbetare ett utbrett problem som är väldigt relaterat till flera hälsoproblem. Många förslag har rapporterats och utvärderas för att ta itu med denna fråga. Tydligen är det fortfarande en utmaning att motivera och engagera arbetstagare för att förändra deras hälsobeteende till hälsosammare arbetsliv. I detta projekt har en särskild applikation använts för realtidsövervakning och varnar kontorsarbetare för förlängt sittande. Det föreslagna systemet består av tre olika delar: Den första är en android smartwatch, som användes för att samla sensordata t.ex. accelerometer och gyrodata, med en anpassad android wear app. Den andra är en en androidapplikation som fungerade som en gateway för att ta emot smartwatchens data och skickar datan till IBM Bluemix-Cloud med MQTT-protokollet. Den sista delen är en Node-RED Cloud-Applikation som användes för lagring, analysering och behandling av sensordata för aktivitetsdetektering. Detta innebär sittande eller gå/stående med det huvudsakliga ändamålet att returnera relevant återkoppling till användaren, samtidigt som man kombinerar element från spelkontekster (gamification metoder), för att motivera och engagera arbetarna till ett hälsosammare beteende. Systemet testades först för att definiera lämpliga accelerometertrösklar till fem deltagare (kontroll grupp) och utvärderades sedan med fem olika deltagare (behandingsgrupp) för att analysera dess tillförlitlighet för långvarig sittdetektering. Resultaten visade en bra precession för detektionen. Ingen förvirring mellan att sitta och gå / stående märktes. Kommunikation, lagring och analys av data gjordes framgångsrikt, medan push-meddelandena till deltagarna, för att varna eller belöna dem, var alltid korrekta och levererade i tid. All användbar information presenterades för användaren på en webbaserad dashboard som nås via en smartphone surfplatta eller en dator. Det föreslagna systemet kan enkelt implementeras i ett verkligt scenario med kontorsarbetare. Visst finns det mycket utrymme för förbättring om man tänker på majoriteten av data som registrerats i systemet, metoden för sittande detektion och användargränssnittet för presentering av relevant information.