Universiẗat, Diss., 2005--Bielefeld.

Universiẗat, Diss., 2005--Karlsruhe.

Zugl.: Saarbrücken, Univ., Diss., 2006

Universiẗat, Habil.-Schrift--Karlsruhe, 2005.

Thesis (doctoral) - Univ., Saarbrücken, 2006. / Includes bibliographical references and index.

Sedan slutet på 1990-talet brukar begreppet 24-timmarsmyndigheten användas för att beteckna visionen och arbetet kring att modernisera den svenska förvaltningen. Mycket handlar om att införa elektroniska tjänster i syfte att möta medborgarnas krav och förväntningar på samhällsservice. I mötet mellan visioner och operativt arbete formas lösningar som syftar till att underlätta både samspelet med medborgarna och förvaltningens interna arbete. I den här studien ligger fokus på en e-tjänst som på den offentliga sektorns webbplatser ofta kallas för medborgarassistent. Det är en form av informationssystem som börjar synas på kommuners och myndigheters webbplatser för att i 24-timmarsvisionens anda hjälpa medborgare att hitta information och få svar på sina frågor. Genom en instrumentell fallstudie kring utveckling och mplementering av en medborgarassistent på Enköpings kommuns webbplats belyser studien hur den svenska förvaltningens gemensamma visioner om 24-timmarsmyndigheten slår igenom i kommunens strategiska och operativa informationsarbete. I studien ställs frågor om vilka behov som ligger till grund för kommunens satsning och hur man resonerar kring tekniska möjligheter samt de visioner och förväntningar man har på medborgarassistenten. I resultatet framstår medborgarassistenten som en del av en begynnande kanalstrategi där Internet är tänkt att bli den ominerande kanalen för kommunens informationsarbete. Medborgarassistenten ska kunna bemöta många av medborgarnas enkla och vanligt förekommande frågor och därmed ge kommunens medarbetare mer tid till kvalificerade frågor och handläggning. Även om kommunens visioner och strategier i stora drag överensstämmer med 24-timmarsmyndigheten finns ett glapp till det operativa arbetet med medborgarassistenten. Det visar sig i assistentens förmågor och organisationens anpassning till nya inslag i informationsarbetet. Studien visar på möjligheter att minska glappet och dess konsekvenser genom att grunda utvecklingsprocessen i tydliga behovsunderlag och målbilder som underlättar identifiering och prioritering av kritiska punkter hos medborgarassistenten. / In the late 1990s the Swedish government launched their ideas on strategic use of information and communication technology (ICT) to improve public administration. The ideas have come to revolve around the ability to meet the changing needs and demands of citizens by using electronic web based services. In this context there is a growing interest in interactive web assistants, or FAQ robots among Swedish municipalities. The focal point of this instrumental case study is the introduction and use of an interactive web assistant that has been developed in order to improve the web services provided by the Swedish municipal government of Enköping. The purpose of this study is to gain knowledge of what kind of arguments and thoughts that took place, and issues that were involved in the developing process and preparation of the web assistant. This knowledge may be of interest in similar situations when developing public web based information systems. The study portrays how the web assistant in Enköping has evolved from discussions about access to municipal information to become a part of a strategy to use the Internet as the main channel for municipal information and communication. The purpose of launching the assistant, as mentioned by interviewees in Enköping, was to guide citizens with common and frequently asked questions to information on the municipal website in order to answer their questions. This, when common questions are being solved with the use of web based information, is expected to free resources so more complex questions and cases can be handled effectively by the municipal staff. The visions and strategies underpinning the Enköping assistant are similar to national ideas of focusing on citizens’ needs and demands on access to public information. But the study also pin points a gap between the strategies and procedures in the development of the assistant. The study concludes that extended preparatory work may reduce the gap and allow the municipal government to identify reasonable goals and defining citizens’ needs in order to develop an assistant to meet the specific demands of their particular citizens.

<p>In this paper, a navigation support approach for speech-only interaction based on auditory icons for room-based designs is presented, i.e. naturally occurring sounds that have a natural mapping to the system's underlying design metaphor. In contrast to many recent investigations that have focused on multi-modal or augmented reality systems, this paper concerns a unimodal speech and sound-only system. An auditory icon based prototype system for buildings maintenance support using a room-based metaphor was developed. The design was evaluated in a comparison with earcons and no-sound designs. The users’ subjective attitudes toward auditory icons were significantly more positive than to earcons.</p>

In this paper, a navigation support approach for speech-only interaction based on auditory icons for room-based designs is presented, i.e. naturally occurring sounds that have a natural mapping to the system's underlying design metaphor. In contrast to many recent investigations that have focused on multi-modal or augmented reality systems, this paper concerns a unimodal speech and sound-only system. An auditory icon based prototype system for buildings maintenance support using a room-based metaphor was developed. The design was evaluated in a comparison with earcons and no-sound designs. The users’ subjective attitudes toward auditory icons were significantly more positive than to earcons.

Detta arbete består av två delar. Den första delen syftar till att beskriva och analysera callcenterbranschen i Sverige samt vilka faktorer som påverkar branschen och dess utveckling. Analysen grundar sig i två modeller: Porters fempunktsmodell och PEST. Fokus ligger på den del av branschen som består av kundtjänstverksamhet för att koppla till arbetets andra del. Analysen visar att branschen främst påverkas av hög konkurrens och företagens, som behöver tillhandahålla kundtjänst, val mellan interna eller externa kundtjänstlösningar. Analysen indikerar även att branschen kommer fortsätta växa och att det finns en trend att företag i större utsträckning väljer att outsourca sin kundtjänst. Utvecklingen hos de tekniska lösningar som används i callcenter, till exempel dialogsystem, är efterfrågade av företagen då dessa är viktiga verktyg för att skapa en väl fungerande kundtjänst. Dagens digitala system har uppenbara utvecklingsområden. Det är ofta stora internationella företag eller internationella arbetslag som utvecklar de digitala systemen. Dock sträcker sig användningsområdet för dessa system långt utanför endast callcenterbranschen. Den andra delen handlar om att identifiera problematiska dialogsystemyttranden med hjälp av maskininlärning och inspireras av SpeDial, ett EU-projekt med syfte att förbättra dialogsystem. Yttranden från dialogsystemet kan anses problematiska beroende på till exempel att systemet missuppfattat användarens avsikt. Syftet med arbetets andra del är att undersöka vilken eller vilka maskininlärningsmetoder i verktyget WEKA som lämpar sig bäst för att identifiera problematiska dialogsystemyttranden. De data som använts i arbetet kommer från en kundtjänstentré baserad på fritt tal, vilket innebär att användaren själv uppmanas beskriva sitt ärende för att kunna kopplas vidare till rätt avdelning inom kundtjänsten. Våra data har tillhandahållits av företaget Voice Provider som utvecklar, implementerar och underhåller kundtjänstsystem. Voice Provider kom vi i kontakt med via Institutionen för tal, musik och hörsel (TMH), vid Kungliga Tekniska högskolan, som deltar i SpeDial-projektet. Arbetet gick initialt ut på att förbereda tillhandahållen data för att kunna användas av maskininlärningsverktyget WEKAs inbyggda klassificerare, varefter sex klassificerare valdes ut för vidare utvärdering. Resultaten visar att ingen av klassificerarna lyckades utföra uppgiften på ett fullt ut tillfredsställande sätt. Den som lyckades bäst var dock metoden Random Forest. Det är svårt att dra några ytterligare slutsatser från resultaten. / This work consists of two parts. The first part aims to describe and analyze the call center industry in Sweden and the factors that affect the industry and its development. The analysis is based on two models: Porter’s five forces and PEST. The focus is mainly on the part of the industry that consists of customer service operations. The analysis shows that the industry is mainly affected by high competition and businesses’, that need to provide customer service, choice between internal or external customer service operations. The analysis also indicates that the industry will continue to grow and that there is a trend that companies increasingly choose to outsource their customer service. The development of  the technological solutions used in call centers, for example, dialogue systems, are requested by companies as these are important tools to create a well-functioning customer service. Digital systems today have obvious development areas. It is often large international companies or international teams that develop the digital systems used. However, extends the area of ​​use for these systems far beyond the call center industry. The second part involves identifying problematic dialogue system utterances using machine learning and is inspired by SpeDial, an EU project aimed at improving dialogue systems. Problematic dialogue system utterances can be considered problematic depending on, for example, that the system misinterprets the user's intention. The aim of the work done in the second part is to investigate what or which machine learning methods in the WEKA tool that are best suited to identify problematic dialogue system utterances. The data used in this work comes from a customer service entrance based on free speech, which means that the user is asked to describe their case to be transferred to the right department within the customer service. Our data has been provided by the company Voice Provider that develops, implements and maintains customer service systems. We came in contact with Voice Provider through the Department of Speech, Music and Hearing (TMH), at the Royal Institute of Technology, that are involved in the SpeDial project. The work initially consisted of preparing the supplied data to enable it to me used by the machine learning tool WEKA’s built-in classifiers, after which six classifiers were selected for further evaluation. The results show that none of the classifiers managed to accomplish the task in a fully satisfactory manner.  Whoever the method that was most successful was the Random Forest method. It is difficult to draw any further conclusions from the results.

Universities worldwide face challenges both with students dropping out of educational programmes and repetitive questions directed toward teaching staff which both consume resources and result in delays. Recent progress in natural language processing (NLP) introduces the possibility of more sophisticated dialogue systems that could help alleviate the situation. Dialogue systems in education are complex to construct for multiple reasons. Two such reasons are that domain-specific data is often not readily available and extending an existing system often requires configuring the system again and re-training models. In this thesis, a graph-based knowledge base (KB) which is the foundation of a heavily rule-based dialogue system is proposed. The core of the natural language understanding (NLU) in the pipeline-based dialogue system includes the transformer-based DIET classifier for intent classification and entity extraction. The custom logic of the dialogue system relies on contextual and distributional embeddings. While the proposed solution is used in electrical engineering specifically, the KB and the architecture of the dialogue system are designed with generalization in mind. An emphasis is to maintain a low level of system maintenance after deployment allowing teaching staff without expertise in computer science and machine learning to operate the system. The utilization of transfer learning with pre-trained language models helps achieve this objective. The findings suggest that the system is sufficiently sophisticated to improve learning environments for students while potentially alleviating the workload of teaching staff. They further indicate that computer science and machine learning expertise are not required to operate the system over time. / Universitet världen runt möter utmaningar vad gäller både studenter som avbryter sina studier i förtid och repetitiva frågeställningar riktade till kursansvariga vilket konsumerar resurser och resulterar i onödig tidsåtgång. Den utveckling som på senare tid har skett inom naturlig språkhantering (NLP) introducerar möjligheter för mer sofistikerade dialogsystem som skulle kunna avhjälpa situationen. Dialogsystem inom utbildning är ofta komplexa att konstruera av flera anledningar. Två av dessa anledningar är att domän-specifik data sällan finns tillgänglig och att vidareutveckla existerande dialogsystem ofta kräver omkonfigurering och att man åter tränar de involverade modellerna. I denna uppsats föreslås en grafbaserad kunskapsbas (KB) som är grunden av ett till stora delar regelbaserat dialogsystem. Kärnan av den naturliga språkförståelsen (NLU) i det pipeline-baserade dialogsystemet inkluderar den transformer-baserade DIET-modellen för klassificering av intentioner och extrahering av entiteter. Den egenutvecklade logiken i dialogsystemet förlitar sig på förtränade kontextuella och distribuerade inbäddningar. Medan den föreslagna lösningen används specifikt inom elektroteknik så är både KB och dialogsystemets arkitektur utvecklade med generalisering i åtanke. Det finns även en betoning på att bibehålla en låg underhållningsnivå efter att systemet har sjösatts för att tillåta att systemet drivs av kursansvariga utan expertis inom datalogi eller maskininlärning. Användandet av förtränade språkmodeller hjälper till att uppnå detta mål. Upptäckterna tyder på att systemet är tillräckligt sofistikerat för att förbättra lärandemiljön för studenter medan det samtidigt möjligtvis kan hjälpa till att förminska arbetsbelastningen för kursansvariga. Vidare så indikerar upptäckterna att expertis inom datalogi och maskininlärning inte är nödvändigt för att driva systemet över tid.