This study presents the development and evaluation of a conversational agent, EcoBot, designed to inform users about their energy habits and persuade them to save more energy when at home, to help fight climate change and energy waste. To reach this goal, three persuasion strategies were first identified: Feedback, to give users personalized suggestions based on their habits, Goal Setting, to set and track consumption goals for the user’s domestic appliances, and Social Comparison, to compare the user’s consumption with that of others. While developing the chatbot, an advanced context system was used to improve the user experience by reducing the amount of information the user has to provide in input and allowing the chatbot to switch between the strategies seamlessly. Furthermore, it was decided not to use an FSM to manage the flow of the conversation to allow a quick change of context without forcing the conversation in a single direction and to have greater flexibility in future EcoBot development. The chatbot was implemented using an NLP library and its functionalities have been modeled with a set of independent intents. After the design and development, an evaluation phase was conducted with 29 users, half of whom used as a comparison a reduced version of EcoBot (capable only of providing generic feedback) while the other half used the complete version. Although the experiment did not demonstrate greater effectiveness in convincing users to save more energy in the complete version of EcoBot, it was evident that it had greater user satisfaction and a better overall experience. This result is crucial for designing pleasant persuasive systems for users to use in the future. Future work will focus on increasing the accuracy of responses and the number of EcoBot features and conducting a longer and more realistic experiment to test the effectiveness of EcoBot in convincing users to save more energy. / Denna studie presenterar utvecklingen och utvärderingen av en konversationsagent, EcoBot, utformad för att informera användare om deras energivanor och övertala dem att spara mer energi när de är hemma, för att hjälpa till att bekämpa klimatförändringar och energislöseri. För att nå detta mål identifierades först tre övertalningsstrategier: Feedback, för att ge användarna personliga förslag baserat på deras vanor, Målsättning, för att sätta och spåra konsumtionsmål för användarens hushållsapparater, och Social Comparison, för att jämföra användarens konsumtion med det av andra. Under utvecklingen av chatboten användes ett avancerat kontextsystem för att förbättra användarupplevelsen genom att minska mängden information som användaren måste tillhandahålla i input och låta chatboten växla mellan strategierna sömlöst. Vidare beslutades att inte använda en FSM för att hantera konversationsflödet för att möjliggöra ett snabbt byte av sammanhang utan att tvinga samtalet i en enda riktning och för att ha större flexibilitet i framtida EcoBot-utveckling. Chatboten implementerades med hjälp av ett NLP-bibliotek och dess funktioner har modellerats med en uppsättning oberoende avsikter. Efter design och utveckling genomfördes en utvärderingsfas med 29 användare, varav hälften använde som jämförelse en reducerad version av EcoBot (kan bara ge generisk feedback) medan den andra hälften använde den fullständiga versionen. Även om experimentet inte visade större effektivitet när det gäller att övertyga användare att spara mer energi i den kompletta versionen av EcoBot, var det uppenbart att det hade större användarnöjdhet och en bättre övergripande upplevelse. Detta resultat är avgörande för att designa trevliga övertygande system för användare att använda i framtiden. Framtida arbete kommer att fokusera på att öka noggrannheten i svaren och antalet EcoBot-funktioner och att genomföra ett längre och mer realistiskt experiment för att testa effektiviteten hos EcoBot för att övertyga användare att spara mer energi.

This thesis investigates the possibilities of increasing efficacy and general improvement of unsupervised medical treatments by implementing electronics and embedded systems (so-called smart devices) to allow the physician to monitor or track the treatment and adherence of the patient to it. The diseases in focus are respiratory: asthma and Chronic Obstructive lung [Pulmonary] Disease (COPD). This thesis will furthermore attempt to show that shortcomings in the current treatment of these diseases incur significant human costs by loss of quality of life for the patients and causes (avoidable) costs to health-care systems and societies on a macro-economic scale, both direct and indirect. It will find that the technology to create a smart-inhaler exists, and while not a panacea, it can address many of the identified issues with the current mode of treatment.This thesis was written in partnership with SHL Medical AB, and the author wishes to extend specialthanks to Plamen Balkandjiev and Mattias Myrman for their help, support, and patience. / Detta examensarbete undersöker möjligheterna att öka effektiviteten samt allmänna förbättringar av oövervakad medicinsk behandling genom implementering av elektronik och inbyggda system (så kallade smarta-apparater) för att möjliggöra för läkare att övervaka eller följa behandlingen samt huruvida patienten fullföljer den eller ej. Sjukdomarna i fokus är astma och Kronisk Obstruktiv Lungsjukdom (KOL). Vidare kommer detta arbete försöka visa att tillkortakommanden i den befintliga behandlingen av sjukdomar inte bara medför signifikanta minskningar i livskvalitet för patienten utan även orsakar (icke oundvikliga) kostnader för sjukvårdssystem och samhällen på en makro-ekonomisk skala, indirekt såsom direkt. Den kommer även visa att tekniken som krävs för att skapa en smartinhalator existerar, och medans denna inte är en panacé kan den likväl åtgärda många av de identifierade problemen med den befintliga behandlingsmetoden.Detta exmanensarbete skrevs i samarbete med SHL Medical AB och dess författare önskar utsträckaett särskilt tack till Plamen Balkandjiev och Mattias Myrman för deras hjälp, stöd och tålamod.