Huomaamaton työstressin arviointi tietotyössä reaalimaailman ympäristöanturidatalla
Väitöstilaisuuden tiedot
Väitöstilaisuuden päivämäärä ja aika
Väitöstilaisuuden paikka
L5, Linnanmaa, etäyhteys: https://oulu.zoom.us/j/61701063641
Väitöksen aihe
Huomaamaton työstressin arviointi tietotyössä reaalimaailman ympäristöanturidatalla
Väittelijä
Filosofian maisteri Johanna Kallio
Tiedekunta ja yksikkö
Oulun yliopiston tutkijakoulu, Tieto- ja sähkötekniikan tiedekunta, Konenäön ja signaalianalyysin tutkimusyksikkö (CMVS)
Oppiaine
Tietotekniikka
Vastaväittäjä
Professori Mark van Gils, Tampereen yliopisto
Kustos
Apulaisprofessori Miguel Bordallo López, Oulun yliopisto
Työympäristöön upotettu teknologia voi auttaa työstressin tunnistamisessa tietotyössä
Pitkittyneen stressin aiheuttama työuupumus on kasvava globaali ilmiö, erityisesti kognitiivisesti haastavassa tietotyössä. Työympäristöön upotettu käyttäjälle huomaamaton teknologia voi auttaa yksilöllisen stressitilan tunnistamisessa ja mahdollistaa oikein kohdennetun tuen työntekijälle ja yhteisölle. Pitkittyneellä työstressillä on negatiivisia vaikutuksia koko yhteiskuntaan. Viime vuosina siitä on tullut kasvava ongelma erityisesti kognitiivisesti haastavissa tietointensiivisissä ammateissa. Työelämässä stressi voi aiheutua ajan kuluessa monenlaisista tekijöistä kuten kiireestä, haastavista työtehtävistä, negatiivisesta vuorovaikutuksesta ja olosuhdehaitoista. Jotta ylikuormitusta voidaan ehkäistä ennalta, tarvitaan työarkeen sopivia ratkaisuja stressin ja sen taustatekijöiden havainnointiin.
Yleensä työssäjaksamista mitataan erilaisilla kyselyillä, mutta kyselyiden täyttäminen ja analysointi vaativat aikaa, joten ne eivät sovellu työhyvinvoinnin jatkuvaan seurantaan. Tästä johtuen käyttäjälle huomaamaton anturipohjainen teknologia on noussut aktiiviseksi tutkimus- ja kehityskohteeksi. Antureilla voidaan mitata muun muassa muutoksia työntekijöiden kehossa, liikehdinnässä tai työolosuhteissa. Jotta tutkimustuloksia voidaan hyödyntää käytännön sovelluksina, on jatkuvan anturipohjaisen stressin seurannan täytettävä useita reaalimaailman vaatimuksia. Mittausmenetelmän tulee olla hyväksyttävä, luotettava, kustannustehokas ja soveltua pitkäaikaiseen käyttöön erilaisissa työympäristöissä. Lisäksi ihmiset kokevat stressin eri tavoin, joten parhaan tunnistustuloksen saavuttamiseksi vaaditaan mukautumista yksilöllisiin ominaisuuksiin.
Tässä väitöskirjassa ehdotetaan tieteellisesti uutta tapaa työstressin seurantaan hyödyntämällä koneoppimista ja huomaamattomia antureita tietotyöympäristöissä. Työntekijän liikkeestä ja työympäristöstä mitatun datan soveltuvuutta yksittäisten tietotyöntekijöiden stressitilan jatkuvaan havainnointiin tarkasteltiin toteuttamalla kolme pitkäaikasta reaalimaailman koetta. Tulokset viittasivat siihen, että työympäristöön upottu teknologia voi auttaa arvioimaan tietotyöntekijöiden kokemaa stressiä päivittäisellä tasolla. Menetelmän etuna on ettei se vaadi työntekijältä toimenpiteitä. Lisäksi verkkokyselystä ilmeni, että olosuhde- ja liikeantureiden käyttö jatkuvassa työstressin seurannassa on hyväksyttävää, ja tietotyöntekijät ovat kiinnostuneita jakamaan henkilökohtaisia stressitietojaan työhyvinvoinnin edistämiseksi.
Automaattisen työstressin tunnistamisen tavoitteena on havaita työntekijöiden kuormitus ja siihen liittyvät tekijät riittävän varhain. Oikein ajoitetut yksilölliset tukitoimet stressitekijöiden vähentämiseksi ja voimavarojen lisäämiseksi ehkäisevät työuupumusta. Kaiken kaikkiaan työntekijöiden hyvinvointiin tehdyt sijoitukset vähentävät sairauskuluja ja parantavat tuottavuutta, mikä hyödyttää työntekijöitä, organisaatioita ja yhteiskuntaa.
Yleensä työssäjaksamista mitataan erilaisilla kyselyillä, mutta kyselyiden täyttäminen ja analysointi vaativat aikaa, joten ne eivät sovellu työhyvinvoinnin jatkuvaan seurantaan. Tästä johtuen käyttäjälle huomaamaton anturipohjainen teknologia on noussut aktiiviseksi tutkimus- ja kehityskohteeksi. Antureilla voidaan mitata muun muassa muutoksia työntekijöiden kehossa, liikehdinnässä tai työolosuhteissa. Jotta tutkimustuloksia voidaan hyödyntää käytännön sovelluksina, on jatkuvan anturipohjaisen stressin seurannan täytettävä useita reaalimaailman vaatimuksia. Mittausmenetelmän tulee olla hyväksyttävä, luotettava, kustannustehokas ja soveltua pitkäaikaiseen käyttöön erilaisissa työympäristöissä. Lisäksi ihmiset kokevat stressin eri tavoin, joten parhaan tunnistustuloksen saavuttamiseksi vaaditaan mukautumista yksilöllisiin ominaisuuksiin.
Tässä väitöskirjassa ehdotetaan tieteellisesti uutta tapaa työstressin seurantaan hyödyntämällä koneoppimista ja huomaamattomia antureita tietotyöympäristöissä. Työntekijän liikkeestä ja työympäristöstä mitatun datan soveltuvuutta yksittäisten tietotyöntekijöiden stressitilan jatkuvaan havainnointiin tarkasteltiin toteuttamalla kolme pitkäaikasta reaalimaailman koetta. Tulokset viittasivat siihen, että työympäristöön upottu teknologia voi auttaa arvioimaan tietotyöntekijöiden kokemaa stressiä päivittäisellä tasolla. Menetelmän etuna on ettei se vaadi työntekijältä toimenpiteitä. Lisäksi verkkokyselystä ilmeni, että olosuhde- ja liikeantureiden käyttö jatkuvassa työstressin seurannassa on hyväksyttävää, ja tietotyöntekijät ovat kiinnostuneita jakamaan henkilökohtaisia stressitietojaan työhyvinvoinnin edistämiseksi.
Automaattisen työstressin tunnistamisen tavoitteena on havaita työntekijöiden kuormitus ja siihen liittyvät tekijät riittävän varhain. Oikein ajoitetut yksilölliset tukitoimet stressitekijöiden vähentämiseksi ja voimavarojen lisäämiseksi ehkäisevät työuupumusta. Kaiken kaikkiaan työntekijöiden hyvinvointiin tehdyt sijoitukset vähentävät sairauskuluja ja parantavat tuottavuutta, mikä hyödyttää työntekijöitä, organisaatioita ja yhteiskuntaa.
Viimeksi päivitetty: 23.1.2024