- Våra ämnesområden
-
Våra projekt
- Ambient Exposomdatabas: Tillgång till Miljöexponeringsdata för Riskbedömning och Forskning
- AMOSH – Algorithmic management and organizational safety and health
- Arbetsmiljö vid digifysiska patientmöten
- ATOHS: Arbetstider och Hälsa i Sjukvården
- Bedömning av trafikflöden på små vägar
- Coronavirus ur ett folkhälsoperspektiv; riskfaktorer för Covid-19, immunitet och långsiktiga hälsoeffekter
- Ett hållbart arbetsliv för äldre
- Green Metal Waste
- Healthyshiftwork
- Hälsosamma omgivningsmiljöer
- iErgonomics – sakernas internet för ett hållbart arbetsliv
- Miljöhälsa på karta
- Objektiva metoder att skatta fysisk belastning
- Prehab - Stöd vid arbetsanpassning i samband med psykisk ohälsa
- Projektarkiv
- Sexuella trakasserier inom besöksnäringen
- Sotpartiklar - exponering och hälsorisker
- Tidig och aktiv identifiering av psykisk ohälsa samt koppling till biopsykosociala faktorer och arbete
- Bamse-projektet
- Elevhälsoportalen
- Forskning
- Försäkringsmedicin
- Instrumentuthyrning
- JobbaFrisk
- JobbaFriskNPF
- Nyhetsbrev
- Vår verksamhet
- Våra projekt
- Befintlig sida: AMOSH – Algorithmic management and organ...
AMOSH – Algorithmic management and organizational safety and health
Algoritmisk arbetsledning (algorithmic management) implementeras inom allt fler branscher och yrken, men väldigt lite är känt om dess effekt på medarbetares trivsel och hälsa. Detta projekt syftar till att öka kunskapen kring hur dessa system påverkar organiseringen av verksamheten, de sociala förhållandena på arbetet och hälsan hos de som styrs av en algoritm.
Bakgrund
AI och smart teknik används i allt större utsträckning inom de flesta branscher och professioner för att avlasta, optimera och effektivisera. Algoritmisk arbetsledning är ett sätt att utnyttja stora mängder data för att beräkna snabbaste tillvägagångssättet för att lösa en uppgift och därmed öka produktiviteten. I dessa system finns ofta även data på enskilda individers produktivitet, GPS för att kontrollera att individen följer den planerade rutten och varningssystem som larmar om individen avviker från rutt eller varit inaktiv under en längre period. Ofta får individen feedback på deras prestation i realtid genom blinkande röda eller gröna lampor eller information i textform kring hur många varor de plockat, till exempel. Denna datadrivna arbetsledning återfinns i den mest extrema formen för plattformsarbetare eller gig-arbetare, där en fysisk chef i många fall är helt frånvarande. Det är också här som majoriteten av den existerande forskningen har lagt sitt fokus med avseende på konsekvenser för arbetstagaren. Men även inom mer traditionella arbetsplatser, såsom inom transport, lager och serviceyrken ökar närvaron av dessa system drastiskt. Tidigare forskning pekar på att denna styrning kan ha en negativ påverkan på utvecklingsmöjligheter för medarbetare och att systemen kan upplevas integritetskränkande och orättvisa. Men väldigt lite är känt om hur algoritmisk arbetsledning påverkar arbetstrivsel, och framför allt arbetshälsan för medarbetare
Syfte
I detta projekt vill vi undersöka hur algoritmisk arbetsledning påverkar den organisatoriska och sociala arbetsmiljön inom lager- och transportbranschen och hur detta i sin tur påverkar arbetshälsan hos dessa medarbetare. Lager och transport är två av de branscher som ligger i framkant inom detta område och har ofta implementerat dessa system på ett genomgripande plan för deras verksamheter. Inom projektet vill vi titta på olika möjliga effekter, såsom upplevd psykisk ohälsa, olyckor och smärta. Vi vill även titta på faktorer som stödjer en lyckad implementering av algoritmisk arbetsledning.
Så kommer vi att jobba - metod och datainsamling
Projektet inrymmer flera olika angreppssätt för att svara på vår fråga. En första fas kommer bestå av intervjuer med många olika målgrupper, allt från medarbetare till chefer, fack och andra intressenter. Baserat på resultat från dessa intervjuer kommer vi även utforma en enkät som kommer skickas ut till arbetare inom lager och transport för att höra hur det upplever olika organisatoriska och sociala faktorer på deras arbetsplats och deras upplevelse av stress, sömnsvårigheter, olyckor och kroppslig smärta. Datan som samlas in från denna enkät kommer sedan ligga till grund för att besvara olika frågeställningar kring riskfaktorer och hälsoutfall kopplade till algoritmisk arbetsledning.
Så kan resultaten användas
Resultaten från projektet kommer bidra till ökad kunskap för verksamheter kring vilka riskfaktorer dessa system för med sig och hur de kan påverka medarbetares trivsel och hälsa. Det kan även fungera som ett beslutsunderlag för verksamheter som funderar på att införa system för algoritmisk arbetsledning med information om vilka faktorer som behövs i verksamheten för en lyckad implementering.
Medverkan och finansiering
Projektet är AFA-finansierat och bedrivs i samarbete med Arbetsmedicinska enheten, Institutet för miljömedicin (IMM), Karolinska Institutet (ki.se) under 2022-2025.