Vi har länge pratat om mänskliga sensorer och hur står påverkan introduktionen av “smart phones” har haft när det gäller generering av sensordata. Exempel på dessa är bland annat United States Geographical Surveys (USGS) projekt “Did you fell it”(DYFI) och “Twitter Earthquake Detector”(TED). DYFI samlar in rapporter från allmänheten gällande hur väl en jordbävning har känts av för att skapa modeller om en jordbävnings påverkan. TED är idag en av världens snabbaste metoder för att upptäcka jordbävningar. Genom att scanna av Twitter efter tecken på jordbävningar kan man ofta upptäcka dem snabbare än via sin seismiska utrustning då en tweet rör sig snabbare än en chockvåg genom jorden.
Senaste årens explosionsartade utveckling av hälsoteknik har nu bland annat lett till att miljontals människor bär på sig sensorer dygnet runt, även i sängen. Normalt är syftet att logga fysisk aktivitet och sömnkvalitet, men företaget Jawbone visar nu sensordata som ger intressanta insikter från jordbävningen i Napa Valley i västra USA.
Datan visar reaktionen i sömnmönster från användare i berörda områden då sensordatan från armbandet paras ihop med positionsdata från telefonen. Själva datan i sig kanske inte säger så mycket mer än hur kraftig jordbävning vissa personer klarade att sova sig igenom, men det visar spännande egenskaper av en möjlig nära framtid. Troligtvis kommer inte hemmen att rymma en mindre mängd sensorer, och automatisk larmdata kommer troligen kunna berätta vad som har inträffat, vilka som är eller inte är hemma, samt vilket tillstånd de är i. Frågan är hur vi ska tänka kring den informationen vi skapar och i vilket sammanhang den kan användas. Om mitt aktivitetsarmband säger att jag ligger hemma stilla samtidigt som min brandvarnare larmar om brand så vill jag gärna att någon blir varse denna information.
Via theverge.com
Fredrik Bergstrand's Weblog 