2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

2013

2012

2011

2010

2009

Portefølje Naturvitenskap og teknologi ikon

The research system

Portefølje Humaniora og samfunnsvitenskap ikon

Ground-breaking research

Portefølje Samisk ikon

Sámi society and culture

Portefølje Demokrati, styring og fornyelse ikon

Democracy and global development

Portefølje Velferd, kultur og samfunn ikon

Welfare, culture and society

Portefølje Helse ikon

Health

Portefølje Klima- og polarforskning ikon

Climate and environment

Portefølje Landbasert mat, miljø og bioressurser ikon

Land-based food, the environment and bioresources

Portefølje Energi, transport og lavutslipp ikon

Energy and transport

Portefølje Muliggjørende teknologier ikon

Enabling technologies

Portefølje Industri og tjenestenæringer ikon

Innovation

LTP Climate, environment and environmentally friendly energy

Climate and loss of natural diversity

Internationalization

Societal security and civil preparedness

Renewal in the public sector

Velferdstjenester

Frontpage Image

Marine icon

Petroleum og mineraler

LTP Hav ikon

Oceans and coastal areas

LTP2 Muliggjørende og industrielle teknologier ikon

Enabling and industrial technologies

Trust and community

Professional environment

High quality and accessibility

LTP Climate

Strengthened competitiveness and innovation capacity

LPT Health

 An innovative business community

LTP3 Helse

Portefolje Petroleum Ikon

Portefølje Hav ikon

Portefølje Utdanning og kompetanse ikon

Portefølje Global utvikling og internasjonale relasjoner ikon

Portefølje Livsvitenskap ikon

LTP2 Styrket konkurransekraft og innovasjonsevne ikon

LTP2 Utvikle fagmiljøer av fremragende kvalitet

LTP2 Samfunnssikkerhet og samhørighet ikon

LTP2 Fornyelse i offentlig sektor ikon

LTP2 Klima, miljø og miljøvennlig energi ikon

Forsidebilde optimalisert

project-bank-technical

Et innovativt næringsliv ikon

Muliggjørende teknologier bakgrunn

Marin bakgrunnsbilde

Marin ikon

Forsidebilde

Statistics

Prosjektbanken presenterer statistikk og informasjon om prosjekter med finansiering fra Forskningsrådet fra 2004. Statistikken er fordelt på blant annet tema, år, geografi og organisasjon. Prosjektbanken gir også detaljert informasjon om de enkelte prosjektene.

...or see the summary and other information about the projects you have selected

Portfolios

En god beskrivelse av denne siden for søkemotoroptimalisering

Forside

How the grants are distributed between organisations, counties, subject areas etc....

Here are some examples of searches you can perform in the Project Databank

All long term plan objectives

About Text Queries

No thematic area or topic related to the project

has received funding in the programme period

No popular science description is available

have received funding in the programme period

The project with project number {{project number}} was not found

Technical description

Woops, something went wrong. Please refresh the page. If the error persists, please contact us.

We could not find what you were looking for

See statistics related to this LTP objective

See projects related to this LTP objective

related to this LTP objective have received grants

has been granted to projects related to this LTP objective

has been granted to projects related to this portfolio

related to this portfolio have received grants

About Prosjektbanken

2004

2008

Samferdselsdeparteme

Ukjent

Kunnskapsdepartement

Klima- og miljødepar

Nærings- og fiskerid

Nærings- og handelsd

Sosialdepartementet

Teknologi

Oslo

LTP3 Styrket konkurransekraft og innovasjonsevne

LTP3 Et kunnskapsintensivt næringsliv i hele landet

LTP3 Uttesting og kommersialisering av FoU

LTP3 Klima, miljø og energi

LTP3 Miljøvennlig energi og lavutslippsløsninger

LTP3 Bærekraftige byregioner og transportsystemer

LTP3 Muliggjørende og industrielle teknologier

LTP3 IKT og digital transformasjon

UoH-sektor

Instituttsektor

Næringsliv

Øvrige

Helseforetak

Offentlig sektor

Ukjent Sektor

Utlandet

ukjent

Portefølje Energi og transport

Portefølje Innovasjon

Portefølje Muliggjørende teknologier

Programmer

Finland

Innovasjonsprosjekt

Ingen søknadstype

Politikk- og forvaltningsområder

Bransjer og næringer

Energi

Anvendt forskning

Tjenesterettet FoU

Digitalisering og bruk av IKT

Klimarelevant forskning

Naturmangfold og miljø

Transport og mobilitet

Utviklingsarbeid

Verifisering, pilotering, demonstrasjon (ny fra 2014)

Miljøteknologi

Effektene av fysisk og seksuell vold på ofre og deres familier kan være ødeleggende og vedvarende, med potensielt langvarige konsekvenser for fysisk og mental helse, utdanning, sysselsetting og bruk av velferdstjenester. Mens strafferettssystemet anses som en viktig del av offerets gjenopprettingsprosess, er det begrenset empirisk forskning på hvorvidt strafferettslige prosesser hjelper og/eller hindrer bedring langs disse ulike dimensjonene. I dette prosjektet vil vi adressere dette kunnskapshullet ved å bruke en kombinasjon av kvantitative og kvalitative forskningsmetoder. I de kvantitative analysene vil vi bruke administrative registerdata som dekker hele befolkningen sammen med kvasi-eksperimentelle metoder for å kunne trekke kausale slutninger. Vi vil også benytte maskinlæringsteknikker for prediksjon. De kvalitative analysene vil supplere de kvantitative analysene ved å gi kontekst til et komplekst felt av saker og ofre og ved å identifisere potensielle mekanismer mellom strafferettslige prosesser og utfall for ofrene. Samlet vil disse metodene gi en mer robust, representativ og nyansert forståelse av hvordan kontakt med strafferettssystemet påvirker offeret på tvers av flere viktige livsområder både på kort og lang sikt. Prosjektet ledes av Folkehelseinstituttet (FHI) med Frischsenteret og Universitetet i Oslo som partnere. Prosjektet har et rådgivende utvalg med medlemmer fra Nasjonalt kunnskapssenter om vold og traumatisk stress (NKVTS), ETH Zurich, Universitetet i Oslo, Frischsenteret, Universitetet i Bergen, og OsloMet. Det er også tilknyttet en brukergruppe bestående av personer og organisasjoner som er i kontakt med ofre for vold og overgrep.

Victims of sexual and physical violence is one of the most vulnerable groups in our society. The criminal justice system (CJS) serves a critical role in providing assistance to victims of these crimes, enabling them to seek justice, protection, compensation, and closure. Yet, knowledge about whether the CJS helps or harms these victims is extremely limited. This project aims to remedy this by providing a comprehensive understanding of the role of the CJS in supporting and providing restoration for victims of physical and sexual violence in Norway. We will utilize a combination of quantitative and qualitative research methods across disciplines to study outcomes across multiple important life domains, both in the short and long run. For the quantitative analyses we will use exceptionally rich longitudinal administrative register data with full population coverage combined with state-of-the-art quasi-experimental methods for credible causal inference and predictive machine learning techniques. The qualitative analysis will be based on narrative interviews with victims, providing context and insights into how interactions with the CJS shape life stories. The results will yield a robust and nuanced understanding of how the different stages of the CJS impacts victims. This is particularly urgent given how the current emphasis on legal responses to assaults has caused a sense of obligation and civic duty for especially women to report incidents, while the chances of legal closure remain small. In addition to advancing the methods for quasi-experimental designs and machine learning within quantitative criminology, this project will provide valuable insights for policymakers, stakeholders, and practitioners working in the field of victim support and rehabilitation and may inform current legal reform efforts aimed at addressing these issues.

Helpful or harmful: The effects of criminal justice system contact on victims of sexual and physical violence

Målet for FUSE er å utvikle kunnskap og metoder for energieffektive og trygge skipsoperasjoner ved å kombinere KI og skips hydrodynamikk som muliggjør raske utslippsreduksjoner fra den globale flåten gjennom neste generasjons ruteoptimalisering.


Hovedideen er å utvikle metoder for mer nøyaktige numeriske modeller for skipsytelse, inkludert både energi- og bevegelsesegenskaper, ved å bruke kunstig intelligens i kombinasjon med klassisk hydrodynamikk. Tradisjonelle hydrodynamiske modeller er basert på grunnprinsipper og reflekterer fysiske lover. Kunstig intelligens kan trenes på operasjonelle data til å finne nye sammenhenger i dataene utover det man vet fra fysikkens lover. Begge tilnærmingene har sine fordeler og ulemper, og vi tar sikte på å kombinere det beste fra begge tilnærmingene og utvikle hybridmodeller. 
Potensielle effekter av de nye skipsmodellene vil evalueres gjennom bruk i ruteplanlegging.

Som utgangspunkt vil vi samle brukerkrav fra industripartnerne med fokus på to utvalgte brukstilfeller; deep sea og fergedrift. Forskningsaktivitetene vil dekke dataanalyse, KI og skipshydrodynamikk og reiseoptimalisering og beslutningsstøtte. Relevante forskningstemaer innebærer å sammenligne de ulike tilnærmingene for å estimere skipsytelse, vurdere nøyaktighet og gyldig bruk av modellene og evaluering av modellenes sensitivitet og anvendelighet. Til slutt vil den potensielle effekten av å bruke hybridmodeller i reiseoptimalisering bli undersøkt og demonstrert. En ph.d.-kandidat vil bli utdannet fra NTNU med fokus på å fusjonere KI med skipshydrodynamikk. 

Prosjektpartnerne er SINTEF Ocean, SINTEF Ålesund, NTNU, Torghatten, Vard Electro, NAVTOR og G2 Ocean.

The FUSE vision is to rapidly reduce emissions from the global fleet by unlocking the full potential of operational data through fusing AI and ship hydrodynamics for next generation voyage optimization. The main idea is to develop theoretical approaches and methodology utilizing the potential of using AI in combination with classical hydrodynamics to develop more accurate numerical models for ship performance, including both energy and motion characteristics. Traditional hydrodynamic models are based on first-principle, reflecting physical laws. AI-based models which uses operational data are used to establish a statistical relationship between inputs and outputs. Both approaches have their pros and cons, and we aim to fuse the best of both approaches and develop hybrid models as input to voyage planning and onboard decision support systems.  As a starting point, we will gather user requirements from the industrial partners focusing on two selected use cases; deepsea and ferry operations. The industry partners will be involved during the whole project period ensuring that the competence and results can be exploited into their product and services. The industry partners will contribute with operational data from their ships as research data. 

The research activities will cover data analytics, AI and ship hydrodynamics and voyage optimization and decision support. Research partners are SINTEF Ocean, SINTEF Ålesund, and NTNU. A PhD candidate will be educated from the NTNU with supervisors from Marine Technology and Engineering Cybernetics with focus on fusing AI with ship hydrodynamics. Relevant research topics involve comparing the different approaches for estimating ship performance, considering accuracies and valid usage of the models and evaluation of sensitivity and applicability of the models. Finally, the potential impact of using hybrid models in voyage optimization will be investigated and demonstrated.

Fusing AI and Ship Hydrodynamics for Next-Gen Voyage Optimization

Offentlig forvaltning (kommuner, fylkeskommuner og statsforvaltningen) har behov for gode og detaljerte stedfestede data for å oppnå forståelsen som kreves for å fatte gode politiske og administrative beslutninger i byggesaker, planprosesser, byutvikling og tilsvarende prosesser.  I eksisterende offentlige geodatabaser er fysiske objekter, for eksempel bygninger, i hovedsak representert med todimensjonale geometrier (punkt, linjer og flater). Tredimensjonale volumgeometrier gir en langt bedre representasjon av virkeligheten og danner et sikrere grunnlag for analyser og visualisering. Samtidig antas det at etablering av volumgeometrier i offentlige geodatabaser vil medføre nye utfordringer for datainnsamling og forvaltning. 

I prosjektet ønsker vi å avklare hvilke behov, muligheter og utfordringer offentlig forvaltning og private aktører ser i forbindelse med innføring av volumgeometrier i offentlige geodatabaser. I første omgang vil det fokuseres på bygninger, men prosjektet skal også se videre mot hvordan fysiske objekter kartlegges og forvaltes i andre geodatabaser. Utredningen skal gjøres i tett samarbeid med representanter fra ulike nivå av offentlig forvaltning og private aktører med ulike roller i økosystemet rundt innsamling og forvaltning av stedfestet informasjon. Etablerte samarbeidskanaler som Norge digitalt og Geovekst vil benyttes i prosjektet.  

På basis av kartlagte behov, muligheter og utfordringer skal det beskrives prinsipper for innføring av volumgeometrier i norske offentlige geodatabaser. Disse prinsippene vil bli anvendt i et mulig hovedprosjekt der innsamling og forvaltning av volumgeometrier innføres i de sentrale geodatabasene Felles Kartdatabase (FKB) og Matrikkelen.

Utredning av prinsipper for innføring av volumgeometrier i norsk geodataforvaltning

Ettersom flere mennesker lever lenger, trenger vi flere helsetjenester, spesielt for akutte helseproblemer. Dette legger mye press på helsesystemet vårt, som inkluderer hjemmeomsorg, sykehjem, lokale klinikker og sykehus. For å sikre at vi kan ta vare på alle i fremtiden, må vi finne måter å hjelpe eldre mennesker med å holde seg sunne og unngå å trenge mye omsorg.
PAI-prosjektet jobber med dette problemet. Prosjektet bruker kunstig intelligens (KI) for å forutsi hvilken type omsorg eldre mennesker kan trenge ved å se på helsedata. Ved å oppdage helseproblemer tidlig, kan vi ta skritt for å forhindre at de blir verre. Dette kan bety at vi forhindrer fall i sykehjem eller endrer en persons medisinering på deres lokale klinikk. Dette bidrar til å unngå sykehusopphold, som kan være dyre og stressende.
Imidlertid er det vanskelig å forutsi helsebehov fordi dataene vi har kan variere mye. Det kan være forskjellig avhengig av hvor personen bor, og hvilke helseproblemer de har. For å håndtere dette, jobber PAI-prosjektet med mennesker som mottar omsorg og helsearbeidere for å utvikle KI-verktøy. Prosjektet tester disse verktøyene i virkelige situasjoner i Spania, Sverige og Norge.
Prosjektet bruker en blanding av metoder for å samle inn og analysere data. Dette inkluderer både tall (kvantitative data) og folks erfaringer og meninger (kvalitative data). Målet er å hjelpe eldre mennesker ved å gi dem riktig omsorg til rett tid, forhindre at skader og sykdommer blir verre. Det hjelper også helsearbeidere ved å sørge for at ressursene brukes effektivt og skaper et godt arbeidsmiljø. Løsningene de finner kan brukes på mange forskjellige steder.

As the population ages, the demand for healthcare services increases, including acute care. This puts a strain on healthcare resources, making efficient care management crucial at all levels - home, nursing homes, primary care, and hospitals.
The PAI project aims to address this challenge by using artificial intelligence (AI) to predict the care needs of older individuals. By analyzing patient monitoring data, the project can detect early signs of health or functional decline. This allows for preventive measures to be taken, reducing the need for costly acute care and aftercare. For example, hospitalizations can be prevented by avoiding falls in nursing homes or adjusting medication in primary care.
However, predicting the care needs of older patients is not straightforward. It involves dealing with varying data availability, quality, and potential interventions across different care levels and diagnoses. To tackle this, the PAI project uses a design science approach and a multiple case study design. It develops analytics in collaboration with care recipients and healthcare practitioners and implements them in real-life settings in Spain, Sweden, and Norway.
The project uses a mixed-methods strategy for data collection and analysis, combining quantitative and qualitative elements. This includes the thematic interpretative analysis of meeting notes, interviews, and observations, as well as the statistical longitudinal trend analysis of Key Performance Indicators in the respective healthcare systems.
The benefits of the PAI project are twofold. Older individuals receive adequate early care, preventing injuries and the worsening of diseases. Healthcare staff can use their resources more effectively, creating a sustainable and satisfying work environment. The outcomes of the project are scalable and can be applied in various contexts, making it a valuable contribution to the future of European healthcare.

Predicting Care Needs of Older Adults in the Healthcare System through AI-enabled Analysis of Patient-Monitoring Data

Novel vaccine platform for animal health

Limb wounds in horses are common, however healing is exceedingly slow and fraught with complications. Contrary to body wounds, limb wounds demonstrate only a small amount of wound contraction. The specialist procedure of applying split-thickness skin grafts to limb wounds stimulates wound contraction by unknown mechanisms. The objective of this project is to identify those mechanisms to develop a treatment strategy for equine limb wounds for use in general  practice. Limb wounds are severely impacting animal welfare due to an extended healing/treatment duration, and the risk of euthanasia due to a poor functional outcome. By stimulating wound contraction, healing time will be reduced, and the functional outcome improved, directly benefitting the welfare of wounded horse and reducing treatment cost for the owner. Aim: To identify dermal components stimulating wound contraction, and to develop this knowledge into future state-of-the-art treatment of equine limb wounds for use in general practice. Hypotheses: i) Application of dermal fractions to collagen gels seeded with equine fibroblasts will increase gel contraction in vitro; ii) Application of dermal fractions to experimental limb wounds in vivo, will increase wound contraction resulting in a faster healing time versus wounds treated by conventional methods. Methods: i) The contractile effect of different dermal components will be assessed in a collagen gel/ fibroblast model; ii) Identified dermal components will be tested in a standardized experimental limb wound model in vivo (n=5). Ultimately, results from this project are expected to improve wound treatment in horses, directly impacting animal welfare by reducing healing time and improving the functional outcome of wounded horses. This will also directly benefit horse owners and caretakers and making veterinarians able to offer better treatment solutions.

HESTEFORSK - Raskere og bedre sårheling hos hest med autologe hudkomponenter

Samkjøring og bestillingstransport har et potensial til å revolusjonere transportsystemet i distriktene ved at kapasiteten i kjøretøyene utnyttes på en bedre måte. Dette bidrar til et mer miljøvennlig, mer økonomisk levedyktig og mer inkluderende transportsystem. 
Prosjektet vil gi kunnskap om og verktøy som skal stimulere til at tilbudet om samkjøring i kombinasjon med kollektivtransport kan utvides på en måte som kommer både brukerne og operatørene til nytte, samtidig som kostandene holdes nede. Det vil vi gjøre ved å studere tre ulike og innovative forretningsmodeller for samkjøring som testes i tre ulike regioner i Norge (Vestlandet, Trøndelag og Agder). Løsningene skiller seg fra tidligere samkjøringsløsninger på to måter: de er offentlig subsidiert, og de retter seg mot spredtbygdestrøk. 
Prosjektet har fem delmål: 
i)	få inngående kunnskap om hva som forklarer bruk/ikke bruk av samkjøring, 
ii)	få kunnskap om hvordan ulike samkjøringstjenester påvirker bilbruk, reiseatferd og tilgjengelighet, 
iii)	optimere rute- og frekvensplanleggingen for samkjøring i kombinasjon med offentlig transport for å forbedre den generelle mobiliteten og velferden til befolkningen i rurale områder, samt å redusere de eksterne kostnadene ved persontransport, 
iv)	identifisere barrierer og suksessfaktorer for oppskalering, og 
v)	å gi interessenter kunnskap og verktøy for å forsterke en oppskalering av samkjøring. 
For å nå disse målene vil vi bruke en blanding av metoder og data (f.eks. fokusgrupper, undersøkelser, geokodede brukerdata, arealbruksstatistikk). Ved å dra nytte av allerede innsamlede data vil vi utvikle panelstudier som vil gjøre det mulig for oss å måle og gi kunnskap om effekten av samkjøring på reiseatferd, utslipp og tilgjengelighet.
Kritiske interessenter er inkludert i prosjektet - alt fra kollektivtransportleverandører, samkjøringsselskaper til fylker- og kommuner - for å bygge bro mellom kunnskapsgenerering og praktiske anvendning.

On-demand ridesharing and shared mobility solutions increase vehicles occupancy and have the potential to revolutionize the transport system in rural areas, making it more environmentally friendly, more economically viable and more socially sustainable. This project will provide knowledge on and tools to stimulate a cost-effective upscaling of ridesharing in rural areas. We will do so by studying three different and innovative business models for ridesharing that are being piloted in three different regions of Norway (Vestlandet, Trøndelag and Agder). These solutions stand out from earlier ridesharing solutions in two ways: they are publicly subsidized, and they target rural areas. 

The overall objective is to stimulate a cost-effective upscaling of public subsidized ridesharing to facilitate a more efficient, sustainable and inclusive transport system in rural areas, by i) gain in-depth understanding on the mechanisms for adoption of ridesharing, ii) gain knowledge on how it impacts car use, travel behaviour and accessibility, iii) optimize ridesharing in tandem with rural public transport to improve the overall mobility and welfare of rural transport users, and reduce the external costs of passenger transport, iv) identify barriers and success factors for upscaling, and v) to provide stakeholders with resources and tools to amplify an upscaling of ridehsaring. This objective addresses the knowledge needs of the collaborative partners and knowledge gaps in the literature. Our project is tailored to reach this objective through a sound theoretical framework, integrated method design, unique data sets (paneldata with a treatment and reference group and user data with gps, combined with land use statistics), as well as qualitative data (e.g focus group interviews and workshops), and an interdisciplinary and cross-sectoral consortium, consisting of research institutes, universities and public sector actors.

Combining Public transit and Ride Sharing in rural Transport

Achieving effective reduction in greenhouse emissions necessitates both preventing resource depletion and offering sustainable solutions to meet the increasing demand for energy. The technology developed in the NEXPECH2 project effectively addresses the above-mentioned challenges by using solar energy to convert water to green hydrogen (H2) under standard atmospheric temperature and pressure. Green hydrogen is a clean, sustainable chemical fuel that can be stored on a large scale for a long time and used to replace fossil fuels as a means of energy storage, transportation fuel, and feedstock. The NEXPECH2 ultimate goal is to deliver green H2 on a prototype lab-scale via development of a innovative photoelectrochemical (PEC) system for maximized solar light harvesting and efficient solar conversion to H2. The project will develop a low-cost compact device with an objective of reaching 10% solar-to-fuel efficiency and <10% degradation over 200 h operation.

Next generation photoelectrochemical cell for hydrogen generation (NEXPECH2)

Commercialisation of a beast cancer detection model developed for BreastScreen Norway

CoDesign: Driving innovation in higher education curriculum building and quality assurance through collaborative design and analytics

Midlene fra PES2020-Prosj.etabl.støtte H2020 fordelt på år

Midlene fra PES2020-Prosj.etabl.støtte H2020 fordelt på fylker

Midlene fra PES2020-Prosj.etabl.støtte H2020 fordelt på fagområde

In this multi-disciplinary Marie Sklodowska-Curie International Training Network (ITN) project we will create a cohort of young scientists working with the latest advanced DNA damage assessment technologies and skilled in genotoxicity testing, human biomonitoring and ecotoxicology. Up to 15 Early Stage Researchers will be enrolled in the programme and involved in the improvement of existing methods and the development of novel techniques. A unified training programme will cover specific aspects of the project, but also other important skills such as communication, dissemination, management and transferability, and including entrepreneurial skills. The project is focused on interdisciplinary and inter-sectorial collaboration based on partners' complementarity, secondments and training courses.

Multidisciplinary training network in genotoxicity testing and human biomonitoring

13,423 projects