2016

Portefølje Naturvitenskap og teknologi ikon

Forskningssystemet

Portefølje Humaniora og samfunnsvitenskap ikon

Banebrytende forskning

Portefølje Samisk ikon

Samisk samfunn og kultur

Portefølje Demokrati, styring og fornyelse ikon

Demokrati og global utvikling

Portefølje Velferd, kultur og samfunn ikon

Velferd og utdanning

Portefølje Helse ikon

Helse

Portefølje Klima- og polarforskning ikon

Klima og miljø

Portefølje Landbasert mat, miljø og bioressurser ikon

Mat og bioressurser

Portefølje Energi, transport og lavutslipp ikon

Energi og transport

Portefølje Muliggjørende teknologier ikon

Muliggjørende teknologier

Portefølje Industri og tjenestenæringer ikon

Innovasjon

LTP2 Klima, miljø og miljøvennlig energi ikon

Klima, miljø og energi

LTP2 Samfunnssikkerhet og samhørighet ikon

Samfunnstryggleik og beredskap

LTP2 Fornyelse i offentlig sektor ikon

Velferdstjenester

Forsidebilde

Marin ikon

Petroleum og mineraler

LTP Hav ikon

Hav og kyst

LTP2 Muliggjørende og industrielle teknologier ikon

Mogleggjerande industrielle teknologiar

Tillit og fellesskap

LTP2 Utvikle fagmiljøer av fremragende kvalitet

Høg kvalitet og tilgjengeleg

LTP2 Styrket konkurransekraft og innovasjonsevne ikon

Sterkare konkurransekraft og innovasjonsevne

LTP3 Helse

Et innovativt næringsliv ikon

Styrket konkurransekraft og innovasjonsevne

Portefolje Petroleum Ikon

Portefølje Hav ikon

Portefølje Utdanning og kompetanse ikon

Portefølje Global utvikling og internasjonale relasjoner ikon

Portefølje Livsvitenskap ikon

Forsidebilde optimalisert

project-bank-technical

Muliggjørende teknologier bakgrunn

Marin bakgrunnsbilde

Statistikk

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.

...eller se sammendrag og annen informasjon om prosjektene i utvalget ditt

Alle porteføljestyrer

En god beskrivelse av denne siden for søkemotoroptimalisering

Forside

Hvordan tildelingene fordeler seg på institusjoner, fylker, fagområder o.l....

Her er noen eksempler på søk du kan gjøre i Prosjektbanken

Alle langtidsplanmål

Veiledning: Hvordan bruke Prosjektbanken.no

Om Fritekstsøk

Ingen populærvitenskapelig framstilling tilgjengelig


Prosjektet med prosjektnummer {{project number}} ble ikke funnet

Teknisk beskrivelse

Oisann, her gikk noe galt. Kan du prøve å laste siden på nytt?  Dersom feilen vedvarer, vennligst kontakt oss.         

Se statistikk relatert til dette langtidsplanmålet

Se prosjekter relatert til dette langtidsplanmålet

knyttet til dette LTP-målet har blitt tildelt penger

har blitt tildelt til prosjekter knyttet til dette LTP-målet

har blitt tildelt til prosjekter knyttet til denne porteføljen

knyttet til denne porteføljen har blitt tildelt penger

Om Prosjektbanken

Kunnskapsdepartement

Teknologi

Trøndelag - Trööndelage

UoH-sektor

Infrastruktur og institusjonelle tiltak

Forskningsinfrastruktur

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

mSpider: a universal “digital adaptor” to extract physical activity and health data from wearable sensors

I Nordsjøen finnes det organisk rike leirlag som har blitt begravd til flere kilometers dyp. Når slike leirlag blir begravd til flere kilometers dyp, blir de så varme at de begynner å generere olje og gass. Av all oljen og gassen som har blitt generert i Nordsjøen, har hele 98% lekket ut til havet over geologisk tid. Men hvor skjer dette? Hvor mye lekker ut? Hvilke miljøkonsekvenser har det? Hvordan påvirker det planer for CO2-lagring at væsker kan sive ut naturlig noen steder? Og kan det gi ny innsikt i hvor man bør lete etter olje og gass? Dette er spørsmål som InFluSe-prosjektet skal svare på. 

InFluSe står for "Integrated study of Fluid Migration and Seepage in the Southern Norwegian North Sea - Impact on Hydrocarbons, Environment, and CO2 storage". På grunn av de viktige konsekvensene hydrokarbonlekkasje i Nordsjøen har, er det mange som er interessert i dette prosjektet. Prosjektet ledes av Universitetet i Bergen, og har partnere fra industri, akademia og statsadminstrasjon, og disse partnerene inkluderer UiT, Equnior, Vår Energi, AkerBP, Aarhus Universitet, Geomar Kiel, Havforskningsinstituttet og Sokkeldirektoratet. 

I løpet av det første av fire år, skal vi ansette fire PhD-kandidater og gjennomføre et tokt på 20 dager med forskningsskipet G.O. Sars. Den første av PhD-stipendiatene skal bruke satellittdata til å undersøke hvor, når og hvorfor olje lekker i Nordsjøen. Den andre PhDen skal undersøke eksisterende brønn-, kjerne- og seismikk-data fra Nordsjøen for å finne ut hvilke veier hydrokarbonene migrerer under bakken. Den tredje skal samle inn og prosessere nye høy-oppløselige 3D-seismiske data over områder med mye lekkasje for å undersøke hvordan hydrokarbonene kommer seg gjennom takbergartene. Den siste skal undersøke geokjemiske og biologiske prøver fra hydrokarbonoppkommene for å finne ut hvor de kommer fra, hvor lenge de har vert aktive, og hvilke påvirkninger de har på miljøet.

In the Southern Norwegian North Sea (SNNS), analysis of satellite radar data supported by recent scientific cruise activity reveals a previously unknown pattern of natural oil seepage. This seepage pattern indicates the presence of a widespread and previously unknown hydrocarbon migration system. Combined with the extreme availability of subsurface data in the study area and our ability to conduct scientific cruises with state-of-the-art research vessels, the observed seepage pattern makes it possible to characterize and understand migration of fluids in sedimentary basins from source to seep, at a hitherto unparalleled level of detail. Through an integrated and cross-disciplinary research program, the InFluSe project partners will create a complete understanding of hydrocarbon migration and seepage in the SNNS through two scientific cruises, a comprehensive analysis and modelling program, and education of 4 PhDs and >10 MScs in the disciplines of geomatics, subsurface geology, geophysics and geochemistry. Firstly, we will determine the hydrocarbon migration pathways in the SNNS area and develop a baseline of natural hydrocarbon seepage in terms of distribution and rates that past and potential future well-related emissions can be evaluated against. Secondly, improved knowledge about distribution and rates of hydrocarbon seeps in the Norwegian North Sea will make it possible to assess the geological contribution of hydrocarbons, carbon and methane (the most important greenhouse gas after CO2) to the environment and atmosphere, something that is poorly understood from both a conceptual and regional perspective, and may be exacerbated by the shallow depth of seepage here. Thirdly, several CO2 storage licenses are in place in the SNNS and the impact of the observed seepage on the CO2 storage integrity in these areas will be addressed by InFluSe. Finally, understanding of pathways of hydrocarbon migration will help improve play models and de-risk exploration prospects.

Integrated study of Fluid Migration and Seepage in the Southern Norwegian North Sea - Impact on Hydrocarbons, Environment, and CO2 storage

Prosjektet vil bruke avanserte massespektrometriske teknikker for å utvikle testprotokoller som kan redusere usikkerheten i data fra såkalt spesiell kjerneanalyse (SCAL). SCAL er et samlebegrep for visse laboratorietester utført på prøver av reservoarstein (borekjerner) og fluid fra oljereservoaret for å bestemme viktige reservoartekniske egenskaper. Den mest grunnleggende egenskapen på poreskala er hvordan reservoarsteinen fuktes av reservoarfluidene. Dette styrer i stor grad mobiliteten til olje, vann og gass i porerommene og påvirker dermed utvinningsprosessen.

Et ideelt krav for representative og pålitelige SCAL-data er at kjerneprøvene har beholdt sine opprinnelige fuktegenskaper når de leveres til laboratoriet. Det kan være stor usikkerhet knyttet til dette. Vanlig laboratoriepraksis er derfor å rense ut alle reservoarfluider og mulige rester av borevæske fra kjerneprøvene med ulike løsemidler for så å forsøke gjenoppretting av opprinnelige fuktforhold i kjernene ved å mette dem på nytt under kontrollerte forhold med olje produsert fra reservoaret. Om opprinnelige fuktforhold kan gjenopprettes på denne måten skal undersøkes ved å sammenligne den massespektrometriske profilen av oljekomponenter ekstrahert fra poreoverflatene i kjerneprøvene med profilen til olje produsert fra formasjonen. De massespektrometriske teknikkene som skal anvendes tillater bestemmelse av molekylvekt til individuelle oljekomponenter med en oppløsning som er høy nok til å identifisere elementformelen til hver forbindelse i oljen. Sammenligning av komponentprofilene til adsorberte hydrokarboner og mobil olje kan indikere om observerte fukt-egenskaper til en reservoarkjerne representerer opprinnelig reservoarforhold eller er påvirket av hvordan kjernen er behandlet før SCAL-analysen.

Mer pålitelige laboratoriedata vil gi bedre operasjonelle beslutninger, mindre risiko for mislykkede investeringer og bedre sjanser for optimalisering, både med hensyn til utvunnet oljevolum og energibruk.

Special core analysis (SCAL) is a set of laboratory procedures to determine essential reservoir engineering properties like oil displacement, permeability and wettability by conducting various tests on reservoir material. These properties – wettability in particular – are important to assess the resources in place, estimate fluid flow characteristics and in developing optimal strategies for hydrocarbon recovery. More reliable laboratory data will lead to better operational decisions, less risk of failed investments, and better chances of optimization, in regard both to oil volumes recovered and energy expended. Wettability is the most basic rock-fluid interaction at pore level. It largely governs the mobility of reservoir fluids and their distribution in the pore spaces and thereby affects oil recovery processes. A fundamental requirement for representative and reliable SCAL data is that core samples retain their original wettability when delivered to the laboratory or that the original wettability can be restored. It is hypothesized that the most surface-active components in an oil, being minority oil components containing elements such as oxygen, nitrogen and sulphur, will adsorb on the rock surface and thus determine the wettability. If originally only present in small amounts these components might not be present in the mobile oil, and if they are removed during core preparation (by use of strong solvents) it will not be possible to restore original wettability. The uncertainties of SCAL related to wettability can be reduced by an increased knowledge about the minority oil components. The hypothesis will be tested on representative reservoir rock and fluid samples. Employment of cutting-edge high- and ultra-high resolution mass spectrometry techniques will be pivotal to the project. Comparison of the compound profiles of hydrocarbons adsorbed to the pore surfaces and oil produced from the relevant reservoir formation will be a key element of the analysis.

HELSEVEL-Gode og effektive helse-, omsorgs- og velferdstjenester

Norwegian Harkness fellows 2024-2027

Tildelt: kr 6,0 mill.

Budsjettformål:

HELSEVEL-Gode og effektive helse-, omsorgs- og velferdstjenester

Finansieringskilder

Temaer og emner