Luna

Datainnsamling

Observasjon:

For å starte observasjonen ble det brukt flue-på-veggen observasjon på forskjellige treningssentre i Oslo. Fokus under observasjonen var forholdet mellom personer som trente alene, trente sammen med andre eller som brukte PT. Videre har fokuset også ligget på hvilke artefakter som har blitt tatt i bruk. Resultater herifra viser at de fleste trener alene, men at antall som trener i grupper eller alene også avhenger av tid på døgnet. Av utstyr har tilnærmet alle med seg vannflaske og telefon, mens mange også har med headsett.

Intervjuer:

For å triangulere datainnsamlingen ble det utført intervjuer for å videre undersøke det vi fant ut i observasjonen, men også for å hjelpe med å definere krav, behov og en klar målgruppe. Intervjuene ble gjort med fem treningsinteresserte over to runder. I tillegg ble domeneekspert intervjuet to ganger, men var bidro også med ekspertevaluering. Intervjuet var semi-strukturert og intervjuobjektene var treningsinteresserte mellom 23 og 33 år gamle. Videre var to av disse jenter, resten gutter. Treningsmengde varierte, men lå på mellom 3 til 6 ganger i uka over tid. Etter brukerintervjuer ble det gjort intervju med domeneekspert. Dette var ikke for å definere krav og behov, men heller for veiledning vedrørende utvikling av løsninger. Her fikk vi også generelle problemområder mange sliter med ved utførelse av markløft, og mye av dette ligger til grunn for hva som ble adressert ved utvikling av prototypene.

Krav og behov:

Analyse av observasjon:

Analyse fra observasjonen baserte seg mye på kvantitativ data. Det ble sett på forholdet mellom hvor mange som trente alene eller sammen med andre, men også et fokus på hvilke artefakter som ble brukt under trening. Her kom det frem at rundt en av ti trener med en venn, en av tjue bruker PT og resten trener alene. Dette ble samlet inn fra treningsstudio på Storo og Bjørvika, og man så variasjoner i form av at større andel brukte PT på Bjørvika enn på Storo. Flere trener også sammen på kveldstid enn på dagtid. Videre har tilnærmet alle med seg vannflaske og mobil på trening, mens rundt halvparten også hadde med hodetelefoner.

Analyse av intervju:

Gjennom flere workshops brukte gruppa induktiv analyse ved hjelp av åpen koding for å skrive ned relevante svar på post-IT-lapper som ble festet til et whiteboard. Disse ble gruppert i forskjellige kategorier og brukt for å danne et Affinitiy Diagram. Dette kan sees under.

Her har vi en hovedkategori som omhandler hvorfor brukere trener. Denne kan videre deles inn i to underkategorier som vi kalte for effektivitet og godfølelse. Videre har vi også delt inn i kategoriene "Utstyr", "Faste Øvelser", "Inspirasjon", "Teknikk", "Vanskelig", "Hyppighet", "Treningsform" og "Irritasjon".

Under "Effektivitet", som også kunne blitt kalt "Måloppnåelse", ligger utsagn relevant til forbedring, et underliggende behov for mange som trener. Her ligger ting som å gå ned i vekt, større muskler eller "Sommerkroppen 2018". Felles er treningen er et middel for å nå et mål, og effektivitet er viktig for å nå det. "Godfølelse" derimot omhandler ofte treningen i seg selv. Her ligger punkter om avkobling og et ønske om å bruke kroppen for å få en god følelse, både underveis, men også etter trening. Her blir treningen også et mål i seg selv.

Under "Vanskelig" og "Faste Øvelser" ser vi også at markløft går igjen. Dette enten som en øvelse de sliter med, eller som en øvelse som blir unngått nettopp fordi den er vanskelig eller i frykt for skade.

Ellers er det verdt å merke seg at mange enten irriterer seg over å trene med folk rundt seg, eller at de trener på tidspunkter hvor de kan unngå andre. Forklaringen ligger i at brukerne ikke vil vente på at maskiner skal bli ledige, samtidig som det også kan være distraherende. Kun én bruker fant det motiverende å trene rundt andre, resten foretrakk å trene alene.

Prototyping:

Etter analysen ble det tenkt på to forskjellige prototyper som skulle være konseptuelt klare frem mot presentasjon 2. Den ene et køsystem som skulle hjelpe folk som trente med å stelle seg i kø for maskiner. Da ville man unngått å måtte være i nærheten av maskinen hele tiden for å kunne ta den når den ble ledig, og man ville samtidig ha en pekepinn på hvor lenge det var til maskinen ville blitt ledig, slik at man kunne planlegge andre øvelser. Her ble det tenkt å ta i bruk RFID i en basestasjon for å scanne seg inn i køen. Tanken var å ta bruk av armbåndene mange treningssentre bruker for å scanne seg inn, eventuelt at vi kunne festet denne på vannflaska, en artefakt omtrent alle har med seg. Denne idéen falt kort mot løsningen vi etter hvert gikk for, flexsensoren.

Prototype:

Prototypen som til slutt ble valgt baserer seg på måloppnåelse-delen rundt en øvelse mange av intervjuobjektene slet med, markløft. For å forstå hva som ble gjort feil og hvordan dette kunne hjelpes, ble det gjort intervju med domeneekspert som ga fire generelle problemområder mange har med markløft.

Disse er som følger:
- Krummet rygg (for dårlig spenn).
- Knærne faller langt fram så stanga blir ført lenger fram - som fører til et forflytta tyngdepunkt hvor korsryggen må jobbe mer for å stabilisere vekta.
- Fører stanga for langt vekk fra bena, mye pga forrige eksempel.
- Klarer ikke bruke lårene i første del av løftet, så korsryggen er nødt til å jobbe gjennom hele løftet.
Ellers vil også en potensiell løsning måtte ta høyde for at bruker har på magebelte eller kalk på henda, noe flere har når de driver med markløft.

Løsningen som ble valgt er et system som skal hjelpe med tre av de fire problemene ovenfor. Den ene delen er en flexsensor. Denne festes på øvre del av ryggen og måler krumming gjennom løftet, for å jobbe mot problemområde nummer en, at brukere har for krum rygg i løftet. I utgangspunktet var planen også å se på svai i ryggen, men dette ble valgt bort som følge av lite hensiktsmessig plassering av flexsensoren. Hvis målet skulle være å måle svai ville flexsensoren ha måttet bli plassert lenger nede på ryggen, nede ved korsryggen. Dette ville dog være i veien for et potensielt belte. Videre utdypet også PT at krumming i øvre del av ryggen over tid er mer skadelig enn for mye svai i korsryggen. Denne flexsensoren endrer elektrisk motstand ved bruk av karbonimpregnert folie i form av velostat-plast under bøy. Som feedback gir den et nummerisk tall for hvordan bøyen på ryggen er, og hvor mye press som legges på den.

Den andre delen er en ultralyd-sensor for å adressere proble

met med at armene går for langt fram foran knærne, eller at knærne går for langt frem. Denne er plassert på bakken og består av en Arduino Uno koblet til to ultralyd-sensorer. Disse måler vertikalt oppover og sjekker om stanga krysser sensoren. Dersom stanga krysser sensorene på en side vil en rød LED-pære lyse til du skrur den av ved å trykke på en knapp. Dette vil fortelle en bruker at vedkommende har hatt for mye horisontal bevegelse under løft.

For å vise feedback blir det brukt en mobilterminal. Lightblue Beanen festet til flexsensoren kjører en kode som sjekker tallet den får inn fra flexsensoren og fastslår om ryggen er for krum eller ikke. Dersom den er for krum sier den at ryggen er krum, og hvor langt ut i settet dette skjedde. Å bruke mobilterminal kan også begrunnes med at nesten alle har med seg en mobil på treningssenter, dermed ville denne løsningen vært tilgjengelig for de fleste.

Disse prototypene skal med andre ord hjelpe en bruker å utføre et godt markløft. Dette gjøres ved å hindre krumming av rygg og ved å hindre horisontal bevegelse, slik at man slipper å skade korsryggen ved at ryggen må jobbe mye ekstra for stabilisering.