ALGOSH: Programöversikt

ALGOSH är ett forskningsprogram vid Karolinska Institutet som undersöker hur algoritmisk arbetsledning påverkar arbetsmiljö, hälsa och välbefinnande utanför plattformsarbete. Programmet, som löper från 2023 till 2029, syftar till att utveckla standarder för att mäta risker med algoritmisk arbetsledning på arbetsplatsen och att förstå effekterna på arbetstagares säkerhet och hälsa. Forskningen inkluderar både kvantitativa och kvalitativa metoder och har stöd från fackföreningar, företag och myndigheter.

Arbetspaket 1

Standard för mätning av algoritmisk arbetsledning (AM) och relaterade risker för arbetsmiljö, säkerhet och hälsa (OSH).

Forskningsfältet om algoritmisk arbetsledning (AM) är relativt nytt. Det finns ingen etablerad definition av begreppet och brist på data om dess konsekvenser för hälsa, säkerhet och välbefinnande. Arbetspaket 1 fokuserar därför på att utveckla en harmoniserad definition av AM som kan operationaliseras till mätbara observationer. Syftet är att hitta indikatorer som mäter de hälsorelaterade effekterna av AM på arbetstagare och möjliggöra systematisk datainsamling. Arbetspaket 1 behandlar tre forskningsfrågor:

• Hur har AM definierats inom forskning och policy?
• Finns det skillnader i betydelse mellan branscher, typer av arbete och nationella kontexter?
• Hur kan AM-relaterad datainsamling och infrastruktur förbättras och harmoniseras?

För att besvara dessa frågor kommer forskargruppen att genomföra intervjuer med arbetstagare, arbetsmiljöinspektörer och arbetsgivare. Detta kommer att bidra till utformningen och valideringen av ett undersökningsinstrument som kan användas för systematisk och standardiserad datainsamling.

Arbetspaket 2

Utforska effekterna av algoritmisk arbetsledning (AM) på arbetarskydd och hälsa (OSH).

Arbetspaket 2 syftar till att undersöka effekterna av AM på arbetsmiljö, hälsa och välbefinnande på arbetsplatsen. Med flera angreppssätt behandlas tre forskningsfrågor:

• Vilka aspekter av arbetet påverkas av algoritmisk arbetsledning?
• Leder algoritmisk arbetsledning till hälso- och säkerhetsrisker? Om så är fallet, vilka risker och vilka är verkningsmekanismerna?
• Förvärras risker i traditionella arbetsmiljöer av algoritmisk arbetsledning? Om så är fallet, vilka risker och vilka är verkningsmekanismerna?

Med hjälp av en multimetod-ansats studeras effekterna av AM genom en online-enkät i Sverige, samt en longitudinell fallstudie i ett svenskt logistikföretag. Undersökningsresultaten ligger till grund för den kvantitativa dataanalysen, som består av tre delar:

• En undersökning om algoritmisk arbetsledning kommer att beräkna förekomsten i olika sektorer, kopplingar till hälso- och säkerhetsrisker samt möjligheten att skapa ett Job Exposure Matrix (JEM).
• Den longitudinella fallstudien genomförs med en kombination av upprepade intervjuer och enkäter för att fånga associationer och upplevelser av att arbeta med algoritmisk arbetsledning, samt dess effekter över tid. 

Arbetspaket 3

Samutformning av algoritmer i arbetet – vägledning för människocentrerad AM och intresseavvägningar i en trepartsmodell.

Om det utformas väl kan algoritmisk arbetsledning främja arbetstagarnas välbefinnande. Samutformning av AM-implementering kan vara fördelaktigt för både arbetarnas mentala och fysiska hälsa samt för företagens produktivitet. Med utgångspunkt i definitionen av AM från Arbetspaket 1 och data från Arbetspaket 2 undersöker Arbetspaket 3 praktiska metoder för att vägleda människocentrerad AM och policyrelaterade interventioner. Paketet fokuserar på tre forskningsfrågor:

• Hur reagerar olika intressenter på utmaningar och möjligheter som AM medför för hälsa, säkerhet och välbefinnande?
• Hur kan arbetsinspektörer och experter bedöma och ge råd om AM-relaterad fysisk och kognitiv påfrestning samt psykosociala risker?
• Hur kan arbetsmiljörelaterade bestämmelser mobiliseras för att förebygga och mildra negativa effekter av AM?

För att besvara dessa frågor innehåller WP3 flera delar:

• En explorativ översikt av intressenters insatser för att minska negativa och stärka positiva aspekter av AM.
• En lättanvänd checklista för inspektion och bedömning av AM-relaterade risker (fysiska, kognitiva och psykosociala påfrestningar), som utvecklas i 1–2 företag i Finland och Sverige och baseras på Cognitive Ergonomic Assessment (CEA).
• En kartläggning och juridisk analys och utveckling av bästa praxis för att reglera AM till förmån för arbetarnas arbetsmiljö.