Forskningsområde
System som anpassar sig efter människor behöver vara ärliga om hur lite de vet om personen framför sig.
Hur kan adaptiva och affektmedvetna system stödja lärande och välbefinnande utan att övertolka glesa, intima signaler?
My doctoral research sat here: machine learning on wearable sensor data to monitor the mental health of frontline healthcare workers. The useful finding was as much about limits as about accuracy. Signals from the body are sparse, noisy and deeply contextual, and a model that performs well on a cohort can still be the wrong instrument for an individual decision.
The same tension runs through adaptive learning systems, which I worked on earlier in education settings: personalisation is only as good as the model of the learner, and that model is always thinner than the learner.
Resultat
2026
Digital Skills and Jobs Platform, European Commission
En fördjupning för Europeiska kommissionens kompetensplattform om var klinisk AI är verkligt användbar, och vilken assurans reglerad vård måste kräva av den.
PolicyAuthor
2024
Université Paris Cité
Doktorandforskning om vad data från bärbara sensorer kan och inte kan bära när frågan är klinisk risk.
PublicationsAuthor
2019
2019 IEEE 18th International Conference on Cognitive Informatics & Cognitive Computing (ICCI*CC)
Early work connecting cognitive science and socio-emotional learning to digital pedagogy.
PublicationsCo-author
2019
UNESCO MGIEP
How a learning platform used machine learning to connect knowledge across a UNESCO institute's work.
ReportsAuthor
Projekt
Doktorandforskning om huruvida data från bärbara sensorer kan stödja bevakning av psykisk ohälsa hos vårdpersonal i frontlinjen, och var metoden brister.