Linnaeus University Centre for Data Intensive Sciences and Applications

Såddprojekt

Vid DISA uppmuntrar och stöder vi såddprojekt. Såddprojekt är avsedda att främja och driva upp framstående forskning, utveckling och innovation med tvärvetenskapligt samarbete inom dataintensiva vetenskaper och tillämpningar. Såddprojekten ska tillhöra ett av forskningsområdena inom DISA. Var vänlig ange i ansökan vilket forskningsområde/forskargrupp inom DISA såddprojektet tillhör och se till så att forskningskoordinatorn för området är informerad om ansökan.

Ekonomiskt stöd

DISA kan finansiera upp till 100 000 kronor för att initiera ett forskningssamarbete kopplat till dataintensiva vetenskaper och tillämpningar. Externa partner kan vid behov finansieras upp till en högsta nivå av 50 % av DISAs projektfinansiering. Dessa måste samfinansiera projektet med samma belopp.

Under 2023 finns totalt 700 000 kronor tillgängliga att söka för såddfinansiering.

Mål för såddprojekt

Såddprojektet bör öka utsikterna för ansökningar om extern finansiering och/eller för publiceringar i framstående tidskrifter. Förslag till såddprojekt bör argumentera för att de planerade aktiviteterna är avgörande för att uppnå detta/dessa mål. Aktiviteter kan inkludera, men är inte begränsade till:

• Bygga nya, tvärvetenskapliga team av forskare och/eller med näringslivet, med sikte på ett långsiktigt samarbete.
• Utforska nya forskningsfrågor i en förstudie.
• Samla in stora mängder data och köra inledande experiment och analyser.
• Implementera forskningskoncept eller infrastruktur.

Förutsättningar och utvärderingskriterier

Konsortiet i projektet ska bestå av en eller flera forskare från DISA. Forskarna i konsortiet ska komma från olika forskningsområden för att skapa ett starkt, tvärvetenskapligt samarbete. Det är viktigt att alla medlemmar i konsortiet har en aktiv roll i såddprojektet. Vänligen beskriv dessa olika roller i ansökan. Samverkan med näringsliv/offentlig sektor är ett plus. Definiera tydligt det mervärde såddprojektet kommer att ge konsortiet.

Om någon medlem av konsortiet är aktiv i ett annat pågående såddprojekt, förklara förhållandet mellan projekten/forskningen.

Kriterierna för utvärderingen innefattar hur relevant förslaget är för DISAs operativa och strategiska mål, projektets genomförbarhet, samt möjligheterna att lyckas med en ansökan om extern finansiering och/eller till publiceringar i framstående tidskrifter.

Läs om ansökningsprocessen i denna pdf-fil. Ansökningar ska lämnas in senast den sista dagen i varje månad för att kunna hanteras under DISAs nästföljande samordningsmöte.

För mer information om konceptet med såddprojekt, vänligen kontakta Diana Unander.

Pågående såddprojekt

• Att använda artificiell intelligens för att upptäcka Acanthamoeba Keratit i ögat - AIDAK-studien
  Sökande: Linnéuniversitetet: Patrick Bergman, Jenny Roth, Antonio Macedo, Alisa Lincke and Welf Löwe
  Externt samarbete i projektet: Neil Lagali, Linköpings Universitet

Tidigare såddprojekt

• Läkemedel som ökar risken för biverkningar – kartläggning med hjälp av Janusmed-kunskapsdatabaser och utveckling av prediktionsmodeller i Region Kalmar län
  Sökande: Tora Hammar, Olof Björneld, Alisa Lincke, Rafael Messias Martins, Thomas Holgersson, Linnéuniversitetet; Björn Wettermark, Uppsala universitet; Ylva Askfors, Hanna Justad, Region Stockholm
• A platform to collect and analyze canoe/kayak training data, and produce motivational feedback to athletes
  Sökande: Giangiacomo Bravo, Åsa Eklund, Anders Gerestrand, Ilir Jusufi, Susanne Linner, Anna Melin, Haris Pojskic
• User performance data from a video-based application/platform to enhance mobility and integrated learning in physical activities of daily living amongst older adults
  Sökande: Sofia Backåberg, Larry Katz, Mirjam Ekstedt, Welf Löwe, Niklas Backåberg
• IoT for ships – an untapped data resource
  Sökande: Fredrik Ahlgren, Björn Pundars, Håkan Lundström (external)
• Analyzing state-of-the-practice for self-adaptive systems in industry using data analytics
  Sökande: Nadeem Abbas, Danny Weyns, Ilir Jusufi och Bengt Larsson
• Digitized ancient remains detection using computer vision and artificial intelligence
  Sökande: Peter Skoglund, Ludvig Papmehl-Dufay, Welf Löwe
• Vibration-based strength grading of sawn timber using piezoceramic transducers and one-dimensional convolutional neural networks
  Sökande: Osama Abdeljaber, Anders Olsson och Welf Löwe
• Towards a data-driven approach to ground-fault location
  Sökande: Mauro Caporuscio, Pieternella Cijvat, Hans Ottosson
• Granbarkborre; avancerad prediktiv prognostisering med hjälp av machine learning
  Sökande: Johan Bergh, Johan Hagelbäck, Björn Lundsten (Softwerk AB)
• Data-intensive tools for effective carbon mitigation in forestry
  Sökande: Jorge Zapico, Rafael Martins, Johan Bergh
• Skeleton Avatar camera Technique (SAT) som metod för mätning av funktionsförmåga hos äldre personer
  Sökande: Cecilia Fagerström, Anders Halling, Linda Askenäs, Olof Björneld, Amanda Hellström, Mirjam Ekstedt
• Exploring data and establishing routines for collaboration on energy experiments
  Sökande: Mike Farjam, Krushna Mahapatra, Giangiacomo Bravo
• An Exploration of the Challenges and Possibilities of Multidimensional Visualization in the Context of Visual Learning Analytics
  Sökande: Rafael Martins, Marcelo Milrad, Italo Masiello
• Smart-Troubleshooting in the Connected Society
  Sökande: Francesco Flammini, Welf Löwe, Shiyan Hu, Mauro Caporuscio, Morgan Ericsson, Narges Khakpour, Diego Perez-Palacin
• ODXVR x NTS: Exploring the Nordic Tweet Stream in Virtual Reality
  Sökande: Aris Alissandrakis, Mikko Laitinen, Jukka Tyrkkö