- Du kombinerar praktiska aspekter, som att samtala med lokala skogsaktörer, med maskininlärning och modellering i din avhandling. Vad var fördelen med att kombinera dessa olika metoder?
Först och främst tycker jag att det är roligt att testa nya tekniker, pröva nya saker och nya sätt att forska. För en del av min avhandling använde vi Heureka-systemet, som har utvecklats vid SLU. Vi utvärderade kvantitativt olika skogsscenarier genom att modellera dem över en 100-årsperiod. I nästa steg analyserade vi de olika scenarierna kvalitativt i en workshop tillsammans med intressenterna.
Det var mycket intressant att se att intressenterna tog fasta på helt andra saker än vad som framkom i modelleringen. De diskuterade till exempel det möjliga resultatet av ett scenario på lokal nivå, vilken typ av konflikter det skulle skapa mellan olika typer av intressenter och om det skulle accepteras socialt. Dessa aspekter fångades inte upp av våra modeller, men det kommer att bli mycket viktigt att beakta dem i skoglig planering. Att kombinera dessa två typer av utvärderingar sida vid sida - den kvantitativa modellmetoden och den kvalitativa - var därför till stor nytta.
- Fick du några oväntade resultat?
För mig var vägen som ledde fram till maskininlärning mycket oväntad, mer oväntad än själva resultaten. Vi ville analysera vilken typ av skogsrelaterade konflikter som diskuteras i media. Det fanns redan analyser av specifika konflikter tillgängliga, baserade på kvalitativa medieanalyser. Vi ville dock få en bred överblick och förstå hur stora konflikterna är i förhållande till varandra.
Att läsa allt själv och sortera det manuellt skulle ha tagit för mycket tid, istället använde vi "topic modelling". Denna metod av maskininlärning har sitt ursprung i datavetenskap men används nu även inom bioinformatik, samhällsvetenskap och humaniora och förmodligen även inom fler områden. Med hjälp av det här verktyget kunde vi sålla ett stort antal medieartiklar, identifiera huvudämnena och klustra dem. Sedan kunde vi gå djupare in i klusteranalysen och till exempel kontrollera om ett ämne eller en konflikt diskuterades på olika sätt i olika delar av Sverige, hur det har skiljt sig åt över tid och göra mer rumsliga och tidsmässiga men också relationella analyser av dessa olika typer av konflikter.
När jag vågade mig på den här maskininlärningen undrade jag verkligen vart det skulle föra mig, men det är ett mycket användbart verktyg som jag nu har använt även när jag gör litteraturstudier.
- Har du varit tvungen att övervinna några större utmaningar under din doktorandtid?
Jag arbetade med forskare från vetenskaps- och idéhistoria och från statsvetenskap, och till en början hade vi språkbarriärer. Vår utbildning och bakgrundskunskap skiljde sig åt och vi använde olika referenser eftersom vi kom från helt olika områden. Det tog tid att lära sig att förstå varandra men också att lära känna de viktigaste referenserna som de andra använde och som dök upp igen då och då. Jag var tvungen att ställa dumma frågor, till exempel för att försäkra mig om att vi verkligen talar om samma sak. Det var en stor utmaning i början, men nu förstår jag hur de arbetar och argumenterar mycket väl. Jag lyckades till och med inleda ett nytt samarbete med en sociolog och en vetenskaps- och idéhistoriker, som jag inte har samarbetat med tidigare, och fick dem intresserade av att arbeta tillsammans med mig på en publikation.
- Din forskning är mycket ovanlig för din institutionen du tillhör där de flesta forskar på molekylär växtbiologi. Tror du att dina resultat också kan gynna denna typ av forskning?
Jag tror att en viktig aspekt är att förstå människors förståelse för skogar: vilka tekniker används idag och varför, hur tänker människor om framtiden, vilken framtid vill de ha. Vi måste få ett mer holistiskt perspektiv på skogar och träd. Om vi vidgar vårt perspektiv för att bättre förstå vetenskapens praktiska konsekvenser och även samhällets behov kan det hjälpa oss att bättre se hur och på vilka områden vetenskapen kan gynna den nuvarande omvandlingen. Det krävdes mod att kliva ut ur min komfortzon och prova något nytt, men mitt arbete har tjänat mycket på det.
- Vad planerar du att göra nu?
Jag kommer att fortsätta som postdoktor vid SLU och Wageningen University och arbeta med skogsägare, deras erfarenheter av och önskemål om tillämpning av alternativa skogsskötselmetoder. Det kommer att ligga nära det jag har gjort under min avhandling men mer specifikt med fokus på skogsägare. Jag kommer att vara anställd vid SLU och samtidigt blir gästforskare vid Wageningen University.
Om disputationen
Isabella Hallberg-Sramek, Umeå Plant Science Centre, Institutionen för skogsgenetik och växtfysiologi, Sveriges lantbruksuniversitet, försvarar sin doktorsavhandling onsdagen den 24 maj 2023. Fakultetsopponent är professor Georg Winkel, Forest and Nature Conservation Policy Group, Wageningen University and Research, Wageningen, Nederländerna. Avhandlingen har handletts av Annika Nordin från SLU tillsammans med Camilla Sandström, Erland Mårald, båda från Umeå universitet, och Eva-Maria Nordström från SLU som biträdande handledare.
Avhandlingens title: Tailoring forest management to local socio-ecological contexts – Addressing climate change and local stakeholders’ expectations of forests
Länk till avhandlingen: https://doi.org/10.54612/a.6os9e6ei21
