Redusert kognitiv belastning gjennom design

Etter å ha fått en ADHD-diagnose i 2023 deltok jeg i en brukertest av det digitale psykoedukasjonsprogrammet LOVeCARE ADHD, utviklet av Lovisenberg Senter for psykisk helse og rus. Til tross for høy motivasjon hadde jeg vansker med å gjennomføre programmet. Ikke på grunn av innholdet, men designet.

I samarbeid med Lovisenberg gjennomførte Emily Tvervåg og jeg i 2025, kvalititative brukertester av LOVeCARE ADHD på fem personer med ADHD. Hypotesen var at også andre med ADHD kunne oppleve lignende utfordringer, slik som jeg gjorde, med tilgjengelighet og navigasjon.

Hypotesen var at også andre med ADHD kunne oppleve lignende utfordringer, slik som jeg gjorde, med tilgjengelighet og navigasjon.

Tre sentrale funn fra brukertestingen

Ikke klikkbare elementer:

Fire av fem deltakere forsto ikke at inngangsboksen til programmet var et klikkbart element, og navigerte i stedet via hamburgermenyen, som førte dem inn i blindveier uten mulighet til å bla frem eller tilbake mellom modulene.

Manglende hjelpetekst:

I mobilvisningen var knappeteksten på "forrige/neste" fjernet, og det som sto igjen var to ikoner uten forklaring. Samtlige mobilbrukere oppdaget derfor ikke knappene.

Navigasjonsmenyen:

Den omfattende oversikten over alle moduler og undersider var plassert nederst på mobilsiden, noe som bidro til at flere deltakere ikke oppdaget den.

Senere utførte vi brukertester på en kontrollgruppe på fem personer uten ADHD. Vi forventet å se en forskjell i på disse tre områdene, men til vår overraskelse støtte også disse deltakerne på nøyaktig de samme problemene.

Forskjellen lå i de kvalitative dataene. Da vi gikk gjennom de, så vi at deltakerne hadde svært ulik emosjonell respons til problemene de møtte på.

For eksempel beskrev en deltaker uten ADHD møtet sitt med navigasjonsmenyen slik:

På en måte så gjør de det ryddig, for jeg ser alle modulene nedover. Det var jo veldig mye, men jeg skjønner poenget med at det skal være oversiktlig.

Mens en deltaker med ADHD beskrev den slik:

Oi! Helvete for et kaos! Å fy faen! Kødder du!? Ok, det er det sykeste jeg har sett. Nei, her seg jeg jo bare gjesp, snork, spy, hjelp, redsel, løpe min vei. Ok, dette er jo bare sånn ‘OK, nå skal vi prøve å overvelde deg med skattemeldingen ganger hundretusen’. Denne tar jo aldri slutt! Det ser ut som et excel-ark fra helvete.

Psykoedukasjon er det første anbefalte steget i behandlingsprosessen av ADHD. Når designet ikke tar høyde for målgruppens behov, fører det til frustrasjon, økt kognitiv belastning og i verste fall at brukerne ikke fullfører programmet og dermed ikke får den behandlingen de trenger.

Disse funnene la grunnlag for prosjektene vi har utført i samarbeid med Bielke&Yang og Ways Into Practice.

Brukertestene av LOVeCARE ADHD avdekket tydelige forskjeller i hvordan deltakere med og uten ADHD reagerte på plattformens design. Et naturlig spor å følge ble derfor om disse forskjellene kunne måles med biometriske metoder. Eye tracking og facial expression analysis ble vurdert som de mest relevante metodene for å kartlegge oppmerksomhetsnivå og emosjonelle reaksjoner under brukertesting.

Det var ønskelig at utviklingen skulle baseres på vibe coding og åpen kildekode, slik at vi både fikk testet hvor langt vi kunne komme med AI-verktøy alene, og gjort en grundig vurdering av om det måtte investeres i kommersielle løsninger.

Til eye tracking-verktøyet ble WebGazer.js benyttet, et open source-bibliotek utviklet ved Brown University som estimerer blikket ved hjelp av enhetens webkamera og maskinlæring. I den nåværende versjonen fungerer verktøyet som en konseptuell demonstrasjon, og viser hvordan en adaptiv AI-assistent kan forenkle innhold basert på brukerens oppmerksomhetsmønster.

Facial expression analysis-verktøyet ble bygget med Next.js, React og MediaPipe Tasks fra Google, et rammeverk for maskinlæringsmodeller som kjøres direkte i nettleseren. Det betyr at ingen data sendes til eksterne servere, noe som er viktig i forskningskontekst. Designet er laget av Evan og ble integrert i løsningen ved hjelp av Figma MCP og Claude Code.

En av utfordringene jeg måtte løse var at programmet tolket hvilende ansiktsuttrykk som sinne. Løsningen ble å legge til en kalibreringsfunksjon hvor man holder sitt nøytrale ansiktsuttrykk i fem sekunder, slik at programmet ikke lenger tolker dette uttrykket som sinne. Programmet tolker fortsatt glede og sinne enklest, men har vanskeligere med å skille følelser som forvirring, tristhet og overraskelse fra hverandre.

Verktøyene behandler biometriske personopplysninger via eye tracking og analyse av ansiktsuttrykk, som under GDPR Artikkel 9 er klassifisert som «særlige kategorier av personopplysninger» med strengt juridisk vern. Vibe coding innebærer også en dokumentert risiko for sikkerhetshull i den genererte koden.

Gjennom alle disse prosjektene har det blitt tydelig for meg at det finnes et reelt og udekket behov for å designe digitalt innhold som er spesifikt tilpasset personer med ADHD og andre former for kognitive variasjoner. Å involvere UX-designere tidlig og systematisk i utviklingsprosessen handler derfor ikke bare om å gjøre produkter pene, det handler om å sikre tilgjengelighet, tillit og faktisk bruk.