Designens betydelse vid val av boxvin : En studie om konsumenters preferenser av designfaktorer på bag-in-box-vin.

På den svenska marknaden står bag-in-box-vin för över 50 procent av allt vin som säljs och Sverige är det land där bag-in-boxen fått starkast fäste i världen (Fremin, 2012). Det gör att bag-in-box-förpackningen är en stor och betydelsefull produkt för vintillverkare och att ha kunskap om säljande design är viktigt för grafiska formgivare samt övriga involverade företag. Den föreliggande studiens syfte var att undersöka vilka designfaktorer på bagin- box-förpackningar som påverkar konsumenternas val av vin i Sverige. Studien innefattade en visuell kartläggning som ämnade ge en överblick av utbudet på ett Systembolag. Detta genomfördes för att skapa en grund till den webbaserade enkätundersökningen som genomfördes under våren 2015. Resultaten visade att majoriteten av respondenterna valde vin baserat på förpackningens utseende och ansåg att de påverkades främst av färg, typsnitt, illustrationer och varumärken. Resultaten visade också att ju högre vinkunskap konsumenterna hade desto mindre påverkade designen deras val. Kvinnor och män hade generellt olika åsikter angående hur stor påverkan de olika designfaktorerna hade vid valet av bag-in-box-vin. Denna studie är endast ett avstamp till ett ämne som innefattar många påverkande faktorer. Det betyder att mer forskning krävs inom ämnet innan helt sanningsenliga resultat kan fastställas.

Leveraging new plans in AgentSpeak(PL)

In order to facilitate the development of agent-based software, several agent programming languages and architectures, have been created. Plans in these architectures are often self-contained procedures with an associated triggering event and a context condition, while any further information about the consequences of executing a plan is absent. However, agents designed using such an approach have limited flexibility at runtime, and rely on the designer’s ability to foresee all relevant situations an agent might have to handle. In order to overcome this limitation, we have created AgentSpeak(PL), an interpreter capable of performing state-space planning to generate new high-level plans. As the planning module creates new plans, the plan library is expanded, improving performance over time. However, for new plans to be useful in the long run, it is critical that the context condition associated with new plans is carefully generated. In this paper we describe a plan reuse technique aimed at improving an agent’s runtime performance by deriving optimal context conditions for new plans, allowing an agent to reuse generated plans as much as possible.