En vetenskaplig artikel har publicerats i tidningen i "The Animals" och finns tillgänglig i sin helhet i länken nedanför.
Det handlar om möjligheten att analysera islandshästens alla fem gångarter med en smartphone i ryttarens ficka.
Artikeln har titeln "Efficient Development of Gait Classification Models for Five-Gaited Horses Based on Mobile Phone Sensors".
Författare är Haraldur Bjarni Davíðsson, Torben Rees, Marta Rut Ólafsdóttir och Hafsteinn Einarsson. Den är resultatet av ett samarbete mellan företaget TöltSense och ovan nämnda forskare, som är anställda på HorseDay ehf och Háskóli Islands som är Islands universitet, samt samt ryttare som har deltagit med sina hästar.
Målet med studien var att ta reda på om alla 5 gångarterna hos islandshästen kunde identifieras baserat på data från sensorer i mobiltelefoner och i så fall med vilken noggrannhet det var möjligt. Telefonen var placerad i ryttarens olika fickor, särskilt jack-, byx- eller bröstfickor.
Gruppen arbetade med ryttare som hade olika typer av hästar till sitt förfogande. På hästarnas ben fäste ryttarna sensorer som kunde läsa av vilken gångart, takt och hastighet hästen gick i.
Med utgångspunkt från den informationen skapades en modell som gör det möjligt att utifrån telefonen i ryttarens ficka analysera hästens gångmönster. Man kan bland annat få information om taktsäkerhet i gångarterna och hästens rörelser.
Med fortsatt datainsamling utvecklas modellen nu ytterligare för att bli ännu mer exakt. Modellen kan nu kartlägga islandshästens alla 5 gångarter med upp till 94% noggrannhet, även om det varierar en del beroende på andra faktorer, som t.ex. telefonens läge och fickans täthet.
Bred insamling av information av hästar i träning är en viktig grund för framsteg. Verkliga mätdata kommer förmodligen att vara en av grunderna i varje hästs träningsplan och samtidigt är sådana data nödvändiga för forskningen.
Planen är att fortsätta undersöka vilka möjligheter telefonen erbjuder, och nästa steg kan vara att undersöka vilken placering av mobilen som ger största möjliga exakthet i mätningen.