Webutvikling
Portrait photo

Jon Petter Ervik

Hei. Jeg er Jon Petter, en 34-åring fra «jugendbyen», Ålesund. De siste tre årene har jeg studert webutvikling ved NTNU i Gjøvik. Studiet passet meg godt da jeg har vært interessert i teknologi, data og internett siden jeg ble kjent med disse for lenge siden. Som webutvikler, og person, vil jeg si at jeg fokuserer på strukturen og helheten, heller enn små detaljer. Sammen med medstudenter og undervisere har jeg spedd på denne fokusen med kunnskap og interesse for tilgjengelighet, brukerpersonalisering og design. Teknologier jeg benytter nå er først og fremst MERN-stack (MongoDB, Express, React & Node), dog har jeg også gått utover dette med ting som Astro-rammeverket (utviklersiden min bruker dette), Python (også fra fritid og hobby), TypeScript, og SQL-databaser, for å nevne noe.

Foruten webutvikling har jeg flere fritidsinteresser, og noen av de største er matlaging (og mat!), styrketrening, og videospill / dataspill. Jeg har spesielt en forkjærlighet for strategispill på data. Videre har jeg også hobbyprogrammert litt modifikasjoner til spill før. Framover håper jeg å kunne bidra på full-stack prosjekter, og jeg er glad i å lage eller være med på å lage hverdagslige nettsider og tjenester for folk, som f.eks. oppskriftssider, presentasjonssider, eller sider som er funksjonelle, hjelpsomme, nyttige eller underholdende generelt.

Læringsoptimalisert KI-assistent

IDG3920 Bacheloroppgave BWU, Vår 2026

Project image

    Læringsoptimalisert KI-assistent

    Bachelorprosjektet vårt utforsker overføringseffekten hos webutviklere etter bruk av et KI-drevet læringsverktøy. Verktøyet er en KI-chatbot bygget med MERN-stack, som har en pedagogisk tone og som skal veilede utviklere i arbeidet, med hensikt å lære brukere kjernekunnskap innen et spesifikt område av webutvikling. Gjennom å studere eksisterende forskningslitteratur har gruppen identifisert et gap i forskningen, særlig knyttet til den pedagogiske dimensjonen ved bruk av KI-verktøy i læringssammenheng. Målet er å undersøke hvorvidt kunnskap tilegnet gjennom chatboten overføres til nye oppgaver og situasjoner, og dermed om KI-verktøy kan fungere som reelle læringshjelpemidler, ikke bare produktivitetsverktøy, innenfor fagfeltet. Gruppen har blitt veiledet av Human-Centered AI Lab på NTNU Gjøvik. Prosjektet har vært spennende, og både innsikten og produktet kan håpes å være til hjelp for fremtidige studenter, undervisere og hobbykodere.

    Nettbasert spillplatform

    IDG2100 Fullstack webutvikling, Vår 2025

    Project image

      Nettbasert spillplatform

      Originalt sett var oppgaven et simpelt tastaturtrykk-basert nettleserspill med hester som konkurrerer i å løpe en strekning. Denne gamle innleveringsoppgaven har blitt pusset opp og omformet til en spillplatform med et utvalg spill, inkludert en forbedret variant av hesteløpet. Siden den inkluderer en sentral «hub» for å velge spill, og en meny per spill. Selve siden har gått fra enkel HTML og modulær JavaScript med kun frontend, til et moderne full-stack rammeverk med React i frontend, og JavaScript-server med en enkel MongoDB-database for backend. Dette var definitivt et hobbyprosjekt basert på egne interesser, men avansert og interessant i seg selv like fullt.

      Smart hjemmesystem for plantestell

      IDG3006 Tingenes web, Høst 2025

      Project image

        Smart hjemmesystem for plantestell

        Vårt semi-automatiske multi-plantesystem (SAMPS) er et gruppeprosjekt for Tingenes web, og består derfor av en fysisk prototype med rom for plantepotter, fuktsensorer, plantelys og varsellamper. I tillegg til den software-baserte kodeløsningen, er den nå et oppdatert nettbasert brukergrensesnitt for det ferdige prosjektet. Idéen her er at det er de mest grunnleggende tingene som nok vanning og passe lys som ødelegger for de fleste plantepassere. Ting som mangel på erfaring eller en travel hverdag, kan gjøre at folk ikke får til optimale forhold for sine planter, og plantene visner. SAMPS er en prototype som ønsker å løse dette på et enkelt, fornuftig og ikke altfor kostbart oppsett. Idéen er at man velger sin plantetype for en posisjon i systemet. Optimale lysforhold og vanningsforhold hentes fra lagret data, enten via lokalt lagret data eller en database for førstegangsoppsett. Automatiske plantelys ordner lysstyrke, og antall timer med lys, mens vanning varsles på enkelt vis via små varsellamper. Disse blinker ved for tørre forhold, og lyser jevnt når man overvanner. Om brukeren da velger riktig plante og følger litt med på vanning vil de kunne holde plantene sine ved optimale forhold langt oftere enn en gjennomsnittlig husplanteeier, og ha langt bedre utfall for egne planter.

        Jens Nickelsen Madeleine Lyseggen Aas