Begrijpbaarheid en controle voor context-gevoelige Internet of Things applicaties. (R-8150)

Het Internet of Things (IoT) groeit snel. Tegen 2020 zal het bestaan uit meer dan 50-100 miljard fysieke apparaten, elk in staat om context over onze omgeving te verzamelen en om nieuwe manieren van interactie mogelijk te maken. Op deze schaal zijn geavanceerde algoritmes, zoals machine learning technieken, nodig om alle verzamelde informatie te verwerken en te interpreteren. Doordat apparaten met sensoren alomtegenwoordig werden, zijn context-gevoelige applicaties realiteit geworden. Desondanks zijn zulke applicaties zelden duidelijk voor gebruikers, waardoor ze moeilijk te gebruiken en beheren zijn. Contextgevoelige IoT applicaties zijn nog moeilijker te gebruiken doordat de vereiste rekenkracht en data verspreid zijn in de fysieke omgeving. Bovendien vereisen zulke applicaties een hoge graad van dynamiek, doordat apparaten continu toetreden tot het netwerk en het netwerk weer verlaten. Mijn doel is om nieuwe manieren, technieken en tools te onderzoeken die de eindgebruiker toelaten om contextgevoelige IoT applicaties beter te begrijpen, te besturen, en dus, te gebruiken. Eerst identificeer ik welke informatie gebruikers nodig hebben om machine learning algoritmes te begrijpen die gebruikt worden voor het interpreteren van context. Daarna onderzoek ik hoe deze informatie het beste kan gecommuniceerd worden met de gebruiker, zowel in situ met de IoT devices zelf, als met externe output met behulp van augmented reality. Ten slotte definieer ik een proces om gebruikersinterfaces te bouwen die toelaten om het gedrag van een set IoT apparaten aan te passen.

Trefwoorden:MENS-MACHINE INTERACTIE

Disciplines:Toegepaste wiskunde, Computerarchitectuur en -netwerken, Distributed computing, Informatiewetenschappen, Informatiesystemen, Programmeertalen, Scientific computing, Theoretische informatica, Visual computing