Kategorie-Archiv: Data Science

ExtraSensory App: Data Collection In-the-Wild with Rich User Interface to Self-Report Behavior #chi2018

Yonatan Vaizman (University of California) stellte in seinem Beitrag einen Aspekt aus seiner Arbeit zu einem System vor, welches den alltäglichen Nutzungskontext von Anwendern erkennen kann. Konkret geht es ihm um die Datensammlung in der echten Welt, ohne das die Teilnehmer durch die Datensammlung eingeschränkt werden. Als Sensoren verwendete er die, die in SmartWatches und Smartphones eingebaut sind. Es können Nutzungskontexte aus dem Alltag erkannt werden. (Laufen, Sitzen, …)

Die Datensammlung für das System basierte auf einer App names ExtraSensory. Diese sammelt die Daten der Sensoren des Smartphones und sendet sie an einen Server zur Verarbeitung. Dieser berechnet einen Vorschlag zum Nutzungskontext. Der Nutzer konnte diesen Vorschlag danach bestätigen oder ablehnen. Auf diese Weise entstanden Labels, die zum Training des Berechnungsalgorithmus verwendet wurden.

Die App ist als Public Source Code verfügbar.

Siehe auch

Vollständiges Paper in der ACM Digital Library

Cognitive Load Estimation in the Wild #chi2018

Lex Fridman (MIT) stellte einen Algorithmus vor, mit dem sich auf Basis von Kameradaten ermitteln lässt, wie intensiv ein Anwender nachdenken muss. Entwickelt wurde der Algorithmus zur Messung des Cognitive Load im Auto. Er kann aber nach Einschätzung des Autors auch für andere Aktivitäten verwendet werden.

Der Algorithmus basiert auf der Analyse der Pupille und des Zwinkerns von Anwendern. Er gibt den Grad der mentalen Belastung eines Anwenders in 3 Stufen „high“, „medium“ und „low“ aus. Der Algorithmus kann von Github heruntergeladen und zusammen mit einer handelsüblichen Webcam ausprobiert werden.

Siehe auch

Github Code
Vollständiges Paper in der ACM Digital Library