Ανθρωποκεντρική μηχανική μάθηση με δεδομένα αισθητήρων κινητών συσκευών

Περίληψη

Η παρούσα διατριβή εξετάζει τη σύγκλιση των κινητών και φορετών τεχνολογιών, των αλγορίθμων μηχανικής μάθησης και των ανθρωποκεντρικών προβληματισμών στον τομέα της πανταχού παρούσας υπολογιστικής. Οι πανταχού παρούσες συσκευές έχουν βρει πολυάριθμες εφαρμογές τα τελευταία χρόνια, συμπεριλαμβανομένης της παρακολούθησης της υγείας και ευεξίας, της ασφάλειας στο χώρο εργασίας, του ποιοτικού ελέγχου, της απομακρυσμένης βοήθειας ή εκπαίδευσης και της παρακολούθησης της κόπωσης. Ωστόσο, η ενθουσιώδης υιοθέτηση της μηχανικής μάθησης σε τέτοιες τεχνολογίες μπορεί ακούσια να διαιωνίσει προκαταλήψεις και ηθικά διλήμματα. Μέσω πρωτότυπης έρευνας που καλύπτει την αλληλεπίδραση με τον χρήστη, τη συλλογή δεδομένων και την αλγοριθμική ισότητα, η παρούσα διατριβή προτείνει λύσεις για τον μετριασμό τέτοιων προκλήσεων "ευθυγράμμισης" της τεχνολογίας και των ανθρωπίνων αξιών. Μεταξύ άλλων, εισάγει ένα πλαίσιο για το σχεδιασμό και την αξιολόγηση τεχνολογιών για παρεμβάσεις αλλαγής συμπεριφοράς σε διαφορε ...
περισσότερα

Περίληψη σε άλλη γλώσσα

The present thesis delves into the convergence of mobile and wearable technologies, machine learning algorithms, and human-centered concerns within the Ubiquitous Computing domain. Ubiquitous devices have found numerous applications in recent years, including healthcare monitoring, workplace safety, quality control, remote assistance or training, and fatigue monitoring. Yet, the enthusiastic adoption of machine learning in such technologies may inadvertently perpetuate biases and ethical dilemmas. Through original research spanning user interaction, data collection, and algorithmic equity, this thesis proposes solutions to mitigate such “alignment” challenges. Among others, it introduces a framework for designing and evaluating technologies for behavior change interventions on diverse populations, open datasets and benchmarks for facilitating future interdisciplinary research, and methodologies for fairness-aware computing. By emphasizing the integration of technical advancements with ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/56178
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/56178
ND
56178
Εναλλακτικός τίτλος
Human-centered machine learning for mobile sensing data
Συγγραφέας
Υφαντίδου, Σοφία (Πατρώνυμο: Λάζαρος)
Ημερομηνία
2024
Ίδρυμα
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης (ΑΠΘ). Σχολή Θετικών Επιστημών. Τμήμα Πληροφορικής
Εξεταστική επιτροπή
Βακάλη Αθηνά
Παπαδόπουλος Απόστολος
Τσουμάκας Γρηγόριος
Γούναρης Αναστάσιος
Ντούτση Ειρήνη
Mashhadi Afra
Πάλλης Γεώργιος
Επιστημονικό πεδίο
Φυσικές ΕπιστήμεςΕπιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική ➨ Τεχνητή νοημοσύνη
Φυσικές ΕπιστήμεςΕπιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική ➨ Διάδραση ανθρώπου-υπολογιστή
Λέξεις-κλειδιά
Μηχανική μάθηση; Δεδομένα αισθητήρων; Έξυπνες κινητές συσκευές; Διεπαφή ανθρώπου-υπολογιστή; Ανοιχτά δεδομένα; Αμεροληψία
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
εικ., πιν., σχημ., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.