Kontextabhängige Integration von Diensten in intelligente Umgebungen Philipp Lehsten, M.Sc. 22.11.2017 2009 UNIVERSITÄT ROSTOCK Fakultät für Informatik und Elektrotechnik
Agenda Motivation Dienstevielfalt an Hochschulen Gerätevielfalt bei Nutzern Herausforderungen effizienter Nutzung
Agenda Motivation Dienstevielfalt an Hochschulen Gerätevielfalt bei Nutzern Herausforderungen effizienter Nutzung Anforderungen an die Dienstintegration Empfehlungssysteme allgemein Stärken und Schwächen Anforderungen für die Integration
Agenda Motivation Dienstevielfalt an Hochschulen Gerätevielfalt bei Nutzern Herausforderungen effizienter Nutzung CASA Crowdsourcing als Schlüssel Aufbau eines CASA-Systems Umsetzung im Stud.IP Anforderungen an die Dienstintegration Empfehlungssysteme allgemein Stärken und Schwächen Anforderungen für die Integration
Agenda Motivation Dienstevielfalt an Hochschulen Gerätevielfalt bei Nutzern Herausforderungen effizienter Nutzung Anforderungen an die Dienstintegration Empfehlungssysteme allgemein Stärken und Schwächen Anforderungen für die Integration CASA Crowdsourcing als Schlüssel Aufbau eines CASA-Systems Umsetzung im Stud.IP Evaluation und Ausblick Nutzung im Juniorstudium Ergebnisse Ausblick
Motivation Dienstevielfalt
Motivation Dienstevielfalt Private Dienste
Motivation Dienstevielfalt Gruppendienste
Motivation Dienstevielfalt Öffentliche Dienste
Motivation Dienstevielfalt
Motivation Gerätevielfalt Private Räume
Motivation Gerätevielfalt Gruppenräume
Motivation Gerätevielfalt Öffentliche Räume
Motivation Intelligente Umgebungen Intelligente Umgebungen Intelligente Umgebungen beziehen unsere Situation in die von ihnen angebotene Assistenz ein Wir nutzen bereits eine Vielzahl von Diensten und smarten Geräten in unserem Alltag Die uns umgebenden Geräte werden stetig besser (und komplexer)
Motivation Bedingungen für eine effiziente Nutzung Effiziente Nutzung stellt Herausforderung dar Jede Nutzergruppe nutzt andere Geräte und Dienste Wissen um die Existenz und die Schnittstelle eines Dienstes/Gerätes sind notwendig Situationen unterscheiden sich nach Ort, Person, Aktivität und Zeit
Motivation Bedingungen für eine effiziente Nutzung Effiziente Nutzung stellt Herausforderung dar Jede Nutzergruppe nutzt andere Geräte und Dienste Wissen um die Existenz und die Schnittstelle eines Dienstes/Gerätes sind notwendig Situationen unterscheiden sich nach Ort, Person, Aktivität und Zeit Es bedarf eines Empfehlungssystem, das kontextabhängig geeignete Dienste empfiehlt und in die jewelige Situation integriert.
Anforderungen Empfehlungssysteme allgemein Empfehlungssysteme Definition nach Klahold Ein Empfehlungsystem (oft auch Recommender-System genannt) ist ein System, das einem Benutzer in einem gegebenen Kontext aus einer gegebenen Entitätsmenge aktiv eine Teilmenge nützlicher Elemente empfiehlt.
Anforderungen Arten von Empfehlungssystemen Empfehlungssysteme Content Based Filtering Analyse der Entitäten liefert Daten zur Erstellung eines Ähnlichkeitsmaßes Nach der Nutzung einer Entität durch einen Nutzer können anschließend ähnliche Entitäten vorgeschlagen werde Empfehlungssysteme Collaborative Filtering Analysiert wird der Nutzer und sein Verhalten Ähnliche Nutzer haben ein ähnliches Verhalten und ähnliche Vorlieben Das Verhalten kann dabei implizit analysiert werden oder explizit
Anforderungen Arten von Empfehlungssystemen Empfehlungssysteme Hybride Verfahren Verbinden Collaborative und Content Based Filtering Versuchen die Stärken zu verbinden und die Schwächen zu verringern Heute meistgenutztes Verfahren
Anforderungen Problemstellung Empfehlungssystem für Dienste in intelligenten Umgebungen Ein Nutzer soll passend zu seiner Situation Dienste empfohlen bekommen Es sollen über den Nutzer so wenige Daten wie möglich erhoben werden Das System soll in andere Systeme integrierbar und erweiterbar sein
Anforderungen Zusammenfassung Konzeptuelle Anforderungen Modell zur Abbildung der Dienste und Situationen muss skalierbar und erweiterbar sein Unterstützung der verschiedenen Sensorarten intelligenter Umgebungen Dienstempfehlung mit Gruppierung nach unterschiedlichen Domänen, deren Nutzern und Prozessen
Anforderungen Zusammenfassung Technische Anforderungen Zentrale Vereinheitlichung der Dienste zur sinnvollen Einbindung Plattformunabhängigkeit durch Transformation der Dienste in eine browserfähige Schnittstelle Implementierung unter Nutzung von Systemen und Komponenten mit geeigneten Lizenzen und aktiven Entwicklergemeinden Architektur als verteiltes System mit autarken Knoten
Anforderungen Zusammenfassung Soziale und organisatorische Anforderungen Integration geeigneter Motivationskonzepte zur Steigerung und Aufrechterhaltung der Beteiligung von Anwendern an der Weiterentwicklung und Aufrechterhaltung des Systems Verteilung des Wartungsaufwandes auf verschiedene Nutzerrollen Schutz privater Daten durch Kontrolle des Datenflusses durch den Nutzer
CASA Context Aware Service Access Die Idee Crowdsourcing als Schlüssel Die Nutzer und die von ihnen verwendeten Anwendungen sind sehr gut dazu geeignet, um ihre jeweiligen Situationen zu beschreiben und zu bestimmen, welche Dienste relevant sind Nutzer ordnen Dienste, die sie selbst nutzen ihrer Nutzergruppe oder sich selbst zu Situationen werden durch den Nutzer genauer beschrieben Ein dezentrales System von Knoten verwaltet das Wissen um die Situationen / Dienste und kann über Anwendungs-Plugins angefragt werden
CASA Aufbau eines CASA-Systems Anwendung Login
CASA Aufbau eines CASA-Systems Anwendung Login CASA- Schnittstelle CASA-Knoten Regeln Fakten Externe Kontextquelle
CASA Aufbau eines CASA-Systems 1. Publish Anwendung Login CASA- Schnittstelle CASA-Knoten Regeln Fakten Externe Kontextquelle
CASA Aufbau eines CASA-Systems 1. Publish Anwendung Login CASA- Schnittstelle CASA-Knoten Regeln Fakten Externe Dienstanbieter Externe Kontextquelle
CASA Aufbau eines CASA-Systems 1. Publish Anwendung CASA- Schnittstelle CASA-Knoten Regeln If then Fakten Login If then Externe Dienstanbieter Externe Kontextquelle
CASA Aufbau eines CASA-Systems 1. Publish CASA-Knoten Anwendung CASA- Schnittstelle 2. Find If Regeln then Fakten Login If then Externe Dienstanbieter Externe Kontextquelle
CASA Aufbau eines CASA-Systems 1. Publish CASA-Knoten Anwendung CASA- Schnittstelle 2. Find If Regeln then Fakten Login If then Externe Dienstanbieter Externe Kontextquelle
CASA Aufbau eines CASA-Systems 1. Publish CASA-Knoten Anwendung CASA- Schnittstelle 2. Find If Regeln then Fakten Login 3. Bind If then Externe Dienstanbieter Externe Kontextquelle
CASA Aufbau eines CASA-Systems Personenbezogene Dienstauswahl Private Kontextquellen Gruppenbezogene Dienstauswahl Gruppenbasierte Kontextquellen Nutzerunspezifische Dienstauswahl Öffentliche Kontextquellen
CASA@Stud.IP Umsetzung im Stud.IP Open Source System mit über 15.000 Nutzern an der Universität Rostock Stud.IP als Kontextquelle und Nutzerschnittstelle Dienstanbieter aus der Universität und durch Nutzer integrierte externe Dienste
CASA@Stud.IP Login Student Stud.IP mit integrierten Diensten Dienstbeschreibung Veranstaltung, Ort, Nutzerrolle Regeln zur Dienstauswahl Dozent Dienste Websiten Videos Anwendungen
CASA@Stud.IP Beispiele Integration von Webseiten
CASA@Stud.IP Beispiele Integration von Dokumenten
CASA@Stud.IP Beispiele Integration von Videos
CASA@Stud.IP Beispiele Integration von Vorlesungsaufzeichnungen
Evaluation Nutzung im Juniorstudium Ziel des Juniorstudiums ist die Qualifikation von Schülern durch Blended Learning mit Veranstaltungen der Universität Rostock Die Organisation der Veranstaltungen und die Verbreitung der Vorlesungsaufzeichnungen erfolgt über das Stud.IP Die Tutoren sollten CASA nutzen, um die Vorlesungsmitschnitte an die Schüler weiterzugeben und um Lernmaterialien zu verbreiten Das CASA@Stud.IP-Plugin begrenzte die Kontextbedingungen auf die Rolle des Nutzers, die Veranstaltung und den Veranstaltungsort
Evaluation Nutzung im Juniorstudium - Ergebnisse Auswertung der Logs von 98 Tagen Nach der Einführungsphase wurden ausschließlich Videos hinzugefügt Zum Ende führten die Dozenten die Veranstaltungsevalusation via GoogleDocs und CASA durch Positives Feedback von Dozenten und Schülern Eine Dozentin sagte, dass sie gerne noch die Zeit als Kontextbedingung genutzt hätte Die Schüler wünschten sich die Integration von Kommunikationsmitteln, Literatur, Vorbereitungstests und eine verbesserte mobile Nutzung
Evaluation Nutzung im Juniorstudium Offene Punkte Single Sign-On Unterstützung Netzwerkbeschränkte Dienste Browser-Beschränkungen beim Nachladen von externen Inhalten
Evaluation Rückblick und Perspektiven Anforderungen und CASA-Konzept können als Vorlage für viele andere Anwendungsfälle dienen Sourcen für alleine lauffähige Stud.IP-Plugins (2.3/2.4) sind bei GitHub veröffentlicht und können dort unter der Apache 2.0 Lizenz genutzt und erweitert werden Aktuell erfolgt die Überarbeitung und Aktualisierung aller Source des CASA- Projektes für die Veröffentlichung auf GitHub
Vielen Dank für die Aufmerksamkeit Philipp Lehsten philipp.lehsten@gmail.com Github: https://github.com/talrik/studip-casa-plugin