Yaşam Deneyimleri İçin Bir Bağlam Modeli (LECOM) A New Context Model for Life Experiences (LECOM)

Transkript

1 Yaşam Deneyimleri İçin Bir Bağlam Modeli (LECOM) Mehmet Emin Mutlu Anadolu Üniversitesi, Açıköğretim Fakültesi, Eskişehir Özet: Bireylerin yaşadıkları deneyimlere verdikleri anlam ile yaşam günlüğü yazılımı aracılığıyla elde edilen bağlamsal anlamlar arasındaki anlamsal açıklığın giderilmesi için yaşam deneyimlerinin ayrıca bireyin kendisi tarafından yorumlanmasına gerek duyulmaktadır. Böylece birey yaşam deneyimlerine ait üst düzey hiyerarşik bağlam ontolojilerini oluşturabilir ve yaşamını planlaması, denetlemesi ve değerlendirmesi için kullanabileceği bir kişisel bilgi tabanına sahip olabilir. Bu süreç aynı zamanda bireyin epizodik ve otobiyografik belleğini de destekler. Bu çalışmada yaşam günlüğü alanında bağlam kavramının gelişimi eleştirel olarak incelenmiş ve bireyin bir yaşam günlüğü tarafından yakalanan içerik ve bağlam günlüklerinden üst düzey bağlam hiyerarşileri oluşturmasını ve yönetmesini sağlayacak bir bağlam modeli önerisinde bulunulmuştur. Yaşam deneyimleri bağlam modeli (LE- COM) olarak isimlendirilen modelin işleyişi ve uygulanabilirliği tartışılmıştır. Anahtar Sözcükler: Yaşam deneyimleri, yaşam günlüğü, bağlamlar, bağlam modeli A New Context Model for Life Experiences (LECOM) Abstract: In order to eliminate the semantic gap between the meaning given by the individuals to the experiences they had and contextual meaning obtained by lifelogging software, it is required to comment on the experiences by individuals own. So, the individual can form high level hierarchical contextual ontologies belonging to his/her life experiences and can have a personal database which he/she can use for planning, controlling and evaluating his/her life. This process also supports episodic and autobiographic memories of the individual. In this study, the development of the concept of the context in life logging field is observed critically and a context model which will enable the individual to form and manage high level contextual hierarchies from content and context logs caught by life logging of the individual has been suggested. The operation and applicability of the model, which is named as Life Experiences Context Model (LECOM), have been discussed. Key words: Life experiences, life logging, contexts, context model 1. Giriş Bireyin gördüğü ve duyduğu her enformasyonu kaydetme düşüncesi Bush un Memex isimli cihaz önerisine dayanmaktadır [6]. Giyilebilir bilgisayarlar ve algılayıcıların gelişmesiyle bu düşünce gerçeğe dönüşmüştür [31]. Gordon Bell ve ekibinin deneyleri [15], Aizawa ve arkadaşlarının cihazları [3], Microsoft SenseCam [20] ile yapılan araştırmalarla başlayan ilgi giderek artmıştır. Temelde düzenli olarak ses, görüntü ve video yakalayarak oluşturulan yaşam günlüğünde bu içeriklerin yanı sıra, GPS ile konum verileri, Bluetooth ile çevre verileri, ışık düzeyi ve sıcaklık gibi fiziksel veriler, kalp atışı, galvanik cilt tepkisi gibi biyolojik veriler de yakalanmakta ve içeriği otomatik olarak anlamlandırmak amacıyla kullanılmaktadır [18]. Dey (2001) e göre bağlam, bir varlığın durumunu karakterize etmek amacıyla kullanılan herhangi bir enformasyondur. Varlık, kullanıcı ve uygulama arasındaki etkileşimle ilgili bir kişi, yer ya da nesne olabileceği gibi, kullanıcı ve uygulamanın kendisi de olabilir [12]. Bu enformasyon örneğin sıcaklık verisi gibi doğrudan bir algılayıcıdan gelen bir veri ile elde edilebileceği gibi, konum verisinden yer enformasyonunun elde edilmesinde olduğu gibi algılayıcı verisinin işlenmesiyle ya da GPS, WiFi, baz istasyonu verilerinden konum verisi elde etmede olduğu gibi, birden fazla algılayıcı verisinin birleştirilmesiyle (füzyon) elde edilebilir. Algılayıcı verilerinin zaman içerisindeki değişiminden yola çıkarak etkinlikler ya da olaylar gibi daha üst düzeydeki bağlamların elde edilmesine çalışılır [46]. 2. Yaşam Günlüğünde Bağlam Kavramının Gelişimi Yaşam günlüğü araştırmalarında bağlamlarla ilgili olarak karşılaşılan düşünceler, yöntemler ve uygulamalar Tablo 1 de özetlenmiştir. 679

2 Tablo 1. Yaşamgünlüğünde Bağlamlar yılları arasında gerçekleştirilen bu çalışmaların ayrıntılı incelemesi ve yorumuna [40] da yer verilmektedir. 3. Yaşam Deneyimleri İçin Bir Bağlam Modeli Önerisi Yaşam günlüğü araştırmalarında bireylerin günlük etkinliklerine odaklanıldığı için geliştirilen yöntem ve uygulamalar yaşam deneyimleri için doğrudan kullanılabilir durumda değildir. Bireylerin yaşam deneyimlerinin kendisine özgü özellikleri bulunmaktadır. Bu özellikler gözönüne alınarak bağlam araştırmalarında yararlanılan yaklaşımların bireylerin yaşam deneyimlerine odaklanacak biçimde indirgenmesine çalışılacaktır Yaşam Deneyimleri ve Üst Düzey Bağlamlar Ansiklopedik tanıma göre deneyim, katıldığımız ya da maruz kaldığımız olay ve etkinliklerle kazandığımız bilgi ya da beceri ile oluşur [42]. Bireyin yaşam deneyimlerinin geniş bir doğası bulunmaktadır. Deneyimlerimiz fiziksel, zihinsel, duygusal, ruhani, dini, sosyal ya da sanal deneyimler olabilir. Geniş anlamda düşünüldüğünde birey herhangi bir anda bir ya da birkaç deneyim yaşamaktadır ve önceden planlanmış ve düzenlenmiş deneyimlerin dışındakilerinin belirgin bir başlangıç ve bitiş noktaları olmadığı gibi, bireyler çoğunlukla o anda bir deneyim yaşadıklarının farkında olmayabilirler. Deneyimlere ait bu sürekli akışın daha sonra farkedilebilmesi ve hatırlanabilmesi amacıyla deneyimlerin yakalanmasını sağlayan yaşam günlüğü sistemleri geliştirilmiştir. Yaşam günlüğü sistemleri giyilebilir algılayıcıların yardımıyla, yaşanan ana ait görüntü, ses, video, konum ve hareket bilgisi gibi verilerin yakalanmasını ve kaydedilmesini sağlayan sistemlerdir. Yaşam günlüğü verilerinin kullanıcı tarafından taranması ve üst düzey bağlamların 680

3 elde edilmesine ve bu bağlamların bir kişisel bilgi tabanı şeklinde düzenlenmesine yönelik bir çalışma gerçekleştirilmiştir. Bu çalışmada yaşam deneyimlerinde gözlenen kişiler, yerler, olaylar, davranışlar, varlıklar, duygular ve özellikler in aynı isimli yaşam listeleri içine yerleştirilmesine yönelik bir mimari önerilmiştir. Bu bilgi tabanının bireyin yaşamında daha önce farketmediği ilişkileri hatırlamasına yardım ettiği görülmüştür [36]. Bu model daha sonra kişisel bilgi çalışması ortamlarındaki deneyimlerin yönetimi ve kişisel araştırma ortamındaki bilgi çalışması deneyimlerinin yönetimi amacıyla kullanılmıştır [38][23]. Yaşam günlüğü araştırmalarında bağlamlar etkinliklerin/olayların belirlenmesi için kullanılırken, Mutlu nun yaklaşımında yaşam günlüğünün temel öğesi deneyim dir ve aynı anda birden fazla deneyim yaşanabilir. Buna göre; a) İnsan belleğinin doğal birimi epizoddur (epizodik olay). Bir epizodik olay içerisinde çok sayıda olay/etkinlik yer alabilir. b) Yaşam günlüğü birimi deneyimdir. Bir deneyim bir ya da birden fazla etkinlik ya da olaydan oluşabilir. Etkinlik kavramı etkinlik kuramından ödünç alınmıştır ve buna göre eylemler işlemlerden, etkinlikler ise eylemlerden oluşur. c) Bir deneyimde bağlamlarda önemli değişmeler olabilir. Deneyimlerin çoğu zaten bağlamdaki değişimlerle gerçekleşir. d) Bağlamlar etkinliklerden epizodların ve öykülerin elde edilmesi için kullanılırlar. Olay (epizod): Tulving e göre epizodik olaylar bir olayın gerçekleştiği yer, olay esnasında mevcut olan kişiler, olay öncesinde, esnasında ve sonrasında neler olduğu gibi enformasyonu içerirler [54]. Yaşam günlüğü açısından ele alındığında olaylar (epizod) genellikle belirli bir ay ya da aylar içerisinde gerçekleşen birbiriyle ilişkili etkinliklerin gerçekleştiği ortam, zaman, diğer kişiler ve hissedilen duygular gibi bağlamlar eşliğinde yorumlanmasıyla yazıya dökülürler [39]. Öykü: Öyküler yaşam günlüğü kayıtlarının anlamlı bir biçimdeki özetleridir [8]. Öyküler genellikle birbiriyle ilişkili olayları (epizod) ya da aktörler tarafından yaşanan deneyimleri içerirler. Her öykünün başlangıcı ve bitişini belirleyen bir olay bulunur. Öyküleri içerisinde bulundukları yıl ya da yıllarla ilişkilendirerek kaydetmek söz konusu yılın bir bağlam olarak kullanılmasını sağlayarak, aynı yıl ya da yıllarda gerçekleşen diğer öykülerle ilişki kurulması kolaylaşacaktır [39] Modelin Yapısı Model geliştirilirken yol göstermesi açısından şu soruya yanıt aranacaktır: Eğer deneyimlerimize ait içerik ve bağlam verisi yakalama ve bu verilerden anlamlı hiyerarşik ontolojiler oluşturma yeteneğine sahip gelişmiş bir yapay zekâmız olsaydı sonuçta ortaya nasıl bir bilgi tabanı çıkardı? Günümüzdeki yapılandırılmış ya da yarı yapılandırılmış yaşam günlüğü araştırmalarında bağlamlar olarak genellikle algılayıcılardan gelen verilerden elde edilmektedir: zaman, konum, hız, yönelim, ısı, ışık seviyesi, biyolojik veriler, meteorolojik veriler, vb. Bu veriler yine diğer algılayıcılardan gelen (ses, görüntü, video vb.) verilerle eşleştirilerek olayların/etkinliklerin belirlenmesi amaçlanmaktadır. Varolan modeller bağlam verisi yakalama ve çıkarım yapma teknolojilerine sıkı sıkıya bağlı oldukları için insan anlayışına göre düşük seviyede sonuçlar üretmektedirler. Bu çalışmada önerilen model ise yapılandırılmamış ya da yarı yapılandırılmış bir yaşam günlüğü sistemi üzerinde inşa edilmiştir ve oluşturulmaya çalışılan yapı günümüz teknolojisinin algılayıcılarıyla kısıtlanmamıştır. Yapılandırılmamış yaşam günlüğü sistemlerinde deneyimler insan tarafından yorumlandığı için deneyimlere eşlik eden ve algılayıcıların kolayca belirleyemeyeceği bağlamlar insan tarafından elde edilebilmektedir. Şu anda insan tarafından belirlenen bağlamlar gelecekte yapay zekâ teknolojisinin gelişimiyle belki bilgisayarlar tarafından belirlenmeye başlayacaktır. Böylece şu anda oluşturacağımız yapı gelecekte yapay zekâ tarafından desteklendiğinde de genel hatlarıyla uygulanabilir olacaktır. Bu bölümde daha önceki çalışmalara dayalı olarak üst düzey bağlamların gösterimine ait bir bağlam modeli yapısı tasarlanacaktır. Önerilen yapıda dokuz boyut bulunmaktadır. Bu boyutlar zaman, deneyim ve önceki çalışmalarda kullanılan kişi, yer, olay, davranış, varlık, duygu ve özellik kavramlarından oluşmaktadır. Bu boyutlardan zaman ve deneyim boyutu dışında kalan yedi boyuta bağlam boyutları adı verilecektir: Zaman: Dünya üzerindeki konuma göre belirlenen uluslararası zaman değerini alan bağımsız değişkendir. Deneyim: Verilen bir zamanda katılınan ya da maruz kalınan etkinlik ya da olayı ifade eder. Birey bu deneyime ilişkin hatırlatıcı yaşam günlüğü kayıtlarını çeşitli algılayıcılar yardımıyla yakalar ve bu kayıt kümelerine hatırlatıcılar, notlar, 681

4 etiketler, başka içerikler ve yorumlar ekleyebilir. Birey deneyimlerini yaşam günlüğü günlüklerini (içerik günlüklerini) tarayarak hatırlar. Bu hatırlama esnasında yaşam günlüğünün otomatik olarak belirlediği bağlamların yanısıra kendisinin de tarama esnasında farkettiği bağlamları deneyimi ifade ederken kullanır. Bir deneyime izleyen bölümde ayrıntıları açıklanan bağlamlar eşlik eder ya da diğer bir deyişle deneyimi içerikle beraber bu bağlamlar oluşturur. Bağlam Boyutları: Bağlam boyutları zaman ve deneyim dışındaki bağlamlardır. Zaman bağımsız değişken olduğundan ve deneyim ve bağlam günlükleri zaman bağımlı olduğundan dolayı yapısı farklıdır ve bağlam boyutlarının dışında tutulmuştur. Aşağıda modelde yaralan her bağlam türünün tanımı ve elde edilme şekline yer verilmiştir. Modelde bağlamların nitelikleri açık uçlu bırakılmıştır. Daha ileri çalışmalar için yararlanılabilecek hazır nitelik yapılarına başvuru yapılmıştır: Kişiler: Deneyimin aktörü dışında deneyimlere eşlik eden gerçek, sanal ya da kurgusal bireylerdir. Bireyler deneyime dâhil olurlar. Yaşam günlüğü sistemleri bireylerin varlığını fark etmekte ve bireyleri birbirinden ayırmakta yararlı olabilirler. Bunun ötesindeki anlamlandırma ise kullanıcının kendisi tarafından yapılır. Böylece bireylerin kullanıcıyla olan ilişkileri göz önüne alınarak bir ağaç yapısı oluşturulabilir. Bu ağaç bireyin yakın çevresindeki az sayıda kişiden başlayıp uzak ya da geçmişteki çevresindeki sınırsız sayıda kişiye kadar dallanabilir. Kişiler bağlamında kullanılabilecek nitelikler için Schema.org daki person şemasından yararlanılabilir. Yerler: Deneyimlerin içinde yer aldığı mekânlardır. Deneyim esnasında yer ya da yerlerin içinde bulunulur. Önceki çalışmalarda zaman zaman yerler bağlamı yerler/ortamlar ya da sadece ortamlar olarak da kullanılmıştır. Bu çalışmada yerler bağlamı fiziksel mekânlar için kullanılacak, ortam kavramı ise yaşam günlüğü cihazlarının günlük kaydı yakalama biçimleriyle ilişkilendirilecektir. Örneğin fiziksel ortamlardan (çevre, ortam) günlük verisi yakalama, dijital ortamlardan günlük verisi yakalama ya da sanal ortamlardan günlük verisi yakalama gibi. Ortam sözcüğü çalışmalarımızda genellikle öğrenme ortamları ve bilgi çalışması ortamları gibi kavramların bir parçası olarak kullanılmaktadır. Yerler, bireyin uzun süreler yaşadığı yerlerden başlayıp, kısa süreli ziyaret ettiği yerlere ve kuruluşlara kadar dallanabilir. Yerlerin nitelikleri için Schema.org daki place ve organization şemalarının yanı sıra Google Places API deki Places Types dan yararlanılabilir [16]. Olaylar: Deneyimlere eşlik eden tüm yaşam olayları, ikinci el olaylar üçüncü el olaylar bu türe girer. Olaylar bireyin maruz kaldığı oluş lardır. Olaylar genellikle bireyin başına gelir, birey bu olaylara şahit olur, yaşar ya da başkalarından duyar. Birey bir olayı yaşarken çoğu kez davranışlar kategorisinde ele alınan davranışlarda bulunabilir. Bu nedenle olayları bireylerin davranışlarından ayırt etmek için dikkat edilmelidir de psikiyatrist Thomas Holmes ve Richard Rahe stresin hastalıklar üzerindeki etkisini belirlemek amacıyla bir araştırma yapmışlar ve 5000 den fazla hasta ile görüşerek son iki yıl içerisinde yaşadıkları önemli olayları belirlemeye çalışmışlardır. Bu araştırma sonucunda 43 yaşam olayının hastalıklar üzerinde belirli oranlarda etkisi olduğu ortaya çıkmıştır [21]. Bu çalışmadan sonra başka yaşam olaylarının etkilerini inceleyen çok sayıda çalışma yapılmıştır. Psikolojide kullanılan bu ölçeklerin genel bir değerlendirmesi 1982 de Mark Tausig tarafından yapılmış ve 118 farklı yaşam olayı ele alınmıştır [52]. Olaylar yaşam günlüğü araştırmalarında modellenmesi ne en çok çalışılan kavramlardan birisidir. Olayların nitelikleri için Schema.org daki event şemasından başlanabilir. Davranışlar: Deneyimlere eşlik eden fiziksel ya da sanal eylemler ve etkinliklerdir. Davranış, psikolojik anlamda canlıların dış dünyaya karşı gösterdikleri her türlü bilişsel, duyuşsal ve psikomotor (bedensel-fiziksel) tepkilerin genel adıdır. Bu çalışmada davranış kelimesi bir etkiye karşı gelen tepki olarak değil, birey tarafından gerçekleştirilen bir hareket olarak ele alınacaktır. Böylece işlem, eylem, etkinlik, hareket, alışkanlık, adet vb. insan davranışlarının bütününe yer verilebilecektir. Normalde bireyin verilen bir andaki etkinliği deneyimi ifade etmek amacıyla kullanılmaktadır. Davranışlar boyutunda tek tek etkinlikleri değil, etkinliklerin oluşturduğu örüntüler ele alınmaktadır. Bu boyutta ele alınan kavramların bireyin sahip olduğu özelliklerle karıştırılmamasına dikkat edilmelidir. Davranış örüntüleri zamansal olarak gruplandırılabilir: yıllık, mevsimlik, aylık, haftalık, hafta içi, hafta sonu, günlük davranışlar gibi. Çoğu bireyin hafta içi günlük davranış örüntüleri bazen yıllarca önemli bir değişiklik göstermeden benzer şablonlarla devam eder. Davranışların niteliklerini giriş amacıyla Schema.org daki action şeması kullanılabilir. Ayrıca, toplum genelinde gerçekleştirilen geniş ölçekli anketler yardımıyla bireylerin günlük etkinliklerindeki eğilimler ve değişimler belirlenmeye çalışılmaktadır. Örneğin ABD halkının et- 682

5 kinlikleri 17 ana başlık, 91 alt başlık, 445 üçüncü düzey başlık altında toplanmıştır [5]. Benzer şekilde Kanada toplumunun günlük etkinlikleri 10, 24 ve 177 etkinlik olmak üzere üç katmandan oluşan bir hiyerarşide toplanmıştır [17]. Özellikler: Deneyimler tarafından değerleri değiştirilen niteliklerdir. Bu nitelikler arasında bünye özellikleri, sosyal özellikler, kariyer özellikleri, eğitim özellikleri, aile özellikleri, kültürel özellikler (ve diğer rollere ait sahip olunan özellikler) bulunmaktadır. Özellikler geniş bir bağlam kümesi oluşturduğundan dolayı her özellik grubu için ayrı nitelik yapısı geliştirmek gerekebilir. Örneğin kültürel özellikler için Lenat ın çalışmasındaki kültür bağlamı boyutuna bakılabilir [30]. Duygular: Deneyim esnasında bireyin iç dünyasını oluşturan hisler, duygudurumlarını ve duygulanımları (afekt) kapsar. Duygular bir deneyimi daha sonra hatırlamak için çok önemli bir bağlamdır. Çoğu durumda da zamanla birey tarafından en fazla çarpıtılan bağlam budur. Bu nedenle deneyime ait hissedilen duygu(ların) birer bağlam olarak not edilmesi deneyimin daha sonra doğru değerlendirilmesi için önemlidir. Diğer taraftan duygusal olayların en canlı otobiyografik anılar olduğu ve diğer deneyimlere göre daha sık, daha net ve daha ayrıntılı olarak hatırlandıkları gösterilmiştir [10]. Günlük dilde duyguları isimlendirmek için çok çeşitli sözcük bulunmaktadır. Bu çalışmada bu duyguları açıklama ve ifade etmek için geliştirilen HUMAINE EARL projesinde geliştirilen 48 kategoriden oluşan duygu kümesi önerilecektir [14]. Diğer taraftan anlık duygulardan daha çok duygudurumların not edilmesine daha fazla önem verilmelidir. Varlıklar: Deneyimlerde yeralan (insan dışı) varlık kümesi. Bireyin deneyim esnasında etkileşimde bulunduğu varlıklar bu bağlam türünü oluştururlar. Varlıklar fiziksel varlıklar olabileceği gibi sanal varlıklar da olabilirler. Ev hayvanları vb. canlı varlıklar da bu kategoridedir. Ürün ve yaratıcı ürünlerin nitelikleri için Schema.org daki product ve creative works şemalarından yararlanılabilir. Böylece, çekirdek yapı olan deneyim ve zaman ekseni dışında yedi farklı bağlam boyutu bulunmaktadır. Bu yapının ilk sürümleri Mutlu tarafından 2012 ve 2013 de incelenmiştir [34], [35]. Daha sonra yapılan literatür taramalarında Spradley in katılımcı gözlem araştırması için önerdiği yapıyla aralarında benzerlikler olduğu görülmüştür. Spradley in modelinde açıklayıcı gözlem, yer, aktörler, etkinlikler, nesneler, eylemler, olaylar, zaman, amaçlar ve duygular olmak üzere dokuz boyut içermektedir [48]. Spradley modelini, yaşam günlüğü uygulamalarındaki bireyin kendisini gözlemesi durumunun tersine katılımcı gözlem araştırmalarında bireyin diğerlerini gözlemesi üzerine kurmuştur. Bu sonuç, gözlem işleminin insan zekâsı ile gerçekleşmesi durumunda, verilerin, ister bir başkasının gözlenmesi, isterse bireyin kendini gözlemesi ile elde edilsin, benzer kategorilere dağıldığını göstermektedir. Ayrıca, yapay zekâ ile yapılmış olan ve önceki bölümlerde ele alınan bağlam sınıflandırmalarının Spradley ve Mutlu nun kategori gruplarının birer alt kümesi olarak kaldıkları görülmektedir. Bağlamlar seçilirken, bağlamların epizodik belleği desteklemesi, geçmişte yaşanmış epizodik olaylar için birer çapa görevi görmesi, bireyin yaşadığı deneyimleri otobiyografik belleğine yerleştirebilmesine yardımcı olması gibi özellikleri dikkate alınmıştır. Ayrıca bu temel bağlamların yaşam günlüğü literatüründe karşılaşılan farklı bağlam türlerini de mantıklı bir biçimde kapsayabilmesine dikkat edilmiştir Modelin Özellikleri Modelin sahip olduğu öğeleri ve işleyişi bir dizi tanımla tanıtılacaktır: Bağlam değişkenleri: Her bağlam boyutu/ekseni verilen bir anda bir ya da birden fazla değer alabilen bir bağlam değişkenidir. Modelde yedi bağlam değişkeni bulunmaktadır. Zaman ve deneyim boyutları bağlam uzayının iki ayrı ucunda yeralırlar. Zaman boyutu bağımsız boyut, zaman ekseni boyunca değerler alan yedi ayrı bağlam boyutu ve içerik boyutu, en üstte ise bunların tümü tarafından oluşturulan deneyim boyutu bulunur. Bağlam değeri: Bir bağlam değişkeninin herhangi bir anda aldığı değerdir. Bu değerler algılayıcılar tarafından ya da birey tarafından atanır. Örneğin birey gün içerisinde hep Eskişehir ilindeyse yerler bağlamının o gün için değeri Eskişehir olacaktır. Bağlam değişkeni farklı zamanlarda aynı değerleri alabilirken, zaman boyutunun tarih ve saatten oluşan en düşük düzeydeki değeri bir daha tekrar etmeyen benzersiz değerler alır. Deneyim boyutu ise verilen bir zamandaki bağlamların kuşattığı ve tanımladığı etkinlik ya da olayları ifade eder. Bağlam öğesi: Bağlam değişkenlerinin aldığı birbirinde farklı değerlerin her birisi bir bağlam öğesidir. Örneğin bireyin yer bağlamı yıl içerisinde 330 gün Eskişehir, 15 gün İstanbul, 20 gün Anta- 683

6 lya olarak değer almışsa bu 365 değerden elde edilecek bağlam öğeleri Eskişehir, İstanbul ve Antalya olacaktır. Bağlam değerlerinden bağlam öğelerinin elde edilmesi: Bağlam değerleri zaman ekseni boyunca akan bağlam günlükleri kayıtlarında tutulurlar. Birey belirli zaman dilimlerinde yaşam deneyimlerine ait bağlam ve içerik günlükleri üzerinde tarama yaparak, deneyimi her bağlam boyutu için farkettiği üst bağlam değerleriyle etiketler ve eğer bu etiket daha önce tanımlanmamış bir bağlam öğesi ise, o boyuta ait bir bağlam öğesi havuzuna eklenir. Bağlam günlüklerinden bağlam havuzuna daha önce karşılaşılmamış yeni öğelerin aktarımı bir yazılım aracılığıyla da gerçekleştirilebilir. Bağlam hiyerarşisi: Bağlam öğelerinin birey tarafından düzenlenmiş anlamlı yapısıdır. Bağlam hiyerarşisi oluşturulurken düğümleri isimlendirmek amacıyla yeni değerler üretmek gerekebilir. Örneğin Eskişehir, İstanbul ve Antalya düğümleri Türkiye düğümü altına yerleştirilir. Örneğin Yerler bağlamı, Yaşanan Kentler, Ziyaret edilen kentler olarak ana dallara ayrılabilir. Önceki örneğe göre Ziyaret edilen kentler düğümü İstanbul ve Antalya alt düğümlerini içerir. Bu amaçla bağlam öğesi havuzundaki yeni öğeler zaman zaman birey tarafından uygun bağlam hiyerarşisine taşınır. Bağlam hiyerarşileri kalıcı yapılar değildir. Çok büyüdükleri durumda birey tarafından alt hiyerarşilere bölünerek yeniden düzenlenebilirler. Hiyerarşilere ait isimlendirmeler yapay olabileceği gibi (Örneğin: Ev aygıtları) gerçek de (Örneğin: Avrupa) olabilirler. Bireyler yaşam varlıklarına olduğu kadar bunların hiyerarşilerine de yorum ekleyerek ek anlam kazandırabilirler. Bağlam ağacı: Aynı bağlam boyutundaki bağlam öğelerinin oluşturduğu hiyerarşik yapıdır. Bağlam ontolojisi: Bağlam ağaçlarının oluşturduğu kümedir. Önerilen modelde bağlam ontolojisi yedi bağlam ağacından doluşmaktadır. Bağlam öğesinin veri yapısı: Bir bağlam öğesi bağlam ontolojisindeki bir bağlam ağacında bir düğüm olarak yerini alır. Bağlam öğesinin hangi bağlam ağacına ait olduğu, üst düğümünün ne olduğu birey tarafından belirlenir ve bu veriler bağlam öğesinin içerdiği tanımlayıcı verilerdir. Bir bağlam öğesi düğümü için sınırsız girdi oluşturulabilir. Bu girdilerin herbiri için zengin metin formatında yapılandırılmamış içerikler eklenebilir. Böylece bir bağlam öğesinin açık uçlu bir veri yapısı bulunur ve bu yapı bağlamlardan oluşturulmuş bir bilgi tabanının ortaya çıkmasına olanak sağlar. Bunun dışında her bağlam öğesi alt düğümlere sahip olabilir. Bu alt düğümler de yukarıda sözü edilen tanımlayıcı verilere ve girdilere sahip olabilirler. Deneyimlerden bağlamlara geçmek: Bir deneyime eşlik eden bir bağlam (deneyimin etiketlendiği bağlam öğesi), bağlam ontolojisinde aranır ve bulunan öğeye konumlanılır. Birleşik işlevler: Bağlam değişkenleri zaman boyutu dışında birbirlerini de parametre olarak kabul edebilirler. Diğer bir deyişle her bağlam diğer bağlamların aldığı değerlerle ifade edilebilir. Deneyim: Zaman boyutunda diğer tüm bağlam değişkenlerinin o andaki değerlerinin biraraya getirilmesiyle sözel olarak ifade edilebilen olgu. İçerik: Deneyime eşlik eden bağlamların değerlerinin herhangi bir nedenle odaklanılan alt kümesidir. Genellikle içerik olarak görüntü, video ve ses kayıtlarından yararlanılır. Diğer taraftan örneğin projenin ana konusu bireylerse, bireyler içerik, diğer veriler bağlam olarak ele alınabilir. Bağlam fiili: Bağlamları deneyimleri tanımlarken kullanmak amacıyla konuşma dilinde çok sayıda farklı fiil kullanılabilir. Ayırt edici olması amacıyla her bağlam türü için ayrı bir fiilin kullanımına yer verilmiştir: yer (içinde bulunmak), kişi (dahil olmak), olay (yaşamak), davranış (gerçekleştirmek), duygu (hissetmek, özellik (değişmek), varlık (etkileşimde bulunmak) gibi. Bağlam matrisi: Bir bağlamın diğer bağlamlarla ifade edilebilme özelliğini gösteren 7X7 lik matristen oluşur. Bu tabloda deneyimi yaşayan bir bireyin bu deneyime ait bağlamlarının diğer bağlamlarla nasıl ifade edilebileceği gösterilmektedir. Tablodaki bütün ifadelerde özne deneyimi yaşayan bireyin kendisidir. Eğer deneyimleri başkaları yaşıyorsa bunun için ayrı bir tablo oluşturulmalıdır. Kişi boyutunun zaman ve diğer bağlam boyutlarıyla tanımlanmasına örnek olarak verilen bir zamanda kişilerle bulunulan yerler, verilen bir zamanda kişilerle yaşanan olaylar, verilen bir zamanda kişilerle gerçekleştirilen davranışlar vb. verilebilir. Bu şekilde ikili, üçlü, yedili cümleler kurulabilir. Bağlam öğelerinden deneyimlere erişmek: Bir bağlam ağacındaki bir öğenin hangi deneyimlerde yeraldığını bulmak amacıyla deneyim yorumları taranır ve öğenin etiketiyle karşılaşılan deneyimler listelenir. Bağlam öğelerinden diğer bağlamlara erişmek: Bir bağlam ağacındaki bir öğeden bu 684

7 bağlamı içeren bir deneyime geçilir, bu deneyimden, deneyimdeki diğer bağlamlara geçilebilir. Deneyim-bağlam semantik ağı: Deneyimlerle bağlamların birbirine bağlandığı çizge. Bu amaçla belirli bir zaman aralığında ilk deneyimden başlanarak, bu deneyimdeki bir bağlam öğesinin içerildiği aynı zaman aralığındaki diğer deneyimler bulunur ve ilk deneyimle bir ok aracılığıyla bağlanırlar. Bu işlem diğer bağlamlar ve diğer deneyimler tüketilinceye kadar sürdürülür. Bağlam yoğunluğu: Bağlam değişkenlerinin zaman boyunca aldığı değerler, zaman ekseni boyunca hareket edilerek görüntülenebilir. Bunlar bağlam günlükleridir. Bu yapıda küçük zaman dilimlerinden büyük zaman dilimlerine ölçeklendirme yapılabilir. Bu durumda elde edilecek enformasyon genellikle bağlamın yoğunluğudur. Bağlamların ayrıntı düzeyi: Bağlam günlüklerinden elde edilen bağlam ontolojileri kendi organizasyonları içerisinde de ölçeklendirilebilir. Bu tür ölçeklendirme ağaç yapısındaki hiyerarşide düğümlerin daraltma ve genişletme yapılmasıyla sağlanır. Böylece bağlamlara yakınlaşma uzaklaşma yapılabilecektir. Teraoka bu işlemi zaman boyutu için ayrıntılandırmıştır [49]. Zaman - onlu yıllar, yıllar, mevsimler, aylar, haftalar, günler, saatler, dakikalar biçiminde ölçeklendirilebilir. Bu ölçeklendirme yaşam günlüğü kayıtlarının yaklaşmasını uzaklaşmasını sağlar. Bu yaklaşım diğer boyutlar için de uygulanabilir. Böylece bağlamların sahip olduğu deneyim yoğunluğu görselleştirilebilir Modelin İşleyişi Bir bağlam modelinin işleyişine yönelik işlem adımlarına örnek SemanticLife modeli ile verilebilir [1]. SemanticLife modelinin işleyişi yakalama, işleme, üstveri çıkartma, veriyi ontoloji biçiminde semantik bağlam içerecek biçimde saklama, sorgulama adımlarından oluşmaktadır. Yaşam deneyimleri bağlam modelinin işleyişi ise aşağıdaki aşamaları içermektedir: Yakalama (bağlam ve içerik verisini algılama, zaman verisiyle etiketleme, bulut üzerinden aktarma, birleştirme). Alt düzeyde ele alındığında bu verileri saklama biçimi içerik ve bağlamlar için aynıdır: zaman etiketli klasörler içerisinde yerleştirilmiş medya dosyaları ve JSON dosyaları. Yorumlama (tarama yaşam günlüğü içerik günlüğü ve bağlam günlüklerini tarama, odaklanılan zaman dilimindeki deneyimi bağlamları içerecek biçimde yorumlama). Yorumlama sonucu üretilen bir veritabanında enformasyon içerik ve bağlam günlükleriyle ilişkilendirilmiş kayıtlarda saklanmaktadır. Bağlamları elde etme (bağlam öğelerini belirleme, öğeleri bağlam ağacında uygun düğüme yerleştirme). Bağlam öğeleri veritabanında saklanmaktadır. Erişme (içerik tabanlı, bağlam tabanlı). Erişme veri tabanı üzerinde gerçekleştirilmektedir. Yukarıdaki işleyiş aşamalarında yakalama ve yorumlama aşamaları, örneğin Qiu nun sistemi gibi başarılı bir yaşam günlüğü sistemi tarafından, otomatik olarak gerçekleştirilebilir [46] Model İçin Bir Uygulama Tasarımı Yaşam deneyimleri bağlam modeli bir yaşam günlüğü üzerinde uygulanabilir. Yaşam günlüğü ile yakalanan deneyimleri isimlendirirken deneyim esnasında gerçekleştirilen temel etkinliklerin/ olayların isimleri deneyimi tanımlamak için yeterli değildir. Örneğin yazı yazmak etkinliği bir deneyimi yeterince tanımlamaz. X bildirisinin yazılması ifadesi deneyimi daha fazla tanımlar. Yazı yazmak bu deneyime eşlik eden bir davranıştır. Burada deneyimi tanımlamak için bağlam (yazı yazma) ve içerik (X bildirisi) birlikte kullanılmıştır. Çeşitli jenerik davranış kümeleri için önceki çalışmalarda listelenmiş olan birincil etkinlik kategorilerinden yararlanılabilir. Bu amaçla [35] de çeşitli örneklere yer verilmiştir. Bireyin tüm yaşamına ait bağlamlar neredeyse sonsuz bir ontoloji ansiklopedisini meydana getirirler. Bu ansiklopedinin büyüklüğü odaklanılan bağlamların düzeyi ile değişecektir. Örneğin bir bireyin okuduğu bir kitap bir varlık olarak kişisel bilgi tabanında yer bulabilir. Ama bu kitaptaki kişiler, yerler ve olaylar bireyin kişisel bilgi tabanına eklenmeye kalkılırsa bireyin kişisel bilgi tabanının derinliği kullanışsız büyüklüklere ulaşabilir. Bireyin yaşam deneyimlerine eşlik eden bağlamların hiyerarşik örgüsü aynı zamanda bireyin kişisel bilgi tabanını oluşturur. Mutlu (2014b) de bireyin kişisel medya ve kişisel eğlence ortamlarındaki bağlamların oluşturduğu bir kişisel bilgi tabanı yapısına yer vermiştir. Bağlamları elde etmek için şu sorular sorulmuştur: Deneyim kim(ler)le ilgiliydi? Deneyimi nere(ler)de yaşadık? Deneyim hangi olay(lar) esnasında gerçekleşmiştir? Deneyim esnasında hangi davranış(lar)ı gerçekleştirdik? Deneyim sonunda hangi özelliklerimizde değişiklik oldu? Deneyim öncesinde, deneyim anında ya da sonrasında hangi duygu durumu içerisindeydik? Deneyim esnasında hangi varlık(lar)la etkileşim kurduk? Mutlu çalışmasında iki ay süreyle yaşam günlüğü ile yakalamış olduğu kişisel medya ve eğlence ortamındaki deneyimlerine eşlik eden bağlamları içeren ikinci düzey listelere yer vermiştir [38]. 685

8 Bağlam ağaçlarının ana başlıkları ve alt düğümlerinin görünümü uygulayıcının uygulama alanına ve kültürel çevresine göre göre değişiklik gösterebilecektir. Bu açıdan değerlendirildiğinde, yaşam deneyimleri bağlam modelinin uygulanması sonucunda bir kişisel ontoloji ve bir kişisel semantik ağ meydana gelecektir. 4. Sonuç ve Öneriler Yaşam günlüğü araştırmalarının henüz on yıllık bir geçmişi olmasına rağmen alan yazınında önemli birikim gerçekleşmiştir. Yaşam deneyimlerinin yaşam günlüğü sistemleriyle zahmetsizce yakalanması daha önce gerçekleştirilemeyen yeni araştırma alanlarının ortaya çıkmasına yol açmıştır. Bu alanlardan birisi de bireyin yaşam deneyimlerine eşlik eden bağlamların elde edilmesi, bu bağlamların bir bilgi tabanı oluşturacak biçimde düzenlenmesi ve bireyin yaşamına yön vermesine destek olmasının sağlanmasıdır. Bu çalışmada ayrıntılı bir literatür taramasıyla yaşam günlüğü alanında bağlam kavramının gelişimi incelenmiş ve yaşam deneyimi kavramını merkeze alan bir yaklaşımla bir bağlam modeli geliştirilmiştir. Yaşam deneyimleri bağlam modeli adı verilen bu yapının öğeleri ve öğelerinin birbiriyle ilişkileri tanımlanmıştır. Böylece önerilen model bağımsız değişken olan zaman boyunca ortaya çıkan bağlamların ve içeriklerin oluşturduğu deneyim lerin bağlamlarla nasıl ilişkilendirileceğini ortaya koymuştur. Zaman boyunca sürekli akan bağlam ve içerik günlüklerinin oluşturduğu deneyimlere ait üst düzey bağlam öğelerinin kişiler, yerler, olaylar, davranışlar, özellikler, duygular ve varlıklar şeklinde yedi ayrı bağlam ağacının oluşturduğu ontoloji üzerinde nasıl biriktiği ve bu öğelerle deneyimlerin oluşturduğu semantik ağın nasıl elde edileceği gözden geçirilmiştir. Modelin işleyişi ve uygulanmasına yönelik önceki deneyimlerden yararlanarak yol gösterilmiştir. Bu çalışmada önerilen bağlam modelinde gösterim biçimi için bir ontoloji ağacı kullanılmış olmasına rağmen model biçimsel bir tabana dayandırılmamıştır. Bu amaçla modelin bir ontoloji diliyle ifade edilmesine yönelik ayrı bir çalışma yapılması gerekir. Bunun için öncelikle bağlam niteliklerine ait çalışmada önerilen şemalardan yararlanarak her bağlam boyutu için bir nitelik kümesinin tanımlanması gerekmektedir. Yaşam günlüğü çalışmalarında geçmiş deneyimlere ağırlık verilmektedir. Fakat bireylerin geçmişe yönelik anılarının yanı sıra geleceğe yönelik planları da bulunur. Yaşam deneyimleri bağlam modelinin bu nedenle gelecekteki muhtemel deneyimlerin planlanması, dolayısıyla gelecekte bu deneyime eşlik edecek bağlamların da öngörülebilmesini içerecek biçimde genişletilmesi gerekir. Böylece şu andaki deneyimlere ait bağlamlar gelecekte belirlenirken, gelecekteki deneyimlerin bağlamları da şu anda öngörülebilecektir. Yapay zekâ alanındaki gelişmelerin şu anda yaşanan deneyimlerin bağlamlarının da aynı anda belirlenmesini sağlaması beklenebilir. Bireyin geçmişteki deneyimler, şu anda yaşadığı deneyimleri ve gelecekteki muhtemel deneyimleri arasındaki bu yolculuk Tulving in (2002) zihinsel zaman yolculuğunun genişletilmesidir. Teşekkürler Bu çalışma Türkiye Bilimsel ve Teknik Araştırmalar Kurumu (TÜBİTAK) tarafından 114K579 nolu araştırma projesi kapsamında desteklenmiştir. Kaynaklar [1] Ahmed, M., Hoang, H. H., Karim, M. S., Khusro, S., Lanzenberger, M., Latif, K.,... ve Tjoa, A. M. SemanticLIFE -A Framework for Managing Information of A Human Lifetime. In Proceedings of the 6th International Conference on Information Integration and Web-based Applications and Services, Jakarta, Indonesia, (2004). [2] Aizawa, K. Digitizing Personal Experiences: Capture and Retrieval of Life Log. 11th International Multimedia Modelling Conference, (2005). [3] Aizawa, K. Tancharoen, D. Kawasaki, S. ve Yamasaki, T. Efficient Retrieval of Life Log Based on Context and Content, In the Proceeding of 1st ACM Workshop on Continuous Archival Retrieval of Personal Experiences, (2004). [4] Aizawa, K. ve Hori, T. Context-based video retrieval for life-log applications. Multimedia Content and the Semantic Web, 2 6. (2005). [5] ATUS. American Time Use Survey Activity Coding Lexicons 2013, (2013). gov/tus/ lexiconwex2013.pdf, tarihinde erişilmiştir. [6] Bush, V. As We May Think, Atlantic Monthly. 176(1): (1945). [7] Byrne, D., Lavelle, B., Doherty, A. R., Jones, G. J. F., ve Smeaton, A. F. Using bluetooth and GPS metadata to measure event similarity in sensecam images. Information Sciences 2007 Proceedings of the 10th Joint Conference, (2007). [8] Byrne, D., Kelliher, A. ve Jones. G.J.F., Life editing: third-party perspectives on lifelog content. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. ACM, (2011). [9] Cleland, I., Kikhia, B., Nugent, C., Boytsov, A., Hallberg, J., Synnes, K., McClean, S. and Finlay. D., Optimal Placement of Accelerometers for the Detection of Everyday Activities. Sensors, 13(7), , (2013). 686

9 [10] Conway, M. Autobiographical memory. Milton Keynes: Open University Press. (1990). [11] Datchakorn, T., Puangpakisiri, W., Yamasaki, T., ve Aizawa, K. Life Log Platform for Continuous and Discrete Recording and Retrieval of Personal Media. IEICE Technical Report Image Engineering, 106(448), (2007). [12] Dey, A. K. Understanding and Using Context, Personal Ubiquitous Computing, vol. 1, no. 5, pp (2001). [13] Doherty, A. R., Smeaton, A. F., Lee, K., and Ellis, D. P. Multimodal segmentation of lifelog data. In RIAO Large-Scale Semantic Access to Content (Text, Image, Video and Sound), Pittsburg, PA, USA. (2007). [14] EARL. Humaine Earl Project. (2014). earl, tarihinde erişilmiştir. [15] Gemmell, J. Bell, G. Lueder, R. Drucker, S. Wong, C. MyLifeBits: Fulfilling the Memex Vision, Proceeding of the tenth ACM International Conference on Multimedia, (2002). [16] Google (2014). Places Types, developers.google.com/places/documantation/ supported_types, tarihinde erişilmiştir. [17] GSS. General Social Survey 2010 Overview of the Time Use of Canadians, (2010) tarihinde erişilmiştir. [18] Gurrin, C., Smeaton, A. F., ve Doherty, A. R. LifeLogging: Personal Big Data. Foundations and Trends in Information Retrieval, 8(1), (2014). [19] Hien, T. T. T., Eitoku, S. I., Yamada, T., Muto, S., ve Abe, M. An ontological approach to lifelog representation for disclosure control, 2009 IEEE 13th International Symposium on Consumer Electronics (2009). [20] Hodges, S., Williams, L., Berry, E., Izadi, S., Srinivasan, J., Butler, A., et al. SenseCam: A Retrospective Memory Aid, In UbiComp 2006: Ubiquitous Computing, Springer Berlin Heidelberg, (2006). [21] Holmes T.H. ve Rahe R.H. The Social Readjustment Rating Scale. J. Psychosom. Res. 11 (2): (1967). [22] Hori, T. ve Aizawa, K. Context-based video retrieval system for the life-log applications. In Proceedings of the 5th ACM SIGMM international workshop on Multimedia information retrieval - MIR 03, (p. 31). New York, New York, USA: ACM Press. (2003). [23] Kayabaş, B.K. ve Mutlu, M.E.. Recording, Evaluation and Planning of Knowledge Work Experiences on Personal Research Environments via Life Logging System, Int-e 2014 International Conference on New Horizons in Education, June 25-27, 2014, Paris. (2014). [24] Kikhia, B., Hallberg, J., Bengtsson, J. E., Savenstedt, S., Synnes, K. K., ve Sävenstedt, S. Building digital life stories for memory support. International Journal of Computers in Healthcare, 1(2), 161. (2010). [25] Kim, I.-J., Ahn, S. C., ve Kim, H.-G. Personalized life log media system in ubiquitous environment. Ubiquitous Convergence Technology, (2007). [26] Lee, S., Gong, G., Hwang, I., ve Lee, S. LifeLogOn: A Practical Lifelog System for Building and Exploiting Lifelog Ontology IEEE International Conference on Sensor Networks, Ubiquitous, and Trustworthy Computing, (2010b). [27] Lee, S., Gong, G., ve Lee, S. G. LifelogOn: Log on to your lifelog ontology. ISWC 09: Proceedings of the 8th International Semantic Web Conference. (2009). [28] Lee, S., Gong, G., ve Lee, S. G. Entity-event lifelog ontology model (EELOM) for lifelog ontology schema definition. In Web Conference (APWEB), th International Asia-Pacific (pp ). IEEE. (2010a). [29] Lee, Y. ve Cho, S-B. Extracting meaningful contexts from mobile life log. Intelligent Data Engineering and Automated Learning-IDE- AL Springer Berlin Heidelberg, (2007). [30] Lenat, D. The dimensions of context-space. Cycorp Report. (1998). cyccontextspace. shtml, tarihinde erişilmiştir. [31] Mann, S. Continuous lifelong capture of personal experience with EyeTap. In Proceedings of the the 1st ACM workshop on Continuous archival and retrieval of personal experiences (pp. 1-21). ACM. (2004). [32] Min, Y., Lee, B., ve Yu, C. A Personal Memex System Using Memex Ontology and Web Services Fifth International Joint Conference on INC, IMS and IDC, (2009). [33] Mohamed, E. S. T. Designing and evaluating a user interface for continous embedded lifelogging based on physical context. Ph.D. Thesis. Newcastle University.(2013). [34] Mutlu, M. E. Yaşam Günlüğü (CARPE) Uygulamaları ve Yaşam Deneyimleri Yönetimi İçin Bir Bilgi Mimarisi, XVII. Türkiye de İnternet Konferansı, Eskişehir, 7-9 Kasım (2012). [35] Mutlu, M.E. Üç Boyutlu Öğrenme Modeli ve Öğrenme Deneyimlerinin Oluşması, 22. Ulusal Eğitim Bilimleri Kurultayı, Eskişehir Osmangazi Üniversitesi, 5-7 Eylül (2013a). [36] Mutlu, M.E. Yaşam Günlüğüne Dayalı Bir Kişisel Bilgi Tabanı Sistemi Tasarımı, İnet-Tr 687

10 2013 XVIII. Türkiye de İnternet Konferansı, İstanbul Üniversitesi, 9-11 Aralık (2013b). [37] Mutlu, M.E. Kişisel Bilgi Yönetimi İçin Bütüncül Bir Yaklaşım Kişisel Bilgi Çalışması Ortamlarındaki Deneyimlerin Yönetimi. AB 14 - XVI. Akademik Bilişim Konferansı, Mersin Üniversitesi, 5-7 Şubat (2014a). [38] Mutlu, M.E. Biçimsel Olmayan Öğrenme Kaynakları Olarak Kişisel Medya ve Kişisel Eğlence Ortamlarındaki Deneyimlerin Yönetimi, 23. Ulusal Eğitim Bilimleri Kurultayı, Kocaeli Üniversitesi. 4-6 Eylül (2014b). [39] Mutlu, M.E. Öğrenme Deneyimlerinin Yorumlanması, Eğitim ve Öğretim Araştırmaları Dergisi - Journal of Research in Education and Teaching, Kasım 2014 Cilt: 3 Sayı: 4 Makale No: 03 ISSN: (2014c). [40] Mutlu, M.E. Yaşam Günlüğü Bağlamları Bir Literatür Taraması. Çalışma Raporu. Kişisel Öğrenme Ortamları Blogu. (2015). working-paper-lifelogging-contexts.html, tarihinde erişilmiştir. [41] Nack, F. You must remember this. Media Impact, (January-March), 4 7. (2005). [42] OED2, Experience, The Oxford English Dictionary, Oxford University Press, 2nd Edition, (1989). [43] Oh, K., ve Cho, S. Semantic networks of mobile life-log for associative search based on activity theory. Lecture Notes in Computer Science Including Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics, 6230 LNAI, (2010). [44] Pavel, D., Callaghan, V., Sepulveda, F., Gardner, M., ve Dey, A. K. The story of our lives: From sensors to stories in self-monitoring systems th Computer Science and Electronic Engineering Conference (CEEC), (2012). [45] Prananto, B. H., Kim, I.-J., ve Kim, H.-G. Multi-level Experience Retrieval for the Personal Lifelog Media System Third International IEEE Conference on Signal-Image Technologies and Internet-Based System, (2007). [46] Qiu, Z. A lifelogging system supporting multimodal Access, Ph.D. Thesis. Dublin City University, (2013). [47] Qiu, Zhengwei and Gurrin, Cathal and Smeaton, Alan F. SenseSeer, a real time lifelogging tool. In: SenseCam 2012, 3-4 Apr, 2012, Oxford, UK. (2012). [48] Spradley, J.P. Participant Observation. New York: Holt. Rinehart [49] Teraoka, T. Organization and exploration of heterogeneous personal data collected in daily life. Human-centric Computing and Information Sciences 2.1:1-15. (2012). [50] Tancharoen, D., ve Aizawa, K. Novel Concept for Video Retrieval Concept Content Context. PCM 2004, (2004). [51] Tancharoen, D., Yamasaki, T., ve Aizawa, K. Practical experience recording and indexing of Life Log video. In Context (pp ). ACM. (2005). [52] Tausig, M. Measuring Life Events, Journal of Health and Social Behavior, Vol. 23, No. 1, pp , (1982). [53] Tuffield, M. M., Loizou, A., Dupplaw, D., Dasmahapatra, S., Lewis, P. H., Millard, D. E. ve Shadbolt, N. R., The Semantic Logger: Supporting Service Building from Personal Context, The 3rd ACM Workshop on Capture, Archival and Retrieval of Personal Experiences (CARPE) Workshop at ACM Multimedia, (2006). [54] Tulving, E. Elements of Episodic Memory. New York: Oxford University Press. (1983). [55] Tulving, E. Episodic Memory: From Mind to Brain, Annu. Rev. Psychol., vol. 53, pp. 1 25, (2002). [56] Wang, P. Semantic interpretation of events in lifelogging. Ph.D. Thesis. Dublin City University, (2012). 688