Yaşam Deneyimleri İçin Bir Bağlam Modeli (LECOM) A New Context Model for Life Experiences (LECOM)
|
|
- Canan Dilaver
- 5 yıl önce
- İzleme sayısı:
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
Yaşam Deneyimleri İçin Bir Bağlam Modeli (LECOM)
Yaşam Deneyimleri İçin Bir Bağlam Modeli (LECOM) Mehmet Emin Mutlu Anadolu Üniversitesi, Açıköğretim Fakültesi, Eskişehir memutlu@anadolu.edu.tr Özet: Bireylerin daha sonradan hatırlamak amacıyla günlük
DetaylıEğitim Semineri Araştırmacının Alet Kutusu: Mendeley
Eğitim Semineri Araştırmacının Alet Kutusu: Mendeley Yrd.Doç.Dr. Mehmet Emin Mutlu, Anadolu Üniversitesi Açıköğretim Fakültesi Akademik çalışma yaparken literatür taraması temel bir işlemdir. Her akademisyenin
DetaylıUzaktan öğrenme deneyimlerinin dijital yaşam günlüğü ile yönetilmesi: bir akademik yarıyıl üzerinde uygulama
Açıköğretim Uygulamaları ve Araştırmaları Dergisi AUAd auad.anadolu.edu.tr Uzaktan öğrenme deneyimlerinin dijital yaşam günlüğü ile yönetilmesi: bir akademik yarıyıl üzerinde uygulama Ayşe Peri MUTLU a
DetaylıMÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 2 ( yılı öncesinde birinci
MÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 2 (2016-17 yılı öncesinde birinci sınıfa başlayan öğrenciler için) BİRİNCİ YIL 1. Dönem CMPE113
DetaylıYaşam Günlüğü ile Öğrenme Deneyimlerinin Belirlenmesi. Determination of Learning Experiences via Lifelogging
Yaşam Günlüğü ile Öğrenme Deneyimlerinin Belirlenmesi Mehmet Emin Mutlu1, Ayşe Peri Mutlu2 1,2Anadolu Üniversitesi, Açıköğretim Fakültesi, Eskişehir memutlu@anadolu.edu.tr, aperi@anadolu.edu.tr Özet: Yaşam
DetaylıSOFTWARE ENGINEERS EDUCATION SOFTWARE REQUIREMENTS/ INSPECTION RESEARCH FINANCIAL INFORMATION SYSTEMS DISASTER MANAGEMENT INFORMATION SYSTEMS
SOFTWARE REQUIREMENTS/ INSPECTION SOFTWARE ENGINEERS EDUCATION RESEARCH FINANCIAL INFORMATION SYSTEMS DISASTER MANAGEMENT INFORMATION SYSTEMS SOFTWARE REQUIREMENTS/ INSPECTION Ö. Albayrak, J. C. Carver,
DetaylıMYO Öğrencilerinin Facebook Kullanım Sıklıkları. Mehmet Can HANAYLI
MYO Öğrencilerinin Facebook Kullanım Sıklıkları Mehmet Can HANAYLI İçerik Giriş Kuramsal Çerçeve İnternet Web 2.0 ve Sosyal Medya Facebook Sosyal Medya Reklamcılığı Bulgular Sonuç ve Öneriler Kaynaklar
DetaylıBENİM DÜNYAM ÇOCUK OYUNU: BİR MOBİL UYGULAMA
XVI. Akademik Bilişim Konferansı 5-7 Şubat 2014 Mersin Akademik Bilişim Mersin Üniversitesi BENİM DÜNYAM ÇOCUK OYUNU: BİR MOBİL UYGULAMA Meliha ACAR N. Tuğbagül ALTAN AKIN Sümeyye Elif GÖKDAĞ Zeynep Gazal
DetaylıMÜFREDAT DERS LİSTESİ
MÜFREDAT DERS LİSTESİ MÜHENDİSLİK FAK. / BİLGİSAYAR MÜHENDİSL / 2010 BİLGİSAYAR MÜHENDİSLİĞİ Müfredatı 0504101 Matematik I Calculus I 1 GÜZ 4 5 Z 0504102 Genel Fizik I General Physics I 1 GÜZ 4 4 Z 0504103
DetaylıT.C. ERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ EĞİTİM ÖĞRETİM YILI DERS KATALOĞU
T.C. ERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ - EĞİTİM ÖĞRETİM YILI DERS KATALOĞU Ders Kodu Bim Kodu Ders Adı Türkçe Ders Adı İngilizce Dersin Dönemi T Snf Açıl.Dönem P
DetaylıÖZGEÇMİŞ. Derece Alan Üniversite Yıl. Doktora Okul Öncesi Eğitimi Hacettepe Üniversitesi Devam ediyor.
ÖZGEÇMİŞ 1. Adı Soyadı : Dilara YAYA 2. Doğum Tarihi : 26 Temmuz 1986 3. Unvanı : Araştırma Görevlisi 4. Öğrenim Durumu : Derece Alan Üniversite Yıl Doktora Okul Öncesi Eğitimi Hacettepe Üniversitesi 2012
DetaylıAssist. Prof. Dr. Övünç ÖZTÜRK
Assist. Prof. Dr. Övünç ÖZTÜRK EDUCATION Degree University Department / Program Undergrad Middle East Technical University Computer Engineering 99-00 M.S. Ege University Computer Engineering 00-00 Ph.D.
DetaylıGörev Unvanı Alan Üniversite Yıl Prof. Dr. Elek.-Eln Müh. Çukurova Üniversitesi Eylül 2014
ÖZGEÇMİŞ 1. Adı Soyadı : MUSTAFA GÖK 2. Doğum Tarihi: : 1972 3. Unvanı : Prof. Dr. 4. Öğrenim Durumu Derece Alan Üniversite Yıl Lisans Elektronik Mühendisliği İstanbul Üniversitesi 1995 Yüksek Lisans Electrical
DetaylıYrd. Doç. Dr. Kerem OK Işık Üniversitesi Fen-Edebiyat Fakültesi Enformasyon Teknolojileri Bölümü kerem.ok@isikun.edu.tr
Yrd. Doç. Dr. Kerem OK Işık Üniversitesi Fen-Edebiyat Fakültesi Enformasyon Teknolojileri Bölümü kerem.ok@isikun.edu.tr 1. Adı Soyadı : Kerem OK 2. Doğum Tarihi : 02.11.1984 3. Unvanı : Yardımcı Doçent
DetaylıBilişim Sistemleri Değerlendirme Modeli ve Üç Örnek Olay İncelemesi
Bilişim Sistemleri Değerlendirme Modeli ve Üç Örnek Olay İncelemesi Özet Dr. Sevgi Özkan ve Prof. Dr Semih Bilgen Enformatik Enstitüsü, Orta Doğu Teknik Üniversitesi, Ankara Tel: (312) 210 3796 e-posta:
DetaylıZamansal Veri Madenciliği ve Anomali Tespiti için Bir Uygulama
Zamansal Veri Madenciliği ve Anomali Tespiti için Bir Uygulama Mehmet Yavuz ONAT Yrd.Doç.Dr.Engin YILDIZTEPE Dokuz Eylül Üniversitesi, İstatistik Bölümü Akademik Bilişim 2015, Anadolu Üniversitesi, Eskişehir
DetaylıArş. Gör. Raziye SANCAR
Arş. Gör. Raziye SANCAR EĞİTİM DURUMU Derece Üniversite/Bölüm/Program Yıl Doktora Yüksek Lisans Lisans Eğitim Teknolojisi Doktora Programı. Eğitim Teknolojisi Yüksek Lisans Programı. Selçuk Üniversitesi,
DetaylıYaşam Günlüğünün Aktif Kullanımı
Yaşam Günlüğünün Aktif Kullanımı Mehmet Emin Mutlu Anadolu Üniversitesi, Açıköğretim Fakültesi, Eskişehir memutlu@anadolu.edu.tr Özet: Giyilebilir yaşam günlüğü araçları genellikle bireyin bilinçli bir
DetaylıBÜYÜK VERİ. Abdulkadir ŞAN Proje Yöneticisi 7/1/2014 VERİ SİSTEMLERİ. Anayurt Güvenliği Md. Yrd. Metin Madenciliği ve Kaynaştırma Sistemleri
BÜYÜK VERİ Abdulkadir ŞAN Proje Yöneticisi 1 VERİ SİSTEMLERİ Relational Database DataWarehouse 2 1 VERİ TÜRLERİ 3 BÜYÜK VERİ NEDİR? Verinin çok büyük bir kısmı YAPISAL OLMAYAN veridir ve şimdi bu veriyi
DetaylıBİLİMSEL ARAŞTIRMA YÖNTEMLERİ
BİLİMSEL ARAŞTIRMA YÖNTEMLERİ Yöntem Dr. Seher Yalçın 3.2.2017 Dr. Seher Yalçın 1 YÖNTEM Araştırmanın Modeli Evren ve Örneklem Veriler ve Toplanması Verilerin Çözümü ve Yorumu 3.2.2017 Dr. Seher Yalçın
DetaylıEğitim Bağlamında Oyunlaştırma Çalışmaları: Sistematik Bir Alanyazın Taraması
Eğitim Bağlamında Oyunlaştırma Çalışmaları: Sistematik Bir Alanyazın Taraması Meryem Fulya GÖRHAN Hacettepe Üniversitesi, Eğitim Bilimleri Enstitüsü, Bilgisayar ve Öğretim Teknolojileri Eğitimi Anabilim
DetaylıDeneyimler, KOBİ lere Öneriler.. Leyla Arsan, TAGES leyla.arsan@tages.biz
Deneyimler, KOBİ lere Öneriler.. Leyla Arsan, TAGES leyla.arsan@tages.biz TAGES www.tages.biz Teknoloji Araştırma Geliştirme Endüstriyel Ürünler Bilişim Teknolojileri A.Ş. 1996 yılında kuruldu, 2002 den
DetaylıYrd. Doç. Dr. Büşra ÖZDENİZCİ IŞIK Üniversitesi Enformasyon Teknolojileri Bölümü
Yrd. Doç. Dr. Büşra ÖZDENİZCİ IŞIK Üniversitesi Enformasyon Teknolojileri Bölümü busra.ozdenizci@isikun.edu.tr 1. Adı Soyadı : Büşra Özdenizci 2. Doğum Tarihi : 1987 3. Unvanı : Yardımcı Doçent 4. Öğrenim
DetaylıT.C. MUĞLA SITKI KOÇMAN ÜNİVERSİTESİ EĞİTİM BİLİMLERİ ENSTİTÜSÜ
T.C. MUĞLA SITKI KOÇMAN ÜNİVERSİTESİ EĞİTİM BİLİMLERİ ENSTİTÜSÜ TEZ ÖNERİSİ HAZIRLAMA KILAVUZU MART, 2017 MUĞLA T.C. MUĞLA SITKI KOÇMAN ÜNİVERSİTESİ EĞİTİM BİLİMLERİ ENSTİTÜSÜ.... ANABİLİM DALI.... BİLİM
DetaylıÖ Z G E Ç M İ Ş. 1. Adı Soyadı: Mustafa GÖÇKEN. 2. Doğum Tarihi: 12 Haziran 1976. 3. Unvanı: Yrd. Doç. Dr. 4. Öğrenim Durumu: Ph.D.
Ö Z G E Ç M İ Ş 1. Adı Soyadı: Mustafa GÖÇKEN 2. Doğum Tarihi: 12 Haziran 1976 3. Unvanı: Yrd. Doç. Dr. 4. Öğrenim Durumu: Ph.D. Derece Alan Üniversite Yıl Lisans Endüstri Mühendisliği Çukurova Üniversitesi
DetaylıEmotional Desgin in Multimedia Learning
Emotional Desgin in Multimedia Learning Mimar Sinan Güzel Sanatlar Üniversitesi Yakup Selçuk YILDIRIM 2015 İçerik Çoklu Ortam Emotional Design Araştırma Çoklu Ortam Metin, resim, ses ve hareketli resimlerin
DetaylıSENTEZ TABANLI YAZILIM MİMARİSİ TASARIM YAKLAŞIMININ ESSENCE ÇERÇEVESİYLE MODELLENMESİ
SENTEZ TABANLI YAZILIM MİMARİSİ TASARIM YAKLAŞIMININ ESSENCE ÇERÇEVESİYLE MODELLENMESİ G Ö R K E M G I R AY, T U R K E Y B E D I R T E K I N E R D O G A N, W A G E N I N G E N U N I V E R S I T Y, N E
DetaylıÖĞRENME DENEYİMLERİ BAĞLAM MODELİ LEARNING EXPERIENCES CONTEXT MODEL
ÖĞRENME DENEYİMLERİ BAĞLAM MODELİ Doç. Dr. Mehmet Emin Mutlu Anadolu Üniversitesi memutlu@anadolu.edu.tr Özet Öğrenme deneyimleri yaşam deneyimleri içerisinde yeralırlar ve her öğrenme deneyimine yaşam
DetaylıÖZGEÇMİŞ. Derece Alan Üniversite Yıl. OrtaöğretimMatematikEğitimi BoğaziciÜniversitesi 2007
ÖZGEÇMİŞ 1. AdıSoyadı: Rukiye Didem Taylan 2. DoğumTarihi: 25 Temmuz 1984 3. Unvanı: Yrd. Doç. Dr. 4. ÖgrenimDurumu: Derece Alan Üniversite Yıl Lisans OrtaöğretimMatematikEğitimi BoğaziciÜniversitesi 2007
DetaylıGÖRÜŞME GÖRÜŞME GÖRÜŞME. Sanat vs Bilim? Görüşme Yapma Becerileri. Hangi Amaçlar için Kullanılır? (mülakat-interview)
Görüşme Görüşme Türleri Görüşme Süreci (mülakat-interview) Nitel araştırmada en sık kullanılan veri veri toplama aracıdır. Amacı, bir bireyin iç dünyasına girmek ve onun bakış açısını anlamaktır. Odak
DetaylıANKARA ÜNİVERSİTESİ A ÖĞRENCİ İŞLERİ DAİRE BAŞKANLIĞI
PROGRAM ADI : BİLGİSAYAR MÜHENDİSLİĞİ (İNGİLİZCE) 1.SINIF /1.YARIYIL* 1 COM101 COMPUTER PROGRAMMING I - - 4 2 6 5 9 2 COM113 INTRODUCTION TO COMPUTER SCIENCE - - 3 0 3 3 5 3 PHY0101 PHYSICS I - - 3 0 3
DetaylıGüz Dönemi Zorunlu Dersleri
T.C. AKSARAY ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ELEKTRİK-ELEKTRONİK ve BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI TEZLİ YÜKSEK LİSANS PROGRAMI Güz Dönemi Zorunlu Dersleri EEBM 501 İleri Mühendislik Matematiği
DetaylıInternational Journal of Progressive Education, 6(2), 27-47.
ÖZGEÇMİŞ VE ESERLER LİSTESİ ÖZGEÇMİŞ Adı Soyadı: AYŞE AYPAY Doğum Tarihi: 24 02 1969 Öğrenim Durumu: Doktora Derece Bölüm/Program Üniversite Yıl Lisans Psikoloji Bölümü Ankara Üniversitesi 1989 Y. Lisans
DetaylıÜniversitesi. {g.karatas, Library, Science Direct ve Wiley veri içerisinde
:, Üniversitesi 34156, stanbul, {g.karatas, c.catal}@iku.edu.tr Özet. sistematik ebilmek üzere, yöntemlerini in n veri belirlemek, ortaya konulan. IEEE Explorer, ACM Digital Library, Science Direct ve
DetaylıA. SCI ve SCIE Kapsamındaki Yayınlar
A. SCI ve SCIE Kapsamındaki Yayınlar A.1. Erilli N.A., Yolcu U., Egrioglu E., Aladag C.H., Öner Y., 2011 Determining the most proper number of cluster in fuzzy clustering by using artificial neural networks.
DetaylıYÖNETİM BİLİŞİM SİSTEMLERİ BÖLÜMÜ YENİ DERS MÜFREDATI (1) FAKÜLTESİ: İŞLETME FAKÜLTESİ / BUSINESS SCHOOL
(3) SINIFI: 1. Yıl Güz Dönemi MIS101 BİLGİSAYAR PROGRAMLAMA 1 COMPUTER PROGRAMMING 1 Z 3-0 4 BUS101 BİLİM VE TEKNOLOJİ TARİHİ HISTORY OF SCIENCE AND TECHNOLOGY Z 3-0 4 BUS103 İŞLETMECİLER İÇİN MATEMATİK
DetaylıAkıllı Ortamlarda Sensör Kontrolüne Etmen Tabanlı Bir Yaklaşım: Bir Jadex Uygulaması
Akıllı Ortamlarda Sensör Kontrolüne Etmen Tabanlı Bir Yaklaşım: Bir Jadex Uygulaması Özlem Özgöbek ozlem.ozgobek@ege.edu.tr Ege Üniversitesi Bilgisayar Mühendisliği Bölümü İZMİR Sunum Planı - Giriş - Benzer
DetaylıYrd. Doç. Dr. Övünç ÖZTÜRK
Yrd. Doç. Dr. Övünç ÖZTÜRK ÖĞRENİM DURUMU Derece Üniversite Bölüm / Program Yıllar Lisans Orta Doğu Teknik Üniversitesi Bilgisayar Mühendisliği 99-00 Y. Lisans Ege Üniversitesi Bilgisayar Mühendisliği
DetaylıBaşlıca Ürün-Bilgi Sistemleri
BİLGİ SİSTEMLERİ Başlıca Ürün-Bilgi Sistemleri Süreç İşleme Sistemleri, Ofis Otomasyon Sistemleri ve Bilgi İşleme Sistemleri, Yönetim Bilişim Sistemleri, Karar Destek Sistemleri, Uzman Sistemler ve Yapay
DetaylıRapor Hazırlama Kuralları
Temel Bilgiler 1. Temel Bilgiler Rapor Hazırlama Kuralları Rapor hazırlamada, bu belge ile birlikte bulunan rapor örneği sitili kullanılabilir. Bu kalıp stil seçildiğinde, sayfa düzeni, paragraf yapıları
DetaylıElena Battini SÖNMEZ Önder ÖZBEK N. Özge ÖZBEK. 2 Şubat 2007
AVUÇ İZİ VE PARMAK İZİNE DAYALI BİR BİYOMETRİK TANIMA SİSTEMİ Elena Battini SÖNMEZ Önder ÖZBEK N. Özge ÖZBEK İstanbul Bilgi Üniversitesi Bilgisayar Bilimleri 2 Şubat 2007 Biyometrik Biyometrik, kişileri
DetaylıÖZGEÇMİŞ. BSc - Matematik ve Bilgisayar Öğretmenliği, Doğu Akdeniz Üniversitesi, Gazimağusa, 2000
ÖZGEÇMİŞ Kişisel Bilgiler: Adı-Soyadı : Begüm Çubukçuoğlu Devran Doğum Tarihi : 29.09.1978 E-mail adresi : begum1978@yahoo.com Eğitim: Ed.D - Eğitim Doktorası, Sheffield Universitesi, İngiltere, 2012 MA
DetaylıEĞİTİM Doktora Orta Doğu Teknik Üniversitesi, Ankara 1997 2005 Eğitim Fakültesi, Bilgisayar Öğretimi ve Teknolojileri Bölümü
HAKKIMDA Dr. Erhan Şengel, yüksek lisans eğitimi yıllarında başlamış olduğu öğretim teknolojileri ile ilgili çalışmalarına 1994 yılından beri devam etmektedir. Online eğitim, Bilgisayar Destekli Eğitim,
DetaylıMESLEKİ TERMİNOLOJİ I 1. HAFTA YAZILIM MÜH. TEMEL KAVRAMLAR
YAZILIM: SOFTWARE Yazılım (Software): Yazılım sadece bir bilgisayar programı değildir. Basılı veya elektronik ortamdaki her tür dokümanı da içeren ürün. Dokümanlar yazılım mühendislerine ve son kullanıcıya
DetaylıVeritabanı Yönetim Sistemleri (Veritabanı Kavramı) Veri Modelleri
Veritabanı Yönetim Sistemleri (Veritabanı Kavramı) Veri Modelleri Konular Veritabanı Tasarım Aşamaları Veri Modeli Nedir? Veri Modeli Temel Bileşenleri İş Kuralları (Business Rules) İş Kurallarını Veri
DetaylıGEZİNME ADAPTASYONU: NEDEN VE NASIL?
GEZİNME ADAPTASYONU: NEDEN VE NASIL? S İ BEL SOMYÜREK B İLAL ATASOY İçerik Neden gezinme adaptasyonuna ihtiyaç duyulur? Gezinme adaptasyonu nedir? Gezinme adaptasyonu nasıl gerçekleştirilir? Sonuç ve öneriler
DetaylıKablosuz Sensör Ağlar ve Eniyileme. Tahir Emre KALAYCI. 21 Mart 2008
Kablosuz Sensör Ağlar ve Eniyileme Tahir Emre KALAYCI 21 Mart 2008 Gündem Genel Bilgi Alınan Dersler Üretilen Yayınlar Yapılması Planlanan Doktora Çalışması Kablosuz Sensör Ağlar Yapay Zeka Teknikleri
DetaylıYrd. Doç. Dr. Tuğba ÖZACAR ÖZTÜRK
Yrd. Doç. Dr. Tuğba ÖZACAR ÖZTÜRK ÖĞRENİM DURUMU Derece Üniversite Bölüm / Program Yıllar Lisans Dokuz Eylül Üniversitesi Bilgisayar Mühendisliği 99-00 Y. Lisans Ege Üniversitesi Bilgisayar Mühendisliği
DetaylıSİNYAL TEMELLERİ İÇİN BİR YAZILIMSAL EĞİTİM ARACI TASARIMI A SOFTWARE EDUCATIONAL MATERIAL ON SIGNAL FUNDAMENTALS
SİNYAL TEMELLERİ İÇİN BİR YAZILIMSAL EĞİTİM ARACI TASARIMI Öğr. Gör. Hakan Aydogan Uşak Üniversitesi hakan.aydogan@usak.edu.tr Yrd. Doç. Dr. Selami Beyhan Pamukkale Üniversitesi sbeyhan@pau.edu.tr Özet
DetaylıBÝLDÝRÝ KÝTABI EJER CONGRESS 2014 EJER CONGRESS 2014 CONFERENCE PROCEEDINGS NISAN 2014 Istanbul Üniversitesi Kongre Merkezi
EJER CONGRESS 2014 BÝLDÝRÝ KÝTABI EJER CONGRESS 2014 CONFERENCE PROCEEDINGS 24-26 NISAN 2014 Istanbul Üniversitesi Kongre Merkezi 24-26 APRIL 2014 Istanbul University Congress Center EJER COGRESS 2014
DetaylıAlgoritma Geliştirme ve Veri Yapıları 2 Veri Modelleri. Mustafa Kemal Üniversitesi
Algoritma Geliştirme ve Veri Yapıları 2 Veri Modelleri Veri modelleri, veriler arasında ilişkisel ve sırasal düzeni gösteren kavramsal tanımlardır. Her program en azından bir veri modeline dayanır. Uygun
Detaylıİnsan-Bilgisayar Etkileşimi Mesleki Terminoloji 2
İnsan-Bilgisayar Etkileşimi Mesleki Terminoloji 2 İnsan-Bilgisayar Etkileşimi Nedir? İnsan Bilgisayar Etkileşimi, etkileşimli (interactive) teknolojilerin tasarımı, değerlendirmesi ve uygulaması ile ilgilenen
DetaylıAndroid e Giriş. Öğr.Gör. Utku SOBUTAY
Android e Giriş Öğr.Gör. Utku SOBUTAY Android İşletim Sistemi Hakkında 2 Google tarafından geliştirilmiştir. Dünyada en çok kullanılan mobil işletim sistemidir. 2018 itibariyle Dünyada Android; %78.65,
DetaylıGezgin Etmen Sistemlerinin Başarım Ölçümü: Benzetim Tekniği
Gezgin Etmen Sistemlerinin Başarım Ölçümü: Benzetim Tekniği Gürol Erdoğan 1, Mustafa Yıldız 1, Mehmet Erdem Türsem 2, Selahattin Kuru 1 1 Enformatik Uygulama ve Araştırma Merkezi, Işık Üniversitesi, İstanbul
DetaylıUZAKTAN EĞİTİM MERKEZİ
ÜNİTE 2 VERİ TABANI İÇİNDEKİLER Veri Tabanı Veri Tabanı İle İlgili Temel Kavramlar Tablo Alan Sorgu Veri Tabanı Yapısı BAYBURT ÜNİVERSİTESİ UZAKTAN EĞİTİM MERKEZİ BİLGİSAYAR II HEDEFLER Veri tabanı kavramını
DetaylıMELİKE ŞAH DİREKOGLU
MELİKE ŞAH DİREKOGLU ÖZGEÇMİŞ 1. Adı Soyadı: Melike Şah Direkoğlu 2. Doğum Tarihi: 03 Nisan 1982 3. Unvanı: Yard. Doc. Dr. 4. Öğrenim Durumu: Doktora, Y. Lisans, Lisans Derece Alan Üniversite Yıl Lisans
DetaylıAlbert Long Hall, Boğazi 4-55 Nisan 2008
Sıkca Karşılaştığım Sorular Robotumu Büyütüyorum Makineler düşünebilir ya da hissedebilir mi? Kendiliklerinden yeni beceriler edinebilirler mi? Vücut, beyin ve dış ortamın etkileşimi sorunlara yeni ve
DetaylıÖğretim Teknolojilerinde Yeni Eğilimler. Yrd.Doç.Dr. Nuray Gedik Güz 2012
Öğretim Teknolojilerinde Yeni Eğilimler Yrd.Doç. Güz 2012 Teknoloji ve Medya 1950 ler 1980 lerde bilgisayar Teknoloji ve Medya: Eğilimler Toplum ve Medya 1 yılda basılan kitap 967,474 1 günde dağıtılan
DetaylıDoç.Dr. EYLEM YILDIZ FEYZİOĞLU
Doç.Dr. EYLEM YILDIZ FEYZİOĞLU Eğitim Fakültesi Matematik Ve Fen Bilimleri Eğitimi Bölümü Fen Bilgisi Eğitimi Anabilim Dalı Eğitim Bilgileri Eğitim Fakültesi Matematik Ve Fen Bilimleri 1994-1999 Lisans
DetaylıRapor Hazırlama Kuralları
Temel Bilgiler 1. Temel Bilgiler Rapor Hazırlama Kuralları Bilgisayar programcılıüı öğrencilerinin hazırlayacakları tüm proje ve bitirme projesiraporlarını bu belgede açıklandığı biçimde hazırlamaları
Detaylıve Sonrası Girişli Öğrenciler için Uygulanacak Ders Program
Bilgisayar Mühendisliği Bölümü Lisans Ders Programı / Department of Computer Engineering Undergraduate Curriculum 2015-2016 ve Sonrası Girişli Öğrenciler için Uygulanacak Ders Program 1.Yıl / I.Dönem (First
Detaylı1. YARIYIL / SEMESTER 1
T.C. NECMETTİN ERBAKAN ÜNİVERSİTESİ MÜHENDİSLİK VE MİMARLIK FAKÜLTESİ, MEKATRONİK MÜHENDİSLİĞİ BÖLÜMÜ, 2017-2018 AKADEMİK YILI ÖĞRETİM PLANI T.C. NECMETTIN ERBAKAN UNIVERSITY ENGINEERING AND ARCHITECTURE
DetaylıBİLİMSEL ARAŞTIRMA YÖNTEMLERİ
BİLİMSEL ARAŞTIRMA YÖNTEMLERİ Temel Kavramlar Dr. Seher Yalçın 3.2.2017 Dr. Seher Yalçın 1 Problem Problemler, üç aşamalı bir yaklaşımla tanımlanabilir. Bunlar: 1- Bütünleştirme, 2- Sınırlandırma ve 3-
DetaylıBİLİMSEL BİLGİYE ERİŞİM
1 BİLİMSEL BİLGİYE ERİŞİM Arş. Gör. Kasım BİNİCİ kbinici@atauni.edu.tr A.Ü. Fen Bilimleri Enstitüsü Bilim, Etik ve Eğitim Dersi, 13 Mayıs 2011, Erzurum 2 PLAN Araştırma Süreci Bilimsel Bilgi Kaynakları
DetaylıBilişim Sistemleri. Modelleme, Analiz ve Tasarım. Yrd. Doç. Dr. Alper GÖKSU
Bilişim Sistemleri Modelleme, Analiz ve Tasarım Yrd. Doç. Dr. Alper GÖKSU Ders Akışı Hafta 10-11. Nesneye Yönelik Sistem Analizi Haftanın Amacı Bilişim sistemleri geliştirmede nesneye yönelik sistem analizi
DetaylıBSM 532 KABLOSUZ AĞLARIN MODELLEMESİ VE ANALİZİ OPNET MODELER
BSM 532 KABLOSUZ AĞLARIN MODELLEMESİ VE ANALİZİ OPNET MODELER Yazılımı ve Genel Özellikleri Doç.Dr. Cüneyt BAYILMIŞ Kablosuz Ağların Modellemesi ve Analizi 1 OPNET OPNET Modeler, iletişim sistemleri ve
DetaylıYrd.Doç.Dr. ÖZEL SEBETCİ
Yrd.Doç.Dr. ÖZEL SEBETCİ Aydın Meslek Yüksekokulu Bilgisayar Teknolojileri Bölümü Bilgisayar Programcılığı Pr. Eğitim Bilgileri 1991-1997 Lisans Gazi Üniversitesi 1999-2002 Yüksek Lisans Gazi Üniversitesi
DetaylıSemantik Bilgi Yönetimi
Semantik Bilgi Yönetimi Yaşar ar Tonta Hacettepe Üniversitesi Bilgi ve Belge Yönetimi Bölümü tonta@hacettepe.edu.tr yunus.hacettepe.edu.tr/~tonta/ 1 Plan Memex ten Semantik Web e... Semantik Bilgi Yönetimi
DetaylıYaz.Müh.Ders Notları #6 1
YAZILIM MÜHENDİSLİĞİ Prof.Dr. Oya Kalıpsız GİRİŞ 1 YAZILIM YETERLİLİK OLGUNLUK MODELİ Olgunluk Seviyeleri: Düzey 1. Başlangıç düzeyi: Yazılım gelişimi ile ilişkili süreçlerin tanımlanması için hiçbir sistematik
DetaylıMekatronik Mühendisliği Uygulamalarında Yapay Zekâ. Ders 1- Yapay Zekâya Giriş. Erhan AKDOĞAN, Ph.D.
Mekatronik Mühendisliği Uygulamalarında Yapay Zekâ Ders 1- Yapay Zekâya Giriş Erhan AKDOĞAN, Ph.D. Yapay Zekâ nedir?! İnsanın düşünme ve karar verme yeteneğini bilgisayarlar aracılığı ile taklit etmeye
DetaylıVeritabanı Yönetim Sistemleri (Veritabanı Kavramı) İş Kuralları ve Veri Modelleri
Celal Çeken Veysel Harun Şahin Veritabanı Yönetim Sistemleri (Veritabanı Kavramı) İş Kuralları ve Veri Modelleri Konular Veritabanı Tasarımı Yaşam Döngüsü Veri Modeli Nedir? Veri Modeli Temel Bileşenleri
DetaylıTedarik Zinciri Yönetiminde Yapay Zeka Teknikler
Tedarik Zinciri Yönetiminde Yapay Zeka Teknikler Doç.Dr.Mehmet Hakan Satman mhsatman@istanbul.edu.tr İstanbul Üniversitesi 2014.10.22 Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr Tedarik Zinciri
DetaylıPAPERWORK TEKNİK MİMARİ
PAPERWORK ECM TEKNİK MİMARİ 1. Şekilde (1) numara ile gösterilen Content Server adı verilen Uygulama Sunucusudur. Content Server tüm iş mantığını içerir. Veri Tabanına ve arşivlenen belgelere erişim yetkisi
Detaylı- Yurtiçinde ULUSLARARASI Bilimsel Toplantılarda Sunulan ve Bilimsel Toplantı Kitabında Yayınlanan Bildiriler
1. Adı Soyadı 2. Doğum Tarihi 3. Unvanı 4. Öğrenim Durumu : Ahmet Faik KAŞLI : 12/0711954 : ProfDr. ÖZGEÇMlş Derece Alan Universite Yıl Lisans Matematik Ege 1977 Y. Lisans Bilgisayar Bilimleri Ege 1979
Detaylı91-03-01-517 YAPAY ZEKA (Artificial Intelligence)
91-03-01-517 YAPAY ZEKA (Artificial Intelligence) Dersi Veren Öğretim Üyesi Y. Doç. Dr. Aybars UĞUR Ders Web Sayfası : http://yzgrafik.ege.edu.tr/~ugur 27.09.2009 Y. Doç. Dr. Aybars UĞUR (517 Yapay Zeka)
DetaylıBİLGİ OKURYAZARLIĞI EĞİTİM PROGRAMI TASARIMI ÇALIŞTAYI
BİLGİ OKURYAZARLIĞI EĞİTİM PROGRAMI TASARIMI ÇALIŞTAYI Nevzat Özel Ankara Üniversitesi Bilgi ve Belge Yönetimi Bölümü nozel@ankara.edu.tr Tolga Çakmak Hacettepe Üniversitesi Bilgi ve Belge Yönetimi Bölümü
DetaylıANKARA ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ
ANKARA ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ SANAL ARTIRILMIŞ VE AKILLI TEKNOLOJİLER (SAAT) LABORATUVARI SAAT Laboratuvarı Koordinatör: Yrd. Doç. Dr. Gazi Erkan BOSTANCI SAAT
DetaylıSOSYOLOJİK SORU SORMA VE YANITLAMA
SOSYOLOJİK SORU SORMA VE YANITLAMA Bilimin amacı: olguları tanımlamak, olgular arasında nedensellik ilişkileri kurmak, bu ilişkileri genelleyip yasalar biçimine dönüştürmek. Bu amaçları gerçekleştirmek
Detaylı3. sınıf. Bilgisayarla kataloglamanın doğuşu gelişimi ve bugünkü durum ele alınmaktadır. Bu derste
3. sınıf 5. Yarıyıl (Güz Dönemi) Bilgi Kaynaklarının Tanımlanması ve Erişimi I (AKTS 5) 3 saat Bilgisayarla kataloglamanın doğuşu gelişimi ve bugünkü durum ele alınmaktadır. Bu derste Kütüphane Otomasyon
DetaylıVeritabanı Yönetimi Bilgisayarların. Keşfi Hedefler. Veritabanı, Veri ve Bilgi. Veritabanı, Veri ve Bilgi. Veritabanı, Veri ve Bilgi
Hedefler Veritabanı Yönetimi Bilgisayarların Discovering Keşfi 2010 Computers 2010 Living in a Digital World Dijital Dünyada Yaşamak Veritabanı terimini tanımlamak ve bir veritabanının veri ve bilgi ile
DetaylıAnkara Üniversitesi, Eğitim Bilimleri Enstitüsü, Bilgisayar ve Öğretim Teknolojileri Eğitimi Anabilim Dalı, Eğitim Teknolojisi Programı.
ŞANSER BULU, E-mail: sanserbulu@gmail.com EĞİTİM Doktora Ankara Üniversitesi, Eğitim Bilimleri Enstitüsü, Bilgisayar ve Öğretim Teknolojileri Eğitimi Anabilim Dalı, Eğitim Teknolojisi Programı. * Yüksek
DetaylıULUSLARARASI 9. BEDEN EĞİTİMİ VE SPOR ÖĞRETMENLİĞİ KONGRESİ
ULUSLARARASI 9. BEDEN EĞİTİMİ VE SPOR ÖĞRETMENLİĞİ KONGRESİ SPOR BİLİMLERİ FAKÜLTESİ ÖĞRENCİLERİNİN BOŞ ZAMAN AKTİVİTELERİNE VERDİKLERİ ANLAMIN VE YAŞAM DOYUMLARININ İNCELENMESİ: AKDENİZ ÜNİVERSİTESİ ÖRNEĞİ
Detaylı(IEL) Online. Gazi Üniversitesi Merkez Kütüphanesi
IEEE Xplore IEEE/IEE Electronic Library (IEL) Online 1 Kapsam IEEE Xplore veri tabanı, elektrik ve elektronik, bilgisayar, bilgi teknolojileri, bioteknoloji, fizik ve ilgili diğer bilimlerdeki yayınları
Detaylı4. Sanayi Devrimi ve Kütüphanelerin Geleceği
4. Sanayi Devrimi ve Kütüphanelerin Geleceği Yaşar Tonta Hacettepe Üniversitesi Bilgi ve Belge Yönetimi Bölümü yunus.hacettepe.edu.tr/~tonta/tonta.html yasartonta@gmail.com @yasartonta ANAMED, Koç Üniversitesi,
DetaylıYaşam Boyu Öğrenme Deneyimlerinin Yönetimi Amacıyla Bir Dijital Yaşam Günlüğü Sisteminin Geliştirilmesi ve Uygulanması (1301E014)
Yaşam Boyu Öğrenme Deneyimlerinin Yönetimi Amacıyla Bir Dijital Yaşam Günlüğü Sisteminin Geliştirilmesi ve Uygulanması (1301E014) Proje Yöneticisi Araştırmacılar : Doç.Dr. Mehmet Emin MUTLU : Arş.Gör.
DetaylıVeri Toplama Araçları
Veri Toplama Araçları 0 Görüşme 0 Odak grup görüşmesi 0 Gözlem 0 Araştırma problemine hizmet edecek her nevi doküman (soru formları, katılımcı ve/veya araştırmacı günlüğü, fotoğraf, resim vb) GÖRÜŞME Önceden
DetaylıDoç.Dr. M. Mengüç Öner Işık Üniversitesi Elektrik-Elektronik Mühendisliği Bölümü oner@isikun.edu.tr
Doç.Dr. M. Mengüç Öner Işık Üniversitesi Elektrik-Elektronik Bölümü oner@isikun.edu.tr 1. Adı Soyadı : Mustafa Mengüç ÖNER 2. Doğum Tarihi : 01.02.1977 3. Unvanı : Doçent Dr. 4. Öğrenim Durumu : ÖĞRENİM
DetaylıArş. Gör. Dr. Mücahit KÖSE
Arş. Gör. Dr. Mücahit KÖSE Dumlupınar Üniversitesi Eğitim Fakültesi İlköğretim Bölümü Evliya Çelebi Yerleşkesi (3100) KÜTAHYA Doğum Yeri ve Yılı: Isparta/Yalvaç Cep Telefonu: Telefon:765031-58 E-posta:
DetaylıÖZGEÇMİŞ VE ESERLER LİSTESİ
ÖZGEÇMİŞ VE ESERLER LİSTESİ Adı Soyadı: Doç. Dr. Cavide DEMİRCİ Öğrenim Durumu: Derece Bölüm/Program Üniversite Yıl Lisans Eğitim Fakültesi Almanca Biyoloji Hacettepe Üniversitesi 1993 Öğretmenliği Y.
DetaylıHCI dadeneysel Araştırmalar (ExperimentalResearches) İncelemesinin Devamı. (Ders Notu 3 Devamı)
HCI dadeneysel Araştırmalar (ExperimentalResearches) İncelemesinin Devamı (Ders Notu 3 Devamı) HCI dabağımsız Değişkenler Bağımsız değişkenlere örnek olarak farklı tipteki teknolojiler ve aygıtlar verilebilir.
DetaylıÖZGEÇMİŞ. Derece Bölüm/Program Üniversite Yıl Lisans Bilgisayar ve Öğretim Teknolojileri Anadolu Üniversitesi 2003
Adı Soyadı : Esra EREN Doğum Tarihi : 08.12.1980 Unvanı Öğrenim Durumu : Yrd.Doç.Dr. : Doktora ÖZGEÇMİŞ Derece Bölüm/Program Üniversite Yıl Lisans Bilgisayar ve Öğretim Teknolojileri Anadolu Üniversitesi
DetaylıVERI TABANLARıNDA BILGI KEŞFI
1 VERİ MADENCİLİĞİ VERI TABANLARıNDA BILGI KEŞFI Veri Tabanlarında Bilgi Keşfi, veriden faydalı bilginin keşfedilmesi sürecinin tamamına atıfta bulunmakta ve veri madenciliği bu sürecin bir adımına karşılık
DetaylıElbistan Meslek Yüksek Okulu Güz Yarıyılı
HAFTA III Bilgi iletişim sistemi : Bilgi iletişim sistemi, dağıtık sistem içerisinde düğümler arasındaki iletişimi desteklemekle yükümlüdür. İletişim sistemi, iletişim ağı ile bağlanmış herhangi bir düğümün,
Detaylı[Çalışma Raporu 30.06.2015] 1 Yaşam Günlüğünün Aktif Kullanımı
[Çalışma Raporu 30.06.2015] 1 Yaşam Günlüğünün Aktif Kullanımı Mehmet Emin Mutlu Anadolu Üniversitesi, Açıköğretim Fakültesi, Eskişehir memutlu@anadolu.edu.tr Özet: Giyilebilir yaşam günlüğü araçları genellikle
DetaylıBilgi Sistemleri Tasarımı (SE 503) Ders Detayları
Bilgi Sistemleri Tasarımı (SE 503) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Bilgi Sistemleri Tasarımı SE 503 Her İkisi 3 0 0 3 7.5 Ön Koşul Ders(ler)i
DetaylıKişisel Araştırma Ortamları
Kişisel Araştırma Ortamları Mehmet Emin Mutlu 1 1 Anadolu Üniversitesi Açıköğretim Fakültesi, Eskişehir memutlu@anadolu.edu.tr Özet: Günümüzde bilimsel araştırma yapmak ağırlıklı olarak bilgisayarda ve
DetaylıBulanık Mantık Tabanlı Uçak Modeli Tespiti
Bulanık Mantık Tabanlı Uçak Modeli Tespiti Hüseyin Fidan, Vildan Çınarlı, Muhammed Uysal, Kadriye Filiz Balbal, Ali Özdemir 1, Ayşegül Alaybeyoğlu 2 1 Celal Bayar Üniversitesi, Matematik Bölümü, Manisa
DetaylıÜst Düzey Programlama
Üst Düzey Programlama Yazılımda Günlükleme (Logging) Üst Düzey Programlama-ders07/ 1 Günlükleme -Logging Tüm büyük çaplı uygulamalarda günlükleme(logging) ihtiyaçları bulunmaktadır. Bir uygulamanın hata
Detaylı