Yaşam Deneyimleri İçin Bir Bağlam Modeli (LECOM)

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Yaşam Deneyimleri İçin Bir Bağlam Modeli (LECOM)"

Transkript

1 Yaşam Deneyimleri İçin Bir Bağlam Modeli (LECOM) Mehmet Emin Mutlu Anadolu Üniversitesi, Açıköğretim Fakültesi, Eskişehir Özet: Bireylerin daha sonradan hatırlamak amacıyla günlük yaşantılarına ait ses, görüntü, video, konum, hareket vb. verileri sürekli olarak yakalamaları ve saklamalarını sağlayan yaşam günlüğü araçları giderek yaygınlaşmaktadır. Bireylerin günlük yaşam deneyimlerine ait kaydedilen içerik bilgisinin daha sonra doğru anlamlandırılabilmesi için deneyimi o anda çevreleyen bağlamların da belirlenmesi ve sınıflandırılması gerekir. Yaşam günlüğü sistemlerinde algılayıcılardan elde edilen içerik ve bağlam günlüklerinin çözümlenmesiyle, verilen bir andaki eylem ve o eylemin bağlamlarının otomatik olarak elde edilmesine yönelik başarılı çalışmalar gerçekleştirilmektedir. Bireylerin yaşadıkları deneyimlere verdikleri anlam ile yazılım 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 (LECOM) 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: Life logging tools which let individuals capture and record daily data belonging to their daily lives such as sound, image, video, location, motion in order to retrieve them later is becoming widespread day by day. In order to give them meaning correctly later on, it is required to define contexts surrounding the experience at that point and classify them. By analyzing context and content logs obtained via sensors in lifelogging systems studies towards getting an action together with its contexts automatically are successfully carried out. In order to eliminate the semantic gap between the meaning given by the individuals to the experiences they had and contextual meaning obtained by 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 contextual 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, contextual model 1. Giriş Bireyin bütün deneyimlerinin cihazlar yardımıyla kaydedilmesi düşüncesi Bush un 1945 yılındaki Memex vizyonuna dayanmaktadır. Bush, Memory Extender adını verdiği varsayımsal bir cihaz yardımıyla bireyin duyduğu, konuştuğu, gördüğü ve okuduğu her enformasyonun otomatik olarak kaydedilmesini ve bütün bu enformasyonu birbiriyle ilişkilendirerek kolayca erişilmesini sağlayacak bir model önerisinde bulunmuştur (Bush, 1945). Steve Mann ın giyilebilir bilgisayarlar alanındaki 80 lerdeki öncü çalışmaları ve 90 larda MIT Media laboratuvarındaki araştırmalar ile giyilebilir algılayıcılar yardımıyla bireyin gördüğü ve duyduğu her şeyin kaydedilmesi düşüncesi gerçeğe dönüşmeye başlamıştır (Mann, 2004) lerin başında Gordon Bell, MyLifeBits projesi ile gördüğü, duyduğu ve okuduğu bütün veri ve enformasyon ile bilgisayar ortamında gerçekleştirdiği her işlemi yıllarca tekrar erişilebilir biçimde kaydedebilmiştir (Gemmell vd., 2002) de DARPA tarafından başlatılan Life-Log Projesi gelen tepkiler üzerine durdurulmuştur (DARPA, 2003). Aynı dönemde Aizawa çok sayıda algılayıcıdan sürekli olarak aynı anda veri yakalama deneyleri gerçekleştirmiştir (Aizawa vd., 2004). Microsoft un geliştirdiği ve 2005 yılında akademik araştırmalar için kullanıma sunduğu, 30 saniyede bir

2 görüntü yakalayan ve bu görüntüleri konum, ısı, hız ve ışık düzeyi gibi algılayıcılardan gelen verilerle etiketleyen SenseCam kamerası yaşam günlüğü araştırmalarının yaygınlaşmasını sağlamış ve karşılaştırılabilir deneysel çalışmalar yapılmıştır (Hodges vd., 2006). Günümüzde yaşam günlüğü giderek giderek artan sayıdaki algılayıcı ile elde edilen kişisel büyük verinin anlamlandırılmasına odaklanmaktadır (Gurrin vd., 2014). Günümüzde bireyin deneyimlerinin yakalanmasıyla ilgili olarak literatürde birbirine yakın üç kavramla karşılaşılmaktadır: Yaşam günlüğü, kişisel bilişim ve sayısallaştırılmış-öz. Yaşam günlüğünün yaygın kabul gören tanımlarından birini Dodge ve Kitchin yapmıştır: Yaşam günlüğü, bireyin bütün deneyimlerini birleştirilmiş sayısal bir kayıt haline getirmek amacıyla sayısal algılayıcılar yardımıyla çoklu tipte yakalayacak ve bir kişisel çoklu ortam arşivinde kalıcı biçimde saklayacak biçimde tasarlanmış bir yaygın bilgiişlem türüdür (Dodge ve Kitchin, 2007). Sayısallaştırılmış-öz kavramı ise bireyin kendisine ait biyolojik, fiziksel, davranışsal ve çevresel her hangi bir tür enformasyonun kendisi tarafından izlenmesidir (Swan, 2013). Sayısallaştırılmış öz aynı zamanda kendi kendini izleyenlerin oluşturduğu topluluğun adını ifade etmektedir. Li ve arkadaşları bu kavramı kişisel bilişim olarak yeniden tanımlamıştır: Kişisel bilişim bireylerin kendi davranışlarını daha iyi anlamaları amacıyla kişisel verilerinin toplanması ve yayınlanmasına olanak sağlayan sistemlerin sınıfıdır. (Li vd., 2011). Bu tanımlar arasında belirgin ayrımlar olmasa da yaşam günlüğü alanındaki çalışmalarda Sellen ve Whittaker in vurguladıkları ve 5R ile ifade edilen yararlar öne çıkmaktadır (Sellen ve Whittaker, 2010): Anımsamak: Belirli yaşam deneyimlerini zihinsel olarak tekrar yaşayabilmek. Örneğin, kaybolan bir nesnenin yerini hatırlamak. Anıları Canlandırmak: Geçmiş deneyimlere ait duygusal ve manevi anıları tekrar yaşamak. Örneğin, fotoğraf albümlerine bakmak. Erişmek: Üzerinden yıllar geçmiş özel sayısal enformasyonu tekrar geri getirmek. Örneğin, Belgeler, e-postalar ve Web sayfaları. Yansıtmak (kendini tanımak): Geçmiş deneyimleri gözden geçirmek bireyin davranışlarında zamanla oluşan örüntülerin bireyin kendisi tarafından keşfedilmesini sağlar. Niyetleri Anımsamak: Bireyin yaşamındaki olası olayları anımsamak. Yaşam günlüğünde anımsama nın özel bir yeri bulunmaktadır. Tulving e göre zamanın akışının geriye çevrilememesi gerçeğinin bir istisnası bireyin geçmişte olanları anımsama yeteneğidir. Birey bugün, dün olan bir şeyi düşündüğünde aslında zihinsel bir zaman yolculuğu gerçekleştirmiş olur (Tulving, 2002). Yaşam günlüğü 5R ile ifade edilen faydaların hepsine odaklanırken kişisel bilişim ya da sayısallaştırılmış-öz yaklaşımlarında bireyin belirli bir alandaki davranışlarındaki ve özelliklerindeki değişimin belirlenmesi ve görüntülenmesi (yansıtma) önem kazanmaktadır Yaşam Günlüğü Algılayıcıları Mann tasarladığı giyilebilir kamera ve ekran içeren gözlükler yardımıyla 1994 yılından itibaren tüm yaşamını inernette canlı olarak yayınlamaya başlamıştır (Wikipedia, 2014). Gordon Bell MyLifeBits projesinde dinlediği radyo yayınlarını, seyrettiği televizon programlarını, gezindiği internet sayfalarını, konuşmalarını, yazdığı metinleri, internette izlediği görüntü, video ve müzikleri, internette eriştiği radyo ve televizyon yayınlarını, bilgisayar uygulamalarına ait belgelerini, e-postalarını, akıllı telefon içeriğini, tam zamanlı bir ekibin yardımıyla yıllarca kaydedebilmiştir (Gemmell vd., 2002). Aizawa 2003 yılında mikrofon, kamera, hız algılayıcısı, jiroskop, GPS ve beyin dalgası çözümleyicisi içeren giyilebilir bir bilgisayar yardımıyla kaydettiği videoları daha sonra erişim sağlamasını kolaylaştıran çok sayıda algılayıcı verisiyle etiketleyebilmiştir (Hori ve Aizawa, 2003; Aizawa vd., 2004). Yaşam günlüğü uygulamalarında yaşam deneyimi verileri, bireyin üzerinde taşıdığı ya da çevresinde bulunan algılayıcılardan, bireyin bir müdahalesi olmadan elde edilir. Yaşam günlüğü verilerinin kaynakları her geçen gün daha da çeşitlenmektedir. (Gurrin vd., 2014): Pasif görüntü yakalama (Görüntü ve video kaydedebilen Giyilebilir kameralar, video kameralar, gözlükler) Kişisel biyometrikler (Adım sayan, mesafe ölçen, uyku süresi ve kalitesini izleyen bileklikler) Mobil cihaz bağlamları (GPS, hız, ışık, görüntü, ses, WiFi, baz istasyonu ve Bluetooth vb. algılayıcılar içeren akıllı telefonlar ve tabletler) İletişim etkinlikleri (SMS, anlık sohbet, e-posta, telefon görüşmesi, sosyal medya akışları vb.) Veri oluşturma/erişim etkinlikleri (Masaüstü, dizüstü, tablet ve akıllı telefon ekranlarında gerçekleştirilen etkinlikler, web geçmişleri, çalıştırılan uygulamalar, klavye, fare ve dokunma işlemlerini ve ekran görüntülerini kaydetme, vb.) Aktif olarak yakalanan yaşam etkinlikleri (Blog yazma, sosyal ağlarda durum güncelleme, video ya da fotoğraf yükleme vb. Yaşam günlüğü olup olmadığı tartışılmaktadır.) Çevresel bağlamlar ve medya (Akıllı evlerdeki algılayıcılar, hareket ve basınç algılayıcıları, elektrik-gaz-su kullanımı izleyicileri, ev içerisinde sürekli video ve ses kaydedilmesi vb.)

3 Pasif ses yakalama (Ses kayıtları yardımıyla konum, etkinlik türü ve kişileri belirleme) Çapraz kategori algılama araçları (Özellikle akıllı telefonlardaki çok sayıda algılayıcının birlikte kullanımı ile yeni veri türlerinin elde edilmesi) Başarım izleme araçları (Kalp atışı, kalp grafiği, galvanik cilt tepkisi, cilt ısısı, vücut hareketleri, vücut pozisyonu vb.) Rawassizadeh (2012) yaşam günlüğü algılayıcılarını farklı biçimde sınıflandırmıştır: Yine de bunun kesin bir ayrım olmadığını, algılayıcıların birden fazla grupta yer alabileceğini belirtmiştir. Örneğin Hava Durumu algılayıcısına ait veri masaüstünden erişilen bir web hizmetinden, duvardaki bir termometreden ya da kullanıcının saatinde gömülü algılayıcıdan yakalanıyor olabilir. Masaüstü algılayıcıları (bilgisayarda gerçekleştirilen etkinliklerin yakalanması) Mobil algılayıcılar (taşınabilir cihazdaki etkinlikleri, fiziksel konum, pozisyon ve hareketlerini, çevresel verileri, sosyal etkileşim verilerini (çevredeki diğer kişileri), ses, görüntü ve video içeriğini yakalayan algılayıcılar, giyilebilir biyoalgılayıcılar) Çevresel (ya da yakınlık) algılayıcılar (çevreye ait verileri yakalayan ve bireyin çevresine dağılmış olan sabit algılayıcılar) Yaşam günlüğü sistemlerinde sistem kapsamındaki cihazlardaki algılayıcılardan elde edilen günlük verileri içerik günlüğü ve bağlam günlüğü olarak iki gruba ayrılmaktadır. Yaşam deneyimine ait içerik verileri ses, görüntü ve video olarak yakalanırken, deneyime eşlik eden zaman, yer, kişiler vb. diğer veriler içerik verilerini anlamlandırmakta kullanılan bağlam günlüğü verileri olarak adlandırılırlar. Bağlam günlükleri günlük yaşamda gerçekleştirilen bir etkinliği belirlemede ve anlamlandırmada yardımcı olurlar (Kikhia, 2014) Algılayıcılardan Bağlam Verisi Elde Etmek Algılayıcı verilerinden bağlam elde etmek için üç farklı yöntemden yararlanılır. Birincisi algılayıcı verisini bağlam olarak doğrudan kullanmaktır. Örneğin ısıölçer algılayıcısından t anında ölçülen santigrat cinsinden sıcaklık değeri doğrudan o ana ait sıcaklık bağlamı olarak kullanılabilir. Bazı durumlarda ölçüm değerlerinin kullanıcı için anlamlı hale getirmek amacıyla işlem görmesi gerekir. Bu işlemler yaşam günlüğü sistemi içerisinde yapılabileceği gibi dışarıdan da yardım alınabilir. Örneğin GPS algılayıcısından gelen enlem, boylam ve yükseklik verilerinin bir harita web hizmetine gönderilmesi sonucunda web hizmetinden bir haritanın ya da okunaklı bir adresin dönmesi sağlanabilir. Daha anlamlı bir bağlam verisi elde etmek için yaşam günlüğü sistemi içerisinde eşleştirme yapılarak ilgili adresin ev ya da iş yerine ait olduğu bilgisi gerekebilir. Bazı durumlarda birden fazla algılayıcıdan gelen veri aynı anda kullanılarak üst düzey yeni algılayıcılar oluşturulabilir. Bu işleme algılayıcı füzyonu, elde edilen üst düzey algılayıcılara ise sanal algılayıcılar adı verilir. Örneğin GPS algılayıcısının çalışmadığı bina içi ortamlarda baz istasyonu, WiFi ve Bluetooth algılayıcılarından yararlanarak konum belirleme işlemi gerçekleştirilebilir. Etkinlik ve olay tanımlama gibi üst düzey işlemlerde ise çok sayıda algılayıcıdan gelen veri birlikte işlenerek olaylarda ya da etkinliklerde farklılıkların ve benzerliklerin aranması gerekebilir (Qiu, 2013). Bilgisayar tarafından anlamlandırılan bir olay ile bireyin o olaya verdiği anlam arasındaki farka semantik açıklık adı verilir. Örneğin GPS koordinatları ham algılayıcı verisidir. Bu koordinatların bir harita web hizmetinden yararlanılarak okunaklı adres bilgisine dönüştürülmesi ile algılayıcı verisine anlam kazandırılmış olmaktadır. Eğer o adres bireyin çocuğunun okulunun adresi ise adres enformasyonu ile çocuğun okulu enformasyonu arasındaki farklılık semantik açıklıktır (Wang, 2012) Bildirinin Amacı ve Yapısı Bu çalışmada yaşam günlüğü sistemleri ile yakalanan algılayıcı verilerinden elde edilen bağlamların depolanması, düzenlenmesi, yaşam deneyimleriyle ilişkilendirilmesi ve erişilmesi için bir bağlam modeli tasarlanacaktır. Bu amaçla yaşam günlüğü alanında bağlam kavramını gelişimi, bağlam tanımları ve bağlam modelleri incelenmiştir. Ardından yaşam deneyimleri için uyarlanmış bir bağlam modeli önerisinde bulunulmuştur. Önerilen modele ilişkin önceki deneyimlerden de yararlanarak işleyiş ve uygulama önerilerinde bulunulmuştur. Sonuç ve öneriler bölümünde elde model ve işleyişi değerlendirilmiş, gelecek için önerilerde bulunulmuştur. 2. Deneyimlere Ait Bağlamlar Bağlam kavramı 1960 larda bilgisayar bilimlerinin ilgi alanına girmiştir ve bilgisayarların çevreden elde ettikleri enformasyona dayalı olarak çevreyi algılayabilecekleri, tepki gösterebilecekleri ve işlevselliklerini uyarlayabilecekleri düşüncesine göndermede bulunur. Bu doğrultuda, bağlam enformasyonunu yakalayan ve çıkarsamada bulunarak kendisini uyarlayan bilgi işlem sistemlerini ifade etmek amacıyla bağlam farkındalığı terimi ilk kez yaygın bilgi işlem alanında ortaya atılmıştır (Lee vd., 2011).

4 Bağlam ve bağlam farkındalıklı sistemlerin çok geniş bir uygulama alanı bulunmaktadır. Bu çalışmada yaşam günlüğü ile yakalanan yaşam deneyimlerine ait bağlamlara odaklanılacağı için sadece yaşam günlüğü literatüründe yeralan bağlam tartışmalarına yer verilecektir Bağlam Tanımları Bağlam terimi için sık başvuru yapılan bir tanım Dey (2001) tarafından yapılmıştır: 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. Bu tanımı yaşam günlüğü alanına uyarlarsak, uygulama yaşam günlüğü uygulaması, kullanıcı ise yaşam günlükçüsü olmaktadır. Yaşam günlüğü sisteminin görevi yaşam günlükçüsüne ait yaşam deneyimlerini pasif bir biçimde yakalamaktır. Bu durumda, yaşam günlüğü sistemi yaşam günlükçüsünün yaşam deneyimlerini meydana getiren günlük yaşam etkinlikleriyle ve yaşadığı olaylarla etkileşim içindedir ve bağlam bir yaşam deneyimini anlamlandırmak için etkinliklere ve olaylara o anda eşlik eden, deneyimle ilişkili olan ve yakalanabilen enformasyondur. Bu enformasyonun ses, görüntü ve video biçimindeki bölümü içerik günlüğü olarak kullanılırken, yakalanan konum, kişi, zaman, hız, ışık, ısı vb. diğer veriler bağlam günlüğü olarak kullanılır. Bazı durumlarda içerik verisinden de bağlam verisi elde edilebilir. Örneğin, yakalanan görüntü ve ses kayıtlarından ses ve yüz tanıma ile kişileri belirleme gibi. Bağlamlar içeriğe anlam katmak amacıyla kullanılırlar. İçeriğin anlamı içerisinde yeraldığı bağlama göre değişiklik gösterebilir. Bu durum, eğer daha sonra bir anlam arayışına girilecekse, içerik ve bağlamın birlikte yakalanmasını ve kaydedilmesini gerektirir Yaşam Günlüğünde Bağlam Kavramının Gelişimi Yaşam günlüğü alanında bağlamları ilk araştıranlardan birisi olan Aizawa, yaşam günlüğü içeriğine içerik tabanlı olarak erişmenin zorluğu nedeniyle bağlamların önem kazandığını, içeriğin bağlamlarla etiketlenmesi durumunda içeriğe daha kolay erişilebileceğini ileri sürmüştür (Aizawa ve Hori, 2005). Ayrıca bir deneyimin bağlamını hatırlamak deneyimin ayrıntılarını hatırlamaktan kolaydır. Deneyime ait enformasyonu indekslemek için bağlamlar değerli anahtarlar sunar. Böylece bir güne ait videonun belirli bir yerde ve zamanda çekilen bölümüne erişmek için videonun zaman ve konum verisiyle etiketlenmiş olması süreci kolaylaştıracaktır (Aizawa, 2005). Bağlam ve içerik günlükleri verisinin temel kaynağı algılayıcılardır. Bazı durumlarda algılayıcılardan elde edilen ısı, konum, hız vb. ham veriler bağlam olarak olduğu gibi kullanılabilirken, çoğu durumda algılayıcılardan gelen ham veriler istatistiksel işlemlere tutularak bir ve birden fazla yeni bağlam elde edilir. Örneğin insan vücudunun çeşitli noktalarına yerleştirilen üç eksenli hareket algılayıcılarından elde edilen verilerden istatistiksel yöntemlerle özellikler çıkartılmakta ve bu özellikler çözümlenerek bireyin vücut pozisyonu yüzde 90 ın üzerinde bir başarıyla doğru tahmin edilebilmektedir (Cleland vd., 2013). Yaşam günlüğü için bağlamları sınıflandırmaya yönelik ilk deneme Hori ve Aizawa tarafından gerçekleştirilmiştir. Bağlamlar öznel bağlamlar ve nesnel bağlamlar olarak ikiye ayrılır. Öznel bağlamlar kullanıcının hislerini, duygu durumlarını ya da duygulanımlarını ifade ederler. Örneğin ilgimi çekti ya da heyecanlandım gibi. Kalp atışı sayısı, cilt iletkenliği, beyin dalgaları gibi verilerle öznel bağlamlara ait nesnel veriler elde edilebilmektedir. Nesnel bağlamlar ise kullanıcının nerede olduğunu, ne yaptığını, zamanı, çevredeki kişileri ya da hava durumu gibi verileri ifade ederler. Kullanıcı notları genellikle öznel bağlamlar olarak ele alınırlar (Hori ve Aizawa, 2003; Aizawa vd., 2004). Tancharoen ve Aizawa (2004) yaşam günlüğü verisinin içerik, bağlam ve kavram olarak üç bileşenden oluştuğunu öne sürmüşlerdir. Görsel-işitsel veriler içeriği oluştururken, diğer algılayıcılardan gelen ve üzerinde işlem gerçekleştirilen veriler bağlamları oluşturmaktadırlar. Kavramlar ise bağlamların işlenmesiyle elde edilen enformasyondur. Örneğin, görüntü işleme ile tanımlanan içerisi ya da dışarısı gibi kavramlar, ses çözümlemeyle elde edilen sessiz ya da gürültülü gibi kavramlar. Nack e (2005) göre deneyim esnasında yakalanan malzeme bütünüyle dışsal bağlamdır ve içsel bağlamı içermez. Bireylerin daha önceki deneyimleri farklı olduğu için aynı deneyime yönelik yorumları ve değerlendirmeleri farklı olacaktır. Bu nedenle içsel bağlam bireyler arasında farklılık gösterir. Yaşam günlüğü tarafından yakalanan ve kaydedilen içerik ve bağlam verisi kullanılarak, deneyimlere içerik tabanlı ya da bağlam tabanlı olarak erişmek mümkün olur. Örneğin bir videodaki konuşmaların metne dönüştürülmesi ve videonun belirli bir konuşmanın geçtiği bölüme dönüştürülmüş bu metin yardımıyla erişilmesi içerik tabanlı erişmeye örnek verilebilir. Eğer video kaydedilirken o anda videoya kaydedilen kişilerin başka bir algılayıcıyla algılanarak, videonun kişi bağlamıyla etiketlenmesi ve belirli bir kişinin

5 bulunduğu sahnelere erişilmesi ise bağlam tabanlı erişmeye örnektir (Tancharoen vd., 2005) lerin ilk yarısındaki yaşam günlüğü araştırmalarında bağlam verisi için genellikle hız, ses ve konum algılayıcılarından yararlanılmıştır. Doherty vd. (2007) SenseCam ile yakalanan yaşam günlüğü görüntülerini aynı anda yakalanan ışık düzeyi ve hız bağlamlarından yararlanarak günlük olayları birbirinden ayırt etmeyi başarmışlardır. Hız algılayıcısı kullanıcının yeni bir yere hareket ettiğini, görüntü ve ışık algılayıcısı ise aynı konumdaki etkinlikleri belirlemekte yararlı olmuştur. Bu çalışmada bağlam kavramına yer vermeden algılayıcılardan gelen veriyi yaşanan olayları birbirinden görüntüleri ayırmak amacıyla kullanmışlardır. Bu çalışmalarda bireylerin araba sürmek, bilgisayarda çalışmak, açık havada bulunmak, vb. günde arası farklı olay/etkinlik yaşadıkları ortaya çıkmıştır. Yaşam günlüğü için SenseCam kullanılan diğer bir araştırmada SenseCam görüntülerinin otomatik olarak olaylar halinde bölümlenmesi amacıyla Bluetooth ve GPS bağlamlarından yararlanılmıştır. Böylece konum belirleme ve benzer olaylara erişmek mümkün olmuştur (Byrne vd., 2007). Böylece daha önceki bir çalışmada (Doherty, 2007) düşük seviyeli görüntü özellikleri, ışık düzeyi ve hız algılayıcısı ile gerçekleştirilen ayırma işleminin yanısıra Bluetooth ve GPS kullanılarak benzer olaylar belirlenebilmiştir. Olayları birbirinden ayırma ve olayların geçmişteki olaylar arasındaki benzerlerini bulma süreci bireyin yaşam olaylarının anlamlı biçime etiketlenmesine olanak sağlamaktadır (Byrne vd., 2007). Datchakorn vd. (2007) Aizawa nın Lifelog, Doherty nin SenseCam ve Bell in MyLifeBits yaklaşımlarını birleştirmişler ve bağlamlar aracılığıyla video, görüntü ve belge indekslemişlerdir. Bazı araştırmalarda bağlam kavramına yermeden bunun yerine üst veri kavramı kullanılmıştır. Prananto vd. (2007) üstveri kavramıyla beş katmanlı bağlam yapısı tanımlamışlardır. Bağlamlar çok katmanlı meta veri yapısı halinde yer, zaman, eylem, nesne, ortam ve kişi olarak sınıflandırılmıştır. Katmanlar ham veri katmanı, otomatik açıklama katmanı, basit katman, birleşik katman ve son olarak ta kişiselleştirilmiş katman şeklinde basit veriden anlamlı veriye doğru ardışık yapıda yükselmektedir. Lee ve Cho (2007) mobil telefonları kullanarak elde edilen günlük verilerinden anlamlı bağlamlar elde etmek amacıyla KeyGraph isimli veri madenciliği yöntemini kullanmışlardır. Bu yapıda önce GPS, arama, SMS, Şarj durumu, müzik dinleme, fotoğraf çekme, fotoğraf görüntüleme ve hava durumu durumları algılanmakta, ön işlemden geçirilerek bağlamlar elde edilmekte, bağlamlar üzerinde Bayes Ağ Girişimi ile olayların dönüm noktaları belirlenmekte, hem bağlamlar hem de dönüm noktaları üzerinde veri madenciliği gerçekleştirilerek anlamlı bağlamlar elde edilmektedir. Kim vd. (2007) üstveri kavramı kullanarak bağlamları elde etmek için dört düzeyden oluşan hiyerarşik algılayıcı füzyon sürecini tasarlamışlardır. Buna göre algılayıcı düzeyinde algılayıcılara ait günlük verileri işlenmekte, elde edilen verilerden etkinlik öğesi düzeyinde etkinlik öğeleri elde edilmekte, üst veri düzeyinde etkinlik öğelerine üst veriler eklenmekte, son aşama olan yüksek etkinlik düzeyinde ise etkinlikler belirlenmiş olmaktadır. Algılayıcı füzyonuna örnek olarak mikrofon ve GPS den gelen verilerle Pozisyon: Dışarısı bağlamı elde edilebildiği gibi, mikrofon, kamera ve RFID verilerinin topluca değerlendirilmesiyle Nesne: Kişi bağlamı elde edilebilmektedir. Bu çalışmada üst veri olarak Zaman, Konum, Etkinlik, Nesne, Eylem, Kişi, Çevre, Cinsiyet ve Yaş alanlarına yer verilmiştir. Yaşam günlüğü verileri çevrede bulunan akıllı aygıtlardan toplandığı için nesneler ve işlevleri hakkında daha zengin veri elde edilebilmektedir. Hien vd. (2009) algılayıcı, kanal, zaman, olay ve politika soyut sınıfları ve bunlara ait önceden tanımlanmış ve genişletilmiş alt sınıflar üzerinde bir yaşam günlüğü ontoloji modelini tasarlamışlardır. Algılayıcı sınıfı GPS, hız algılayıcısı, takvim uygulaması vb. enformasyon kaynaklarını gösterirken, kanal sınıfı kullanıcıyla ilgili adres, arama sözcüğü, kişi vb. yaşam günlüğü enformasyonunu içermektedir. Zaman sınıfı saat, takvim, zaman noktası, zaman aralığı vb. zaman özelliklerini içermektedir. Olay sınıfı ise diğer üç sınıftan yararlanarak güncel yaşam günlüğünü barındırmaktadır. Politika sınıfı ise yaşam günlüğü verilerinin yayınlanmasıyla ilgili kuralları yönetir. MemoryLane modeli algılayıcılardan gelen ve zaman verisiyle etiketlenen içerik ve bağlam günlüklerinin bilinen değerler ile anonim değerler olarak ayrı ayrı işlenerek, anonim değerlerin miktarını azaltıp bilenen değerlerin miktarını çoğaltacak bir öğrenme alt sistemini içermektedir. Sistem bilinen bağlam ve içeriklere dayalı arama ve erişme işlemleriyle kullanıcıya hizmet sunmaktadır (Kikhia vd., 2010). Lee vd. (2009) LifeLogOn isimli bir yaşam günlüğü ontolojisi modeli önermişlerdir. Bu modele dayalı olarak dört araç ve bir bilgi tabanından oluşan bir sistem geliştirmişlerdir: Ontoloji şeması tanımlama aracı; aynı ekibin geliştirdiği varlık-olay modeline dayalı bir ontoloji oluşturma yaklaşımını içermektedir. Bu modelde yaşam günlüğünün bütününü modelleyebilecek varlıklar ve olaylar tanımlanabilmektedir. Bir varlık (örneğin şarkı, kişi, yer, zaman etiketi vb.) bir dizi nitelik-değer çiftiyle ifade edilebilir. Örneğin Yesterday şarkısı, {türü:

6 Rock, sanatçı: Beatles, albümü: Yesterday and Today, } nitelik çiftleriyle gösterilebilir. Aynı şekilde Müzik Dinleme olayı da {TarafındanDinlendi: S. K. Lee, KonumdaDinlendi: At Home, ZamanEtiketi: 19:01:44, }.nitelik çiftlerine sahip olabilir. Kullanıcılar herhangi bir ontoloji dili bilmelerine gerek kalmadan ontoloji şemasını tanımlayabilmektedirler. Kullanıcı değişik alanlar (domain) için değişik ontoloji şemaları tanımlayarak saklayabilir. Günlükle ontolojiyi eşleştirme aracı: Bu araç ilişkisel veri tabanında tutulan güncel günlük verilerinin ontoloji şemasıyla eşleştirilmesini sağlar. Örnek düzeyinde ontoloji üretme aracı: Bu araçla kullanıcı bir eşleştirme profili seçerek bu eşleştirmeye ait bir örneklendirme işlemi başlatır. Örnekleme işlemi ontoloji şemasına uygun olarak veritabanındaki günlük verilerinden üçlüler elde eder ve sistemin kişisel bilgi tabanında saklar. Görselleştirme ve arama aracı: Kişisel bilgi tabanındaki üçlüleri varlıklar olaylar çizgesini oluşturmak için kullanır. Oluşan çizge günlük verisi büyüklüğüne bağlı olarak çok karmaşık olabilmektedir. Kullanıcı bu çizge üzerinde arama aracı ile yaşam deneyimlerine erişebilir. Lee vd. izleyen dönemde varlık-olay yaşam günlüğü ontoloji modelini ayrıntılandırmışlar (Lee vd., 2010a) ve sistemlerine yaşam günlüğü ontoloji örneklerinden semantik kavramların elde edilmesini sağlayacak bir yaşam günlüğü özetleme ve soyutlama aracı eklemişlerdir (Lee vd., 2010b). Oh ve Chao (2010) etkinlik kuramında yararlanarak yaşam günlüğü semantik ağ modelini geliştirmişlerdir. Bu modelde etkinlik, kişisel bağlam, görev bağlamı, yer-zaman bağlamı, çevre bağlamı ve sosyal bağlamlarını kategori, eylem, kullanıcı, işlev, yer, tarih ve saat, içerik düğümleriyle eşleştirerek günlük verisine ait bir semantik ağ oluşturmuşlardır. Min vd. (2009) e-posta, telefon araması, mesajlaşma, kredi kartı, görüntü, video ve ses olaylarına ait MyMemex Olay Ontolojisi adını verdikleri bir ontoloji modeli tasarlamışlardır. Model önceden tanımlı yedi olay ve bu olaylara ait önceden tanımlı nitelikler üzerinde kurulu olduğu için kapalı bir sistemdir. Wang (2012) yaşam günlüğü olaylarının semantik yorumlanmasını sağlayan; medya katmanı, bağlam katmanı ve semantik katmandan oluşan bir model önermiştir. Medya katmanı algılayıcı verilerini ve içerik verilerini içermektedir. Bağlam katmanında olaylara ait kim, ne, nerede ve ne zaman sorularının yanıtlarını oluşturan bağlam verileri elde edilmektedir. Semantik katmanda ise yaşam günlüğü verilerinin semantik anlamları ifade edilmektedir. Nesneler, etkinlikler olay konuları ve ilişkilere ait semantikler gibi kavram semantikleri bu katmanda yeralır. Wang modelinde yeralan yaşam günlüğü olay ontolojisinde şu bağlamlara yer vermiştir: yer, zaman, aktör, katılımcı, görüntü, olayın metinsel açıklaması. Mohamed (2013) bir yaşam günlüğü sisteminde kullanıcının yaşam günlüğünü taramasıyla dokuz farklı türdeki olguyu anımsadığını belirlemiştir: yerler, niyetler, düşünceler, zaman, eylemler, fiziksel durum, görüşmeler, bildirimler ve duygusal durumlar. Pavel vd. (2012) bağlamları fiziksel/uzaysal, sosyal, duygusal, zihinsel, etkinlik, müsait olma ve çevresel bağlamlar olarak yedi boyutta incelemişlerdir. Fiziksel/uzaysal, sosyal, etkinlik ve çevresel bağlamlar önceki araştırmalarda da ele alınan tanıdık bağlamlardır. Zihinsel bağlam bireyin zihinsel süreçlerine odaklanmakta ve bireyin üzerinde çalıştığı konular, çalışma yoğunluğu, kullanılan uygulamalar, web etkinlikleri, tuş vuruşlarından anahtar sözcükleri yakalama ve ekran görüntüsü yakalama ile derlenebilmektedir. Duygusal bağlam ECG, kalp atışı düzeyi, tuş vuruşlarından sözcük filtreleme, e-posta içeriği ve kullanıcının kendisinin belirlediği duygu durumu gibi verilerden derlenmektedir. Müsait olma durumu ise takvim vb. araçlarla bireyin müsait olması, çevredeki insanların varlığı, şarj durumu, sinyal durumu vb. verilerden elde edilir. Yakın zamanlarda kullanıcının neredeyse hiç veri girmesine gerek kalmadan kullanıcının günlük olaylarını başarıyla tanımlayan ve anlatılar biçiminde öykülendiren bir yaşam günlüğü sistemi geliştiren Qiu (2013) sisteminde kişisel, zaman, konum, etkinlik, sosyal ve çevresel bağlamlarına yer vermiştir. Yaşam günlüğü araştırmalarında algılayıcılardan elde edilen bağlam verileri kullanılarak günlük yaşam olaylarının/etkinliklerinin otomatik olarak belirlenmesine ağırlık verilir. Bu süreçte olayların birbirinden ayrılması bağlamlardaki değişimlerle belirlenmekte olduğu için her olay boyunca bağlamda önemli bir değişme olmadığı varsayılır. Qiu yaşam günlüğü araştırmalarında neden olay? sorusuna şu yanıtları verir: a) Olay insan belleği için doğal birimdir. b) Olay birimi yaşam günlüğü verisi yönetimi için mantıklı bir seçimdir. c) Bir olay boyunca bağlamlarda başlıca bir değişiklik gerçekleşmez. Qiu vd. (2012) SenseSeer adını verdikleri sistemde fiziksel algılayıcılardan sanal algılayıcıların elde edildiği, oradan da semantik bağlamların elde edildiği bir süreç tanımlamışlardır. Buna göre fiziksel algılayıcılar (GPS, baz istasyonu, WiFi, Bluetooth, hız ölçer, pusula, ekran durumu, telefon araması, SMS, manyetik, sıcaklık, fotoğraf; sanal algılayıcılar hava durumu hizmeti, konum, etkinlikler, zaman, ilişkiler, çevre; semantik bağlamlar ise konum bağlam, etkinlik bağlamı, zaman bağlamı, çevre bağlamı ve sosyal bağlam. Örneğin, zaman sanal algılayıcısı bütün fiziksel algılayıcılardan veri almakta ve bütün semantik bağlamlara veri vermektedir. Konum sanal algılayıcısı

7 GPS, baz istasyonu, WiFi, Bluetooth fiziksel algılayıcılarından veri almakta ve konum bağlamı ile çevre bağlamını elde etmek için kullanılmaktadır. SemanticLogger ve SemanticLife gibi yaşam günlüğü sistemleri semantik teknolojilerinden (RDF, OWL vb.) yararlanmışlardır. SematicLife bir açık kaynak projesi olarak tasarlanmış ve bireyin sahip olduğu enformasyonu XML formatında veriler halinde saklayacak bir olay yakalayıcısını barındırmaktadır (Ahmed vd., 2004). SemanticLogger ise günlükleri RDF formatında saklamakta ve saklanmış verinin yönetimine destek vermektedir (Tuffield vd., 2006). 3. Yaşam Deneyimleri İçin Bir Bağlam Modeli Önerisi Bağlam araştırmaları genel olarak bağlam duyarlı sistemler adıyla ele alınmaktadır ve sadece insanlar için değil, canlı-cansız diğer varlıklar için giyilebilir teknolojiler ve nesnelerin interneti gibi teknolojiler kullanılarak, akıllı evler ve çalışma mekanları, akıllı araçlar, akıllı çevre vb. ortamlarda olmak üzere çok geniş bir uygulama alanına sahiptir. 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 (OED2, 1989). 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 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 bireyin yaşamında daha önce farketmediği ilişkileri hatırlamasına yardım ettiği görülmüştür (Mutlu, 2013b). Mutlu daha sonra bu modeli kişisel bilgi çalışması ortamlarındaki deneyimlerin yönetimi ve kişisel araştırma ortamındaki bilgi çalışması deneyimlerinin yönetimi amacıyla kullanmıştır (Mutlu, 2014a; Kayabaş ve Mutlu, 2014a). Temel varsayımlardaki farklılıklar: 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/olay dan 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 (1983) e göre epizodik olaylar bir olayın gerçekleştiği yer, olay esnasında mevcut olan kişiler, olay öncesinde, esnasında ve sonrasında neler olduğu gibi enformasyonu içerirler. 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 (Mutlu, 2014c). Öykü: Öyküler yaşam günlüğü kayıtlarının anlamlı bir biçimdeki özetleridir (Byrne vd., 2011). 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 (Mutlu, 2014c) Modelin Yapısı Varolan modeller bağlam verisi yakalama ve çıkarım yapma teknolojilerine sıkı sıkıya bağlı oldukları için insan anlayışına göre düşük seviyede sonuçlar üretmektedirler. Model geliştirilirken yol göstermesi açısından şu soruya yanıt aranacaktır: Eğer

8 deneyimlerimize ait içerik ve bağlam verisi yakalama ve bu verilerden anlamlı hiyerarşik ontolojiler oluşturma yeteneğine sahip gelişmiş bir yapay zekamız 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. Bu çalışmada oluşturulacak model ise yapılandırılmamış ya da yarı yapılandırılmış bir yaşam günlüğü sistemi üzerinde inşa edilecektir ve oluşturmaya 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, 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. Kişi bağlamı için 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 (Google, 2014) 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. 1967'de psikiyatrist Thomas Holmes ve Richard Rahe stresin hastalıklar üzerindeki etkisini belirlemek amacıyla bir araştırma yapmışlar ve

9 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 (Holmes ve Rahe, 1967). 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 (Tausing, 1982). 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 (bedenselfiziksel) 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 etkinlikleri 17 ana başlık, 91 alt başlık, 445 üçüncü düzey başlık altında toplanmıştır (ATUS, 2013). Benzer şekilde Kanada toplumunun günlük etkinlikleri 10, 24 ve 177 etkinlik olmak üzere üç katmandan oluşan bir hiyerarşide toplanmıştır (GSS, 2010). 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 (1998) daki Kültür bağlamı boyutuna bakılabilir. 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 (Conway, 1990). 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 (EARL, 2014). 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 (Mutlu, 2012; Mutlu, 2013a). Daha sonra yapılan literatür araştırmalarında 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 (Spradley, 1980). 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

10 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 Antalya 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 düzenlenirler. 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 yapı. Bağlam ontolojisi: Bağlam ağaçlarının oluşturduğu küme. 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 kümesi. Genellikle içerik olarak görüntü, video ve ses kayıtlarından yararlanılır. Diğer taraftan örneğin projenin ana konusu bireylerse, bireyler içerik, diğer veriler bağlam olarak ele alınabilir.

11 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). 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 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 (2012) bu işlemi zaman boyutu için ayrıntılandırmıştır. 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 (Ahmed vd., 2004). SemantcLife 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 (Qiu, 2013) 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 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

12 kategorilerinden yararlanılabilir. Bu amaçla Mutlu (2013a) da 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 (2014b) nun iki ay süreyle yaşam günlüğü ile yakalamış olduğu kişisel medya ve eğlence ortamındaki deneyimlerine eşlik eden bağlamları içeren ikinci düzey listeler için aşağıdaki örneği vermiştir: Kişiler (Aile üyeleri, Arkadaşlar İşyeri kişileri, Mesleki kişiler, Çevre kişileri, ) Yerler (Kişisel ortamlar, Kültürel ortamlar, Seyahat Edilen Yerler, Kurumlar ve Kuruluşlar, ) Olaylar (Festivaller, Konserler, Geziler, Tatiller, Sempozyum/Konferanslar, Özel günler, ) Davranışlar (Günlük davranışlar, Haftalık davranışlar, Aylık davranışlar, Mevsimlik davranışlar, Yıllık davranışlar, Sıra dışı davranışlar, Alışkanlıklar, ) Özellikler (Hobiler, İlgiler, Beceriler, Başarılar, Başarısızlıklar, Yeterlilikler, Yetersizlikler, ) Duygular (Kaygı/Stres yaratan deneyimler, Rahatlatıcı/Dinlendirici deneyimler, Eğlendirici deneyimler, Sıkıcı deneyimler, ) Varlıklar (Araçlar, Eserler, Sosyal medya ve Siteler, 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 zeka alanındaki gelişmelerin şu anda yaşanan deneyimlerin bağlamlarının da aynı

13 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. Kaynaklar 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). Aizawa, K. Digitizing Personal Experiences: Capture and Retrieval of Life Log. 11th International Multimedia Modelling Conference, (2005). 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). Aizawa, K. ve Hori, T. Context-based video retrieval for life-log applications. Multimedia Content and the Semantic Web, 2 6. (2005). ATUS. American Time Use Survey Activity Coding Lexicons 2013, (2013). lexiconwex2013.pdf, tarihinde erişilmiştir. Bush, V. As We May Think, Atlantic Monthly. 176(1): (1945). 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). Byrne, D., Kelliher, A. ve Jones. G.J.F., "Life editing: thirdparty perspectives on lifelog content." Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. ACM, (2011). 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). Conway, M. Autobiographical memory. Milton Keynes: Open University Press. (1990). DARPA. BAA # LifeLog proposer information pamphlet. DARPA/IPTO. (2003). lifelog.htm, tarihinde erişilmiştir. 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). Teşekkürler Bu çalışma Türkiye Bilimsel ve Teknik Araştırmalar Kurumu (TÜBİTAK) tarafından 114K579 nolu araştırma projesi kapsamında desteklenmiştir. Dey, A. K. Understanding and Using Context, Personal Ubiquitous Computing, vol. 1, no. 5, pp (2001). Dodge, M. and Kitchin, R. Outlines of a world coming into existence": Pervasive computing and the ethics of forgetting. Environment and Planning B, 34(3): (2007). 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). EARL. Humaine Earl Project. (2014) tarihinde erişilmiştir. 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). Google (2014). Places Types, developers.google.com/places/documantation/ supported_types, tarihinde erişilmiştir. GSS. General Social Survey 2010 Overview of the Time Use of Canadians, (2010) tarihinde erişilmiştir. Gurrin, C., Smeaton, A. F., ve Doherty, A. R. LifeLogging: Personal Big Data. Foundations and Trends in Information Retrieval, 8(1), (2014). 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). 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). Holmes T.H. ve Rahe R.H. "The Social Readjustment Rating Scale". J. Psychosom. Res. 11 (2): (1967). 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). 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, Paris. June 25-27, (2014).

14 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. (2014a). Kikhia, B. Remember me! Supporting Reminiscence through Digital Capture of Lifestories and Activity Recognition. Ph.D. thesis. Luleå University of Technology (2014). 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). Kim, I.-J., Ahn, S. C., ve Kim, H.-G. Personalized life log media system in ubiquitous environment. Ubiquitous Convergence Technology, (2007). Lee, S., Chang, J., ve Lee, S. G. Survey and trend analysis of context-aware systems. Information-An International Interdisciplinary Journal, 14(2), (2011). 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). 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). 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). Lee, Y. ve Cho, S-B. "Extracting meaningful contexts from mobile life log." Intelligent Data Engineering and Automated Learning-IDEAL Springer Berlin Heidelberg, (2007). Lenat, D. "The dimensions of context-space." Cycorp Report. (1998). cyccontextspace. shtml, tarihinde erişilmiştir. Li, I., Dey, A.K., Forlizzi, J.: Understanding My Data, Myself: Supporting Self-Reflection with Ubicomp Technologies. In: UbiComp 2011, pp (2011). 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). 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). Mohamed, E. S. T. Designing and evaluating a user interface for continous embedded lifelogging based on physical context. Ph.D. Thesis. Newcastle University.(2013). 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 February (2014a). 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 September (2014b). 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). 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). Mutlu, M.E. Üç Boyutlu Öğrenme Modeli ve Öğrenme Deneyimlerinin Oluşması, 22. Ulusal Eğitim Bilimleri Kurultayı, Eskişehir Osmangazi Üniversitesi, 5-7 Eylül (2013a). Mutlu, M.E. Yaşam Günlüğüne Dayalı Bir Kişisel Bilgi Tabanı Sistemi Tasarımı, İnet-Tr 2013 XVIII. Türkiye de İnternet Konferansı, İstanbul Üniversitesi, 9-11 Aralık. (2013b). Nack, F. You must remember this. Media Impact, (January-March), 4 7. (2005). OED2, Experience, The Oxford English Dictionary, Oxford University Press, 2nd Edition, (1989). 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). Pavel, D., Callaghan, V., Sepulveda, F., Gardner, M., ve Dey, A. K. The story of our lives: From sensors to stories in selfmonitoring systems th Computer Science and Electronic Engineering Conference (CEEC), (2012). 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). Qiu, Z. A lifelogging system supporting multimodal Access, Ph.D. Thesis. Dublin City University, (2013). 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). Rawassizadeh, R. A holistic multi-purpose life logging framework. Ph.D. Thesis. University of Vienna, (2012).

15 Spradley, J.P. Participant Observation. New York: Holt. Rinehart and Winston. (1980). Sellen A. J. ve Whittaker, S. Beyond Total Capture: A Constructive Critique of Lifelogging, Commun. ACM, vol. 53, no. 5, pp , (2010). Swan, M. The Quantified Self: Fundamental Disruption in Big Data Science and Biological Discovery. Big Data, 1(2), (2013). Teraoka, T. "Organization and exploration of heterogeneous personal data collected in daily life." Human-centric Computing and Information Sciences 2.1:1-15. (2012). Tancharoen, D., ve Aizawa, K. Novel Concept for Video Retrieval Concept Content Context. PCM 2004, (2004). Tancharoen, D., Yamasaki, T., ve Aizawa, K. Practical experience recording and indexing of Life Log video. In Context (pp ). ACM. (2005). Tausig, M. Measuring Life Events, Journal of Health and Social Behavior, Vol. 23, No. 1, pp , (1982). 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). Tulving, E. Elements of Episodic Memory. New York: Oxford University Press. (1983). Tulving, E. Episodic Memory: From Mind to Brain, Annu. Rev. Psychol., vol. 53, pp. 1 25, (2002). Wang, P. Semantic interpretation of events in lifelogging. Ph.D. Thesis. Dublin City University, (2012). Wikipedia. Lifelog, (2014). wiki/lifelog, tarihinde erişilmiştir.

Eğitim Semineri Araştırmacının Alet Kutusu: Mendeley

Eğitim 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

Detaylı

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

Yaşam Deneyimleri İçin Bir Bağlam Modeli (LECOM) A New Context Model for Life Experiences (LECOM) Yaşam Deneyimleri İçin Bir Bağlam Modeli (LECOM) Mehmet Emin Mutlu Anadolu Üniversitesi, Açıköğretim Fakültesi, Eskişehir memutlu@anadolu.edu.tr Özet: Bireylerin yaşadıkları deneyimlere verdikleri anlam

Detaylı

Girdi ve Giriş Aygıtları

Girdi ve Giriş Aygıtları Girdi ve Giriş Aygıtları 1 Girdi nedir? Girdi, bilgisayarın belleğine girilen veri ve talimatlardır. 2 Giriş Aygıtları Nelerdir? Giriş aygıtı, kullanıcıların bir bilgisayara veri ve talimatları girmelerine

Detaylı

Android e Giriş. Öğr.Gör. Utku SOBUTAY

Android 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,

Detaylı

Süreç Yönetimi. Logo

Süreç Yönetimi. Logo Süreç Yönetimi Logo Kasım 2013 SÜREÇ YÖNETİMİ Süreç belirlenen bir amaca ulaşmak için gerçekleştirilen faaliyetler bütünüdür. Örn; Sistemde kayıtlı personellerinize doğum günü kutlama maili gönderme, Deneme

Detaylı

Android Telefonlarla Yol Bozukluklarının Takibi: Kitle Kaynaklı Alternatif Çözüm

Android Telefonlarla Yol Bozukluklarının Takibi: Kitle Kaynaklı Alternatif Çözüm Galatasaray Üniversitesi Android Telefonlarla Yol Bozukluklarının Takibi: Kitle Kaynaklı Alternatif Çözüm Mustafa Tekeli, Özlem Durmaz İncel İçerik Giriş Literatür Özeti Sistem Mimarisi / Metodoloji Öncül

Detaylı

SU KALITE SİSTEMİ. Türkiye Halk Sağlığı Kurumu

SU KALITE SİSTEMİ. Türkiye Halk Sağlığı Kurumu Türkiye Halk Sağlığı Kurumu Başarsoft Su Kalite Bilgi Dokumanı 10.10.2013 İçindekiler 1. SU KALITE SİSTEMİ... 2 1.1 Sistemin Genel Amaçları:... 3 1.2 Kullanılan Bileşen ve Teknolojiler:... 4 2. UYGULAMALARA

Detaylı

VERİ KAYNAKLARI. Bilgi sisteminin öğelerinden biride veri

VERİ KAYNAKLARI. Bilgi sisteminin öğelerinden biride veri VERİ KAYNAKLARI YÖNETİMİ İ İ 5. ÜNİTE GİRİŞ Bilgi sisteminin öğelerinden biride veri yönetimidir. Geleneksel yada çağdaş, birinci yada ikinci elden derlenen veriler amaca uygun veri formlarında tutulur.

Detaylı

Akademisyen Kullanıcı Kılavuz Dokümanı

Akademisyen Kullanıcı Kılavuz Dokümanı MOS BİLİŞİM TEKNOLOJİLERİ YAZILIM VE DANIŞMANLIK HİZMETLERİ LTD.ŞTİ. Akademisyen Kullanıcı Kılavuz Dokümanı Sayfa 1 / 13 İçindekiler Tablosu 1 Giriş... 3 1.1 Belgenin Amacı... 3 1.2 Belgenin Kapsamı...

Detaylı

NESNELERİN İNTERNETİ NEDİR?

NESNELERİN İNTERNETİ NEDİR? NESNELERİN İNTERNETİ NEDİR? Nesnelerin interneti (Internet of Things, kısaca IoT), fiziksel nesnelerin birbirleriyle veya daha büyük sistemlerle bağlantılı olduğu iletişim ağıdır. Uçan arabalar artık sadece

Detaylı

UZAKTAN EĞİTİM MERKEZİ

UZAKTAN 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

Detaylı

araştırma alanı Öğrenme Bellek Algı Heyecanlar PSİKOLOJİNİN ALANLARI Doç.Dr. Halil EKŞİ

araştırma alanı Öğrenme Bellek Algı Heyecanlar PSİKOLOJİNİN ALANLARI Doç.Dr. Halil EKŞİ PSİKOLOJİNİN ALANLARI Doç.Dr. Halil EKŞİ GELİŞİM PSİKOLOJİSİ Yaşa bağlı organizmadaki değişimleri inceler Çocuk psikolojisi Ergen Psikolojisi Yetişkin Psikolojisi Deneysel Psikoloji Temel psikolojik süreçler

Detaylı

Yrd. Doç. Dr. Gökçe BECİT İŞÇİTÜRK. Gökçe BECİT İŞÇİTÜRK 1

Yrd. Doç. Dr. Gökçe BECİT İŞÇİTÜRK. Gökçe BECİT İŞÇİTÜRK 1 Yrd. Doç. Dr. Gökçe BECİT İŞÇİTÜRK Gökçe BECİT İŞÇİTÜRK 1 Gökçe BECİT İŞÇİTÜRK 2 Kullanıcıların site içeriğini belirlemede rol oynadığı, Dinamik, Teknik bilgi gerektirmeyen, Çok yönlü etkileşim sağlayan,

Detaylı

[Çalışma Raporu 30.06.2015] 1 Yaşam Günlüğünün Aktif Kullanımı

[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

Detaylı

Öğretim içeriğinin seçimi ve düzenlenmesi

Öğretim içeriğinin seçimi ve düzenlenmesi Öğretim içeriğinin seçimi ve düzenlenmesi Öğretim hedefleri belirlendikten sonra öğrencileri bu hedeflere ulaştıracak içeriğin saptanması gerekmektedir. Eğitim programlarının geliştirilmesinde ikinci aşama

Detaylı

GÖRÜŞME GÖRÜŞME GÖRÜŞME. Sanat vs Bilim? Görüşme Yapma Becerileri. Hangi Amaçlar için Kullanılır? (mülakat-interview)

GÖRÜŞME 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

Detaylı

İSTATİSTİK I KISA ÖZET KOLAYAOF

İSTATİSTİK I KISA ÖZET KOLAYAOF DİKKATİNİZE: BURADA SADECE ÖZETİN İLK ÜNİTESİ SİZE ÖRNEK OLARAK GÖSTERİLMİŞTİR. ÖZETİN TAMAMININ KAÇ SAYFA OLDUĞUNU ÜNİTELERİ İÇİNDEKİLER BÖLÜMÜNDEN GÖREBİLİRSİNİZ. İSTATİSTİK I KISA ÖZET KOLAYAOF 2 Kolayaof.com

Detaylı

İnsan Bilgisayar Etkileşimi (IBE) nedir? İnsan Bilgisayar Etkileşimi Araştırma ve Uygulama Labaratuvarı

İnsan Bilgisayar Etkileşimi (IBE) nedir? İnsan Bilgisayar Etkileşimi Araştırma ve Uygulama Labaratuvarı İçindekiler Giriş İnsan Bilgisayar Etkileşimi (IBE) nedir? Kullanılabilirlik nedir? Kullanılabilirlik Testi nedir? İnsan Bilgisayar Etkileşimi Araştırma ve Uygulama Labaratuvarı İnsan Bilgisayar Etkileşimi

Detaylı

BİLİMSEL ARAŞTIRMA YÖNTEMLERİ

BİLİMSEL 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

Detaylı

AdWords Kitle Çözümleri Önemli anlarda alakalı bağlantılar sunar

AdWords Kitle Çözümleri Önemli anlarda alakalı bağlantılar sunar Önemli anlarda alakalı bağlantılar sunar Değineceğimiz konular Mobil ağa geçiş Mikro anlar önemlidir Mikro anlarla dolu bir dünyada başarılı olma Müşteri Eşleştirme Tanımadığınız kullanıcıları hedefleme

Detaylı

Farkındalık Okuma öncesinde kullanılan stratejiler Okuma sırasında kullanılan stratejiler

Farkındalık Okuma öncesinde kullanılan stratejiler Okuma sırasında kullanılan stratejiler Farkındalık Okuduğunu anlamanın izlenmesi (metnin amaca uygun olup olmadığının izlenmesi, metnin anlaşılıp anlaşılmadığının kontrol edilmesi, metindeki hataların fark edilmesi, konsantrasyonunun kaybedildiğinin

Detaylı

Akıllı telefonlar, avuçiçi bilgisayarlar ile taşınabilir (cep) telefonların özelliklerini birleştiren cihazlardır. Akıllı telefonlar kullanıcıların

Akıllı telefonlar, avuçiçi bilgisayarlar ile taşınabilir (cep) telefonların özelliklerini birleştiren cihazlardır. Akıllı telefonlar kullanıcıların Akıllı telefonlar, avuçiçi bilgisayarlar ile taşınabilir (cep) telefonların özelliklerini birleştiren cihazlardır. Akıllı telefonlar kullanıcıların bilgilerini saklamalarına, program yüklemelerine izin

Detaylı

Firma Kullanıcı Kılavuz Dokümanı

Firma Kullanıcı Kılavuz Dokümanı MOS BİLİŞİM TEKNOLOJİLERİ YAZILIM VE DANIŞMANLIK HİZMETLERİ LTD.ŞTİ. Firma Kullanıcı Kılavuz Dokümanı Sayfa 1 / 13 İçindekiler Tablosu 1 Giriş... 3 1.1 Belgenin Amacı... 3 1.2 Belgenin Kapsamı... 3 1.3

Detaylı

DSİ kapsamında oluşturulan dağınık durumdaki verilerinin düzenlenmesi, yeniden tasarlanarak tek bir coğrafi veri tabanı ortamında toplanması,

DSİ kapsamında oluşturulan dağınık durumdaki verilerinin düzenlenmesi, yeniden tasarlanarak tek bir coğrafi veri tabanı ortamında toplanması, Projenin Amacı DSİ Genel Müdürlüğünde, Bölge Vaziyet Planı çalışmaları kapsamında üretilen ve mevcut DSİ faaliyetlerini içeren CBS veri setleri ile CBS Veritabanının incelenerek yine mevcut CBS donanım,

Detaylı

BİT in Temel Bileşenleri (Yazılım-1)

BİT in Temel Bileşenleri (Yazılım-1) Ders 4 BİT in Temel Bileşenleri (Yazılım-1) BİLGİ & İLETİŞİM TEKNOLOJİLERİ 1 Yazılım, değişik ve çeşitli görevler yapma amaçlı tasarlanmış elektronik araçların, birbirleriyle haberleşebilmesini ve uyumunu

Detaylı

Taşınabilir Teknolojiler

Taşınabilir Teknolojiler Taşınabilir Teknolojiler Nelerdir? Akıllı cep telefonları Dizüstü bilgisayarlar Tablet PC ler Giyilebilir teknolojiler Akıllı cep telefonları Fotoğraf makinesi, video kamera, sesli ve görüntülü ortam oynatıcılar,

Detaylı

Algoritma Geliştirme ve Veri Yapıları 2 Veri Modelleri. Mustafa Kemal Üniversitesi

Algoritma 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

Detaylı

Street Smart Marketing

Street Smart Marketing Tek bir hedef için tasarlanmış kamu hizmeti şirket programları. Başarı. Street Smart Marketing Müşterilerinizi cezbeden pazarlama kampanyaları 30 yıllık deneyim Tasarlarız. Yakalarız. İlerleriz. 1.4 milyon

Detaylı

MAPINFO PRO TEMEL VE İLERİ SEVİYE EĞİTİM İÇERİĞİ

MAPINFO PRO TEMEL VE İLERİ SEVİYE EĞİTİM İÇERİĞİ MAPINFO PRO TEMEL VE İLERİ SEVİYE EĞİTİM İÇERİĞİ Başarsoft Bilgi Teknolojileri A.Ş. Web site: http://www.basarsoft.com.tr Kontak mail: egitim@basarsoft.com.tr Ankara Merkez Adres Ehlibeyt Mah. Ceyhun Atıf

Detaylı

Netsis CRM. Her yerden erişim Diğer web servislerinden faydalanma (Google Takvim, Haritalar, Outlook)

Netsis CRM. Her yerden erişim Diğer web servislerinden faydalanma (Google Takvim, Haritalar, Outlook) Netsis CRM İşletmelerin müşterileriyle ilgili bilgi ve belgelerine ulaşabildiği; fırsat, teklif, sipariş, etkinlik gibi süreçleri görüntüleyip yönetebildiği; e-posta, takvim, duvar gibi araçlarla koordinasyonu

Detaylı

Yapılandırmacı anlayışta bilgi, sadece dış dünyanın bir kopyası ya da bir kişiden diğerine geçen edilgen bir emilim değildir.

Yapılandırmacı anlayışta bilgi, sadece dış dünyanın bir kopyası ya da bir kişiden diğerine geçen edilgen bir emilim değildir. Yapılandırmacılık, pozitivist geleneği reddetmekte; bilgi ve öğrenmeyi Kant ve Wittgeinstein'nın savunduğu tezlerde olduğu gibi özneler arası kabul etmektedir. Bu bakış açısından yapılandırıcı öğrenme,

Detaylı

Levent Özen. www.leothemaster.net

Levent Özen. www.leothemaster.net Levent Özen Konular: Küçük Dünya - Yakınlığın 6 Derecesi Sosyal Ağ Tarihi ve Gelişimi Web Teknolojisi (1.0 5.0) Sosyal Yazılım ve esosyal Hayat Sosyal Ağlar Etiket Kullanımı Sosyal Ağ Modelleri Sosyal

Detaylı

Veritabanı Yönetimi Bilgisayarların. Keşfi Hedefler. Veritabanı, Veri ve Bilgi. Veritabanı, Veri ve Bilgi. Veritabanı, Veri ve Bilgi

Veritabanı 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

Detaylı

Veri Madenciliği Yaklaşımı ile Mesleki Yönlendirme Sistemi

Veri Madenciliği Yaklaşımı ile Mesleki Yönlendirme Sistemi Veri Madenciliği Yaklaşımı ile Mesleki Yönlendirme Sistemi YRD. DOÇ. DR. HÜSEYİN GÜRÜLER MUĞLA SITKI KOÇMAN ÜNİVERSİTESİ, TEKNOLOJİ FAKÜLTESİ, BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ Meslek Seçimi Meslek Seçimi

Detaylı

ALGI BİLGİ İŞLEME SÜREÇ VE YAKLAŞIMLARI

ALGI BİLGİ İŞLEME SÜREÇ VE YAKLAŞIMLARI ALGI BİLGİ İŞLEME SÜREÇ VE YAKLAŞIMLARI Hesap Yapan Beyin Uyaranların kodlanması, bilgilerin saklanması, materyallerin dönüştürülmesi, düşünülmesi ve son olarak bilgiye tepki verilmesini içeren peş peşe

Detaylı

HCI dadeneysel Araştırmalar (ExperimentalResearches) İncelemesinin Devamı. (Ders Notu 3 Devamı)

HCI 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.

Detaylı

GİRDİALIMI. Sistemin işleyişinde gereksinim duyulan verilerin sisteme girişinin yapılabilmesi için öncelikle toplanmaları gerekmektedir.

GİRDİALIMI. Sistemin işleyişinde gereksinim duyulan verilerin sisteme girişinin yapılabilmesi için öncelikle toplanmaları gerekmektedir. GİRDİ TASARIMI GİRDİ TASARIMI Geliştirilenyazılımın güvenilir ve geçerli bir yazılım olabilmesi iyi bir girdi tasarımı ile olanaklıdır. Diğer taraftan geliştirilen yazılımlar için kullanışlılık sahip olunması

Detaylı

Çalınan Laptopuzunun Peşini Bırakmayın!..

Çalınan Laptopuzunun Peşini Bırakmayın!.. On5yirmi5.com Çalınan Laptopuzunun Peşini Bırakmayın!.. Laptop'unuz mu çalındı? İşte onu izlemenin ve hırsız bezdirmenin en pratik yolu... Yayın Tarihi : 21 Aralık 2011 Çarşamba (oluşturma : 10/2/2015)

Detaylı

VERİ TABANI SİSTEMLERİ

VERİ TABANI SİSTEMLERİ VERİ TABANI SİSTEMLERİ 1- Günümüzde bilgi sistemleri Teknoloji ve bilgi. 2- Bilgi sistemlerinin Geliştirilmesi İşlevsel Gereksinimleri 1.AŞAMA Gereksinim Belirleme ve Analiz Veri Gereksinimleri Gereksinimler

Detaylı

Koordinat Dönüşümleri (V )

Koordinat Dönüşümleri (V ) KOORDİNAT DÖNÜŞÜMLERİ ve FARKLI KOORDİNAT SİSTEMLERİ İLE ÇALIŞMA FieldGenius ile birden fazla koordinat sistemi arasında geçiş yaparak çalışmak mümkündür. Yaygın olarak kullanılan masaüstü harita ve CAD

Detaylı

Akdeniz Üniversitesi

Akdeniz Üniversitesi F. Ders Tanıtım Formu Dersin Adı Öğretim Dili Bilgisayar II Türkçe Dersin Verildiği Düzey Ön Lisans ( ) Lisans (x) Yüksek Lisans( ) Eğitim Öğretim Sistemi Örgün Öğretim (x) Dersin Türü Zorunlu (x) Seçmeli

Detaylı

Muhasebe Bilgi Sisteminin Temel Yapısı. Bilgi Sistemleri Muhasebe Bilgi Sisteminin Niteliği ve İçeriği

Muhasebe Bilgi Sisteminin Temel Yapısı. Bilgi Sistemleri Muhasebe Bilgi Sisteminin Niteliği ve İçeriği Muhasebe Bilgi Sisteminin Temel Yapısı Bilgi Sistemleri Muhasebe Bilgi Sisteminin Niteliği ve İçeriği Bilgi Sistemleri Yönetim Bilgi Sistemleri Para, insangücü, malzeme, makine, teknoloji ve bilgi gibi

Detaylı

Üç Boyutlu Grafik Teknolojilerinin Mobil Öğrenme Alanı ile Bütünleştirilmesi

Üç Boyutlu Grafik Teknolojilerinin Mobil Öğrenme Alanı ile Bütünleştirilmesi Future Learning Future 2008 : e Learning Üç Boyutlu Grafik Teknolojilerinin Mobil Öğrenme Alanı ile Bütünleştirilmesi Eray HANGÜL eray.hangul@sandarta.com Tahir Emre KALAYCI tahir.kalayci@ege.edu.tr Aybars

Detaylı

EĞİTMENLER İÇİN ÖĞRENME YÖNETİM SİSTEMİ KULLANMA KILAVUZU

EĞİTMENLER İÇİN ÖĞRENME YÖNETİM SİSTEMİ KULLANMA KILAVUZU EĞİTMENLER İÇİN ÖĞRENME YÖNETİM SİSTEMİ KULLANMA KILAVUZU ÖĞRENME YÖNETİM SİSTEMİ MOODLE Öğrenme Yönetim Sistemleri, ağ üzerinden eş zamanlı olmayan öğrenme materyali sunma, sunulan öğrenme materyalini

Detaylı

Hoş geldiniz. Twinspace Kılavuzu. Bu kılavuz, TwinSpace de yeni olan Öğretmen Yöneticiler tarafından kullanılmak üzere tasarlanmıştır.

Hoş geldiniz. Twinspace Kılavuzu. Bu kılavuz, TwinSpace de yeni olan Öğretmen Yöneticiler tarafından kullanılmak üzere tasarlanmıştır. Hoş geldiniz Twinspace Kılavuzu Bu kılavuz, TwinSpace de yeni olan Öğretmen Yöneticiler tarafından kullanılmak üzere tasarlanmıştır. Sizlere: - TwinSpace inize erişme - Profilinizi düzenleme - Proje aktiviteleri

Detaylı

Sahne Geçişlerinin Geometrik Tabanlı olarak Saptanması

Sahne Geçişlerinin Geometrik Tabanlı olarak Saptanması Sahne Geçişlerinin Geometrik Tabanlı olarak Saptanması 1 Giriş Binnur Kurt, H. Tahsin Demiral, Muhittin Gökmen İstanbul Teknik Üniversitesi, Bilgisayar Mühendisliği Bölümü, Maslak, 80626 İstanbul {kurt,demiral,gokmen}@cs.itu.edu.tr

Detaylı

Öğrenmeye Bilişsel Yaklaşım

Öğrenmeye Bilişsel Yaklaşım Öğrenmeye Bilişsel Yaklaşım Öğrenmeye Bilişsel Yaklaşımlar Bireyin algılama, hatırlama ve düşünme gibi bilişsel süreçlerine ağırlık veren bir bakış açısı. Bilişsel öğrenme: Doğrudan gözlenemeyen zihinsel

Detaylı

Bilgiyi Keşfedin! Özelleştirme, Eklenti ve Veri Entegrasyonu Kurumsal Seviyede Yönetim ve Performans

Bilgiyi Keşfedin! Özelleştirme, Eklenti ve Veri Entegrasyonu Kurumsal Seviyede Yönetim ve Performans Bilgiyi Keşfedin! LOGO MIND INSIGHT (powered by Qlik) İŞ ANALİTİĞİ ÜRÜNÜ, HERKESİN SEZGİLERİ İLE ARAŞTIRMA VE KEŞİF YAPMASINI SAĞLAYAN ÇOK ÇEŞİTLİ ESNEK VE İNTERAKTİF GÖRSELLER OLUŞTURABİLECEĞİ YENİ NESİL

Detaylı

Engelliler İçin Akıllı Ev Otomasyon Sistemi

Engelliler İçin Akıllı Ev Otomasyon Sistemi Engelliler İçin Akıllı Ev Otomasyon Sistemi AKILLI BİNA NEDİR? Akıllı bina, binanın ısıtma, havalandırma, klima, aydınlatma, güvenlik ve diğer sistemler dahil olmak üzere otomatik olarak kontrol edilmesini

Detaylı

Emotional Desgin in Multimedia Learning

Emotional 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

Detaylı

DERİN ÖĞRENME SONGÜL TORANOĞLU

DERİN ÖĞRENME SONGÜL TORANOĞLU DERİN ÖĞRENME SONGÜL TORANOĞLU 201420404014 DERİN ÖĞRENME Endüstri ve akademik çevrelerdeki veri bilimciler görüntü sınıflandırma, video analizi, konuşma tanıma ve doğal dil öğrenme süreci dahil olmak

Detaylı

WEB ARAÇLARI VE UZAKTAN EĞİTİM CEIT357-4.HAFTA

WEB ARAÇLARI VE UZAKTAN EĞİTİM CEIT357-4.HAFTA WEB ARAÇLARI VE UZAKTAN EĞİTİM CEIT357-4.HAFTA 1 Giriş Bu bölümümde günümüzde en çok kullanılan Web araçları tanıtılacak ve anlatılacaktır.bunların eğitimde, özellikle uzaktan eğitimde nasıl kullanıldığından

Detaylı

Natura 2000 VERI TABANı (GÖREV 2)

Natura 2000 VERI TABANı (GÖREV 2) Natura 2000 VERI TABANı (GÖREV 2) Siniša Tkalčec (Kilit Uzman 3) Görev 2 - sonuçlar 4 Bilgi-İşlem ile ilgili sonuçlar: 2.1 Bir alan veri tabanı geliştirilmesi 2.2 Mevcut ulusal biyolojik çeşitlilik veri

Detaylı

Windows Live Movie Maker

Windows Live Movie Maker Windows Live Movie Maker Nedir? Movie Maker ile, bilgisayarınızda yer alan fotoğraf ve videolarınızı kullanarak, bunlar üzerinde düzenlemeler, değişiklikler yapabilir, müzik dosyaları ekleyebilir, mikrofon

Detaylı

İŞ YERİNDE GELİŞİM. Yeni, gelişmiş iletişim teknolojilerine adapte olma

İŞ YERİNDE GELİŞİM. Yeni, gelişmiş iletişim teknolojilerine adapte olma İŞ YERİNDE GELİŞİM Yeni, gelişmiş iletişim teknolojilerine adapte olma İş gücünüz, müşterileriniz, ortaklarınız ve tedarikçileriniz, farklı konumlara dağılmış durumda ve hareketli. Akıllı telefonlar ve

Detaylı

Öğrenme nedir? Büyüme ve yaşa atfedilmeyecek yaşantılar sonucunda davranış ve tutumlarda meydana gelen nispeten kalıcı etkisi uzun süre

Öğrenme nedir? Büyüme ve yaşa atfedilmeyecek yaşantılar sonucunda davranış ve tutumlarda meydana gelen nispeten kalıcı etkisi uzun süre Öğrenme nedir? Büyüme ve yaşa atfedilmeyecek yaşantılar sonucunda davranış ve tutumlarda meydana gelen nispeten kalıcı etkisi uzun süre değişimlerdir. Öğrenmede değişen ne???? İnsan ve hayvan arasında

Detaylı

EDM SAP Business One

EDM SAP Business One EDM SAP Business One SAP Business One Kobileri Dünya Standartlarına taşıyoruz.. SAP Business One Tek sistemle daha verimli ve etkin yönetim SAP Business One tüm KOBİ lerin taleplerini karşılamak üzere

Detaylı

5. BÖLÜM: BULGULAR Yerleşik Yabancılara Yönelik Bulgular

5. BÖLÜM: BULGULAR Yerleşik Yabancılara Yönelik Bulgular 5. BÖLÜM: BULGULAR Bu bölümde proje süresince belirlenmiş hedefler ışığında ulaşılan bulgulara yer verilmiştir. Bulgular, yerleşik yabancılar ve halk kütüphaneleri olmak üzere iki farklı bölümde sunulmuştur.

Detaylı

Programın Adı: Eğitim ve Öğretim Yöntemleri Proje/Alan Çalışması. Diğer Toplam Kredi AKTS Kredisi

Programın Adı: Eğitim ve Öğretim Yöntemleri Proje/Alan Çalışması. Diğer Toplam Kredi AKTS Kredisi Dersin Adı-Kodu: Bilgisayar II Yarıyıl Teori Uyg. Lab. Programın Adı: Eğitim ve Öğretim Yöntemleri Proje/Alan Çalışması Krediler Diğer Toplam Kredi AKTS Kredisi I (Güz) 28 28 - - - 56 3 6 Ders Dili Türkçe

Detaylı

İçindekiler Tablosu Talep Destek Yönetim Sistemi Programı...3

İçindekiler Tablosu Talep Destek Yönetim Sistemi Programı...3 İçindekiler Tablosu Talep Destek Yönetim Sistemi Programı...3 1. Özellikler.3 2. Kullanım..3 2.1. Ana Sayfa..5 2.2. Talep Modülü.7 2.3. Takibim Modülü 9 2.4. Takipte Modülü..11 2.5. Silinen Talepler Modülü...11

Detaylı

TARBİL Kapsamında Uydu ve Yersel Veri Tespit, Kayıtçı İşlem Yönetim Sistemi Geliştirilmesi

TARBİL Kapsamında Uydu ve Yersel Veri Tespit, Kayıtçı İşlem Yönetim Sistemi Geliştirilmesi TARBİL Kapsamında Uydu ve Yersel Veri Tespit, Kayıtçı İşlem Yönetim Sistemi Geliştirilmesi Kurum Adı : İstanbul Teknik Üniversitesi Bilimsel Araştırma Projeleri Birimi Proje Durumu : Tamamlandı. Projenin

Detaylı

SBE16 / Akıllı Metropoller Ekim 2016 / İSTANBUL

SBE16 / Akıllı Metropoller Ekim 2016 / İSTANBUL SBE16 / Akıllı Metropoller 13-15 Ekim 2016 / İSTANBUL TAKDİM PLANI Teknolojik Gelişim ve 3 Boyuta Geçiş : 2B gösterim tekniği haritacılığın doğuşundan beri kullanılmaktadır. Bu temsil şekli yerleşmiş alışkanlıklar

Detaylı

Veri Toplama Araçları

Veri 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

Detaylı

Öğretim Materyal Türleri

Öğretim Materyal Türleri Öğretim Materyal Türleri 45 1 Eğitimde görsel işitsel araçların önemi O Çabuk ve kalıcı öğrenmeyi sağlarlar O Daha fazla duyu organına hitab ederler O Daha verimli eğitim-öğretim için öğretmene yardımcı

Detaylı

S.O.S Günışığı Lojistik Saha Operasyon Sistemi

S.O.S Günışığı Lojistik Saha Operasyon Sistemi S.O.S Günışığı Lojistik Saha Operasyon Sistemi 2013 Sayın Yetkili; Sunduğumuz danışmanlık hizmeti ve geliştirmiş olduğumuz yazılım çözümleriyle müşterilerimizin Bilgi Teknolojileri alanında sektörel rekabet

Detaylı

Adres sorgu ekranında harita üzerindeki katmanların listelendiği Katman Listesi ve bu katmanlara yakınlaşmak için Git düğmesi bulunmaktadır.

Adres sorgu ekranında harita üzerindeki katmanların listelendiği Katman Listesi ve bu katmanlara yakınlaşmak için Git düğmesi bulunmaktadır. YARDIM DOKÜMANI 1. Giriş Ekranı Kent Rehberi uygulaması ara yüzünde, sorgulama işlemleri bölümü, haritacılık araçları bölümü, temel araçlar bölümü, sağ tık menüsü ve navigasyon işlemleri bölümleri bulunmaktadır.

Detaylı

EDM SAP Business One

EDM SAP Business One EDM SAP Business One SAP Business One KOBİleri Dünya Standartlarına taşıyoruz.. SAP Business One Tek sistemle daha verimli ve etkin yönetim SAP Business One tüm KOBİ lerin taleplerini karşılamak üzere

Detaylı

2014-2015 GÜZ DÖNEMİ BİLGİSAYAR PROJESİ KONU ÖNERME FORMU

2014-2015 GÜZ DÖNEMİ BİLGİSAYAR PROJESİ KONU ÖNERME FORMU No: Proje Konusu: Öğrenci Sayısı: Proje Süresi: Proje Özeti: 3G modem ile uzaktan ısı, aydınlatma, hareket, görüntü 1 3G ile Akıllı Ev Uygulaması 1 2 Dönem kontrolü. Gerekli donanımlar Mobil Kablosuz Ağlar

Detaylı

EĞİTİMDE BİLGİSAYAR UYGULAMALARI. Yrd. Doç. Dr. Halil Ersoy

EĞİTİMDE BİLGİSAYAR UYGULAMALARI. Yrd. Doç. Dr. Halil Ersoy EĞİTİMDE BİLGİSAYAR UYGULAMALARI Yrd. Doç. Dr. Halil Ersoy Sunum İçeriği Bilgisayar Nedir? Eğitim ve Öğretimde Bilgisayar Kullanımı Bilgisayar Destekli Öğretim ve Türleri Yönetimde Bilgisayar Kullanımı

Detaylı

PINGPONG. Kurumsal Sunum / Aplikasyon Tanıtım

PINGPONG. Kurumsal Sunum / Aplikasyon Tanıtım PINGPONG Kurumsal Sunum / Aplikasyon Tanıtım 1 Sunum İçeriği Biz Kimiz? Kuruluş amacımız ve gelişim sürecimiz. PINGPONG Sistem ve İşleyiş Çalışma modeli, aplikasyon işleyişi ve sistemimiz. PINGPONG Nedir?

Detaylı

T.C. DÜZCE ÜNİVERSİTESİ Sosyal Bilimler Enstitüsü. Eğitim Programları ve Öğretimi Tezsiz Yüksek Lisans Programı Öğretim Planı.

T.C. DÜZCE ÜNİVERSİTESİ Sosyal Bilimler Enstitüsü. Eğitim Programları ve Öğretimi Tezsiz Yüksek Lisans Programı Öğretim Planı. Ders T.C. DÜZCE ÜNİVERSİTESİ Sosyal Bilimler Enstitüsü Eğitim Programları ve Öğretimi Tezsiz Yüksek Lisans Programı Öğretim Planı Tablo 1. ve Kredi Sayıları I. Yarıyıl Ders EPO535 Eğitimde Araştırma Yöntemleri

Detaylı

İSTATİSTİK STATISTICS (2+0) Yrd.Doç.Dr. Nil TOPLAN SAÜ.MÜH. FAK. METALURJİ VE MALZEME MÜH. BÖLÜMÜ ÖĞRETİM ÜYESİ ÖĞRETİM YILI

İSTATİSTİK STATISTICS (2+0) Yrd.Doç.Dr. Nil TOPLAN SAÜ.MÜH. FAK. METALURJİ VE MALZEME MÜH. BÖLÜMÜ ÖĞRETİM ÜYESİ ÖĞRETİM YILI İSTATİSTİK STATISTICS (+) Yrd.Doç.Dr. Nil TOPLAN SAÜ.MÜH. FAK. METALURJİ VE MALZEME MÜH. BÖLÜMÜ ÖĞRETİM ÜYESİ ÖĞRETİM YILI KONU BAŞLIKLARI :. İSTATİSTİĞE GİRİŞ. VERİLERİN DÜZENLENMESİ. MERKEZİ EĞİLİM ÖLÇÜLERİ.

Detaylı

TS EN ISO KONTROL LİSTESİ ŞABLONU

TS EN ISO KONTROL LİSTESİ ŞABLONU ŞABLONU C 6. No. Rehber Uygulanabilirlik luk Üst Düzey Tasarım Kararları ve Tasarım Stratejisi 6.1 Genel özellikler 6.2 6.3 6.4 6.5 6.6 6.7 6.8 6.9 6.10 6.11 6.12 Web uygulamasının amacının belirginliği

Detaylı

GAZİOSMANPAŞA ÜNİVERSİTESİ MÜHENDİSLİK VE DOĞA BİLİMLERİ FAKÜLTESİ WEB TEMELLİ ÖĞRENME VE İÇERİK YÖNETİM SİSTEMİ

GAZİOSMANPAŞA ÜNİVERSİTESİ MÜHENDİSLİK VE DOĞA BİLİMLERİ FAKÜLTESİ WEB TEMELLİ ÖĞRENME VE İÇERİK YÖNETİM SİSTEMİ GAZİOSMANPAŞA ÜNİVERSİTESİ MÜHENDİSLİK VE DOĞA BİLİMLERİ FAKÜLTESİ WEB TEMELLİ ÖĞRENME VE İÇERİK YÖNETİM SİSTEMİ GAZİOSMANPAŞA ÜNİVERSİTESİ MÜHENDİSLİK VE DOĞA BİLİMLERİ FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ

Detaylı

Bilişim Teknolojileri Temelleri 2011

Bilişim Teknolojileri Temelleri 2011 Bölüm 1 Bilişim Teknolojileri Temelleri 2011 Dijital Dünyada Yaşamak Hedefler Bilgisayar kullanabilmenin günümüzde başarılı olmak için neden son derece önemli olduğu Bilgisayar sözcüğünün tanımlanması

Detaylı

Veri Akış Diyagramı (VAD)

Veri Akış Diyagramı (VAD) Veri Akış Diyagramı (VAD) Bir veri akış diyagramı (VAD), süreç yönlerini modellendiren bir bilgi sistemi vasıtasıyla verilerin "akışını" gösteren bir grafiktir. Bir VAD, daha sonra detaylandırılamayacak

Detaylı

Yepyeni Acrobat ile tanışın

Yepyeni Acrobat ile tanışın Yepyeni Acrobat ile tanışın Tamamen yeniden tasarlanmış ve son derece mobil olan bu yazılım; tasarım mizanpajları, basıma hazır dosyalar ve önemli belgelerle çalışma şeklinizi değiştirecek. Document Cloud

Detaylı

SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER. Abdullah Can

SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER. Abdullah Can SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER SPSS in üzerinde işlem yapılabilecek iki ana ekran görünümü vardır. DATA VIEW (VERİ görünümü) VARIABLE VIEW (DEĞİŞKEN görünümü) 1 DATA VIEW (VERİ görünümü) İstatistiksel

Detaylı

Power BI. Neler Öğreneceksiniz?

Power BI. Neler Öğreneceksiniz? Power BI Kendi kendinize iş zekasını keşfedin. Verilerinizi analiz edin, etkileşimli raporlar oluşturun ve bulgularınızı firmanız genelinde paylaşın. Neler Öğreneceksiniz? Bu iki günlük eğitim, güçlü görseller

Detaylı

Yapılandırmacı Yaklaşım. Dr. Halise Kader ZENGİN

Yapılandırmacı Yaklaşım. Dr. Halise Kader ZENGİN Yapılandırmacı Yaklaşım Dr. Halise Kader Yapılandırmacılık Öğrenmenin nasıl oluştuğuna ilişkin bir kuramdır. Pozitivist geleneği reddetmektedir. Pozitivizme dayanan davranışçı ve bilgi işleme kuramını

Detaylı

KOCAELİ ÜNİVERSİTESİ ELEKTRONİK VE HABERLEŞME MÜHENDİSLİĞİ BÖLÜMÜ 2018/2019 GYY BİTİRME ÇALIŞMASI ÖNERİ FORMU. (Doç.Dr. M.

KOCAELİ ÜNİVERSİTESİ ELEKTRONİK VE HABERLEŞME MÜHENDİSLİĞİ BÖLÜMÜ 2018/2019 GYY BİTİRME ÇALIŞMASI ÖNERİ FORMU. (Doç.Dr. M. KOCAELİ ÜNİVERSİTESİ ELEKTRONİK VE HABERLEŞME MÜHENDİSLİĞİ BÖLÜMÜ 2018/2019 GYY BİTİRME ÇALIŞMASI ÖNERİ FORMU (Doç.Dr. M. Kemal GÜLLÜ) Derinlik kamerası ile alınan modellerin birleştirilmesi Derinlik kamerası,

Detaylı

Öğretim Teknolojilerinde Yeni Eğilimler. Yrd.Doç.Dr. Nuray Gedik Güz 2012

Öğretim 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

Detaylı

Eğitim Bağlamında Oyunlaştırma Çalışmaları: Sistematik Bir Alanyazın Taraması

Eğitim 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

Detaylı

bitık MOBİL TİCARET UYGULAMASI ABDULLAH ÇİÇEKCİ

bitık MOBİL TİCARET UYGULAMASI ABDULLAH ÇİÇEKCİ bitık MOBİL TİCARET UYGULAMASI ABDULLAH ÇİÇEKCİ - 150110046 İÇERİK Uygulama ve uygulamaya ilişkin temel kavramların tanıtımı Uygulamanın yapısı Ön yüz Veritabanı Web Servisler K-Means Algoritması ile kategori

Detaylı

Thermomed Kabin V1.1 Yazılımı Ekran Görüntüleri ve Açıklamaları

Thermomed Kabin V1.1 Yazılımı Ekran Görüntüleri ve Açıklamaları Thermomed Kabin V1.1 Yazılımı Ekran Görüntüleri ve Açıklamaları İçindekiler 1. Genel Açıklama... 2 2. Thermomed Kabin... 2 2.1. Ana Ekran... 2 2.2. Kalibrasyon... 3 2.3. Ayarlar... 4 3. Thermomed Kabin

Detaylı

Açıköğretimde Mobil Öğrenme Açıköğretim e-öğrenme hizmetlerinden mobil bilişim aygıtlarıyla yararlanma olanaklarının değerlendirilmesi

Açıköğretimde Mobil Öğrenme Açıköğretim e-öğrenme hizmetlerinden mobil bilişim aygıtlarıyla yararlanma olanaklarının değerlendirilmesi Açıköğretimde Mobil Öğrenme Açıköğretim e-öğrenme hizmetlerinden mobil bilişim aygıtlarıyla yararlanma olanaklarının değerlendirilmesi Yrd. Doç. Dr. M. Emin Mutlu H. Umut Yenigün Nazan Uslu Anadolu Üniversitesi

Detaylı

Prof. Dr. Yasemin GÜLBAHAR Ankara Üniversitesi Enformatik Bölümü

Prof. Dr. Yasemin GÜLBAHAR Ankara Üniversitesi Enformatik Bölümü Prof. Dr. Yasemin GÜLBAHAR Ankara Üniversitesi Enformatik Bölümü Değişim 2 En son ne zaman Saydam hazırlayıp tepegöz kullanarak ders anlattınız? Tebeşir ile tahtaya yazı yazarak ders anlattınız? Sınıfa

Detaylı

Bilişim Sistemleri Değerlendirme Modeli ve Üç Örnek Olay İncelemesi

Bilişim 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:

Detaylı

GÜVENİN TEKNOLOJİK ADI

GÜVENİN TEKNOLOJİK ADI Eyedius Teknoloji; hayatın her alanında güvenliği sağlamak için görüntü anlamlandırma ve yüz tanıma teknolojileri geliştiren, tamamen yerli bir yüksek teknoloji firmasıdır. 2 GÜVENİN TEKNOLOJİK ADI TÜBİTAK

Detaylı

BİL 101 - Bilişim Teknolojileri. PowerPoint 2007. http://bil.etu.edu.tr/bil101

BİL 101 - Bilişim Teknolojileri. PowerPoint 2007. http://bil.etu.edu.tr/bil101 BİL 101 - Bilişim Teknolojileri PowerPoint 2007 http://bil.etu.edu.tr/bil101 Etkili Sunum Hazırlama Teknikleri 2 Etkili Sunum Hazırlama Dinleyici kitlenizi belirleyin. Dinleyiciler uzman kişiler mi? Sıradan

Detaylı

Uzaktan Eğitim. Doç.Dr. Ali Haydar ŞAR

Uzaktan Eğitim. Doç.Dr. Ali Haydar ŞAR Uzaktan Eğitim Doç.Dr. Ali Haydar ŞAR Kurucuları: Max wertheimer, Wolfgang,Köhler, Kurt Koffka ve Kurt Lewin Gestalt kuramına göre bütün,parçaların toplamından daha fazladır ve birey, bütünü parçalarına

Detaylı

Kullanım Kılavuzu Milli Eğitim Bakanlığı 2010

Kullanım Kılavuzu Milli Eğitim Bakanlığı 2010 Kullanım Kılavuzu Milli Eğitim Bakanlığı 2010 Bu belge BT Sınıfı Etkinliklerinde Kullanılmak Üzere Hazırlanmıştır İÇİNDEKİLER GİRİŞ... 3 ÜYE (KAYIT) OLMA... 3 YÖNETİM PANELİ İŞLEMLERİ... 5 ŞABLON AYARLARI...

Detaylı

Kümeler arası. Küme içi. uzaklıklar. maksimize edilir. minimize edilir

Kümeler arası. Küme içi. uzaklıklar. maksimize edilir. minimize edilir Kümeleme Analizi: Temel Kavramlar ve Algoritmalar Kümeleme Analizi Nedir? Her biri bir dizi öznitelik ile, veri noktalarının bir kümesi ve noktalar arasındaki benzerliği ölçen bir benzerlik ölçümü verilmiş

Detaylı

Sistem Geliştirme Yaşam Döngüsü (The Systems Development Life Cycle) (SDLC)

Sistem Geliştirme Yaşam Döngüsü (The Systems Development Life Cycle) (SDLC) Sistem Geliştirme Yaşam Döngüsü (The Systems Development Life Cycle) (SDLC) Sistem analistlerinin ve kullanıcı faaliyetlerinin spesifik döngüsünün kullanılmasıyla En iyi geliştirilmiş sistemin oluşmasını

Detaylı

Yaşam 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) 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.

Detaylı

BİLİŞSEL PSİKOLOJİ VE BİLGİ İŞLEME MODELİ BİLGİ İŞLEME SÜREÇ VE YAKLAŞIMLARI

BİLİŞSEL PSİKOLOJİ VE BİLGİ İŞLEME MODELİ BİLGİ İŞLEME SÜREÇ VE YAKLAŞIMLARI BİLİŞSEL PSİKOLOJİ VE BİLGİ İŞLEME MODELİ BİLGİ İŞLEME SÜREÇ VE YAKLAŞIMLARI BİLİŞSEL PSİKOLOJİ Neisser (1967) yılında bilişsel psikolojiyi; «Biliş terimi, duyusal girdilerin dönüştürüldüğü, azaltıldığı,

Detaylı

OverDrive Formatları. İçerik Genç erişkin ve çocuklar için heyecan verici yeni içerik

OverDrive Formatları. İçerik Genç erişkin ve çocuklar için heyecan verici yeni içerik OverDrive Nedir? OverDrive, 1.000.000 + fazla E-kitap,sesli kitap ve videoları sağlayan, milyonlarca son kullanıcıya hizmet eden 2.000+ fazla yayınevi (Penguen, Blackstone, Wiley,Taylor&Francis vb. önemli

Detaylı