論文の概要: Improving time use measurement with personal big data collection -- the
experience of the European Big Data Hackathon 2019
- arxiv url: http://arxiv.org/abs/2004.11940v1
- Date: Fri, 24 Apr 2020 18:40:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-22 05:51:53.663716
- Title: Improving time use measurement with personal big data collection -- the
experience of the European Big Data Hackathon 2019
- Title（参考訳）: 個人ビッグデータ収集による時間使用量測定の改善 - European Big Data Hackathon 2019の経験から
- Authors: Mattia Zeni, Ivano Bison, Britta Gauckler, Fernando Reis Fausto
Giunchiglia
- Abstract要約: この記事では、Eurostatが主催するNTTS(New Techniques and Technologies for Statistics)カンファレンスのサテライトイベントであるEuropean Big Data Hackathon 2019で、i-Logの経験を評価します。
i-Logは、スマートフォンの内部センサーから個人用ビッグデータをキャプチャして、時間的使用量を測定するシステムである。
- 参考スコア（独自算出の注目度）: 62.997667081978825
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This article assesses the experience with i-Log at the European Big Data
Hackathon 2019, a satellite event of the New Techniques and Technologies for
Statistics (NTTS) conference, organised by Eurostat. i-Log is a system that
allows to capture personal big data from smartphones' internal sensors to be
used for time use measurement. It allows the collection of heterogeneous types
of data, enabling new possibilities for sociological urban field studies.
Sensor data such as those related to the location or the movements of the user
can be used to investigate and have insights on the time diaries' answers and
assess their overall quality. The key idea is that the users' answers are used
to train machine-learning algorithms, allowing the system to learn from the
user's habits and to generate new time diaries' answers. In turn, these new
labels can be used to assess the quality of existing ones, or to fill the gaps
when the user does not provide an answer. The aim of this paper is to introduce
the pilot study, the i-Log system and the methodological evidence that arose
during the survey.
- Abstract（参考訳）: この記事では、Eurostatが主催するNTTS(New Techniques and Technologies for Statistics)カンファレンスの衛星イベントであるEuropean Big Data Hackathon 2019で、i-Logの経験を評価します。
i-Logは,スマートフォンの内部センサから個人用ビッグデータをキャプチャして,時間の計測に使用するシステムである。
異種データの収集を可能にし、社会学的な都市フィールド研究の新たな可能性を可能にしている。
ユーザの位置や動きに関連するセンサデータは、時刻の日記の回答を調査し、洞察を得て、全体の品質を評価するために使用できる。
鍵となる考え方は、ユーザの回答が機械学習アルゴリズムのトレーニングに使用され、システムのユーザの習慣から学習し、新しいタイムダイアリーの回答を生成することである。
逆に、これらの新しいラベルは、既存のラベルの品質評価や、ユーザが回答を提供していない場合のギャップを埋めるために使用できる。
本研究の目的は,パイロットスタディ,i-Logシステム,および調査中に生じた方法論的証拠を紹介することである。
関連論文リスト
- Capture the Flag: Uncovering Data Insights with Large Language Models [90.47038584812925]
本研究では,Large Language Models (LLMs) を用いてデータの洞察の発見を自動化する可能性について検討する。
そこで本稿では,データセット内の意味的かつ関連する情報(フラグ)を識別する能力を測定するために,フラグを捕捉する原理に基づく新しい評価手法を提案する。
論文 参考訳（メタデータ） (2023-12-21T14:20:06Z) - A Survey of Machine Unlearning [56.017968863854186]
最近の規制では、要求に応じて、ユーザに関する個人情報をコンピュータシステムから削除する必要がある。
MLモデルは古いデータをよく記憶します。
機械学習に関する最近の研究は、この問題を完全に解決することはできなかった。
論文 参考訳（メタデータ） (2022-09-06T08:51:53Z) - Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or
Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。
既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。
既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文 参考訳（メタデータ） (2021-11-09T13:30:34Z) - A Comprehensive Survey of Logging in Software: From Logging Statements
Automation to Log Mining and Analysis [0.0]
我々は、トップレベルのピアレビューされた会場に現れた多数の会議およびジャーナル論文を調査した。
この分野を前進させる上で、学術と産業の研究者を導くための一連の課題と機会を提供する。
論文 参考訳（メタデータ） (2021-10-24T17:15:06Z) - Data Collection and Labeling of Real-Time IoT-Enabled Bio-Signals in
Everyday Settings for Mental Health Improvement [6.7377504888630675]
リアルタイムの生理的データ収集と分析は、現代の幸福な応用において中心的な役割を果たす。
本稿では, ウェアラブルセンサからの光胸腺図, 加速度, ジャイロスコープ, 重力データのリアルタイム収集と解析を行うシステムを構築した。
論文 参考訳（メタデータ） (2021-08-02T20:56:48Z) - IoT Wallet: Machine Learning-based Sensor Portfolio Application [25.257816760492123]
Things Network(TTN)クラウドシステムは、データをInfluxデータベースに格納し、処理されたデータをユーザダッシュボードに提示する。
ユーザーのタイプに基づいて、データは閲覧のみ、制御可能、あるいは上位のユーザはセンサーをシステムに登録できる。
このシステムの特別な機能は、さまざまなシナリオで使用できる機械学習サービスである。
論文 参考訳（メタデータ） (2020-11-13T11:12:25Z) - Semi-supervised Federated Learning for Activity Recognition [9.720890017788676]
家庭内のIoTセンサデータに基づくディープラーニングモデルのトレーニングは、一般的に、人間の活動を認識するために使用される。
近年,エッジデバイスをクライアントとして利用し,ローカルな人間活動認識を支援するフェデレーション学習システムが出現している。
半教師付きフェデレーション学習を用いた行動認識システムを提案する。
論文 参考訳（メタデータ） (2020-11-02T09:47:14Z) - Graph-based Reinforcement Learning for Active Learning in Real Time: An
Application in Modeling River Networks [2.8631830115500394]
本研究では,空間的・時間的文脈情報を用いたリアルタイム能動学習手法を開発し,強化学習フレームワークにおける代表的クエリサンプルの選択を行う。
ラベル付きデータ収集の予算が限られているデラウェア川流域において, 流水量と水温を予測し, 提案手法の有効性を実証した。
論文 参考訳（メタデータ） (2020-10-27T02:19:40Z) - Mining Implicit Relevance Feedback from User Behavior for Web Question
Answering [92.45607094299181]
本研究は,ユーザ行動と通過関連性との関連性を検討するための最初の研究である。
提案手法は,追加のラベル付きデータを使わずにパスランキングの精度を大幅に向上させる。
実際にこの研究は、グローバルな商用検索エンジンにおけるQAサービスの人為的ラベリングコストを大幅に削減する効果が証明されている。
論文 参考訳（メタデータ） (2020-06-13T07:02:08Z) - A System for Real-Time Interactive Analysis of Deep Learning Training [66.06880335222529]
現在利用可能なシステムは、トレーニングプロセスが始まる前に指定しなければならないログデータのみを監視することに限定されている。
本稿では,リアルタイム情報を生成するライブプロセス上で対話型クエリを実行可能にするシステムを提案する。
論文 参考訳（メタデータ） (2020-01-05T11:33:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。