Iskanje po katalogu digitalne knjižnice

Opis: To equip computers with human communication skills and to enable natural interaction between the computer and a human, intelligent solutions are required based on artificial intelligence (AI) methods, algorithms, and sensor technology. This study aimed at identifying and analyzing the state-of-the-art AI methods and algorithms and sensors technology in existing human–computer intelligent interaction (HCII) research to explore trends in HCII research, categorize existing evidence, and identify potential directions for future research. We conduct a systematic mapping study of the HCII body of research. Four hundred fifty-four studies published in various journals and conferences between 2010 and 2021 were identified and analyzed. Studies in the HCII and IUI fields have primarily been focused on intelligent recognition of emotion, gestures, and facial expressions using sensors technology, such as the camera, EEG, Kinect, wearable sensors, eye tracker, gyroscope, and others. Researchers most often apply deep-learning and instance-based AI methods and algorithms. The support sector machine (SVM) is the most widely used algorithm for various kinds of recognition, primarily an emotion, facial expression, and gesture. The convolutional neural network (CNN) is the often-used deep-learning algorithm for emotion recognition, facial recognition, and gesture recognition solutions.
Ključne besede: human–computer intelligent interaction, intelligent user interfaces, IUI, sensors, artificial intelligence
Objavljeno v DKUM: 31.03.2025; Ogledov: 0; Prenosov: 3
Celotno besedilo (8,70 MB)
Gradivo ima več datotek! Več...

Opis: Qualitative data analysis (QDA) tools are essential for extracting insights from complex datasets. This study investigates researchers’ perceptions of the usability, user experience (UX), mental workload, trust, task complexity, and emotional impact of three tools: Taguette 1.4.1 (a traditional QDA tool), ChatGPT (GPT-4, December 2023 version), and Gemini (formerly Google Bard, December 2023 version). Participants (N = 85), Master’s students from the Faculty of Electrical Engineering and Computer Science with prior experience in UX evaluations and familiarity with AI-based chatbots, performed sentiment analysis and data annotation tasks using these tools, enabling a comparative evaluation. The results show that AI tools were associated with lower cognitive effort and more positive emotional responses compared to Taguette, which caused higher frustration and workload, especially during cognitively demanding tasks. Among the tools, ChatGPT achieved the highest usability score (SUS = 79.03) and was rated positively for emotional engagement. Trust levels varied, with Taguette preferred for task accuracy and ChatGPT rated highest in user confidence. Despite these differences, all tools performed consistently in identifying qualitative patterns. These findings suggest that AI-driven tools can enhance researchers’ experiences in QDA while emphasizing the need to align tool selection with specific tasks and user preferences.
Ključne besede: user experience, UX, usability, qualitative data analysis, QDA, chatbots
Objavljeno v DKUM: 07.02.2025; Ogledov: 0; Prenosov: 13
Celotno besedilo (1,51 MB)

Opis: V doktorski disertaciji obravnavamo raziskovalni problem avtomatizacije prepoznavanja namenov sprememb programskih rešitev, izvedenih v fazi vzdrževanja. Klasifikacija programskih sprememb glede na vrsto aktivnosti vzdrževanja, ki odraža specifične namene sprememb, omogoča učinkovitejšo analizo in načrtovanje vzdrževanja, podpira delovne procese in naloge razvijalcev ter se pogosto uporablja v raziskavah programskega inženirstva za proučevanje sprememb in evolucije rešitev. S ciljem ugotavljanja raziskovalnih vrzeli smo s sistematičnim pregledom literature proučili obstoječe pristope h klasifikaciji sprememb programskih rešitev glede na vrsto aktivnosti vzdrževanja. Za naslovitev teh vrzeli smo s študijo sistematičnega mapiranja pregledali pristope vektorizacije sprememb programske kode z učenjem predstavitev na podlagi izvorne kode, ki se v obstoječi literaturi uporabljajo za naslavljanje različnih izzivov programskega inženirstva. Na podlagi ugotovitev smo razvili in predlagali novo metodo kontekstno odvisne vektorske predstavitve sprememb programske kode, ki omogoča ekstrakcijo semantičnih značilk sprememb izvorne kode med dvema različicama programske rešitve ob upoštevanju konteksta sprememb. Predlagana metoda predstavi spremembo programske rešitve kot množico podrobnih sorodnih sprememb programske kode, temelječih na predstavitvah zaznanih razlik v izvorni kodi na osnovi žetonov. Za ekstrakcijo semantičnih vložitev sorodnih sprememb metoda uporablja strojno učenje s prenosom znanja iz izbranega prednaučenega jezikovnega modela programske kode iz družine modelov BERT, kot so CodeBERT, UniXcoder in StarEncoder, ki je bil predhodno dodatno prilagojen ciljni nalogi s paradigmama samonadzorovanega in nadzorovanega učenja. Pridobljene vektorske vložitve podrobnih sorodnih sprememb so nato združene v enotno semantično vektorsko predstavitev spremembe programske rešitve. Za klasifikacijo sprememb programskih rešitev glede na vrsto aktivnosti vzdrževanja smo na označeni podatkovni množici izgradili modele strojnega učenja, pri čemer smo za ekstrakcijo značilk uporabili predlagano metodo ter referenčne in obstoječe metode predstavitve sprememb rešitev. Z nadzorovanim eksperimentom, študijo ablacije in primerjalno študijo smo proučili vpliv različnih parametrov predlagane metode predstavitve sprememb na uspešnost klasifikacije, primerjali uspešnost klasifikacije ob uporabi predlagane metode v primerjavi z uporabo referenčnih in obstoječih metod predstavitve sprememb ter ovrednotili uspešnost multimodalnih modelov strojnega učenja, temelječih na nadgradnji obstoječih metod predstavitve sprememb s predlagano metodo z združevanjem modalnosti naravnega jezika in programske kode. Empirične rezultate smo statistično analizirali s pomočjo frekventistične in Bayesove statistike. Izsledki raziskav potrjujejo izhodiščno tezo, da je z uporabo nove metode mogoče izgraditi modele strojnega učenja, ki uspešno klasificirajo spremembe programskih rešitev glede na vrsto aktivnosti vzdrževanja. Osrednje ugotovitve doktorske disertacije so naslednje: vektorske predstavitve sprememb programske kode na osnovi predlagane metode dosegajo primerljivo ali višjo uspešnost pri klasifikaciji v primerjavi s predstavitvami na osnovi referenčnih in obstoječih metod; zmanjšanje dimenzionalnosti kontekstno odvisnih vektorskih predstavitev sprememb omogoča zmanjšanje števila dimenzij brez negativnega vpliva na uspešnost klasifikacije; multimodalni klasifikacijski modeli dosegajo višjo uspešnost klasifikacije v primerjavi z unimodalnimi modeli.
Ključne besede: vzdrževanje programske opreme, spremembe programskih rešitev, rudarjenje repozitorijev programskih rešitev, strojno učenje, klasifikacija, nevronski jezikovni modeli programske kode, vektorske predstavitve, vektorska vložitev
Objavljeno v DKUM: 06.01.2025; Ogledov: 0; Prenosov: 73
Celotno besedilo (5,56 MB)

Opis: V magistrskem delu analiziramo in primerjamo sodobna orodja in tehnologije za orkestracijo v kontekstu arhitekture mikrostoritev. V to vključimo tudi pregled arhitekture mikrostoritev, uporabo zabojnikov ter funkcionalnosti orodij in tehnologij za orkestracijo, kot so Docker Swarm, Kubernetes in OpenShift. Izvedemo primerjavo njihove zmogljivosti v obliki obremenitvenih testov ter analiziramo rezultate. V raziskavi navedemo tudi praktične primere, ki ponujajo vpogled v uporabo tehnologij v realnih okoljih. Na koncu predstavimo smernice za izbiro in implementacijo orodij glede na specifične potrebe organizacije, s poudarkom na izboljšanju učinkovitosti.
Ključne besede: orkestracija, mikrostoritev, Docker Swarm, Kubernetes, OpenShift
Objavljeno v DKUM: 22.10.2024; Ogledov: 0; Prenosov: 67
Celotno besedilo (8,01 MB)

Opis: Svetovna zdravstvena organizacija ocenjuje, da je na svetu približno 1,3 milijarde ljudi z ovirami. Ker velik del naših življenj poteka na spletu, je pomembno zagotoviti dostopnost spletnih storitev, saj s tem oviranim uporabnikom omogočimo normalno integracijo v družbo. Namen diplomskega dela je bil raziskati področje digitalne dostopnosti v povezavi z uporabniško izkušnjo. Teoretični del diplomskega dela zajema opis regulacije spletne dostopnosti, potreb invalidnih uporabnikov in postopek oblikovanja dostopnih spletnih rešitev. Empirični del diplomskega dela se osredotoča na izdelavo prototipa aplikacije v okolju Figma z upoštevanjem smernic za dostopnost WCAG 2.2 in testiranjem prototipa s testnim vzorcem uporabnikov z različnimi ovirami.
Ključne besede: dostopnost, uporabniška izkušnja, spletno oblikovanje, testiranje uporabnosti
Objavljeno v DKUM: 22.10.2024; Ogledov: 0; Prenosov: 27
Celotno besedilo (3,49 MB)