Vaš brskalnik ne omogoča JavaScript!
JavaScript je nujen za pravilno delovanje teh spletnih strani. Omogočite JavaScript ali uporabite sodobnejši brskalnik.
|
|
SLO
|
ENG
|
Piškotki in zasebnost
DKUM
EPF - Ekonomsko-poslovna fakulteta
FE - Fakulteta za energetiko
FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
FF - Filozofska fakulteta
FGPA - Fakulteta za gradbeništvo, prometno inženirstvo in arhitekturo
FKBV - Fakulteta za kmetijstvo in biosistemske vede
FKKT - Fakulteta za kemijo in kemijsko tehnologijo
FL - Fakulteta za logistiko
FNM - Fakulteta za naravoslovje in matematiko
FOV - Fakulteta za organizacijske vede
FS - Fakulteta za strojništvo
FT - Fakulteta za turizem
FVV - Fakulteta za varnostne vede
FZV - Fakulteta za zdravstvene vede
MF - Medicinska fakulteta
PEF - Pedagoška fakulteta
PF - Pravna fakulteta
UKM - Univerzitetna knjižnica Maribor
UM - Univerza v Mariboru
COBISS
Ekonomsko poslovna fakulteta
Fakulteta za kmetijstvo
Fakulteta za logistiko
Fakulteta za organizacijske vede
Fakulteta za varnostne vede
Fakulteta za zdravstvene vede
Knjižnica tehniških fakultet
Medicinska fakulteta
Miklošičeva knjižnica - FPNM
Pravna fakulteta
Univerzitetna knjižnica Maribor
Večja pisava
|
Manjša pisava
Uvodnik
Iskanje
Brskanje
Oddaja dela
Statistika
Prijava
Prva stran
>
Izpis gradiva
Izpis gradiva
Naslov:
Napovedovanje značilnosti posameznikov z uporabo dinamike tipkanja
Avtorji:
Petek, David
(Avtor)
Musil, Bojan
(Mentor)
Več o mentorju...
Čuš Babić, Nenad
(Komentor)
Datoteke:
MAG_Petek_David_2017.pdf
(465,40 KB)
MD5: FCB6BB9831DEFC18DBEDB98E3E663E47
Jezik:
Slovenski jezik
Vrsta gradiva:
Magistrsko delo/naloga (mb22)
Tipologija:
2.09 - Magistrsko delo
Organizacija:
FF - Filozofska fakulteta
Opis:
Cilj raziskave je bil na podlagi dinamike tipkanja napovedati velikih pet osebnostnih lastnosti in nekatere druge osebne značilnosti. Dinamika tipkanja je proučevanje natančnih časovnih podatkov o pritiskih in izpustih tipk ob tipkanju na računalniški tipkovnici. V raziskavi je sodelovalo 60 udeležencev, ki so pretipkali vnaprej pripravljeno besedilo ter izpolnili samoporočani osebnostni vprašalnik. Podatki o tipkanju so bili združeni v spremenljivke, ki so bile uporabljene kot vhodni podatki za nadzorovano strojno učenje. Dinamika tipkanja je bila uporabljena za klasificiranje udeležencev v zgornjo ali spodnjo skupino glede na povprečje vzorca za posamezno merjeno lastnost. Z uporabo metode umetnih nevronskih mrež smo uspešno napovedali vestnost za 62 % (p = 0,046) in višino za 63 % (p = 0,026) udeležencev.
Ključne besede:
dinamika tipkanja
,
biometrika
,
osebnostne lastnosti
,
spol
,
ročnost
Leto izida:
2017
Založnik:
[D. Petek]
Izvor:
Maribor
UDK:
159.923:57.087.1(043.2)
COBISS_ID:
23416328
NUK URN:
URN:SI:UM:DK:YUXQZSWG
Število ogledov:
70
Število prenosov:
5
Metapodatki:
Področja:
FF
Citiraj gradivo
Navadno besedilo
BibTeX
EndNote XML
EndNote/Refer
RIS
ABNT
ACM Ref
AMA
APA
Chicago
Harvard
IEEE
ISO 690
MLA
Vancouver
:
Skupna ocena:
(0 glasov)
Vaša ocena:
Ocenjevanje je dovoljeno samo
prijavljenim
uporabnikom.
Objavi na:
AddThis uporablja piškotke, za katere potrebujemo vaše privoljenje.
Uredi privoljenje...
Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.
Licence
Licenca:
CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:
http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:
To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.
Začetek licenciranja:
07.09.2017
Sekundarni jezik
Jezik:
Angleški jezik
Naslov:
Predicting characteristics of individuals using keystroke dynamics
Opis:
Goal of present research was to predict big five personality traits and some other personal characteristics based on keystroke dynamics. Keystroke dynamics is the study of detailed timing information about key presses and releases while typing at a computer keyboard. Sixty participants typed predetermined text and solved a self-report personality questionnaire. Keystroke data was merged into variables which were used as input for supervised machine learning. Keystroke dynamics was used to classify participants into upper or lower group based on sample average for individual characteristic. Artificial neural network method was used to correctly predict conscientiousness for 62 % of participants (p = 0,046) and height for 63 % of participants (p = 0,026).
Ključne besede:
keystroke dynamics
,
bimetrics
,
personality traits
,
gender
,
handedness
Komentarji
Dodaj komentar
Za komentiranje se morate
prijaviti
.
Komentarji (0)
0 - 0 / 0
Ni komentarjev!
Nazaj