Οι τεχνολογικές εξελίξεις των τελευταίων ετών, έχουν αναβαθμίσει τις κινητές συσκευές, από απλά κινητά τηλέφωνα σε συσκευές κινητού υπολογισμού. Οι σύγχρονες κινητές συσκευές είναι πλέον εξοπλισμένες με φωτογραφικούς φακούς υψηλής ανάλυσης, δέκτη GPS, δέκτη WiFi (802.11 b/g/n), κυκλώματα NFC, δυνατότητες σύνδεσης στο διαδίκτυο μέσω δικτύων κινητής τηλεφωνίας (3G/4G), επιταχυνσιόμετρα, αισθητήρες καταγραφής καρδιακών παλμών κ.α. Οι αισθητήρες αυτοί, είναι σε θέση να συλλέγουν πληροφορίες για το πλαίσιο του χρήστη (user’s context), το οποίο συμπεριλαμβάνει πληροφορίες όπως η τοποθεσία του, η τρέχουσα μέρα και ώρα, ο προσανατολισμός της συσκευής, το αν ο χρήστης κινείται και με πόση ταχύτητα, την τρέχουσα δραστηριότητα του χρήστη (π.χ. ομιλία, πληκτρολόγηση κειμένου) κ.α. Επίσης, οι ίδιοι οι χρήστες αποθηκεύουν στις συσκευές όλο και περισσότερες προσωπικές πληροφορίες, όπως το ιστορικό της επικοινωνίας τους, σύντομα μηνύματα, φωτογραφίες, emails, μουσική και βίντεο, υπενθυμίσεις και γεγονότα στο ημερολόγιο κ.α. Ο συνδυασμός του πλαισίου του χρήστη με την κοινωνική πληροφορία του χρήστη, δημιουργούν ένα δυναμικά οριζόμενο πλαίσιο, το κοινωνικό κινητό πλαίσιο του χρήστη (user’s mobile social context). Σκοπός της διδακτορικής διατριβής, είναι η υποστήριξη του χρήστη για την ανάκτηση προσωπικών πληροφοριών από συσκευές κινητού υπολογισμού, με αξιοποίηση του κινητού κοινωνικού πλαισίου. Στα πλαίσια της διδακτορικής διατριβής, ως περίπτωση χρήσης, μελετήθηκε η ανάκτηση επαφών από το χρήστη με σκοπό την επικοινωνία (κλήση, μήνυμα κ.λπ.). Παρόλα αυτά, η μεθοδολογία που ακολουθήθηκε μπορεί να εφαρμοστεί για την ανάκτηση οποιουδήποτε είδους προσωπικής πληροφορίας, όπως φωτογραφίες, βίντεο, μουσική κ.α. Συγκεκριμένα, αφού μελετήθηκαν πραγματικά δεδομένα χρήσης από δύο σύνολα δεδομένων, σχεδιάστηκε και υλοποιήθηκε ένας νέος αλγόριθμος για την πρόβλεψη της μελλοντικής επικοινωνίας του χρήστη συσκευών κινητού υπολογισμού. Στη συνέχεια, έγινε σύγκριση του συγκεκριμένου αλγορίθμου με υπάρχουσες προσεγγίσεις, οι οποίες αναφέρονται στη βιβλιογραφία. Κατόπιν, σχεδιάστηκε και υλοποιήθηκε σύστημα για συσκευές κινητού υπολογισμού το οποίο ενσωματώνει τον προτεινόμενο αλγόριθμο. Παράλληλα, σχεδιάστηκαν, υλοποιήθηκαν και αξιολογήθηκαν, τόσο στο εργαστήριο όσο και με πειράματα πεδίου, υβριδικές προσαρμοστικές διεπαφές για την παρουσίαση των προτάσεων του αλγορίθμου και, γενικότερα, την υποστήριξη ανάκτησης προσωπικής πληροφορίας, όπως οι επαφές, σε συσκευές κινητού υπολογισμού. Αναλυτικότερα, στο πρώτο κεφάλαιο, παρουσιάζεται η τρέχουσα κατάσταση στο πεδίο των συσκευών κινητού υπολογισμού, σε επίπεδο υλικού, σε επίπεδο δικτύων και σε επίπεδο λειτουργικών συστημάτων των συσκευών κινητού υπολογισμού. Επίσης, παρουσιάζεται συνοπτικά η έννοια του context και των context aware συστημάτων. Τέλος, γίνεται μια πρώτη καταγραφή των ερευνητικών θεμάτων της διδακτορικής διατριβής και παρουσιάζεται συνοπτικά η συνεισφορά της. Στο δεύτερο κεφάλαιο, γίνεται μια εκτενής παρουσίαση της τρέχουσας ερευνητικής δραστηριότητας στον τομέα της διδακτορικής διατριβής. Συγκεκριμένα, αναπτύσσονται οι έννοιες του context και των context-aware συστημάτων και στη συνέχεια γίνεται αναφορά στις έννοιες του mobile και social context. Κατόπιν, παρουσιάζονται μεθοδολογίες ανάκτησης και μοντελοποίησης του context, με έμφαση στο context των συσκευών κινητού και διάχυτου υπολογισμού. Στη συνέχεια, παρουσιάζονται χαρακτηριστικά παραδείγματα κινητών context aware συστημάτων, με έμφαση στα context aware συστήματα για τη διαχείριση προσωπικής πληροφορίας σε συσκευές κινητού υπολογισμού και ειδικότερα στη διαχείριση των επαφών και της επικοινωνίας του χρήστη. Τέλος, παρουσιάζονται νέα είδη διεπαφών (adaptive interfaces), οι οποίες προσαρμόζονται στο τρέχον context της συσκευής κινητού υπολογισμού. Στο τρίτο κεφάλαιο, παρουσιάζεται το πρώτο μέρος του ερευνητικού έργου της παρούσας διδακτορική διατριβής. Συγκεκριμένα, παρουσιάζεται η μελέτη και υλοποίηση ενός αλγορίθμου για την ανάκτηση προσωπικής πληροφορίας από συσκευές κινητού υπολογισμού. Ως περίπτωση χρήσης, εστιάσαμε στην ανάκτηση των επαφών. Αρχικά, παρουσιάστηκε ο τρόπος με τον οποίο επιλέξαμε να αναπαραστήσουμε το context του χρήστη. Στη συνέχεια, για να ερευνηθεί ποιες διαστάσεις του context είναι οι σημαντικότερες για την ανάκτηση επαφών, πραγματοποιήθηκε η ανάλυση δύο συνόλων δεδομένων, ενός που συλλέχθηκε στα πλαίσια της διδακτορικής διατριβής και ενός που παραχωρήθηκε από την εταιρία ΝΟΚΙΑ. Κατόπιν, παρουσιάζεται ο σχεδιασμός και η πειραματική αξιολόγηση του αλγορίθμου. Τέλος, παρουσιάζεται η σύγκριση του προτεινόμενου αλγορίθμου με αντίστοιχους αλγορίθμους και προσεγγίσεις της βιβλιογραφίας. Στο τέταρτο κεφάλαιο, παρουσιάζεται η υλοποίηση ενός συστήματος ανάκτησης επαφών σε συσκευές κινητού υπολογισμού. Συγκεκριμένα, υλοποιήθηκε ο αλγόριθμος που παρουσιάστηκε στο προηγούμενο κεφάλαιο και στη συνέχεια σχεδιάστηκαν και υλοποιήθηκαν context aware προσαρμοστικές διεπαφές, για την ανάκτηση επαφών σε συσκευές κινητού υπολογισμού. Στη συνέχεια, παρουσιάζεται η αξιολόγηση του συστήματος που υλοποιήθηκε, με την πραγματοποίηση πειράματος πεδίου, διάρκειας ενός μήνα. Κατά τη διάρκεια του πειράματος, συλλέγονταν ανώνυμα στατιστικά χρήσης του συστήματος, ενώ, στο τέλος του πειράματος, έγινε και συλλογή ποιοτικών δεδομένων, με χρήση ερωτηματολογίων. Στο τελευταίο, πέμπτο, κεφάλαιο, παρουσιάζεται μία σύνοψη της διδακτορικής διατριβής, καταγράφονται τα συμπεράσματα της και γίνεται αναφορά στις μελλοντικές επεκτάσεις του ερευνητικού έργου. / Recent technological advances have transformed the mobile phones from simple communication devices to pervasive computing devices. Today’s mobiles are equipped with a great variety of hardware, such as high definition cameras, GPS receivers, WiFi capabilities, NFC chips, 3G/4G mobile network connections, compass, accelerometers etc. Those sensors collect a huge amount of information about mobile device’s user and her environment (user’s context), for example, the location, current day and time, device’s orientation, if she is on the move and how fast, the current task (e.g. talking, typing text) etc. Besides the automatically generated information, users keep a lot of personal information on their mobile devices like communication history, short messages, photos, emails, music and videos, reminder and calendar events etc. If we combine the user’s context with the stored social information, a dynamic context is created, which can be termed the user’s mobile social context. The aim of this PhD thesis is the exploitation of user’s mobile social context in order to support the extraction of personal information from mobile computing devices. As an example of personal information, this thesis studies the support of user’s communication by extracting the desired contacts. However, the same methodology applies to all kinds of personal information like photos, videos, music etc. First of all, real mobile usage statistics from two different datasets were analyzed in order to design and implement a new prediction algorithm of the future user’s communication on mobile devices. Secondly, a comparison between the proposed algorithm and relative algorithms was conducted. Then, a system for mobile devices that embeds the proposed algorithm was developed. At the same time, adaptive interfaces for the presentation of the proposals of the algorithm were designed and evaluated, conducting both lab and field experiments. Chapter 1 presents the current status in the field of mobile computing devices, in terms of hardware, mobile networks and mobile operating systems. The terms “context” and “context aware” systems are also briefly presented. Finally, Chapter 1 presents the research question of this thesis and its research contribution. Chapter 2 presents the related work in the field. First, the terms “context” and “context aware” are discussed in detail and then the terms of “mobile” and “social context” are introduced. The chapter discusses proposals for retrieving and modeling the user’s context, giving detailed information about the mobile user’s context. Also, in the same chapter, examples of context aware systems are presented, focusing mainly to context aware systems for communication management and contacts retrieval. Finally, novel, adaptive, context aware interfaces are also presented. Chapter 3 presents the first part of the thesis’ research. A new algorithm for the task of contacts retrieval is proposed. In order to choose the proper dimensions of the user’s context for the specific task, an analysis and examination of two different dataset is perfomed. The first dataset is preliminary and it is collected in the context of this thesis. The second one is provided by NOKIA and is the outcome of a large scale initiative that took place in Geneva area of Switzerland, the NOKIA Lausanne Data Collection Campaign. A comparative evaluation of the proposed algorithm against the two mentioned datasets is finally performed. Finally, a comparison of the proposed algorithm with similar approaches and algorithms is presented. In Chapter 4, the design and implementation of a Google Android system for contacts retrieval from mobile computing devices is presented. A set of context aware adaptive interfaces for contacts retrieval was designed and developed, to make use of the algorithm discussed in Chapter 3. These interfaces were tested using a large scale field experiment (1 month duration) in order to evaluate the system in real conditions and with real users. During the experiment, anonymous usage statistics from users were collected and a questionnaire for the qualitative evaluation of our system was also distributed. In the final chapter (chapter 5), the conclusions of the thesis and future work suggestions are presented.