本論文的研究動機來自於一般的電視觀賞經驗。「電視」這樣一個如此貼近我們日常生活的媒介，所提供給觀看者的並不全然是一般生活當中視覺以及聽覺的再現而已。在部份電視節目當中，觀看者有時也能感受到這控制的斧鑿痕跡，會注意到音樂的存在似乎與畫面有些不相宜，亦即會發現耳朵所聽見的與眼睛所看見的電視內容，似乎有點矛盾或者不協調。 因此，本論文由音樂的基礎：「聲音」的物理特性開始討論，藉由文獻分析，可以瞭解，「受一定音樂樂理規範」的聲音，也就是音樂，能對人的生理系統產生激發作用，並且由於生理狀態的改變，音樂進一步還能引發人的基礎情緒反應。而在情緒反應產生之後，本研究認為，藉由音樂「形式作用」與「內容作用」的過程，可使人產生一個可變動的審美結果。而此不固定的審美結果，參考了認知科學「音樂流等於潛意識流」的說法，本研究認為，這是一種完形現象。 而電視這種媒體，同時給予影像以及聲音兩種訊息來源。本研究認為，音樂和影像都能分別給予一種完形感，而當兩者因為來源相同而必須整合為一個完形的時候，就有可能產生不協調的情形。而本研究假設，造成不協調的可能因素之一，便是兩者的時間線索與空間線索不一致。為此，本研究以特殊設計的電視短片，對十位志願受訪者進行深度訪談，從回答當中，得以驗證了當電視短片中的畫面與音樂所包含的時空線索不一致時，可產生如「時間感覺被破壞」、「明顯感覺不協調」等負面觀感。因此，影音的時空線索，應是決定電視中音樂與畫面協調與否的關鍵因素之一。

此篇論文中提出了一個新的環境監管規則衝突偵測方法，其運用於偵測智慧環境中使用者所制定的各種服務（在此稱為「規則」）。不同於傳統的偵測方法，此篇論文考量時間的因素，使具有時間感知的規則也能夠進行偵測。當考慮到時間的關係，這可能會使得原本衝突的規則變成有機會發生衝突或是不發生衝突，而且這也將會影響到整個系統的運作。我們基於特徵交互作用將衝突類型分成矛盾以及循環兩種，並且將時間因素也考慮到衝突類型當中，再針對這兩種衝突分別進行偵測。在矛盾這類型的衝突中，此篇論文利用時間邏輯的歸結原理來找出矛盾的規則；在循環這類型的衝突中，此篇論文將規則轉換成圖，然後再利用深度優先搜索找出圖中的返回邊，若是有返回邊存在也就能說明圖中存在著循環。此方法主要有兩個優點，第一個是在不考慮時間因素的傳統規則中，能夠有效的偵測出衝突。第二個是考慮時間因素的時間感知規則中，也能夠有效的偵測出衝突。在我們的實驗中，除了在模擬的規則資料庫中進行偵測外，我們也針對在實際的農業養殖場域中所使用的規則資料庫進行偵測。我們所提出的方法成功的偵測出智慧環境中使用者所制定的服務。 / A novel temporal-aware conflict detection method for environmental regulation which is used to detect the various services (referred to as “rules”) prescribed by users in a smart environment is proposed in this thesis. This method is different from the traditional detection methods. This thesis considers the temporal-aware so that temporal rules can be detected. When we take the temporal relationship into account, it is possible that the conflicting rules are turned into opportunistic conflicting rules or non-conflicting rules, and it also affects the operation of the entire system. We divide the conflict type into contradiction and cycle based on the feature interaction and take the temporal relationship into account, and then detect these two kinds of conflict types. In the conflict type of contradiction, this thesis uses the temporal resolution to detection conflicting rules. In the conflict type of cycle, this thesis transforms the rules into graphs, and then detect the cycles through the depth-first search (DFS) to find back edges. This method has two main advantages, the first one is that the conflict can be detected among the traditional rules which do not consider the temporal. The second is that the conflict can be effectively detected among the temporal rules. In our experiments, in addition to detecting in simulated rule databases, we also detect the rule databases used in the real greenhouse. The method we proposed successfully detect the services prescribed by the users in the intelligent environment.

京都大学 / 新制・課程博士 / 博士(情報学) / 甲第24035号 / 情博第791号 / 新制||情||134(附属図書館) / 京都大学大学院情報学研究科社会情報学専攻 / (主査)教授 矢守 克也, 教授 多々納 裕一, 教授 畑山 満則 / 学位規則第4条第1項該当 / Doctor of Informatics / Kyoto University / DFAM