Abstract
This thesis presents a mobile instrumentation middleware, AWARE, aimed at facilitating our understanding of human behavior. We demonstrate how to use AWARE to build context-aware applications, collect data, and study human behavior.
Mobile phones are resource-constrained and several considerations need to be taken into account to create a research tool that ensures problem-free data collection. AWARE can mitigate researchers’ effort when building mobile data-logging tools and context-aware applications. By encapsulating implementation details of sensor data retrieval and exposing the sensed data as higher-level abstractions, researchers spend less time developing software and save more time for doing research and analyzing the collected data, both quantitative and qualitative.
This thesis demonstrates AWARE’s use in a number of case studies. These vary in the research methods we have used: prototype-building; large-scale deployment; surveys; interviews; cognitive walkthroughs; heuristic evaluation; laboratory & field studies data logs; Day Reconstruction Method (DRM); and Experience Sampling Method (ESM). Together with these methods, we demonstrate how AWARE helps study human behavior in different research scenarios, such as: enabling human-smartphone awareness, understanding concerns on battery life, modeling the proximity of users to their smartphones, and capturing location sharing concerns.
The thesis’ contributions are: the design, implementation and evaluation of a novel mobile instrumentation middleware to facilitate an understanding of human behavior. / Tiivistelmä
Tämä väitöskirja esittelee mobiililaitteiden välikerrosohjelmisto AWAREn, jonka tarkoituksena on helpottaa ihmisen käyttäytymisen ymmärtämistä. Esitämme, kuinka AWAREa voidaan käyttää apuvälineenä kontekstitietoisten sovellusten kehittämisessä, aineiston keräyksessä ja ihmisen käyttäytymisen tutkimisessa.
Mobiililaitteiden rajallisista resursseista johtuen ongelmattoman aineiston keräämisen mahdollistavan tutkimustyökalun kehityksessä tulee huomioida useita seikkoja. AWARE voi helpottaa mobiilien aineistonkeräystyökalujen ja kontekstitietoisten sovellusten kehittämistä tiivistämällä anturitiedon hankintaan liittyviä yksityiskohtia ja esittämällä anturitiedon korkeamman tason abstraktioina. Näin tutkijat voivat käyttää vähemmän aikaa ohjelmistojen kehitykseen ja enemmän aikaa itse tutkimukseen ja kerätyn aineiston sekä kvantitatiiviseen että kvalitatiiviseen analysointiin.
Tässä työssä havainnollistamme AWAREn käyttöä useissa tutkimuksissa, joissa on sovellettu erilaisia tutkimusmenetelmiä: prototyyppien kehittäminen, suuren kokoluokan tutkimukset, kyselytutkimukset, haastattelut, kognitiiviset läpikäynnit, heuristiset arvioinnit, aineiston kerääminen laboratorio- ja kenttätutkimuksista, päivärekonstruktiomenetelmä (Day Reconstruction Method, DRM) ja kokemusotosmenetelmä (Experience Sampling Method, ESM). Näiden menetelmien avulla osoitamme, kuinka AWARE helpottaa ihmisen käyttäytymisen tutkimusta erilaisissa tutkimusskenaarioissa, kuten ihmisen älypuhelintietoisuuden mahdollistaminen, akun kestoon vaikuttavien tekijöiden ymmärtäminen, älypuhelimen ja käyttäjän etäisyyden mallinnus sekä paikkatiedon jakamiseen kohdistuvien asenteiden selvittäminen.
Tämän väitöskirjan kontribuutiot ovat: uudenlaisen, ihmisen käyttäytymisen ymmärtämistä helpottavan mobiililaitteiden instrumentointiohjelmiston (AWARE) suunnittelu, toteutus ja arviointi.
Identifer | oai:union.ndltd.org:oulo.fi/oai:oulu.fi:isbn978-952-62-0190-0 |
Date | 27 August 2013 |
Creators | Ferreira, D. (Denzil) |
Contributors | Kostakos, V. (Vassilis), Dey, A. (Anind K.) |
Publisher | Oulun yliopisto |
Source Sets | University of Oulu |
Language | English |
Detected Language | Finnish |
Type | info:eu-repo/semantics/doctoralThesis, info:eu-repo/semantics/publishedVersion |
Format | application/pdf |
Rights | info:eu-repo/semantics/openAccess, © University of Oulu, 2013 |
Relation | info:eu-repo/semantics/altIdentifier/pissn/0355-3213, info:eu-repo/semantics/altIdentifier/eissn/1796-2226 |
Page generated in 0.0019 seconds