کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
11512891 1434602 2018 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Enabling visual community learning analytics with Internet of Things devices
ترجمه فارسی عنوان
فعال کردن تجزیه و تحلیل یادگیری انجمن جامعه با دستگاه های اینترنت چیزها
ترجمه چکیده
صنعت 4.0 در حال حاضر در حال تغییر محل کار صنعتی به محیط های پیشرفته با سنسور است. در حالی که اغلب از کار افتاده است که از طریق افزایش اتوماسیون از دست رفته است، ما متقاعد شده ایم که پتانسیل بسیار زیادی برای کارکنان همه کاره و کارآمد در محیط کار نوآور وجود دارد. آموزش در محل کار ممکن است به این امر کمک کند. در این زمینه، هر دو دستگاه پوشیدنی بدن و دستگاه های صنعتی مقدار بسیار زیادی از داده ها را تولید می کنند. با این حال، سوال این است که چگونه با این مقدار داده ها مقابله کنیم. برای این منظور، تجزیه و تحلیل بصری ترکیبی از تکنیک های محاسباتی از داده کاوی و یادگیری ماشین با روش های ادراکی انسانی از تعامل انسان و کامپیوتر است. در این مقاله، ما یک روش و ابزار پشتیبانی برای ایجاد نمودار های تجزیه و تحلیل بصری غنی و تعاملی برای تجزیه و تحلیل راه حل های نوین آموزش در محیط های پیشرفته در محیط کار ارائه می کنیم. این ظرفیت های کامپیوتری را برای رسیدگی به داده های بزرگ و محاسبه منابع با توانایی انسان برای سرعت درک روابط به ارمغان می آورد. ارزیابی فنی ما نشان می دهد که این رویکرد از دیدگاه محاسباتی امکان پذیر است؛ آزمون های قابلیت استفاده نشان داد که استعاره خط لوله توسعه یافته به هدف خود می رسد. نتایج ما ممکن است در طراحی سیستم های آینده ای که نیازهای هر دو ترنینگ و زبان آموزان را در تنظیمات صنعت 4.0 برآورده می کنند کمک کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
Industry 4.0 is currently transforming industrial workplaces into sensor-assisted high-tech environments. While it is often feared that jobs will be lost through increasing automation, we are convinced that there is an enormous potential for versatile and competent workers at innovative workplaces. Training at the workplace may contribute to this. In this context, both body-near wearables and industrial devices produce an enormous amount of data. However, the question is how to deal with this amount of data. To this end, visual analytics is a combination of computational techniques from data mining and machine learning with human perceptional methods from human-computer interaction. In this article we present a method and tool support to create rich and interactive visual analytics charts to analyze innovative training solutions in high-tech workplace settings. This brings together the computer's capacities to handle large data and calculation resources with the human ability to quickly grasp relationships. Our technical evaluation shows, that the approach is feasible from a computational perspective; usability tests revealed that the developed pipeline metaphor reaches its goal. Our results may help in designing future systems that fulfill the needs of both trainers and learners in Industry 4.0 settings.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers in Human Behavior - Volume 89, December 2018, Pages 385-394
نویسندگان
, ,