Loading article…
コンテキスト認識とは、情報通信技術において、ユーザーやデバイスなどのエンティティの状況を考慮する能力を指しますが、それらに限定されるものではありません。 [ 1 ]位置は、この状況の最も明白な要素にすぎません。モバイルデバイス向けに狭義に定義されたコンテキスト認識は、位置認識を一般化したものです。位置は、貢献するデバイス周辺の特定のプロセスがどのように動作するかを決定する可能性がありますが、コンテキストは、モバイルユーザー、特にスマートフォンのユーザーに対してより柔軟に適用できます。コンテキスト認識は、ユビキタスコンピューティング、またはいわゆるパーベイシブコンピューティングの用語として始まり、環境の変化を、それ以外は静的なコンピュータシステムとリンクさせることを目的としたものです。この用語は、コンテキストアプリケーション設計やビジネスプロセス管理の問題に関連して、ビジネス理論にも適用されています。[ 2 ]
過去には、コンテキストのさまざまな分類が提案されてきました。Dey と Abowd (1999) [ 3 ]は、コンテキストの種類を場所、アイデンティティ、アクティビティ、時間に分類しています。Kaltz ら (2005) [ 4 ]は、モバイルと Web のさまざまなシナリオを網羅するために、ユーザーと役割、プロセスとタスク、場所、時間、デバイスのカテゴリを特定しました。しかし、これらの古典的なモダリティについては、最適な分類はアプリケーションのドメインとユースケースに大きく依存すると強調しています。さらに、単一のエンティティだけでなく、たとえば作業チームや複数の機器を持つ単一のキャリアなど、コンテキストの一貫性の中で動作するエンティティのクラスターにも対処する場合、より高度なモダリティが適用される場合があります。
ビジネスプロセスにおけるコンテキストに関する古典的な理解は、AAAアプリケーションの定義[ 5 ]から派生しており、次の3つのカテゴリに分類されます。
これら3つの条件には、記載されている場所と時間も含まれる。
コンピュータ科学におけるコンテキスト認識とは、コンピュータが環境を感知し、それに基づいて反応できるという考え方を指します。デバイスは、動作可能な条件に関する情報を含み、ルールやインテリジェントな入力に基づいて、それに応じて反応します。ユビキタスコンピューティングにおけるコンテキスト認識という用語は、Schilit (1994) によって導入されました。[ 6 ] [ 7 ] コンテキスト認識デバイスは、ユーザーの現在の状況について推測を試みることもあります。Dey (2001)は、コンテキストを「エンティティの状況を特徴付けるために使用できるあらゆる情報」と定義しています。[ 1 ]
コンピュータ科学コミュニティは当初、コンテキストをユーザーの位置情報の問題として捉えていましたが、Dey が論じているように[ 1 ] 、ここ数年でこの概念は単なる状態ではなく、ユーザーが関与するプロセスの一部として考えられるようになりました。そのため、洗練された汎用的なコンテキスト モデルが提案され (サーベイ[ 8 ]を参照)、コンテキスト認識アプリケーションが (a) インターフェースの適応、(b) アプリケーション関連データのセットのカスタマイズ、(c) 情報検索の精度の向上、(d) サービスの発見、(e) ユーザーインタラクションの暗黙化、または (f) スマート環境の構築に利用されています。たとえば、コンテキスト認識型の携帯電話は、現在会議室にいて、ユーザーが着席していることを認識できます。電話は、ユーザーが現在会議中であると判断し、重要でない通話を拒否することができます。[ 9 ]
コンテキスト認識システムは、コンテキストの取得（例えば、センサーを使用して状況を認識する）、コンテキストの抽象化と理解（例えば、認識された感覚刺激をコンテキストに一致させる）、および認識されたコンテキストに基づくアプリケーションの動作（例えば、コンテキストに基づくアクションをトリガーする）に関係しています。[ 10 ]ユーザーの活動と位置は多くのアプリケーションにとって重要であるため、コンテキスト認識は、位置認識と活動認識 の研究分野でより深く焦点が当てられています。
コンテキスト認識は、ユビキタスコンピューティングシステムを実現する技術とみなされています。コンテキスト認識は、革新的なユーザーインターフェイスの設計に使用され、ユビキタスコンピューティングやウェアラブルコンピューティングの一部としてよく使用されます。また、ハイブリッド検索エンジンの登場により、インターネットでもその影響が感じられるようになってきています。Schmidt、Beigl、Gellersen [ 11 ]は、コンピュータサイエンスに関連する重要な側面として、人間要因と物理的環境の 2 つ を定義しています。最近では、コンテキスト情報の配信を容易にするための研究も数多く行われています。Bellavista、Corradi、Fanelli、Foschini [ 12 ]は、モバイルシステムでコンテキスト管理とプロビジョニングを透過的に実装するように設計されたいくつかのミドルウェアソリューションを調査しています。Grifoni、D'Ulizia、Ferri [ 13 ]は、コンテキスト認識プロセスの主要フェーズ (コンテキストの取得、コンテキストの表現、コンテキストの推論と適応) で開発者が行った方法論的および実践的な選択を分析することにより、ビッグデータを使用したコンテキスト認識型位置情報サービスシステムのレビューを提供しました。 Perera、Zaslavsky、Christen、およびGeorgakopoulos [ 14 ]は、この分野の50を超える主要プロジェクトをレビューすることにより、モノのインターネットの観点からコンテキスト認識コンピューティングに関する包括的な調査を実施しました。さらに、Pereraは、コンテキスト認識コンピューティングの観点から、既存のIoTマーケットプレイスにある多数の産業製品も調査しました。[ 15 ]彼らの調査は、IoTパラダイムにおけるコンテキスト認識製品の開発と研究のためのガイドラインおよび概念フレームワークとして機能することを目的としています。評価は、10年以上前にDeyとAbowd (1999) [ 3 ]によって開発された理論的フレームワークを使用して行われました。インターネットと新興技術の組み合わせにより、日常のオブジェクトは、コンテキストを理解して反応できるスマートオブジェクトに変わります。[ 16 ]
人間要因に関連するコンテキストは、ユーザーに関する情報（習慣、感情状態、生体生理学的条件に関する知識）、ユーザーの社会的環境（他者の共存、社会的相互作用、グループダイナミクス）、およびユーザーのタスク（自発的な活動、従事するタスク、一般的な目標）の 3 つのカテゴリに構造化されています。同様に、物理的環境に関連するコンテキストは、位置（絶対位置、相対位置、共存）、インフラストラクチャ（計算、通信、タスク実行のための周囲のリソース）、および物理的条件（騒音、光、圧力、空気の質）の 3 つのカテゴリに構造化されています。[ 17 ] [ 18 ]
コンテキストの初期の定義はユーザー、またはユーザーと直接インターフェースするデバイスを中心にする傾向がありましたが、よく引用される Dey [ 1 ]の定義(「エンティティの状況を特徴付けるために使用できる情報」) は、この制限なしに解釈できます。ヒューマンコンピュータインターフェースの設計で使用されるユーザー中心のコンテキストは、「コンテンツ」(ユーザーが明示的に入力したもの、またはユーザーに出力されるもの) と、暗黙的で適応目的で使用されるコンテキストとの間に、過度に明確で部分的に恣意的な分離を意味することもあります。Dourish [ 19 ]が提唱する、より動的で中心から外れた見解では、コンテキストは主に関係的なものとみなされます。これは当初、デスクトップコンピューティングからユビキタスコンピューティングへの移行と一致していましたが、コンテキストとコンテンツの区別が相対的かつ動的になるアンビエントインテリジェンスのより広い理解にも合致しています。[ 20 ]この見解では、 IoTセンサーなどの情報源が、一部の用途やアプリケーションのコンテキストとなる場合、他の用途やアプリケーションの主要コンテンツのソースとなる場合もあり、その逆もまた然りです。重要なのは、それらを互いに、そしてそれらの環境と結び付ける関係のセットです。シングルユーザー中心のコンテキストの初期の説明は、古典的なエンティティ属性値モデルに適合するかもしれませんが、 NGSI-LDで提案されているような、より汎用的なグラフベースの情報モデルは、モノのインターネット、サイバーフィジカルシステム、デジタルツインに関連するコンテキストのより関係的なビューを捉えるのに適しています 。このより広い解釈では、コンテキストはエンティティに付随する属性のセットとして表現されるだけでなく、このエンティティを他のエンティティと絡み合わせるグラフによっても捉えられます。コンテキスト認識とは、異なるソースからのこの横断的な情報を考慮する能力です。
コンテキスト認識は、コンピュータ支援協調作業（CSCW）の分野に応用され、個人間の作業効率向上とコラボレーション促進に役立っています。1990年代初頭から、研究者たちは、ユーザーからコンテキスト情報（位置情報、ビデオフィード、不在ステータスメッセージなど）を収集できるソフトウェアおよびハードウェアシステムを数多く開発してきました。この情報は他のユーザーと共有され、状況認識能力の向上と、互いに交流する自然な機会の特定を可能にします。コンテキスト認識コンピューティングの黎明期には、この目的のために開発されたシステムの多くは、企業や地理的に離れた作業チームが共有ドキュメントや成果物でコラボレーションするのを支援するために特化して設計されていました。しかし近年では、この技術を友人や家族のグループにも応用し、互いの活動状況を把握するのに役立つことを示す研究が増えています。
現在までに、状況認識を向上させるためにコンテキスト認識を利用するシステムは、以下の特徴を持つ。
状況認識を向上させる目的で取得および共有される最も一般的なコンテキストは、ユーザーの位置情報です。たとえば、初期のプロトタイプであるアクティブバッジシステム[ 21 ]では、各ユーザーは、一連の頭上赤外線センサーを介して追跡できる固有の識別バッジを持っていました。ユーザーが建物内を歩き回ると、中央サーバーによってその位置が常に監視されました。他のユーザーは、この情報（テキスト形式または、後の研究[ 22 ]で行われたように地図上）を表示して、ユーザーがオフィスにいるかどうかを判断し、それによって、予定外の会話のために立ち寄る最適な時間を判断できました。位置情報は、PeopleTones [ 23 ]、Serendipity [ 24 ]、およびグループインタラクションサポートシステム[ 25 ]でも共有され、それぞれ友人、共通の個人的な興味を持つユーザー、およびチームメイトの近くにいるときにユーザーが判断できるようにしました。位置情報のみを表示するアクティブバッジと比較すると、これらのシステムはより積極的で、ユーザーが互いに近くにいるときに警告します。これにより、ユーザーは潜在的なインタラクションの機会がいつ発生したかを知ることができ、その機会を活かす可能性が高まります。
共有するもう 1 つの一般的なコンテキストは、ユーザーの作業活動であり、多くの場合、ビデオを共有することによって行われます。Community Bar システムでは、[ 26 ]研究者は、ユーザーのディスプレイのスクリーンショットを定期的に撮影するデスクトップ アプリケーションを開発しました。この情報は、ユーザーの同僚と共有され、チームメイトがどのようなドキュメント/成果物に取り組んでいるかを知ることができ、ユーザーが同じ場所にいるかのようにこれらの成果物について話し合うことができる共通の参照フレームを提供します。Montage [ 27 ]では、ユーザーは他のユーザーのコンピュータの Web カメラを短時間リモートでアクティブにする機能を与えられます。他のユーザーを「ちらっと見る」この機能により、ユーザーは相手が忙しいか、何かに夢中になっているかを確認でき、会話を開始する最も適切なタイミングをよりよく判断することができます。
状況認識を改善または強化するために共有できる3つ目のタイプのコンテキストは、ユーザーの音声です。Thunderwireシステム[ 28 ]では、研究者らは、友人がモバイルデバイスのマイクからの生の音声を共有できる音声専用のメディアスペースを開発しました。本質的には永続的な電話会議であるこのシステムでは、ユーザーは他のユーザーの音声を聞いて、会話に参加しているかどうか、またいつ参加しているかを判断できました。WatchMe [ 29 ]とListenIn [ 30 ]システムも、ユーザーが中断される可能性があるかどうか、またいつ中断される可能性があるかを判断するために音声に大きく依存しています。ただし、Thunderwireとは異なり、これらのシステムは機械学習アルゴリズムを使用してユーザーの音声を分析し、ユーザーが話しているかどうかを判断します。これにより、実際の音声を共有することなく、他のユーザーに同じコンテキスト（つまり、ユーザーが会話に参加しているかどうか）を提供できるため、プライバシーがより重視されます。
一般的に共有される4つ目のコンテキストは、ユーザーの全体的な活動状況です。Hubbub [ 31 ]と Conchat [ 32 ]システムでは、研究者らは、ソフトウェアまたは環境センサーを使用して、ユーザーがアクティブかアイドルかを監視する一連のインスタントメッセンジャーアプリケーションを開発しました。この情報は、他のユーザーに提供され、友人がメッセージに返信できるかどうか、またいつ返信できるかを知らせることができます。Digital Family Portrait システム[ 33 ]では、研究者らは、ユーザー（高齢の親/祖父母など）の日常活動を定性的に視覚化するデジタルフォトフレームを開発しました。この視覚化は、ユーザーの成人した子供に提供され、子供たちは親にわざわざ迷惑をかけることなく「様子を確認」することができ、それによって親が「住み慣れた場所で老後を過ごす」ことが可能になります。
これらのシステムは、状況認識や社会的認識を支援するためにコンテキスト認識がどのように活用できるかを示しているものの、これらのシステムの長期的な有効性はまだ十分に解明されていません。上記で説明したシステムの多くは、概念レベルでの評価、あるいはシステムの技術的な実現可能性を示すための評価にとどまっています。したがって、これらの研究の初期結果は、コンテキスト認識が状況認識タスクを支援できることを示唆していますが、より長期的なデータが必要となります。
コンテキスト認識型モバイルエージェント[ 34 ]は、コンテキスト認識型アプリケーションを実装するのに最適なホストです。最新の統合音声およびデータ通信により、病院スタッフはスマートフォンを使って互いに音声で通信できますが、できれば次に実行すべきタスクを調べたり、次に記録すべきレポートをキャプチャしたりするために使用します。
しかし、このようなアプローチでスタッフをサポートしようとする試みはすべて、患者のID、注文リスト、作業スケジュールなどの新しいイベントを調べる必要があるため、受け入れられず、妨げられています。したがって、適切なソリューションは、小さな画面でのこのような手動操作を排除し、ユーザーに
コンテキスト認識型モバイルエージェントは、インダストリー4.0という新しいパラダイムに関連した、より新しいコンテキスト認識型アプリケーションを実装するのに適したホストです。最新の統合型（音声および）データ通信により、作業場や生産ラインのスタッフはスマートフォンを使って生産制御システムにデータを送信し、フィードバックを得ることができます。このデータは、コンポーネントや部品の検出と識別から発生し、オンデマンド製品の柔軟な生産管理に統合されます。
しかし、顧客の需要と製品構成に関する情報が部品供給と一致できない限り、このようなアプローチでスタッフをサポートしようとする試みはすべて、固定された生産スケジュールによって妨げられます。したがって、適切なソリューションは、生産計画と生産ラインの関連情報と材料の発生の相互作用の欠如を解消する必要があります。
重要な要件は、情報処理において作業員が手作業で関与する必要のないソリューションを実装することである。そうでなければ、情報量の増加に伴いエラー率が上昇するだろう。
さらに、最も高精度な位置特定を謳う従来のRFID、WLAN、RTLSといった位置特定ソリューションは、いずれも要求される品質を満たしていません。なぜなら、絶対座標を求める従来の方法で位置を特定することは、技術的にも経済的にも失敗するからです。ファジー測位に基づく他のアプローチは、より高い投資対効果が期待できます。
ユビキタスゲームは、感知した人間の状況を利用してゲームシステムの動作を適応させます。現実と仮想の要素を融合させ、ユーザーがプレイ中に周囲と物理的に相互作用できるようにすることで、人々はゲームに完全に没入し、より良いゲーム体験を得ることができます。たとえば、スマートホームにおける人間の活動と場所の状況を利用するユビキタスゲームが自律エージェントによって報告されています。[ 35 ]
博物館や遺跡では、従来の音声ガイドの代替としてマルチメディアモバイルデバイスを提供する場合があります（例：ロンドンのテート・モダンを参照）。[ 36 ]コンテキスト認識デバイスは、位置情報、現在のユーザー操作、接続されたオブジェクトのグラフを使用して、ユーザーに提示される情報を動的に調整します。[ 37 ]場合によっては、これはサイト内のリアルタイムナビゲーションと組み合わされ、ユーザーの過去の操作に基づいて、ユーザーが興味を持つ可能性のある遺物や展示物にユーザーを案内します。[ 38 ]
{{cite conference}}: CS1 maint: 複数の名前: 著者リスト (リンク)