Aufrufe
vor 5 Jahren

8 Werkzeuge f¨ur Rapid Prototyping mit verteilten Soft - tuprints

8 Werkzeuge f¨ur Rapid Prototyping mit verteilten Soft - tuprints

steht dem Benutzer frei,

steht dem Benutzer frei, diesen auszuwählen oder nicht. Die Aktion muss der Benutzer dabei selbstständig ausführen. 5. Das System führt die in der Beraterassistenz empfohlene Aktion aus, sobald der Benutzer diese bestätigt hat. 6. Das System führt die in der Beraterassistenz empfohlene Aktion aus, falls der Benutzer nicht innerhalb einer vorgegebenen Zeit widersprochen hat. 7. Das System führt die zu empfehlende Aktion selbstständig aus und informiert den Benutzer nach Ausführung über das Geschehene. 8. Das System führt die Aktionen selbstständig aus und informiert den Benutzer nur, falls dieser aktiv in das Geschehen eingreift und nachfragt. 9. Das System führt die Aktionen selbstständig aus und entscheidet autonom darüber, ob der Benutzer darüber zu informieren ist oder nicht. 10. Das System führt alle Aktionen selbstständig aus und informiert den Benutzer nicht. In dieser Arbeit sind mehrere Assistenten zur Unterstützung des Benutzers entstanden. Diese sind: adaptiver Auswahlassistent (siehe Kapitel 7.1): Dieser ist in der Lage auf Aufforderung des Benutzers hin auf Basis dessen persönlicher Präferenzliste eine Liste an möglichen Filmen zu empfehlen. eine Dialogkomponente (siehe Kapitel 7.2) zum Erkennen eines Benutzerzieles und zur Initiierung eines Dialoges mit dem Benutzer zum Zwecke der vollständigen Definition des Zieles des Benutzers. eine regelgestützte Inferenzmaschine, die in zwei Varianten sowohl zur kontextabhängigen Auswahlempfehlung (siehe Kapitel 7.3) als auch zur Ansteuerung von Geräten in einem Raum (siehe Kapitel 8.2) verwendet wird. Der adaptive Auswahlassistent wurde in unterschiedlichen Assistenzgraden einer Evaluation unterzogen (vgl. Kapitel 7.1). Nach Sheridan arbeitet der adaptive Auswahlassistent gemäß den Assistenzgraden 2, 3 und 4. Er ist sowohl in der Lage eine Übersicht über das gesamte Angebot zu geben, als auch eine Filmauswahl (Filterassistenz) als auch einen speziellen Film – den am höchsten bewertete – zu empfehlen (Beraterassistenz). Dabei steht es dem Benutzer frei sich für einen Film zu entscheiden oder das Angebot zu verwerfen. Die Dialogkomponente (vgl. Kapitel 7.2) entspricht aufgrund ihrer Arbeitsweise dem Benutzer Fragen mit möglichen Antworten zukommen zu lassen dem Assistenzgrad 5. Zusätzlich gibt sie, nachdem sie ein Benutzerziel vollständig definiert hat, eine Information an den Benutzer aus welche Funktionen sie nach unten geben wird (in Kapitel 7.2 ist ein Beispiel beschrieben, wie ein Beispiel zuerst nach dem Genre eines Filmes gefragt wird, dann nach der gewünschten Lautstärke in der der Film abgespielt werden soll. 255

Zuletzt wird ihm bestätigt, dass nun der Auftrag einen Film abzuspielen durchgeführt wird) 108 . Zuletzt ist die regelgestützte Inferenzmaschine, die im Rahmen dieser Arbeit sowohl zur Inferenz des Verhaltens einer intelligenten Umgebung (vgl. Kapitel 8.2.2), als auch zur Inferenz möglicher zu besuchender Orte während einer Autofahrt (vgl. Kapitel 7.3) entwickelt wurde ein Assistent im Sinne von Sheridan. Hierbei ist die Wirkungsweise jedoch komplett unterschiedlich. Während die Inferenzmaschine im Autofahrt-Szenario lediglich mögliche Orte zum Besuchen empfiehlt und somit eine Art Filterassistenz darstellt (Assistenzgrad 3), die der Benutzer annehmen kann oder nicht, stellt das Inferieren des Verhaltens der intelligenten Umgebung den Assistenzgrad 9 oder gar 10 dar. Auf Basis von Kontextdaten, impliziten und/oder expliziten Handlungen des Benutzers werden auf Basis von Regeln Funktionen aufgerufen, die die Geräte der Umgebung ansteuern. Der Benutzer wird hier weder vorher befragt, noch informiert. In wie weit dieses Verhalten einer Umgebung für den Benutzer akzeptabel ist – zumal die Regeln auf denen der Inferenzprozess und damit das Verhalten beruht von Dritten implementiert wurden – muss Gegenstand zukünftiger Evaluierungen und Projekten sein. Mögliche Hinweise können die Ergebnisse der Evaluation des adaptiven Auswahlassistenten geben (vgl. Kapitel 7.1). Effektive Assistenzmethoden sollten signifikant höhere Akzeptanzwerte als die bloße Assistenz per Zufall (vgl. die Akzeptanz von Regel 9 in Abbildung 82) erreichen. Die hohen Werte der adaptierbaren Assistenz (im Sinne von Sheridan würde dies Assistenzgrad 2 entsprechen) gegenüber den adaptiven Assistenzarten (Filter- und Beraterassistenz gemäß den Sheridanstufen 3 und 4) zeugen von der massiven Furcht der Benutzer vor Kontrollverlust. Bei angenommener idealer Adaptivität (vgl. Abbildung 87) kehrt sich dieses Verhältnis jedoch um. Nimmt man diese Erkenntnisse zum Rückschluss auf die Assistenz der Dialogmanagerkomponente und der regelgestützten Inferenzkomponenten, so müssen die hiermit realisierten Dialoge resp. Regeln dem Ideal nahekommen. Dieses Ideal zu bestimmen muss Gegenstand zukünftiger Forschungsarbeiten sein 109 . Tabelle 3 fasst die in dieser Arbeit enstandenen intelligenten Komponenten in einer Einstufung nach Sheridan zusammen. Zur Verwendung regelbasierter Steuerung findet sich bei Kulkarni (einer der Entwickler des Intelligent-Room-Projekts am Massachusetts Institute of Technology (MIT), vgl. Kapitel 2.1.7) ein wichtiger Hinweis bezüglich der Komplexität und Lesbarkeit von Re- 108 An dieser Stelle sei noch mal betont, dass es sich bei der in Kapitel 7.2 beschriebenen Dialogmanager- Komponente um eine generische Komponente handelt. Sie ist in der Lage auf Basis einer Initialisierungsdatei jeden möglichen Dialog im Sinne eines Fragedialoges zu führen. Die Antworten können dann in die darauffolgenden Funktionsaufrufe definiert werden. 109 Der Autor vermutet, dass im Falle der Dialogkomponenten das Ideal einer möglichst großen Optionenmenge pro Frage und im Falle der regelgestützten Inferenzkomponente die Einbeziehung nicht-persönlicher Kontextdaten eine wesentliche Rolle spielt. Das Letztere sollte das ” vernünftigen“ Verhalten eines Raumes zur gegebenen Situation widerspiegeln. Da solche Räume oftmals in Gruppen benutzt werden, sollte hier die Modellierung von intelligenten Räumen auf Basis persönlicher Benutzerprofile oder -präferenzen eine untergeordnete Rolle spielen. Dies erhöht den Kontrollverlust bei den beteiligten Personen und fördert die Befürchtung Persönliches preiszugeben. Professor Rombach vom Fraunhofer IESE begegnet diesen Zweifeln (vgl. [181]) damit, dass dies der Preis sei um u.U. qualitative Assistenz (im Sinne eines längeren selbstbestimmten Lebens durch Ambient Assisted Living) zu realisieren. Hier sei weitere Aufklärung notwendig. 256

eine infrastruktur f ¨ur das management von verteilten ... - DVS