Kurs Crowdsensing und Social Data Mining mit mobilen Agenten

Synopsis

VAK: 08-29-4-FEM-1-e
Kategorie: Kurssemniar mit Labor, 2 SWS
Studiengang: Soziologie, Informatik
ECTS: 6, Sommer Semester
Universität Bremen
(Universität Koblenz-Landau: VAK 04IN2111)
Dozent: PD Dr. Stefan Bosse

Medien

Materialien

Übungen/Arbeitsaufträge

Überblick

In dieser Veranstaltung sollen Studenten mit praktischen Ansätzen neue Technologien und Methoden in der Datenerhebung über mobile Geräte und das WEB erfahren. Der Mensch wird zum Sensor. Diese breite Teilnehmerbasis stellt die Grundlage für das Crowd Sensing dar, welches gerade in der Soziologie zunehmend an Bedeutung gewinnt und klassische Erhebungen ersetzen oder ergänzen könnte. Ob dieses möglich und richtig ist soll geklärt werden, Formelle Aspekte, Methoden, und Architekturen sollen vorgestellt und bezüglich Problemen und Eignung analysiert werden. Aber der Fokus liegt in der praktischen Erprobung von mobilen Crowd Sensing Systmen unter Nutzung gängiger Smartphones und WEB Technologien. Die Veranstaltung ist interdisziplinär (mit Fokus auf Soziologie) und stellt eine Brücke zwischen formalen Methoden und Technologien her.

Inhalte

1. Sensoren, Digitale Sensordaten, Big Data

   • Menschen als Sensoren
   • Medien als Sensoren
   • Smartphones als Sensoren
   • Virtuelle Sensoren und Simulation
   • Stark und schwach korrelierte Daten (Big Data?)
   • Frage nach den Modellen
   • Social Data Mining und Analysemethoden [ZAF14] [ATT15]
   • Rauschen, Verzerrung, Vorsatz, Betrug, ..

2. Grundlagen der Sensordatenerfassung und Verarbeitung

   • Umfragen
   • Sensornetzwerke [GRA14]
   • Mobile Sensoren und Smartphones [MIG17] [BOR17]
   • Erfassung und Berücksichtigung vom Kontext [YÜR15]
   • Sensorfusion
   • Maschinelles Lernen
   • Vertrauen und Integrität von Daten [BAR14]
   • Sicherheit und Schutz von privaten Daten (u.A. soziale Identität) [BAR14]

3. Soziale Modelle

   • Netzwerkmodelle und Graphen, Bewertung und Analyse [ZAF14]
   • Verhaltensmodelle (Agenten)
   • Gruppen und Gruppenverhalten
   • Mobilität, Migration, Seggregation
   • Meinungsbildung

4. Crowd Sensing

   • Erhebungsklassen: Partizipatorisch vs. opportunistisch
   • Architekturen: benutzerzentriert vs. erheberzentriert, zentral vs- dezentral [SCH12]
   • Belohnungsmechanismen [HOU18]
   • Verhandlung
   • Mobiles Crowd Sensing [BOR17]
   • Ad-hoc Netzwerke
   • Randbedingungen, u.A. Energieverbrauch!! [YÜR15]
   • Semantik im Crowd Sensing und Data Mining [YAN14]
   • Mobile Agenten und Chat Bots

5. Auswertung

   • Maschinelles Lernen - Strukturen finden und Modelle lernen
   • Statistische Analyse
6. Anwendungen, Demonstrationen, Beispiele, Laborübungen (integriert in 2-5)
   • Verwendung eines WEB-basierten Entwicklungs- und Crowd Sensing Frameworks (mit mobilen JavaScript Agenten)
   • Verwendung von Smartphones für die Datenerhebung
   • Erstellen und Testen von Umfragen und Erhebungen
   • Analyse und Auswertung der erhobenen Daten mit R (über das WEB Interface)

Ziele

1. Die Studenten sollen die Grundlagen des mobilen Crowd Sensings und deren Möglichkeiten, Ziele, und Anwendungen verstehen sowie Einblicke in Algorithmen und Datenmodelle erwerben. Sie können die Fragen wie die erhobenen Daten zu bewerten und zu verarbeiten sind beantworten.

2. Es sollen Abläufe und Aufbau vom Umfragen und der Datenerhebung mit mobilen Crowd Sensing und Verwendung von mobilen Geräten (Smartphones) verstanden und praktisch anhand einfacher Beispiele eingesetzt werden. Sie können die Fragen beantworten wie man mit Nutzern richtig interagiert und wie man Interesse an der Teilnahme weckt.

3. Die Studenten sollen anhand einfacher Laborübungen mit einem WEB basierten Crowd Sensing Baukasten und Analysewerkzeugen (Ausführung im WEB Browser, Verwendung von R) auf einfache Weise verschiedene Erhebungsszenarien erproben, unterscheiden und bewerten können.

4. Verständnis und Anwendung der Datenvorverarbeitung und Bedeutung von Quantität und Qualität der Daten (Data Mining).

5. Durch Praxisnähe sollen am Ende der Veranstaltung die Studenten in der Lage sein, Sensordaten mit Verfahren sinnvoll und zielgerichtet verarbeiten zu können und den Nutzen und die Probleme beim Einsatz von CWS realistisch bewerten können

Voraussetzungen

• Grundlegende Programmierfähigkeiten wären wünschenswert (sind aber nicht erforderlich)
• Grundlegende Mathematik Kenntnisse (Funktionen, Statistik)
• Grundverständnis der soziologischen Methoden

Literatur

[BAR14]: A. R. Bar and M. Maheswaran, Confidentiality and Integrity in Crowdsourcing Systems. Springer Cham Heidelberg NewYork Dordrecht London, 2014. "[Bar14]"

[BOR17]: C. Borcea, M. Talasila, and R. Curtmola, Mobile Crowdsensing. CRC Press, 2017. "[Bor17]"

[HOU18]: F. Hou, Y. Pei, and J. Sun, Mobile Crowd Sensing: Incentive Mechanism Design. Springer, 2018. "[Hou18]"

[SCH12]: D. Schall, Service-Oriented Crowdsourcing - Architecture, Protocols and Algorithms. Springer, 2012. "[Sch12]"

[MIG17]: M. Migliardi, A. Merlo, and S. A.-H. Baddar, Eds., Adaptive Mobile Computing. Elsevier, 2017. "[Mig17]"

[ZAF14]: R. Zafarani, M. A. Abbasi, and H. Liu, Social Data Mining. 2014. "[Zaf14]"

[YAN14]: Z. Yan and D. Chakraborty, Semantics in Mobile Sensing. MORGAN&CLAYPOOL, 2014. "[Yan14]"

[ATT15]: P. Attewell and D. B. Monaghan, Data mining for the social sciences : an introduction. University of California Press, 2015. "[Att15]"

[GRA14]: M. J. McGrath and C. N. Scanaill, Sensor Technologies Healthcare, Wellness, and Environmental Applications. Apress Open, 2014. "[Gra14]"

[YÜR15]: Ö. Yürür and C. H. Liu, Generic and Energy-Efficient Context-Aware Mobile Sensing. CRC Press, 2015. "[Yür15]"

Download

Script (2018)

PDF

Slides (2018)

PDF