Mobile learning based on adaptive web interface
Adaptae olabilir mobil ogrenme
- Tez No: 270353
- Danışmanlar: DOÇ. DR. ADEM KARAHOCA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 66
Özet
Web uygulamaları farklı müşteri ve kullanıcı tercihleri için daha fazla önem kazanmaya başlamıştır. Bu tür web içeriklerini oluşturmak ve yayınlamak için ciddi caba sarf etmek gerekmektedir. Bu sorunu çözmek için, bu tez Tarayıcı Tanım Şeması üzrinden ilgili arayüze ulaşma yaklaşımı getirmektedir. MVC üzerinde ilgili dinamik arayüzlere bir görüntü yönetim motoru ile yönlendirilir.Bugün mevcut durumda öğrenme içeriğinin çoğu yüksek çözünürlüklü ekran için tasarlanmıştır.Bunlardan sadece bir kısmını bir mobil cihazda kullanılabilir. Bazı içerik özellikle mobil cihazlar için tasarlanmış olsa da, teknik özellikleri çeşitliliği nedeniyle,içerik sağlayıcılar bu içeriğin tüm mobil cihazlar ulaşılabilmesini mevcut standartlar dahilinde garanti edemez. Bu tez çalışmasında, içeriğin mobil cihazlardan bağımsız olması sağlanmaya çalışılmıştır. Öğrencilerin kullandığı cihalara göre dağıtımı yapılan içerikten isfade etmesi sağlanır.
Özet (Çeviri)
Web applications automatically adapted for different clients and user preferences gain more importance. Still, there are barely technologies to compensate the additional effort of creating, maintaining and publishing such Web content. To address this problem, this thesis introduces a declarative, Model View Controller approach for adaptive, dynamic view on the basis of Browser Definition File Schema (XML-technology). Adaptive Web interface on different abstraction levels are defined in order to support effective Web view authoring and generation. Most of the learning content existing today is designed for high resolution screen. Only a fraction of contents can be utilized on a mobile device. Although some content may be specifically designed for mobile devices, content providers cannot assure that this content can be accessed by all mobile devices, because of the wide variety of technical characteristics, and existing standards. In this thesis, we propose a device-independent architecture for mobile learning, which provides contents based on characteristics of mobile devices and mobile learners. Delivering contents tended to adapt to not only learner?s needs and preferences, but also to mobile device used.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Bilişsel robotlar için öğrenme güdümlü sembolik planlama
Learning guided symbolic planning for cognitive robots
PETEK YILDIZ
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SANEM SARIEL TALAY
- Sinirsel bulanık mantık modeliyle kanser risk analizi
Cancer risk analysis with using neuro-fuzzy logic model
ATINÇ YILMAZ
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. ÜMİT KOCABIÇAK
YRD. DOÇ. DR. SEÇKİN ARI
- Emotion aware artificial intelligence for cognitive systems
Bilişsel sistemler için duygu farkındalıklı yapay zeka
DEĞER AYATA
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Adaptive beamforming in 5G networks using deep reinforcement learning
Derin güçlendirmeli öğrenmeyi kullanan 5G ağlarında uyarlanabilir hüzmeleme
SALAM HAZIM SALMAN AL-SAMEERLI
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ABDULLAHI ABDU IBRAHIM