A system model proposal in which human creativity meets with machine learning coping with smoking cravings
Sigara aşermelerini sigara içmeden atlatabilmek için insan yaratıcılığı ile makine öğrenmesinin buluştuğu bir sistem modeli önerisi
- Tez No: 588556
- Danışmanlar: DOÇ. DR. LEVENT SOYSAL
- Tez Türü: Yüksek Lisans
- Konular: İletişim Bilimleri, Sosyoloji, Communication Sciences, Sociology
- Anahtar Kelimeler: Aşerme, Dürtü, Dürtüsel davranış, Makine öğrenmesi, Sigara, Sigara içme, Sistem modelleme, Yaratıcılık, İnsan-makine ilişkisi, İnsan-teknoloji ilişkisi, Craving, Impulse, Impulsive behavior, Machine learning, Cigarette, Smoking, System modelling, Creativity, Human-machine relationship, Human-technology relationship
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Kadir Has Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İletişim Bilimleri Ana Bilim Dalı
- Bilim Dalı: Yeni Medya ve İletişim Yönetimi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sigarayı bırakmak zordur, ancak tekrar başlamayı önlemek daha da zor olabilir. Aşerme anları, sigara içme dürtüsü, sigarayı bırakmış bir kişinin sigaraya tekrar başlayıp başlamayacağı konusunda belirleyici olabilir.“Sigara içmemek için aşerme anlarında neler yapılabilir?”sorusunu araştırdım ve sigara içmek yerine aşerme anlarında yapılabilecek / düşünülebilecek şeylerin kişiden kişiye ve hatta bir aşerme anından bir aşerme anına farklı olabileceğini farkettim. Ve bazı insanların“bu aşerme anlarına tasarımsal düşünme yaklaşımıyla anlık yaratıcı çözümler”bulabileceklerini anladım. Aslında, bunu zaten yapıyorlar. Ancak bazıları bunu bilinçsizce yapıyor ve bu eylemlere“çözüm”olarak bakmıyorlar. Ayrıca öyle baksalar bile, bu çözümler hesaplanabilir takip edilebilen veriler değillerdir. Bunun üzerine şu soruyu sordum:“Sigarayı bırakmış kişiler arasında bu deneyimlerini/çözümlerini optimum şekilde nasıl sirküle edebilirim?”. Sonra bir sistem modeli tasarladım. Tasarlanan sistem (1) karşılaştıkları ve sigara içmeden geçirdikleri her aşerme anı için kişilerin buldukları/uyguladıkları çözümleri alacak ve (2) toplanan çözümlerden aşerme anında çözüme ihtiyaç duyanlara en uygun çözüm sunacaktır. Bu çözümler sigarayı bırakanların hayal gücü ve yaratıcılığının sınırındadır. Ve verilen öneri (1) kişiselleştirilmiş ve ayrıca (2) kişinin içinde bulunduğu aşerme anının özelliklerine uygun olacaktır. Bunlar, (a)“nerede?”, (b)“ne yaparken?”, (c)“kiminle?”, (d)“hangi duygu durumunu?”ve (e)“ne zaman?”sorularının cevapları olabilir. İki konuyu araştırdım: sigara aşermeleri ve makine öğrenmesi. Sonra kullanıcıları daha iyi anlamak için, nitel bir keşif yaklaşımı ve derinlemesine görüşmeler yaptım. Bu görüşmelerin analizleri ışığında, sistem modelinin kavramsal modelini ve hem veri toplama çözümü hem de kullanıcı-sistem arayüzü çözümü olarak bir chatbot tasarladım ve geliştirdim.
Özet (Çeviri)
Quitting smoking is hard, yet preventing relapse can be even harder. During those craving moments, urges to smoke may be the determining factor as to whether a smoking quitter will relapse or not. I researched the question“what could be done at craving moments in order to resist to smoke?”and spotted that the things that can be done/thought, at the craving moments instead of smoking, can vary from person to person and even from one craving moment to another craving moment. So I figured out that some people can come up with“instant creative solutions with some design thinking approach to these craving moments”. Actually, people are already doing this even if some of them are doing this unconsciously and do not look at those acts as“solutions”. And if they do, those solutions -real world information- are not preserved as computable data. Thereupon I pursued the question:“how can I computerize these experiences and enable the exchange of those solutions between smoking quitters in an optimum way?”. Drawing inspiration from this question I designed a system model. The designed system will (1) take solutions from smoking quitters for each craving moment they encounter and pass without smoking, and (2) give the optimum solution from collected solutions to the ones who need a solution at their craving moment. These solutions are on the edge of the smoking quitters' imagination and creativity. And the given instant solution- the recommendation- will be (1) personalized and also (2) suitable with that craving moment's characteristic 'features'. These solutions can vary just as the answers to these questions (a)“where?”, (b)“while doing what?”, (c)“with whom?”, (d)“which emotion state?”, and (e)“when?”. I researched two topics: smoking cravings, machine learning. Then to better understand the users, I conducted a qualitative exploratory approach and in-depth interviews. In the light of the analysis of these interviews, I designed the conceptual model of the system model and lastly for the system-user interface design and as a data collection solution I designed and developed a chatbot named“Drop-it-at-t0_bot”on Telegram.
Benzer Tezler
- Bürolarda çalışma ünitelerinin yeni teknolojilere adaptasyonu için bir yaklaşım
Başlık çevirisi yok
BANU BİNAT
Yüksek Lisans
Türkçe
1996
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. NİGAN BAYAZIT
- Yatay organizasyon modeli olarak kendi kendini yöneten takımların yönetsel dönüşüm yönünden incelenmesi
Başlık çevirisi yok
AHMET ŞEN
- Açık bankacılık uygulamaları, potansiyel etkileri ve denetim modeli önerisi
Open banking practices, their potential impacts and audit model proposal
AYKUT YALLI
- 1985-1986 yıllarında Polatlı Devlet Hastanesine kaza nedeniyle başvuranların incelenmesi
Başlık çevirisi yok
FERHAN ŞENOL
Yüksek Lisans
Türkçe
1986
İlk ve Acil YardımGazi ÜniversitesiKazaların Çevresel ve Teknik Araştırması Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. HİKMET PEKCAN
- Devrelerin büyük işaret cevaplarının bilgisayar yardımıyla bulunması
Başlık çevirisi yok
NÜKHET GÜNEYİ
Yüksek Lisans
Türkçe
1985
Elektrik ve Elektronik MühendisliğiUludağ ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERGÜR TÜTÜNCÜOĞLU