การรู้จำกิจกรรมที่ปรับได้สำหรับการวิเคราะห์พฤติกรรมเสี่ยงจากกระแสข้อมูลเชิงเวลาบนอุปกรณ์เคลื่อนที่แบบพกพา
ชื่อผู้แต่งข้างต้นเป็นข้อความจากระเบียนผลงาน ไม่ได้ผูกกับรหัสนักวิจัย จึงกดดูผลงานอื่นของบุคคลนี้ไม่ได้ — ในคลังนี้ 142,080 ผลงาน (63.6% ของทั้งหมด) มีชื่อผู้แต่งที่เชื่อมกับหน้าผู้แต่งได้ และ 60,298 ผลงาน (27.0%) มีผู้แต่งที่ผูกกับรหัสนักวิจัยจริง ส่วนอีก 81,382 ผลงานไม่มีข้อมูลผู้แต่งเลย (มีชื่อผู้แต่งเป็นข้อความอยู่ 142,009 ผลงาน = 63.5%)
บทคัดย่อ
งานวิจัยส่วนใหญ่ที่เกี่ยวข้องกับการสร้างตัวแบบรู้จำกิจกรรม ด้วยข้อมูลกระแสเชิงเวลาจากตัวรับรู้แอคเซเลอโรมิเตอร์ของสมาร์ทโฟน และอุปกรณ์สวมใส่ข้อมือ จะใช้วิธีสร้างตัวแบบรู้จำกิจกรรมเฉพาะบุคคล โดยจำเป็นต้องเก็บข้อมูลการทำกิจกรรมต่าง ๆ ของผู้ใช้ตามยะระเวลาที่กำหนด จากนั้นจึงนำข้อมูลที่ได้ไปสร้างตัวแบบรู้จำกิจกรรมด้วยวิธีการจำแนกข้อมูลวิธีการต่าง ๆ ซึ่งจะได้ตัวแบบรู้จำกิจกรรมที่เหมาะสมกับผู้ใช้คนคนนั้น แต่อย่างไรก็ตามการสร้างตัวแบบรู้จำกิจกรรมลักษณะนี้อาจเป็นการรบกวนผู้ใช้มากเกินไป เนื่องจากผู้ใช้จะต้องเสียเวลาเก็บข้อมูลการทำกิจกรรมด้วยตัวเอง ยิ่งไปกว่านั้นถ้าหากผู้ใช้ทำกิจกรรมไม่ครบทุกกิจกรรมหรือทำไม่ตรงตามเวลาที่กำหนด การรู้จำกิจกรรมก็อาจเกิดความผิดพลาดขึ้นได้ จากโครงการวิจัยที่ได้รับทุนสนับสนุนจากงบประมาณเงินรายได้จากเงินอุดหนุนรัฐบาล (งบประมาณแผ่นดิน) ประจำปีงบประมาณ พ.ศ. 2560 มหาวิทยาลัยบูรพา ผ่านสำนักงานคณะกรรมการการวิจัยแห่งชาติ ที่ผ่านมา ผู้วิจัยได้นำเสนอวิธีการสร้างตัวแบบรู้จำกิจกรรมไม่เฉพาะบุคคล 2 วิธี ได้แก่ 1) วิธี การรู้จำกิจกรรมแบบไม่เฉพาะบุคคลบนอุปกรณ์สมาร์ทโฟน หรือ ไอซาร์ และ 2) วิธี ปรับปรุงการรู้จำกิจกรรมแบบไม่เฉพาะบุคคลบนอุปกรณ์สมาร์ทโฟน หรือ ไอซาร์พลัส ซึ่งมีประสิทธิภาพด้านเวลา และความถูกต้อง ในการรู้จำกิจกรรมจากกระแสตัวรับรู้แอคเซเลอโรมิเตอร์ของสมาร์ทโฟน ในโครงการวิจัยนี้เป็นโครงการที่ได้รับทุนสนับสนุนต่อเนื่องเป็นปีที่ 2 ซึ่งจะทำการทดลองวิจัยโดยใช้อุปกรณ์ที่เป็นอุปกรณ์สวมใส่ที่ข้อมือ หรือนาฬิกาอัจฉริยะ ซึ่งกระแสของข้อมูลที่จะใช้ในการรู้จำกิจกรรมจะมีความซับซ้อนมากกว่าข้อมูลที่มาจากสมาร์ทโฟน รวมถึงการใช้ข้อมูลจากตัวรับรู้มากกว่า 1 ตัวเพื่อเพิ่มความถูกต้องในการทำนายกิจกรรมให้มากขึ้น ซึ่งจากการออกแบบวิธีการดำเนินงาน ผู้วิจัยได้นำเสนอวิธีการใหม่นี้ว่า Smartwatch based Physical Activity Recognition หรือเรียกว่า S-PAR และผลการทดลองเมื่อทำการเปรียบเทียบกับงานวิจัยอื่นโดยใช้ข้อมูลจริงจากฐานข้อมูลสาธารณะ พบว่าวิธีการ S-PAR มีผลความถูกต้องดีกว่าวิธีการที่นำมาเปรียบเทียบ ซึ่งสามารถนำไปประยุกต์และพัฒนาต่อยอดเป็นแอปพลิเคชันต่อไปได้