Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

A comparative study of major clustering techniques for MAR learning usability prioritization processes

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F62690094%3A18450%2F20%3A50017206" target="_blank" >RIV/62690094:18450/20:50017206 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.3233/FAIA200577" target="_blank" >http://dx.doi.org/10.3233/FAIA200577</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.3233/FAIA200577" target="_blank" >10.3233/FAIA200577</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    A comparative study of major clustering techniques for MAR learning usability prioritization processes

  • Popis výsledku v původním jazyce

    This paper presents and discusses a comparative study of three major clustering categories namely Hierarchical-based, Iterative mode-based and Partition-based in analyzing and prioritizing Mobile Augmented reality (MAR) Learning (MAR-learning) usability data. This paper first discusses the related works in usability and clustering before moving on to the identification of gaps that can be addressed through experimentation. This paper will then propose a research methodology to measure four common clustering techniques on MAR-learning usability data. The paper will then discourse comparative results showing how Mini-batch K-means to be an ideal technique within the experimental setup. The paper will then present important research highlights, discussion, conclusion and future works. © 2020 The authors and IOS Press. All rights reserved.

  • Název v anglickém jazyce

    A comparative study of major clustering techniques for MAR learning usability prioritization processes

  • Popis výsledku anglicky

    This paper presents and discusses a comparative study of three major clustering categories namely Hierarchical-based, Iterative mode-based and Partition-based in analyzing and prioritizing Mobile Augmented reality (MAR) Learning (MAR-learning) usability data. This paper first discusses the related works in usability and clustering before moving on to the identification of gaps that can be addressed through experimentation. This paper will then propose a research methodology to measure four common clustering techniques on MAR-learning usability data. The paper will then discourse comparative results showing how Mini-batch K-means to be an ideal technique within the experimental setup. The paper will then present important research highlights, discussion, conclusion and future works. © 2020 The authors and IOS Press. All rights reserved.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2020

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Frontiers in Artificial Intelligence and Applications

  • ISBN

    978-1-64368-114-6

  • ISSN

    0922-6389

  • e-ISSN

  • Počet stran výsledku

    13

  • Strana od-do

    317-329

  • Název nakladatele

    IOS Press BV

  • Místo vydání

    Amsterdam

  • Místo konání akce

    Japonsko

  • Datum konání akce

    22. 10. 2020

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku