Doktoraty Wydziału IET

mgr Marcin Lenart

Promotor: prof. dr hab. Andrzej Bielecki (AGH)
Promotor pomocniczy: dr hab. Marie-Jeanne Lesot, assoc. prof., (Sorbonne)
Dyscyplina: Informatyka

W niniejszej dysertacji badany jest problem oceny jakości informacji produkowanej przez urządzenia pomiarowe. Jakość informacji jest pojęciem abstrakcyjnym, które uważa się za istotne w wielu dziedzinach jako że informacje dobrej jakości są niezbędne do działania wielu różnych systemów decyzyjnych. Ocena jakości informacji w dużej mierze zależy od rodzaju informacji, jej kontekstu i rozważanej dziedziny. Zwykle ocena jakości informacji polega na jej rozłożeniu na pojedyncze elementy, zwane wymiarami, które pozwalają uchwycić i połączyć różne aspekty informacji. Niniejsza praca koncentruje się na przypadku informacji produkowanych przez urządzenia pomiarowe, tj. urządzenia, które mierzą fragment rzeczywistości i przekształcają ją na wartość cyfrową. Istotnie, urządzenia pomiarowe, zwykle stosowane w większych grupach, nie zawsze produkują poprawne informacje i konieczna jest ich ocena. W niniejszej dysertacji proponujemy wykorzystanie specyficznych aspektów urządzeń pomiarowych w celu zdefiniowania dedykowanej, ale także ogólnej metody oceniania.

Istniejące propozycje oceny jakości informacji produkowanych przez urządzenia pomiarowe są w większości oparte na wykorzystywaniu danych uczących lub meta-informacji, co znacznie ogranicza ich ogólność: informacje te są często trudne do uzyskania i sprawiają, że metody te mogą być wykorzystywane tylko w jednej sytuacji, dla specyficznie określonych urządzeń pomiarowych, wykorzystując ich unikalne cechy.

Zaproponowany w pracy model działa niezależnie od obecności danych uczących oraz specyficznych meta-informacji o danym urządzeniu. Model ten jest zaprojektowany tak, aby mógł zostać wykorzystany w przypadku informacji produkowanych przez każdy rodzaj urządzenia pomiarowego wykorzystując do działania jedynie atrybuty wspólne dla większości urządzeń i łatwo dostępne meta-informacje. Proponowany model nosi nazwę ReCLiC od angielskich nazw czterech wykorzystywanych wymiarów: niezawodność, kompetencja, prawdopodobieństwo i wiarygodność.

Model ReCLiC przyjmuje na wejście wiadomości z bazy danych i ma na celu przyłączenie do każdej wiadomości numeryczną wartość która jest oceną jakości tej wiadomości: jakość ta jest rozumiana jako zaufanie, które można pokładać w treści tej wiadomości. Zaufanie to jest mierzone poprzez ocenę źródła, treści i kontekstu wiadomości, które są trzema głównymi składnikami definiującymi informację. W pracy dokładnie omawiamy wymagania czterech proponowanych wymiarów, na których opiera się ReCLiC i proponujemy definicje dla każdego z nich. Ponadto, w pracy proponowana jest implementacja ogólnej definicji ReCLiC do rzeczywistego przypadku dla konkretnego urządzenia kolejowego: omawiamy definicje czterech wymiarów dla tego urządzenia i przeprowadzamy formalne badanie proponowanych definicji, analizując potencjalne zmiany poziomu zaufania na podstawie zmian każdego z czterech wymiarów.

Proponowana implementacja ReCLiC jest weryfikowana eksperymentalnie przy użyciu danych symulowanych opartych na rzeczywistej bazie danych z dziedziny kolejowej. Zaproponowany eksperyment pozwala na kontrolę różnych potencjalnych problemów związanych z jakością informacji oraz ich ilości przy użyciu czterech różnych scenariuszy. Ta eksperymentalna walidacja, która dodatkowo obejmuje modyfikację różnych parametrów, pokazuje, że proponowany model ReCLiC właściwie ocenia jakość informacji, a w szczególności zdolność do przypisywania niskich poziomów zaufania dla symulowanych wiadomości.

Dodatkowo, model ReCLiC jest wykorzystany do analizy prawdziwego zbioru danych, w którym wykrywane i omawiane są problemy z jakością informacji. W tym celu została zaproponowana nowa metoda wizualizacji która ma za zadanie zobrazować wiele poziomów zaufania dla wielu urządzeń jednocześnie. Pozwala ona także zaobserwować propagację niskiego poziomu zaufania, która pokazuje w jaki sposób wiadomości niskiej jakości mogą wpływać na jakość innych informacji. Dodatkowo wprowadzono i omówiono pojęcie dynamiki zaufania na podstawie tego przykładu.

Praca doktorska - Lenart2020

dr hab. Rafał Scherer, prof. PCz
dr hab. Grégory Smits

Ważniejsze publikacje doktoranta:

1. Lenart, M., Bielecki, A., Lesot, M.-J., Petrisor, T., & Revault d’Allonnes, A. (2018). Dynamic trust scoring of railway sensor information. Proc. of the 17th Int. Conf. on Artificial Intelligence and Soft Computing ICAISC’18, Lecture Notes in Artificial Intelligence, vol. 10842 (pp. 579–591).
2. Lenart, M. (2018). Credibility evaluation in the context of event-type messages from sensors. Schedae Informaticae, vol. 27 .
3. Lenart, M., Bielecki, A., Lesot, M.-J., Petrisor, T., & Revault d’Allonnes, A. (2019). Trust dynamics: a case-study on railway sensors. Proc. of the 8th Int. Conf. on Sensor Networks, SENSOR- NETS’2019 (pp. 47–57). Scitepress.