Smart environments using near-field communication and HTML5
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Home health care and home automation increasingly allows more seniors to maintain independence, and remain longer in their own homes. Similarly, a post-surgical patient may be discharged from a medical facility to their house, which electronically facilitates their recuperation and promotes recovery. Smart environments are making the task of providing assistive technology in the home easier and more affordable. Near-field communication (NFC) has become popular in recent years. Increasing uptake of NFC-enabled smartphones has opened a new avenue to facilitate creation of a smart environment without the need for significant infrastructure. HTML5 is the latest version of the hypertext markup language, with unique code that enables access to advanced features on a smartphone. Proprietary apps can potentially be inconvenient and inconsistent and may even decrease uptake of the technology. In this paper, we propose a new methodology to enable NFC tags and NFC smartphones in conjunction with HTML5 backbone code, to be used for smart environments in home health care applications without the need for specific applications to be installed on the smartphone. Results show significant promise with just the built in phone software with use of NFC and HTML5 for various applications of smart environments. In many common tasks in a smart environment that increase patient safety, NFC tags can be not only informative, but an integral component of the system by triggering specific HTML5 code to provide appropriate responses - without the need to install specialized apps as long as the NFC is enabled in the mobile device.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle