Notice bibliographique
Résumé
The new technology of mobile communication has provided nutritious soil for the growth of mobile services, but also invoked the user's expectation for higher quality service. To survive and prosper in the ever-changing service landscape, service providers seriously consider Quality of Experience (QoE). QoE concerns service quality from the user's perspective. This dissertation reports our research to analyze and assess QoE of the Over-The-Top (OTT) video service. It has proposed to study QoE based on the life cycle of a video session. Based on the concept of a life cycle, it classifies interruptions during a video playback as impairments (temporary interruptions) and failures (permanent interruptions). This dissertation introduces a detailed subjective methodology for assessing session-based QoE in a laboratory controllable approach. The methodology includes selection of video content, design and implement of test conditions, delivery of questionnaire, to data collection. It is eminently useful for service providers and researchers who are interested in assessing video QoE. Three laboratory controllable experiments have been conducted following this methodology. This dissertation also provides QoE objective assessment based on data collected from these subjective experiments. First, the dissertation presents the impact of failures on the QoE evaluation by statistical tests, which explains why we need to study session-based QoE. Second, it discusses the interplay among selecting QoE factors, CQ (Content Quality), TQ (Technical Quality), OX (Overall eXperiment), and acceptability. It demonstrates that TQ is the determinant factor of OX with the presence of failures in these laboratory controllable experiments, which is valuable for future session-based QoE studies. And then, the dissertation investigates the relationship between QoE factors and Application Performance Metrics (APMs). Proposing novel APMs to predict QoE factors, the feasibility of APMs is examined and a primary QoE model is proposed. Lastly, this dissertation identifies that the user's rating behaviors have different levels of sensitivity to impairments and failures. Principle Component Analysis (PCA) is proposed to discern abnormal behaviors and classify user personality in QoE assessment.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».