mHealth Case Study Presenting Design SynMeth, a Rapid Prototyping MBSE Methodology, by Advancing Specific OPM-to-SysML Mapping
Notice bibliographique
Résumé
Designing IoT-based cognitive assessment and monitoring devices for older adults poses critical challenges in managing trade-offs between accessibility and functionality. With the global aging population to exceed 2 billion by 2050, an increasing number of older adults will require Active Assisted Living (AAL) technologies to support independent living. Cognitive impairments make standard interfaces difficult to use, necessitating user-centered design approaches. Effective solutions must address the transition from document-centric to model-based design, incorporating co-design with users and caregivers, iterative modeling cycles, and continuous model evolution. This study highlights key factors that call for a hybrid approach, blending the flexibility of rapid prototyping with the accuracy and robustness of precision engineering. This study demonstrates a successful implementation of a cognitive detection device within an AAL European project by presenting Design SynMeth, a novel blended Model-Based Systems Engineering methodology that maps Object-Process Methodology (OPM) to Systems Modeling Language (SysML) using a modified MagicGrid framework. This approach bridges early and late design phases, integrating OPM’s strength in conceptual modeling and SysML’s rigor in technical specifications. Design SynMeth enhances system design efficiency and adaptability to IoT challenges. The case study reveals how Design SynMeth methodology models the architecture of a mobile health well-being device for detecting cognitive issues, supporting seniors’ autonomy. It highlights the dynamic interplay between problem and solution domains, leveraging OPM diagrams for problem domain and SysML diagrams for requirements and solution domain. This work advances the state of the art in IoT-based cognitive monitoring and promotes innovative, human-centered engineering for aging societies.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».