Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Server Design to Ensure Quality and Fairness in Mobile Crowdsourcing
KTH, Skolan för elektroteknik och datavetenskap (EECS).
2019 (Engelska)Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)
Abstract [en]

Mobile crowdsourcing solves complex problems by utilizing the untapped power of a crowd, connected through the fantastic mobile devices we use in our daily life. These gadgets are equipped with a versatile set of sensor that could be used for gathering data about a specific location in combination with questions to the human carrier. Common problems in crowdsourcing systems is how to ensure that the contributed data from the crowd is of a high quality and how to do task allocation fairly. A large population of users is often needed to ensure a high quality of data and coverage, every participant is important and the system have to do be designed with the population in mind.In this thesis we discuss the responsibilities of the server in a crowdsourcing system and presents a system model which tries to tackle the problems of quality and fairness. A prototype of the system model was developed (CrowdS) to determine its potential, for both Android and iOS devices.A long running test was performed to evaluate the performance of CrowdS with the main focus on determine how well the system performed in terms of coverage of the search area and fairness of earnings and prices. The test was executed on both platforms for a couple of weeks. The vast majority of all completed tasks were finished within 10 minutes of being created, with a median time of 3 minutes and 32 seconds seconds. Jain’s fairness index measured an overall high fairness for both the price of tasks at 0.944 and the earnings made by participants at 0.941. The radius of the search area had to be extended to maximum of 800 meters for roughly on third of the tasks to find the required number of participants.

Abstract [sv]

Mobil crowdsourcing löser komplexa problem genom att utnyttja kapaciteten av en grupp, sammankopplad med de mobila enheter vi använder dagligen. Dessa maskiner är utrustade med en mångsidig uppsättning av sensorer som kan användas för att samla in data om en specifik plats i kombination med frågor till den mänskliga bäraren. Vanliga problem med gruppbaserad problemlösning är hur man försäkrar att den insamlade informationen är av en hög kvalite´ och hur man utför uppdragsallokering rättvist. En stor användargrupp behövs för att uppnå en hög kvalite´ av data och täckning, varenda deltagare är viktig och systemet måste utformas med denna användargrupp i åtanke.I denna avhandling diskuterar vi ansvaret som en server har i mobil gruppbaserad problemlösning och presenterar en systemmodel som försöker hantera problemen med kvalite´ och rättvisa. För att utvärdera systemmodellen utvecklades en prototyp (CrowdS), för både Android och iOS-enheter.Ett långvarande test utfördes för att utvärdera Crowds prestanda med huvudfokus på att bestämmahur bra systemet presterade inom täckning för sökområdet och rättvishet för vinster och priser. Testet utfördes på båda plattformarna under ett par veckor. Den stora majoriteten av alla utdelade uppgifter var avklarade inom 10 minuter efter att de hade skapas, med en median tid på 3 minuter och 32 sekunder. Jain’s rättvise index användes för att få en uppfattning om hur rättvist vinster och priser var för uppgifter, det räknades till 0,944 respektive 0,941. Radien för sökområdet behövde utsträckas till dess maximum av 800 meter för cirka en tredjedel av uppgifterna för att hitta det tillräckligt många deltagare.

Ort, förlag, år, upplaga, sidor
2019. , s. 38
Serie
TRITA-EECS-EX ; 2019:18
Nyckelord [en]
Mobile Crowdsourcing, Quality, Fairness, Server, Sensor, Real Life Data
Nationell ämneskategori
Data- och informationsvetenskap
Identifikatorer
URN: urn:nbn:se:kth:diva-247622OAI: oai:DiVA.org:kth-247622DiVA, id: diva2:1298730
Examinatorer
Tillgänglig från: 2019-03-25 Skapad: 2019-03-25 Senast uppdaterad: 2019-03-25Bibliografiskt granskad

Open Access i DiVA

fulltext(1547 kB)27 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1547 kBChecksumma SHA-512
561ddc352a3962dd2502bb28ad29d08bca08b2c13495acdadb49af184f55357cbeba15f359989c864988cdec7f3e2c2e3be0443dc33041ae92ccb1aae1d75a6a
Typ fulltextMimetyp application/pdf

Av organisationen
Skolan för elektroteknik och datavetenskap (EECS)
Data- och informationsvetenskap

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 27 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 80 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf