3. DEMONSTRATIONPLAN The demonstrat

3. DEMONSTRATIONPLAN The demonstration begins with a brief architecture introduction, followed by a short user study report. After that, we lead the audience through two scenarios to explore all MOBIES features: data analytics
pre-processing and mobile online experience. We use the NSF fastlane award website as an example to demonstrate our MOBIES system.
3.1 User Study We perform the user study to compare the mobile user-friendliness before and after applying MOBIES. Our preliminary study was conducted on iPhone with participation of 20 students at the University of Texas at Arlington. Each subject was required to access from iPhone a pair of NSF fastlane web interfaces for comparison. Both interfaces were composed of the same 4 drop-down menus: “PI State”, “Award Amount”, “Application Field”, “Award Instrument” and 1 textbox “Program Manager”, with the only difference that one had been enhanced by MOBIES. Then, we recorded the time of each subject to input the same workload of 20 queries. Every query contains 5 predicates corresponding to the 5 interface elements, respectively. Our finding was that the average input time was 323.3 seconds shorter after applying MOBIES.
3.2 Data Analytics Pre-Processing We first provide the audience an chance to sneak preview the original NSF fastlane website on multiple mobile devices including iPhone, HTC Android and Palm Pre. Then, we switch to the MOBIES configuration panel (Figure 4a), where the audience can complete the following setup: 1)specify the interface element(s)of their own interest to be enhanced by auto-suggestion and/or value visualization;2)choose to discover one or multiple attributes whose domains are unknown and 3) set the query cost (i.e., the maximum number of search queries to be issued) as the termination condition.
Our pre-processing starts following a click on the “Start” button but can stop anytime upon request. During the pre-processing period, MOBIES collects a variety of real-time statistics, all of which are available to the audience through our progress monitor panel (Figure 4b) and aggregate estimation panel (Figure 4c). In particular, there are 3 parts for the demonstration. First is the domain discovery progress, where the audience can see a respective run-time progress bar for each unknown attribute (specified in the beginning setup). Second, since the entire data analytics layer hinges on sampling based on a concept of query tree(as in §2.2.2),we publish the query tree structural information in conjunction with the dynamic statistics in the hybrid sampling algorithm such as the number of overflowing/underflowing/validnodes,elapsed time and so on. Third, to see the effectiveness of aggregate estimation, the audience are allowed to view the histogram of domain value popularity for both pre-known and unknown attributes. Selection conditions are supported when requesting the histogram. For example, Figure 4c shows a histogram to display all the program managers working for either CCF or PHY organizations. For those attributes with a large number of domain values,we allow the audience to set a threshold k such that the generated histogram shows up to k most frequent values.
3.3 Mobile Online Experience
Due to the low-connectivity and/or long waiting time for the previous scenario, we have prepared a completed pre-processing version for back-up. The audience are able to check from the configuration panel our default setup. In this scenario (Figure 4d), we allow the audience to experience the enhanced look-and-feel of the NSF fastlane interface by going through all the 4 patterns discussed in §2.2.1 on different mobile devices (i.e., iPhone, HTC Android and Palm Pre). After the audience submitting a search query, they will be directed into a facet navigation mode if the returning results are over a threshold(10 by default but can be changed to 30 or 50). Otherwise,the search results will be output in a concise form based on the output attribute selection pattern.

ผลลัพธ์ (ไทย) 1:

3. DEMONSTRATIONPLAN สาธิตที่เริ่มต้น ด้วยการแนะนำโดยย่อสถาปัตยกรรม ตามรายงานการศึกษาผู้ใช้สั้น หลังจากนั้น เรานำผู้ชมผ่านทางสองสถานการณ์ทั้งหมด MOBIES คุณสมบัติ: วิเคราะห์ข้อมูล ก่อนการประมวลผล และโทรศัพท์มือถือออนไลน์ประสบการณ์ เราใช้เว็บไซต์รางวัล fastlane NSF เป็นตัวอย่างแสดงให้เห็นถึงระบบ MOBIES ของเรา 3.1 ผู้ศึกษาที่เราทำการศึกษาผู้ใช้การ user-friendliness เคลื่อนเปรียบเทียบก่อน และ หลังการใช้ MOBIES มีดำเนินการศึกษาเบื้องต้นของเราบน iPhone ด้วยการมีส่วนร่วมของนักศึกษามหาวิทยาลัยเทกซัส 20 แต่ละหัวข้อที่ต้องการเข้าถึงจาก iPhone คู่ของ NSF fastlane เว็บอินเตอร์เฟสสำหรับการเปรียบเทียบ อินเทอร์เฟสทั้งสองได้ประกอบด้วยเมนูแบบหล่นลง 4 เดียวกัน: "PI รัฐ" "เงินรางวัล" "เขต ข้อมูลโปรแกรมประยุกต์" "เครื่อง มือรางวัล" และ "โปรแกรมจัดการ" กล่องข้อความ 1 มีความแตกต่างเพียงว่าได้ถูกปรับปรุง โดย MOBIES แล้ว เราบันทึกเวลาของแต่ละที่อาจมีการป้อนข้อมูลปริมาณเดียวกันกับแบบสอบถาม 20 ทุกแบบสอบถามประกอบด้วยเพรดิเคต 5 ที่สอดคล้องกับองค์ประกอบส่วนติดต่อ 5 ตามลำดับ finding ของเราได้ว่า เวลาเข้าเฉลี่ยคือ 323.3 วินาทีที่สั้นหลังจากการใช้ MOBIES 3.2 ข้อมูลวิเคราะห์ประมวลผลก่อนเรา first ให้ผู้ชมมีโอกาสแอบเว็บไซต์ fastlane อย่าง NSF ฉบับบนหลายอุปกรณ์มือถือรวมทั้ง iPhone, HTC Android และปาล์มก่อน จากนั้น เราไป MOBIES configuration แผง (รูปที่ 4a), ซึ่งผู้ชมสามารถทำการตั้งค่าต่อไปนี้: 1) ระบุองค์ประกอบของอินเทอร์เฟซของตนเองจะเพิ่มขึ้น โดยอัตโนมัติแนะนำและ/หรือค่าแสดงภาพประกอบเพลง 2) เลือกได้หนึ่ง หรือหลายแอททริบิวต์โดเมนจะไม่รู้จัก และ 3) แบบสอบถามต้นทุน (เช่น จำนวนค้นหามูล) ตั้งเป็นเงื่อนไขการจ้างงานประมวลผลของเราก่อนเริ่มต่อคลิกที่ปุ่ม "เริ่มต้น" แต่สามารถหยุดได้ทุกเวลาตามต้องการ ในช่วงเวลาก่อนการประมวลผล MOBIES รวบรวมความหลากหลายของสถิติแบบเรียลไทม์ การที่มีผู้ชมผ่านแผงประเมินรวม (รูปที่ 4 c) และแผงจอความคืบหน้า (รูปที่ 4b) ของเรา โดยเฉพาะอย่างยิ่ง มี 3 ส่วนสำหรับการสาธิต ครั้งแรก ได้ความคืบหน้าค้นหาโดเมน ที่ผู้ชมสามารถเห็นแถบความคืบหน้าขณะทำงานที่เกี่ยวข้องสำหรับแต่ละแอตทริบิวต์ไม่รู้จัก (specified ในการตั้งค่าเริ่มต้น) สอง ตั้งแต่ชั้นการวิเคราะห์ข้อมูลทั้งหมดแต่สุ่มตัวอย่างตามแนวคิดของแผนภูมิแบบสอบถาม (ใน §2.2.2), เราเผยแพร่รายละเอียดโครงสร้างแผนภูมิแบบสอบถามร่วมกับสถิติแบบไดนามิกในไฮบริอัลกอริทึมเช่นหมายเลข overflowing/underflowing/validnodes เวลาที่ใช้การสุ่มตัวอย่างและ 3 เพื่อดูประสิทธิภาพของการประเมินรวม ผู้ชมได้ดูฮิสโตแกรมของโดเมนค่านิยมสำหรับแอตทริบิวต์ทั้งก่อนรู้จัก และไม่รู้จัก เลือกเงื่อนไขได้รับการสนับสนุนเมื่อร้องขอฮิสโตแกรม ตัวอย่าง รูปที่ 4 c แสดงฮิสโตแกรมจะแสดงโปรแกรมทั้งหมดผู้จัดการที่ทำงานในองค์กร CCF หรือ PHY สำหรับแอตทริบิวต์เหล่านั้นกับค่าโดเมนจำนวนมาก เราให้ฟังตั้งเคจำกัดที่ฮิสโตแกรมสร้างแสดงค่า k บ่อย ๆ ค่า 3.3 ประสบการณ์มือถือออนไลน์ เนื่องจากการเชื่อมต่อต่ำหรือยาวรอเวลาสำหรับสถานการณ์สมมติก่อนหน้านี้ เราได้เตรียมไว้เป็นรุ่นก่อนการประมวลผลเสร็จสมบูรณ์สำหรับสำรอง ผู้ชมจะสามารถตรวจสอบจากแผง configuration การตั้งค่าเริ่มต้นของเรา ในสถานการณ์นี้ (รูปที่ 4 d), เราอนุญาตให้ผู้ชมสัมผัสประสบการณ์พิเศษดู และความรู้สึกของอินเทอร์เฟซ fastlane NSF โดยผ่านรูปแบบ 4 ทั้งหมดที่กล่าวถึงใน §2.2.1 บนอุปกรณ์มือถือต่าง ๆ (เช่น iPhone, HTC Android และปาล์มก่อน) หลังจากผู้ชมที่ส่งแบบสอบถามการค้นหา พวกเขาจะนำเข้าสู่โหมดการนำทางพได้ถ้าผลลัพธ์กลับมาเกินขีดจำกัด (10 โดยค่าเริ่มต้น แต่สามารถเปลี่ยนเป็น 30 หรือ 50) มิฉะนั้น ผลการค้นหาจะแสดงผลในแบบกระชับตามรูปแบบการเลือกแอททริบิวต์ผลลัพธ์

ผลลัพธ์ (ไทย) 3:

3 . demonstrationplan การสาธิตเริ่มต้นด้วยบทนำย่อสถาปัตยกรรมตามรายงานการศึกษาของผู้ใช้สั้น หลังจากนั้น พวกเรานำผู้ชมผ่านสองสถานการณ์ที่สำรวจทั้งหมด mobies ข้อมูล Analytics
การประมวลผลและประสบการณ์ออนไลน์มือถือ เราใช้ NSF fastlane รางวัลเว็บไซต์เป็นตัวอย่างที่แสดงให้เห็นถึงระบบ mobies ของเรา
31 ผู้ใช้การศึกษาเราให้ผู้ใช้เปรียบเทียบผู้ใช้โทรศัพท์มือถือมิตร ก่อนและหลังการใช้ mobies . การศึกษาเบื้องต้นของเราดำเนินการบน iPhone โดยการมีส่วนร่วมของนักเรียนที่มหาวิทยาลัยเท็กซัสที่อาร์ลิงตัน แต่ละเรื่องก็ต้องเข้าจาก iPhone คู่ของอินเตอร์เฟซเว็บ fastlane NSF เพื่อเปรียบเทียบ ทั้งระบบได้แก่เหมือนกัน 4 เมนูแบบเลื่อนลง :" และภาพ " , " จำนวนรางวัล " , " การประยุกต์ใช้ข้อมูล " , " รางวัลอุปกรณ์ " และ 1 ช่องรายการ " ผู้จัดการ " มีความแตกต่างเพียงหนึ่งที่ได้รับการปรับปรุงโดย mobies . งั้น เราบันทึกเวลาของแต่ละวิชาเพื่อป้อนข้อมูลภาระงานเดียวกัน 20 แบบสอบถาม ทุกแบบสอบถามที่ประกอบด้วย 5 ภาคแสดงที่ 5 อินเตอร์เฟซ ตามลำดับเราจึงหาคือว่าเวลาใส่เฉลี่ย 323.3 วินาทีสั้น หลังจากการใช้ mobies . 3.2 ข้อมูลก่อนการประมวลผลการวิเคราะห์
เราจึงตัดสินใจเดินทางไปให้ผู้ชมมีโอกาสที่จะแอบดูตัวอย่างต้นฉบับ NSF fastlane เว็บไซต์บนอุปกรณ์มือถือหลายรวมทั้ง iPhone , Android HTC และปาล์มก่อน แล้วเราก็เปลี่ยนไป mobies คอน จึง guration แผง ( รูปที่ 4 )ที่ผู้ชมสามารถเสร็จการตั้งค่าต่อไปนี้ : 1 ) ระบุ interface องค์ประกอบ ( s ) จากความสนใจของตนเองจะถูกเพิ่มโดยอัตโนมัติและ / หรือค่าแนะนำการแสดงภาพประกอบเพลง 2 ) เลือกที่จะค้นพบหนึ่งหรือหลายคุณลักษณะที่มีโดเมนจะไม่รู้จัก และ 3 ) การตั้งค่าค่าใช้จ่ายค้นหา ( เช่นจำนวนสูงสุดของการค้นหาออก ) โดยยกเลิกเงื่อนไข
การประมวลผลของเราเริ่มต่อไป คลิกที่ปุ่ม " Start " แต่สามารถหยุดได้ตลอดเวลาเมื่อมีการร้องขอ ในระหว่างการประมวลผลระยะเวลา mobies รวบรวมความหลากหลายของสถิติแบบเรียลไทม์ ซึ่งมีผู้ชมผ่านติดตามความคืบหน้าของเราแผงตัวเลข ( 4B ) และแผงประมาณรวมตัวเลข ( 4C ) โดยมี 3 ส่วนสำหรับการสาธิตที่แรกคือ โดเมน การค้นพบความก้าวหน้า ที่ผู้ชมสามารถเห็นแถบความคืบหน้าแต่ละครั้งแต่ละแอตทริบิวต์ที่ไม่รู้จัก ( กาจึงเอ็ดในการเริ่มต้นการติดตั้ง ) ประการที่สอง เนื่องจากทั้งการวิเคราะห์ข้อมูลชั้นบานพับ ( ตามแนวคิดของแบบสอบถามต้นไม้ ( ใน§ 2.2.2 )เราเผยแพร่แบบสอบถามต้นไม้โครงสร้างสารสนเทศร่วมกับสถิติแบบไดนามิกในไฮบริดขั้นตอนวิธีการสุ่มตัวอย่างเช่น จำนวนกว่าflเนื่องจาก / ใต้flเนื่องจาก / validnodes ผ่านไปเวลาและ ประการที่สาม เพื่อดูประสิทธิภาพของการรวมการประมาณค่า ผู้ชมสามารถดูความถี่ของความนิยมค่าโดเมนทั้งก่อนรู้จักและคุณลักษณะที่ไม่รู้จักเงื่อนไขการได้รับการสนับสนุนเมื่อมีกราฟแสดงความถี่ ตัวอย่างเช่น รูปแสดงกราฟแสดง 4C ผู้จัดการทุกโปรแกรมที่ทำงานอย่างใดอย่างหนึ่งหรือ PHY CCF องค์กร สำหรับคุณลักษณะเหล่านั้นกับจำนวนมากของโดเมนค่า เราอนุญาตให้ผู้ชมที่จะตั้งเกณฑ์ K ที่สร้างกราฟแสดงถึง K บ่อยที่สุดค่า
3
มือถือออนไลน์ประสบการณ์เนื่องจากการเชื่อมต่อต่ำและ / หรือยาว รอเวลาให้สถานการณ์ก่อนหน้านี้ เราได้เตรียมการเสร็จสิ้นการประมวลผลรุ่นสำหรับการสำรองข้อมูล ผู้ชมจะสามารถเช็คได้จากคอน จึง guration แผงการตั้งค่าเริ่มต้นของเรา ในสถานการณ์สมมตินี้ ตัวเลข ( 4D ) เราอนุญาตให้ผู้ชมได้สัมผัสกับการปรับปรุงรูปลักษณ์และความรู้สึกของ NSF fastlane อินเตอร์เฟซโดยผ่านทั้งหมด 4 รูปแบบการหารือใน§ 22.1 ในอุปกรณ์มือถือที่แตกต่างกัน ( เช่น iPhone , Android HTC และ Palm Pre ) หลังจากผู้ชมส่งแบบสอบถามการค้นหา พวกเขาจะเพ่งเล็งในแง่การนำโหมดถ้ากลับผลที่ผ่านเกณฑ์ ( 10 โดยค่าเริ่มต้น แต่สามารถเปลี่ยนเป็น 30 หรือ 50 ) มิฉะนั้น ผลลัพธ์การค้นหาจะแสดงในรูปแบบที่กระชับ ตามคุณลักษณะการเลือกรูปแบบเอาต์พุต .