Metoda identyfikacji operatorów HCI w oparciu o ich „portrety wieloczynnikowe” subiektywizacji postrzegania obiektu HCI
##plugins.themes.bootstrap3.article.sidebar##
Numer Tom 16 Nr 3 (2026)
-
Podejście oparte na głębokim uczeniu do automatycznego wykrywania raka skóry z analizą porównawczą różnych wielkości partii w klasyfikacji obrazów dermatologicznych
Abini M.A.5-13
-
Modelowanie i zasady zarządzania produkcją pasz granulowanych mieszanych z wykorzystaniem systemów informacyjno-analitycznych
Mahil Mammadov, Tural14-22
-
Inteligentny system automatycznego sterowania oparty na technologii IoT do energetycznie efektywnego suszenia zboża
Ainur Rustemova, Maria Yukhymchuk, Vladyslav Lesko, Marat Orynbet, Yurii Ivanov23-30
-
Projekt i walidacja eksperymentalna inteligentnego systemu zarządzania zapasami w lodówce opartego na technologii IoT-RPA
Lyudmila Samchuk, Yuliia Povstiana, Nataliia Lishchyna, Mykyta Ponomarenko31-38
-
Inteligentny system monitorowania gleby na rzecz zrównoważonego rolnictwa z wykorzystaniem TinyML i sieci czujników bezprzewodowych o bardzo niskim zużyciu energii
Muhammad Ovais Akhter39-48
-
Modelowanie działania dynamicznego systemu zarządzania kolejkami w supermarketach
Larysa Gumeniuk, Volodymyr Lotysh, Pavlo Humeniuk49-58
-
Eksperymentalna walidacja metod kompensacji błędów żyroskopów światłowodowych w warunkach półnaturalnych
Nurzhigit Smailov, Ainur Kuttybayeva, Yerlan Tashtay, Zhandos Dosbayev, Aruzhan Nazarova, Beibarys Sekenov, Aida Serbayeva, Akezhan Sabibolda59-63
-
Symulacja pracy czterokanałowego przepływomierza ultradźwiękowego o identycznych trajektoriach sygnału w kanałach akustycznych
Yosyp Bilynsky, Andrii Stetsenko64-68
-
Linia do grawerowania z zintegrowaną regeneracją elektrochemiczną służącą do odzyskiwania miedzi i ograniczania ilości osadu
Anatoliy Nester, Vadim Romanuke, Tetiana Yakovyshyna69-76
-
Metoda identyfikacji operatorów HCI w oparciu o ich „portrety wieloczynnikowe” subiektywizacji postrzegania obiektu HCI
Andrii Pukach, Vasyl Teslyuk, Artem Kazarian77-87
-
Udoskonalanie systemów diagnostycznych do analizy i sterowania trybami pracy w sieciach elektroenergetycznych
Igor Khomenko, Ruslan Lozhkin, Andrii Shkrebela, Oleksandr Miroshnyk, Anatolii Sereda, Taras Shchur, Mariana Bohach88-94
-
Modułowa architektura monolityczna dla oprogramowania zarządzającego stacjami ładowania pojazdów elektrycznych o wysokiej dostępności
Volodymyr Horshkov, Nataliia Lishchyna, Andrii Yashchuk, Olena Surynovych, Valerii Lishchyna95-102
-
Badanie wielopoziomowego falownika opartego na tranzystorach IGBT do zasilania bezzałogowego statku powietrznego na uwięzi z telemetrycznym monitorowaniem parametrów mocy
Kyrmyzy Taissariyeva, Kuanysh Muslimov, Gulim Jobalayeva, Ingkar Issakozhayeva, Zhansaya Ayapbergen103-107
-
Dynamiczne omijanie przeszkód przez bezpilotowe statki powietrzne z wykorzystaniem sterowania opartego na logice rozmytej i sieci neuronowej
Anton Makohonov, Ivan Marynych108-113
-
Hybrydowa platforma symulacyjno-eksperymentalna do wykrywania usterek w czasie rzeczywistym w przetwornikach podwyższających napięcie w instalacjach fotowoltaicznych z wykorzystaniem logiki rozmytej i łączności LoRa
Oussama Sait, Mabrouk Khemliche, Samia Latreche, Sait Belkacem, Hamza Khemliche114-122
-
Porównanie algorytmów uczenia maszynowego do wysoko precyzyjnego prognozowania mocy elektrowni fotowoltaicznych na skalę przemysłową
Ahmed Saidi, Abdelghani Draoui, Touhami Abdelouahed123-128
-
Badanie dynamicznych zmian poziomu bezpieczeństwa systemu ochrony informacji
Olha Saliieva, Yurii Yaremchuk129-133
-
Nowy generator hiperchaotyczny: realizacja obwodu i analiza
Volodymyr Rusyn, Petro Kindrachuk, Bogdan Markovych134-138
-
Strategie zapewnienia funkcjonalnej stabilności złożonej sieci sensorowej na podstawie badan dynamiki zachowania równań ewolucyjnych
Valentyn Sobchuk, Yurii Kravchenko, Mykhaylo Sharapov, Oleksandr Laptiev, Andrii Sobchuk139-143
-
Opracowanie odpornej transmisji DVB-T2 OFDM: ocena BER i ograniczanie zakłóceń kanałowych dla niezawodnej transmisji wysokiej rozdzielczości
Olarewaju Peter Ayeoribe144-149
-
Wykrywanie anomalii sieciowych w czasie rzeczywistym w O-RAN z wykorzystaniem głębokiego uczenia się na dużych danych przesyłanych strumieniowo
Satya Sumanth Vanapalli, Rajesh Polepogu, Parish Venkata Kumar K, Vijayasankar Anumala, Vinodh Babu Panguluri, Lakshmi Narayana Jammula, Brahmaiah Madamanchi, Sravani Duvvu, Bhanusree Nanduri, Syam Sundar Musinala150-158
-
Techniczna analiza predykcyjna dużych zbiorów danych do planowania zasobów w oparciu o Apache Spark
Bakhshali Bakhtiyarov, Aynur Jabiyeva, Ulkar Musavi159-166
-
Konwersja modeli wokselowych na siatki poligonowe z zachowaniem integralności strukturalnej i możliwości edycji
Semen Duvanov, Iryna Baranowa167-172
-
Metoda Fuzzy Delphi do identyfikacji kluczowych parametrów w optymalizacji inteligentnych systemów sterowania w procesach rafinacji ropy naftowej
Kamala Aliyeva173-179
-
Metoda określania podstaw klasyfikacji danych jako informacji służbowych oraz stopnia ograniczenia dostępu "Do użytku służbowego"
Yurii Dreis, Oleh Harasymchuk180-183
-
Model i narzędzia do tworzenia i publikowania treści w oparciu o duże modele językowe
Artem Kazarian, Vasyl Teslyuk, Andrii Pukach184-190
-
Ocena użyteczności serwisów internetowych zawierających mapy interaktywne
Łukasz Sendecki, Sergiusz Skalski, Mariusz Dzieńkowski191-197
-
Model rozmyty do oceny poziomu kompetencji w zakresie bezpieczeństwa cyfrowego w populacjach o różnych profilach społecznych
Volodymyr Polishchuk, Vasyl Sehlianyk, Inna Polishchuk, Andrii Shafar198-203
-
Inteligentny moduł do oceny produktywności pracowników zdalnych w systemach monitorowania czasu pracy
Aigul Moldakalykova, Maria Yukhymchuk, Gulzhan Kashaganova, Vladyslav Lesko, Yurii Ivanov, Natalia Sachaniuk-Kavets’ka204-209
-
Hybrydowy model uczenia maszynowego do prognozowania i oceny rankingów uniwersytetów
Nurzhigit Smailov, Nursultan Kuldeyev, Akezhan Sabibolda, Raigul Ustemirova210-216
Archiwum
-
Tom 16 Nr 3
2026-09-30 30
-
Tom 16 Nr 2
2026-06-30 27
-
Tom 16 Nr 1
2026-03-30 27
-
Tom 15 Nr 4
2025-12-20 27
-
Tom 15 Nr 3
2025-09-30 24
-
Tom 15 Nr 2
2025-06-27 24
-
Tom 15 Nr 1
2025-03-31 26
-
Tom 14 Nr 4
2024-12-21 25
-
Tom 14 Nr 3
2024-09-30 24
-
Tom 14 Nr 2
2024-06-30 24
-
Tom 14 Nr 1
2024-03-31 23
-
Tom 13 Nr 4
2023-12-20 24
-
Tom 13 Nr 3
2023-09-30 25
-
Tom 13 Nr 2
2023-06-30 14
-
Tom 13 Nr 1
2023-03-31 12
-
Tom 12 Nr 4
2022-12-30 16
-
Tom 12 Nr 3
2022-09-30 15
-
Tom 12 Nr 2
2022-06-30 16
-
Tom 12 Nr 1
2022-03-31 9
##plugins.themes.bootstrap3.article.main##
Authors
Abstrakt
W niniejszym artykule poruszono kluczowy problem identyfikacji operatorów w kontekście interakcji człowiek-komputer (HCI). Zaproponowano nowatorską metodę identyfikacji opartą na „portretach wieloczynnikowych” użytkowników. Portrety te skutecznie odzwierciedlają sposób, w jaki poszczególne osoby subiektywnie postrzegają konkretne obiekty HCI. Głównym celem tego podejścia jest modelowanie irracjonalnych elementów ludzkiego zachowania, co ma na celu poprawę automatyzacji i intelektualizacji systemu. Pod względem strukturalnym opracowana metoda łączy wyspecjalizowany algorytm identyfikacji z podstawowym modelem matematycznym. W celu zweryfikowania skuteczności proponowanego podejścia przeprowadzono kompleksowy eksperyment praktyczny. Eksperyment ten polegał na identyfikacji członków zespołu wsparcia technicznego na podstawie dominujących cech ich interakcji z konkretnym obsługiwanym oprogramowaniem. Wyniki eksperymentu potwierdzają przydatność tej metody. Na zakończenie w artykule nakreślono kierunki przyszłych badań mające na celu potencjalne ulepszenia, udoskonalenia techniczne oraz szersze praktyczne zastosowania tej metody identyfikacji w rzeczywistych systemach.
Ujawnienie wykorzystania narzędzi generatywnej AI
Słowa kluczowe:
Cele Zrównoważonego Rozwoju (SDG)
- Innowacyjność, Przemysł, Infrastruktura
Bibliografia
[1] Ali, M. N., & Ali, M. M. (2024). The Future Of Human-Ai Collaboration In Software Development: A Narrative Exploration. Academic Journal on Innovation, Engineering & Emerging Technology, 174–185. https://doi.org/10.69593/ajieet.v1i01.151 DOI: https://doi.org/10.69593/ajieet.v1i01.151
[2] Anumakonda, R. C. (2025). Reducing Development Time with AI Tools: Enhancing Human-AI Collaboration in Software Development. European Modern Studies Journal, 9(3), 503–517. https://doi.org/10.59573/emsj.9(3).2025.45 DOI: https://doi.org/10.59573/emsj.9(3).2025.45
[3] Chittala, S. (2024). AIOps and DevOps: Catalysts of Digital Transformation in the Age of Automated Operations. International Journal of Scientific Research in Computer Science, Engineering and Information Technology, 10(6), 155–166. https://doi.org/10.32628/CSEIT24106163 DOI: https://doi.org/10.32628/CSEIT24106163
[4] Dubey, P. (2023). Principles of human factors engineering. Alexis Press.
[5] Gomathy, C. K., & Meyrina, D. (2025). The Role of Artificial Intelligence in Automating Software Testing. International Journal of Innovative Research in Science, Engineering and Technology, 14(03). https://doi.org/10.15680/IJIRSET.2025.1403119 DOI: https://doi.org/10.15680/IJIRSET.2025.1403119
[6] Gori, R. (2025). Virtual Mouse: Integrating Eye, Hand and Voice Controls for Enhanced Human-Computer Interaction. International Journal for Research in Applied Science and Engineering Technology, 13(7), 494–501. https://doi.org/10.22214/ijraset.2025.72994 DOI: https://doi.org/10.22214/ijraset.2025.72994
[7] Ishida, S., Suda, K., & Inamura, H. (2024). User Identification via Touch-screen Button Operation for Smart Home. Sensors and Materials, 36(10), 4501. https://doi.org/10.18494/SAM5211 DOI: https://doi.org/10.18494/SAM5211
[8] Jain, S. (2023). Integrating Artificial Intelligence with DevOps: Enhancing continuous delivery, automation, and predictive analytics for high-performance software engineering. World Journal of Advanced Research and Reviews, 17(3), 1025–1043. https://doi.org/10.30574/wjarr.2023.17.3.0087 DOI: https://doi.org/10.30574/wjarr.2023.17.3.0087
[9] Jeremić, V., Bucea-Manea-Ţonis, R., Vesić, S., & Stefanović, H. (2023). Revolutionizing Software Testing: The Impact of AI, ML, and IoT. EdTech Journal, 3(1), 12–15. https://doi.org/10.18485/edtech.2023.3.1.1 DOI: https://doi.org/10.18485/edtech.2023.3.1.1
[10] Kannan, S., & Saradhi, K. S. (2023). Generative AI in technical support systems: Enhancing problem resolution efficiency through AI-driven learning and adaptation models. Nanotechnology Perceptions, 19(S1), 198–217.
[11] Karim, M., & Hasanuzzaman, Md. (2020). A Study on Mouse Movement Features to Identify User. Scientific Research Journal, 08(04), 77–82. https://doi.org/10.31364/SCIRJ/v8.i4.2020.P0420766 DOI: https://doi.org/10.31364/SCIRJ/v8.i4.2020.P0420766
[12] Khan, I., Kanchan, V., & Bharambe, S. (2024). Gesture Controlled Virtual Mouse with Voice Assistant. International Research Journal of Multidisciplinary Scope, 05(01), 26–35. https://doi.org/10.47857/irjms.2024.v05i01.0127 DOI: https://doi.org/10.47857/irjms.2024.v05i01.0127
[13] Khankhoje, R. (2023). AI - Based Test Automation for Intelligent Chatbot Systems. International Journal of Science and Research (IJSR), 12(12), 1302–1309. https://doi.org/10.21275/SR231216065308 DOI: https://doi.org/10.21275/SR231216065308
[14] Machuca-Villegas, L., Gasca-Hurtado, G. P., Morillo Puente, S., & Restrepo Tamayo, L. M. (2021). An Instrument for Measuring Perception about Social and Human Factors that Influence Software Development Productivity. JUCS - Journal of Universal Computer Science, 27(2), 111–134. https://doi.org/10.3897/jucs.65102 DOI: https://doi.org/10.3897/jucs.65102
[15] Mahadewi, E. P., Mo, S., Timotius, E., Tungkup, D. L., & Ilham, C. I. (2021). Understanding Human-Computer Interaction Patterns: A Systematic Analysis of Past and Future Innovations. Webology, 18(2), 261–272. https://doi.org/10.14704/WEB/V18I2/WEB18320 DOI: https://doi.org/10.14704/WEB/V18I2/WEB18320
[16] Mukthineni, V., Mukthineni, R., Sharma, O., & Narayanan, S. J. (2020). Face Authenticated Hand Gesture Based Human Computer Interaction for Desktops. Cybernetics and Information Technologies, 20(4), 74–89. https://doi.org/10.2478/cait-2020-0048 DOI: https://doi.org/10.2478/cait-2020-0048
[17] Pattanayak, S., Murthy, P., & Mehra, A. (2024). Integrating AI into DevOps pipelines: Continuous integration, continuous delivery, and automation in infrastructural management: Projections for future. International Journal of Science and Research Archive, 13(1), 2244–2256. https://doi.org/10.30574/ijsra.2024.13.1.1838 DOI: https://doi.org/10.30574/ijsra.2024.13.1.1838
[18] Pukach, A. I., & Teslyuk, V. M. (2025). Method of Forming Multifactor Portraits of the Subjects Supporting Software Complexes, Using a Multilayer Perceptron. Radio Electronics, Computer Science, Control, (1), 130–141. https://doi.org/10.15588/1607-3274-2025-1-12 DOI: https://doi.org/10.15588/1607-3274-2025-1-12
[19] Pukach, A., Teslyuk, V., Lysa, N., & Sikora, L. (2025). Development of Impact Factors Reverse Analysis Method for Software Complexes’ Support Automation. Designs, 9(3), 58. https://doi.org/10.3390/designs9030058 DOI: https://doi.org/10.3390/designs9030058
[20] Python.org. (2025). Python release Python 3.13.7. https://www.python.org/downloads/release/python-3137/
[21] Rose, L., et al. (2025). Exploring mouse-based user identification, 1–7. https://github.com/nicolelucas03/mouse-based_user_identification/blob/main/MouseBasedIdentification.pdf
[22] Saeed, S., & Varol, A. (2021). Software Engineering and Artificial Intelligence: Re-Enhancing the Lifecycle. Computing Advances & Trends, 33–44. https://doi.org/10.5121/csit.2021.112403 DOI: https://doi.org/10.5121/csit.2021.112403
[23] Shannaq, B., & Shakir, M. T. (2024). Enhancing Security through Multi-Factor User Behavior Identification: Moving Beyond the Use of the Longest Common Subsequence (LCS). Informatica, 48(19). https://doi.org/10.31449/inf.v48i19.6270 DOI: https://doi.org/10.31449/inf.v48i19.6270
[24] Sharma, V., Jain, K. S., Kaur, A., & Singh, A. (2020). Human-Computer Interaction with Special Emphasis on Converting Brain Signals to Speech. International Journal of Innovative Technology and Exploring Engineering, 9(6), 523–529. https://doi.org/10.35940/ijitee.F3650.049620 DOI: https://doi.org/10.35940/ijitee.F3650.049620
[25] Srihith, I. V. D., Varaprasad, R., Mohan, Y. R., Srinivas, T. A. S., & Sravanthi, Y. (2022). A Review on New Challenges in AI and Software Engineering. International Journal of Advanced Research in Science, Communication and Technology, 34–42. https://doi.org/10.48175/IJARSCT-7137 DOI: https://doi.org/10.48175/IJARSCT-7137
[26] Tewari, A., & Verma, P. (2022). An Improved User Identification based on Keystroke-Dynamics and Transfer Learning. Webology, 19(1), 5369–5387. https://doi.org/10.14704/WEB/V19I1/WEB19360 DOI: https://doi.org/10.14704/WEB/V19I1/WEB19360
[27] Thonny.org. (2025). Thonny 4.1.7, Python IDE for beginners. https://thonny.org/
[28] Ugwa, S. (2024). From Scripts to Intelligence: How AI is Reshaping the Future of Software Testing. World Journal of Advanced Engineering Technology and Sciences, 13(1), 1167–1179. https://doi.org/10.30574/wjaets.2024.13.1.0449 DOI: https://doi.org/10.30574/wjaets.2024.13.1.0449
[29] Vemuri, V. (2024). The Evolution of Human-Computer Interaction: From Command Lines to Conversational Interfaces Powered by Large Language Models. Journal of Artificial Intelligence, Machine Learning and Data Science, 2(1), 2257–2266. https://doi.org/10.51219/JAIMLD/venkata-padma-kumar-vemuri/494 DOI: https://doi.org/10.51219/JAIMLD/venkata-padma-kumar-vemuri/494
[30] Vijayakumar, K. (2023). Performance Optimization of Speech Processing for Natural Language Understanding in Enhancing Human-Computer Interaction. ICTACT Journal on Data Science and Machine Learning, 4(3), 452–455. https://doi.org/10.21917/ijdsml.2023.0103 DOI: https://doi.org/10.21917/ijdsml.2023.0103
##plugins.themes.bootstrap3.article.details##
Abstract views: 4
Downloads: 3

