An analytics platform for integrating and computing spatio-temporal metrics in location-aware games

• Autores: Luis Enrique Rodriguez Pupo
• Directores de la Tesis: Sven Casteleyn (dir. tes.) , Carlos Granell Canut (dir. tes.)
• Lectura: En la Universitat Jaume I ( España ) en 2021
• Idioma: inglés
• Número de páginas: 191
• Tribunal Calificador de la Tesis: Christoph Schlieder (presid.) , Michael Gould (secret.) , Alain Tamayo Fong (voc.)
• Enlaces
  • Tesis en acceso abierto en: TDX
• Resumen
  • español

    Esta tesis presenta una plataforma de análisis para calcular métricas espacio-temporales en el contexto de geojuegos y aplicaciones basadas en el contexto. Se basa en un modelo conceptual para métricas espacio-temporales compuesto de dimensiones y variables para describir fenómenos con componentes espaciales y temporales, funciones de métricas para calcular información relevante para la aplicación, y acciones activadas cuando se cumplan ciertas condiciones. La implementación consiste en una aplicación distribuida basada en la nube que permite a los desarrolladores definir los requisitos de datos, recopilarlos en el cliente y ejecutar métricas espacio-temporales. Está diseñada para ser escalable en cuanto a los datos y al cómputo de las métricas. La plataforma está validada en dos experimentos: un geo-juego para recopilar datos de ruido en una ciudad y una aplicación móvil para tratamientos de salud mental basados en la ubicación, que muestra su usabilidad, versatilidad y viabilidad en escenarios del mundo real.

  • English

    This thesis presents an analytics platform for calculating spatio-temporal metrics in the context of geogames and context-based applications. It is based on an underlying conceptual model for spatio-temporal metrics, which consists of dimensions and variables to describe spatial and temporal phenomena, metrics functions to calculate application-relevant information and conditions using these data models, and actions to be triggered when certain conditions are met. The analytics platform is implemented as a cloud-based, distributed application that allows developers to define data requirements, collect required (client-generated) data, and define and execute spatio-temporal metrics. It is designed to handle large amounts of (streaming) data and to scale well under increasing amounts of data and metrics computations. The platform is validated in two experiments: a location-aware game for collecting noise data in a city and a mobile application for location-based mental health treatments, which shows its usability, versatility, and feasibility in real-world scenarios.