Effiziente Kontexterkennung mittels aktuellen Cross-Plattform-Frameworks im Rahmen therapeutischen Interventionen

Durch die große Akzeptanz der modernen mobilen Endgeräte können Anwendungen aus dem Bereich der Gesundheit den Alltag aktiv unterstützen. Die Masterarbeit beschäftigt sich mit der Analyse der Umgebung, um im Rahmen therapeutischer Anwendungen Kontexte zu erkennen. Die in die modernen Endgeräte integrierten Sensoren (z.B GPS-Sensor oder Mikrofon) können die Umgebung für die Kontexterkennung messen. Mithilfe einer plattformübergreifenden Anwendung soll der Zugriff auf native Sensoren und Hardware verschiedener Betriebssysteme überprüft werden. Dafür wurde eine hybride mobile Anwendung mit dem Framework Ionic entwickelt, die den Benutzer bei seinen Hausaufgaben bestmöglich betreuen und motivieren soll. Dafür sammelt die Anwendung mittels der Sensoren Umgebungsdaten, die regelbasiert miteinander verknüpft werden. Zur Beschreibung der Umgebung oder einer Situation werden Kontexte auf einem Server zentral gespeichert. Wird ein Kontext erfolgreich erkannt, wird der Benutzer informiert und zur Durchführung der Hausaufgabe motiviert. Da die in der Arbeit beschriebene mobile Anwendung auf die bekanntesten Sensoren eines mobilen Endgerätes zugreifen kann, können beliebige Kontexte und Situationen erkannt werden. Durch die stetige Weiterentwicklung des Frameworks ist den hybriden Anwendungen ein uneingeschränkter Zugriff auf viele native Funktionen möglich. Der Einsatz hybrider Anwendungen ist dennoch vom Anwendungsfall abhängig.