Современные информационные системы все чаще функционируют в условиях изменяющейся цифровой и физической среды. Пользователь может работать с разными устройствами, перемещаться между локациями, выполнять различные задачи, находиться в неодинаковых условиях освещения, подключения к сети, времени и информационной нагрузки. В таких условиях система, которая реагирует только на прямые команды пользователя, оказывается недостаточно гибкой. Поэтому в исследованиях и разработке цифровых сервисов особое значение приобретают контекстно-ориентированные информационные системы.
Контекстно-ориентированная информационная система – это система, которая способна учитывать сведения об условиях взаимодействия и использовать их для предоставления более релевантной информации, функций или сервисов. В классической работе A. Dey контекстно-ориентированной называется система, использующая контекст для предоставления пользователю релевантной информации или услуг, причем релевантность зависит от текущей задачи пользователя [1, с. 4-7]. Это определение остается важным, поскольку подчеркивает: контекст нужен не сам по себе, а для повышения уместности взаимодействия.
Под контекстом обычно понимается совокупность параметров, описывающих ситуацию взаимодействия. К таким параметрам относятся местоположение пользователя, время, устройство, уровень доступа, роль в системе, текущая задача, состояние приложения, история действий, параметры окружающей среды, доступность сети и даже состояние пользователя. Например, одна и та же информация может быть полезной или лишней в зависимости от того, работает ли пользователь за стационарным компьютером, с мобильного устройства или в среде дополненной реальности.
Одной из ключевых задач является сбор контекстных данных. Источниками могут быть сенсоры мобильных устройств, GPS, Wi-Fi, Bluetooth, камеры, микрофоны, датчики движения, системные журналы, данные интерфейса, календарь, профиль пользователя и внешние сервисы.
Контекстные данные могут быть явными и неявными. Явный контекст задается пользователем или администратором: например, роль, выбранный режим работы или указанные предпочтения. Неявный контекст определяется автоматически на основе поведения и сенсоров.
Важным направлением исследований является контекстное моделирование. Система должна не просто собрать разрозненные данные, а представить их в форме, пригодной для анализа и принятия решений. Для этого используются разные подходы: правила, онтологии, графы знаний, вероятностные модели, машинное обучение и гибридные схемы. Онтологические модели удобны там, где важно описывать связи между пользователем, задачей, объектами и средой. Графовые модели позволяют учитывать отношения между контекстными признаками, а машинное обучение помогает выявлять скрытые закономерности в больших объемах данных.
Архитектура контекстно-ориентированной системы обычно включает несколько уровней. На первом уровне происходит сбор данных из сенсоров, интерфейса и внешних источников. На втором уровне выполняется предварительная обработка. На третьем уровне осуществляется интерпретация контекста. На четвертом уровне система принимает решение о реакции. В обзорах context-aware systems подчеркивается, что такие системы часто строятся как многоуровневые архитектуры, где важны сбор, моделирование, рассуждение и применение контекста [2, с. 263-277].
Одним из практических результатов использования контекста является адаптация пользовательского интерфейса. Система может изменять размер элементов, уровень детализации информации, порядок действий, способ уведомления или доступность функций.
Значимым направлением являются умные среды и интернет вещей. В таких системах контекст формируется не только пользователем, но и окружающими объектами. В таких случаях контекстно-ориентированная система становится механизмом согласования цифрового сервиса с реальной ситуацией.
В современных исследованиях возрастает роль искусственного интеллекта в интерпретации контекста. Машинное обучение позволяет выявлять сложные зависимости между контекстными признаками и действиями пользователя. Например, система может прогнозировать, какой сервис понадобится пользователю, определить вероятность затруднения или выбрать оптимальный формат уведомления. В контекстно-ориентированных многоагентных системах контекст рассматривается как важный фактор, позволяющий агентам действовать в динамической среде и учитывать неопределенность [3].
Контекстно-ориентированные рекомендательные системы являются еще одним важным направлением. В отличие от обычных рекомендаций, они учитывают не только профиль пользователя, но и ситуацию: время, местоположение, устройство, цель, доступные ресурсы и внешние ограничения. Например, образовательная система может рекомендовать разные материалы в зависимости от уровня подготовки и текущего этапа обучения, а городское приложение – предлагать маршруты с учетом местоположения, времени и загруженности транспорта. Исследования последних лет показывают рост интереса к контекстно-ориентированным рекомендательным подходам и способам учета различных типов контекста [4].
Однако использование контекста связано с риском ошибочной интерпретации. Система может неверно понять ситуацию, сделать неправильный вывод о намерениях пользователя или предложить неуместное действие. Например, нахождение пользователя в определенном месте не всегда означает готовность получить уведомление, а длительная пауза в интерфейсе не всегда указывает на затруднение. Поэтому контекстная адаптация должна учитывать неопределенность и не делать категоричных выводов на основе одного признака.
Существенной проблемой является приватность. Контекстные данные часто являются чувствительными: местоположение, поведение, история действий, устройство, рабочие процессы и состояние окружающей среды могут раскрывать важные сведения о пользователе. Поэтому контекстно-ориентированная система должна ясно определять, какие данные собираются, зачем они используются, как долго хранятся и может ли пользователь управлять их применением. Документы NIST по управлению рисками искусственного интеллекта подчеркивают необходимость учитывать риски для людей, организаций и общества при разработке ИИ-систем [5].
Не менее важны принципы эргономики и управляемости. Контекстная адаптация должна помогать пользователю, а не создавать ощущение непредсказуемости. Стандарт ISO 9241-110:2020 выделяет принципы взаимодействия человека с интерактивными системами, включая соответствие задаче, самоописательность, соответствие ожиданиям пользователя, управляемость и индивидуализацию [1, с. 4-7]. Для контекстно-ориентированных систем это означает, что пользователь должен понимать, почему интерфейс изменился или почему система предложила конкретное действие.
Для оценки качества контекстно-ориентированных информационных систем необходимо учитывать точность определения контекста, своевременность реакции, полезность адаптации, понятность поведения системы, снижение когнитивной нагрузки и удовлетворенность пользователя. Технически корректное определение контекста не всегда означает хорошее взаимодействие. Если система вмешивается слишком часто или предлагает нерелевантные действия, пользователь может отключить адаптацию или перестать доверять системе.
Заключение
Контекстно-ориентированные информационные системы позволяют перейти от универсального взаимодействия к более гибкой и ситуационно-зависимой цифровой поддержке. Вместе с тем развитие контекстно-ориентированных систем требует осторожности из-за рисков ошибочной интерпретации, избыточного сбора данных и нарушения приватности. Поэтому такие системы должны проектироваться на основе принципов прозрачности, минимизации данных, объяснимости и сохранения контроля пользователя.
.png&w=640&q=75)
