Author Archives: Mariagrazia Fugini
Gestione di contenuti multimediali georeferenziati
Mariagrazia Fugini (mail)
Referente del progetto
Mariagrazia Fugini ( mail)
Area di ricerca
Sistemi informativi
Keyword (max 3 separate da virgola)
georeferenziazione, multimedialità, AI per gestione contenuti
Termine per accettazione progetto
3/6/2024
Tecnologie da utilizzare
Le mappe geografiche possono essere arricchite con conoscenza su contenuti multimediali e riferimenti temporali per focalizzare temi specifici relativi a certi contesti quali : Cultural Heritage, Storia, Turismo, Giornalismo. Tale conoscenza permette l’integrazione di contenuti multimediali, la gestione tempole e la auto-adattività a vari contesti.
Nel progetto si estende MAGIS (Multimedia Adaptive Geographic Information System), un tool per la navigazione di contenuti multimediali georeferenziati. I contenuti sono organizzati in tre dimensioni: geografica, cronologica e tematica.
Dal punto di vista tecnico, MAGIS è una web application realizzata nei linguaggi PHP e Javascript (Jquery) con database MySQL.
Modelling Human Performance and Behavior in Complex Tasks
While effort has been invested in making robots more reliable, experience demonstrates that human-robots interaction (HRI) adaptation, due to unexpected events (such as failures, risk events, falls, etc.), is studied. The project analyzes human-robot interactions in situations where complex tasks occur, with unpredicted events (e.g., due to faults). Due to complexity, it is not possible to foresee all the behaviors, and all the results of the HRI. This requires an ad-hoc adaptation of the interaction, considering the human behavior. The project requires to overview HRI designs that allows effective management of fault or unexpected events by (untrained) users. An implementations will test solutions on how humans perceive and resolve unexpected events, on how robot failures are communicated, how failures influence people’s perceptions and feelings toward robots, and how these effects can be mitigated.
Reference Tutors: Prof. MG FUGINI and Prof. S COMAI
Un tool per la navigazione di contenuti multimediali georeferenziati
Docente
Mariagrazia Fugini (mail)
Referente del progetto
Mariagrazia Fugini ( mail)
Area di ricerca
Sistemi informativi
Keyword (max 3 separate da virgola)
georeferenziazione, multimedialità, AI per gestione contenuti
Termine per accettazione progetto
31/10/2023
Tecnologie da utilizzare
Le mappe geografiche possono essere arricchite con conoscenza su contenuti multimediali e riferimenti temporali per focalizzare temi specifici relativi a certi contesti quali : Cultural Heritage, Storia, Turismo, Giornalismo. Tale conoscenza permette l’integrazione di contenuti multimediali, la gestione tempole e la auto-adattività a vari contesti.
Nel progetto si estende MAGIS, MAGIS (Multimedia Adaptive Geographic Information System) è un tool per la navigazione di contenuti multimediali georeferenziati. I contenuti sono organizzati in tre dimensioni: geografica, cronologica e tematica.
Dal punto di vista tecnico, è una web application realizzata nei linguaggi PHP e Javascript (Jquery) con database MySQL.
Nel progetto si estende MAGIS, MAGIS (Multimedia Adaptive Geographic Information System) è un tool per la navigazione di contenuti multimediali georeferenziati. I contenuti sono organizzati in tre dimensioni: geografica, cronologica e tematica.
Dal punto di vista tecnico, è una web application realizzata nei linguaggi PHP e Javascript (Jquery) con database MySQL.
Descrizione (max 500 caratteri)
Il progetto estende MAGIS, una web application realizzata nei linguaggi PHP e Javascript (Jquery) con database MySQL. Attualmente ne è disponibile un prototipo funzionante che comprende le seguenti sezioni.
• Contents: visualizza un elenco dei contenuti inseriti nel dataset e consente di modificare i metadati associati e di georeferenziare manualmente i singoli item.
• Fetch: consente di recuperare un content-item da un indirizzo Web ed inserirlo nel dataset.
• Upload: consente di inserire manualmente un content-item (stesso form usato per il Fetch).
• View: interfaccia di navigazione dei contenuti inseriti. Una mappa interattiva consente di navigare la dimensione spaziale (pan e zoom). Un pannello di navigazione consente di filtrare la dimensione cronologica e la dimensione tematica. La dimensione tematica visualizza gli elementi presenti in una semplice ontologia che collega i contenuti in particolare con relazione gerarchica. Cliccando su ogni marker si visualizza il nome del point-of-interest e un elenco degi content-item collegati. Cliccando sul titolo dell’item, si visualizza il contenuto multimediale relativo (testo, immagine o video) e il link all’indirizzo Web corrispondente.
________________________________________
Possibilità di ampliamento
Sezione Contents: sostituire elenco con una data-table (funzioni di ordinamento, filtro, paginazione).
Sezione Fetch: estendere ai post di social media (Facebook, Twitter, etc); estrarre automticamente le coordinate geografiche e la data quando già presenti nei metadati; agganciare le API di classificazione automatica (v. più sotto “Content Classification”).
Sezione Upload: completare il form di caricamento “manuale”.
Sezione View: gestire la navigazione dei livelli tematici; filtrare gli item associati ai point-of-interest (quando più di uno); abilitare l’opzione “related contents”; inserire selettore language; diversificare colori e simboli dei marker.
Content Classification: automazione della fase di classificazione dei contenuti (mediante le API di Machine Learning di Monkeylearn); integrazione con un altro servizio di ML (ad es. UClassify).
Content Feeding: realizzazione di un connettore per importare contenuti da un archivio open-data on-line.
Ontologia: realizzazione di un form per inserire e visualizzare le relazioni logiche tra i contenuti.
Datasets: realizzazione di dataset verticali dedicati a tematiche specifiche.
• Contents: visualizza un elenco dei contenuti inseriti nel dataset e consente di modificare i metadati associati e di georeferenziare manualmente i singoli item.
• Fetch: consente di recuperare un content-item da un indirizzo Web ed inserirlo nel dataset.
• Upload: consente di inserire manualmente un content-item (stesso form usato per il Fetch).
• View: interfaccia di navigazione dei contenuti inseriti. Una mappa interattiva consente di navigare la dimensione spaziale (pan e zoom). Un pannello di navigazione consente di filtrare la dimensione cronologica e la dimensione tematica. La dimensione tematica visualizza gli elementi presenti in una semplice ontologia che collega i contenuti in particolare con relazione gerarchica. Cliccando su ogni marker si visualizza il nome del point-of-interest e un elenco degi content-item collegati. Cliccando sul titolo dell’item, si visualizza il contenuto multimediale relativo (testo, immagine o video) e il link all’indirizzo Web corrispondente.
________________________________________
Possibilità di ampliamento
Sezione Contents: sostituire elenco con una data-table (funzioni di ordinamento, filtro, paginazione).
Sezione Fetch: estendere ai post di social media (Facebook, Twitter, etc); estrarre automticamente le coordinate geografiche e la data quando già presenti nei metadati; agganciare le API di classificazione automatica (v. più sotto “Content Classification”).
Sezione Upload: completare il form di caricamento “manuale”.
Sezione View: gestire la navigazione dei livelli tematici; filtrare gli item associati ai point-of-interest (quando più di uno); abilitare l’opzione “related contents”; inserire selettore language; diversificare colori e simboli dei marker.
Content Classification: automazione della fase di classificazione dei contenuti (mediante le API di Machine Learning di Monkeylearn); integrazione con un altro servizio di ML (ad es. UClassify).
Content Feeding: realizzazione di un connettore per importare contenuti da un archivio open-data on-line.
Ontologia: realizzazione di un form per inserire e visualizzare le relazioni logiche tra i contenuti.
Datasets: realizzazione di dataset verticali dedicati a tematiche specifiche.
Evolving Experiences of Participation: The e-ILAUD Platform to Analyse, Implement, and Empower Neighborhood’s Communities
IL ruolo delle comunità partecipative in tutto il mondo richiede nuovi modelli e strumenti per supportare i cittadini nella partecipazione alle decisioni sulla progettazione e pianificazione dell'arredo urbano, delle smart cities, delle mappe semantiche, delle informazioni che arricchiscono le notizie giornalistiche e così via. Le tecnologie ICT possono essere la base per modi efficaci di partecipazione dei cittadini, supportandoli nello svolgere un ruolo più attivo nella società. Questo progetto mira a sviluppare alcuni moduli di una piattaforma, chiamata e-ILAUD, uno strumento ispirato ai principi del Laboratorio Internazionale di Architettura e Progettazione Urbana (ILAUD), con l'obiettivo di migliorare la partecipazione dei cittadini e co-creare soluzioni. Keywords: e-Democracy/e-Participation · E-government enterprise architectures · Government collaboration patterns · Urban planning · Neighbourhood community · Participatory platforms
Docente Proponente: Mariagrazia Fugini (mariagrazia.fugini@polimi.it)
WECRAFT: Craftsman Networking in Co-Production of Artisanal Crafts
Docente
Area di ricerca
Sistemi informativi
Keyword (max 3 separate da virgola)
sustainable design, platform for craftsmanship, rural areas protection
Termine per accettazione progetto
28/10/2023
Tecnologie da utilizzare
In alternativa, e a scelta dello studente: Phyton/C++/Java, JavaScript, Apache Struts, Strumenti di gestione BD a scelta
Descrizione (max 500 caratteri)
India is a growing country with over 1.2 billion people, out of which more than two-thirds still live in rural areas. Indian rural areas are vibrant heritage-wise. They have both a fascinating hard and soft heritage legacy. Each region has many kinds of villages, and each is characterized by specific art and crafts skills developed over the centuries. Small settlements retain fascinating heritage, which should be acknowledged and protected. Nowadays, rural villages are slowly perishing and losing their skilled people under the pressure of migration to cities. Rural settlements are suffering the exodus of young people and losing their art and craft skilled artisans. Since these settlements have been neglected, how do we bring attention to these fascinating areas? How do we allow the skilled artisans to make a living and want to remain in rural areas? How do we provide a more sustainable future for both our rural and urban settlements? WECRAFT is a project that develops a hw/sw platform based on the cloud and on edge computing, to support cooperative B2C models of artesancraft production and selling directly fro village areas, their skilled artisans and their products.