CN106779085B - 一种基于人件服务的态势认知计算架构 - Google Patents
一种基于人件服务的态势认知计算架构 Download PDFInfo
- Publication number
- CN106779085B CN106779085B CN201611055435.1A CN201611055435A CN106779085B CN 106779085 B CN106779085 B CN 106779085B CN 201611055435 A CN201611055435 A CN 201611055435A CN 106779085 B CN106779085 B CN 106779085B
- Authority
- CN
- China
- Prior art keywords
- humanware
- service
- cognition
- situation
- cognitive
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于人件服务的态势认知计算架构,包括人件服务层,认知体服务层和态势认知应用层;人件服务层,包括若干人件服务以及对各人件服务的要素评价和认知体维度评价;个性化认知体服务层,用于根据人件服务多维度评价指标从人件服务层中选出认知体;态势认知应用层,用于基于认知体服务层选定的认知体进行态势认知并输出认知结果。本发明为各种态势认知需求提供了一种可靠的认知计算方法,考虑影响人件认知过程的多个因素,并融合认知模型、认知模式和特定情境,确定个性化的态势认知的认知体,辅以感知、分析、控制、记忆等计算机系统,能够有效实现复杂情境的下的态势认知。
Description
技术领域
本发明涉及哲学、心理学、人工智能、计算机科学、管理科学与工程、认知科学、计算机科学等领域,具体涉及一种基于人件服务的态势认知计算架构。
背景技术
20世纪70年代中期,认知科学在美国正式建立。认知科学是对人的大脑和智能进行研究的综合性学科,是研究人类感知和思维信息处理过程的科学。认知心理学研究从感觉的输入到复杂问题求解,从人类个体到人类社会的智能活动,它和脑科学、人工智能一起构成了认知科学的基础。认知模型是人类认知过程的计算机模型,认知建模技术是为了从某些方面探索和研究人的思维机制,特别是人的信息处理机制,同时也为设计相应的人工智能系统提供新的体系结构和技术方法。
目前态势认知理论体系的研究还处在概念探索阶段,从人的思维的角度将态势认知分为态势觉察、态势分析和态势估计三个层次,没有系统地研究决策者对态势信息获取、存储、转换、使用得到态势认知结果的认知机理,无法指导态势认知技术的研究实践。科学运用认知科学对人的认知活动的分析,研究决策者的心理、行为、思维、知识、经验,探索决策者完成态势认知活动的内容、规律、特点,形成态势认知机理,指导态势认知技术的应用。
发明内容
发明目的:本发明的目的是提供一种基于人件服务的态势认知计算架构,将人脑与电脑结合起来,发挥各自所长,使得计算机系统能够像专家人的大脑一样学习、思考,并获得正确的态势认知结果。
技术方案:为实现上述发明目的,本发明采用如下技术方案:
一种基于人件服务的态势认知计算架构,包括人件服务层,认知体服务层和态势认知应用层;所述人件服务层,包括若干人件服务以及对各人件服务的要素评价和认知体维度评价;所述个性化认知体服务层,用于根据人件服务多维度评价指标从人件服务层中选出个性化人件服务,即认知体;所述态势认知应用层,用于基于认知体服务层选定的认知体进行态势认知并输出认知结果。
所述人件服务的要素评价包括对人件的知识结构、知识训练、经验积累、决策偏好、价值观、思维方式和意识反应的评价;所述认知体维度评价包括对人件服务在各种认知模型、认知模式和特定情境下的评价,所述特定情境包括事件所处情境和人件服务进行事件态势认知时所处角色。
从多个维度进行人件服务评价,包括人件服务综合值、认知模型、认知模式和情境,人件服务多维度评价指标的计算公式为:
其中:m是认知体的维度值,wdk表示第k维因素的权重,qik表示第i个人件服务在第k维上的评估值。
所述人件服务综合值的计算公式为:
其中,HwQ(i)表示第i个人件服务的综合值,wi是要素j在人件服务综合评定中的权重,qij为第i个人件服务在要素j上的评估值。
架构态势认知应用层包括感知系统、记忆系统、控制系统和反应系统;感知系统根据认知体请求进行从外部获取信息或从记忆系统里调取信息;记忆系统用于存储并管理信息;控制系统用于输出控制指令;反应系统用于输出个性化认知的结果以及对记忆系统的更新。
有益效果:本发明的基于人件服务的态势认知计算架构,结合人件服务自有特征的认知过程,在面对具体的态势认知需求时,考虑了影响人件认知过程的多个因素,并融合特定的认知模型、认知模式和特定情境,确定个性化的态势认知的认知体,以个性化认知体为主体,辅以感知、分析、控制、记忆等计算机系统,能够有效实现复杂情境的下的态势认知。充分利用了人脑和电脑的优势,解决真实世界的复杂问题。
附图说明
图1为本发明态势认知的认知体结构图;
图2为本发明基于个性化的认知模型图;
图3为本发明基于人件服务的态势认知计算模型图;
图4为本发明基于人件服务的态势认知流程图。
具体实施方式
下面结合具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
为了方便理解本发明的技术方案,首先对本发明中涉及的自定义概念说明如下:
人件(Humanware,Hw),是专家和接口以及相关关系的描述,是新型决策系统的一个构件。人件中的人是泛指,统计意义上的个性化描述,具有有限理性和个性化。人件是人的“自然智能”的载体,包括对问题求解过程提供知识、经验和智慧等支持的自然人。人件中的接口是带有描述专家能力及使能力得以发挥的硬/软件协议,具有双功能性,即既包含对专家的需求表达,又包含对专家的不同角色能力的表示。
人件服务(Humanware Service,HwS),人件面向特定非(半)结构化问题求解功能(如分析、判断、建议、决定等)的组件(产品)化、服务化实现形态被描述为人件服务,以服务的形式参与到决策流程中,完成特定角色的决策功能。
本发明将人件服务形式化描述为:
HwS={URI,HwName,TaskDTO,HwDTO,Function,QoS}
其中,URI,HwName,TaskDTO,HwDTO,Function,QoS分别为人件服务的通用资源标识符、人件服务名称、决策任务/问题数据对象、人件数据对象、功能描述、服务质量。
态势认知的认知体结构
认知过程中,发挥认知功能、执行认知行为并能够给出认知结果的功能单位称为认知体。认知体结构主要包括意识、反射、行动、模型、抉择、行动、协作与共享、以及认知体自身的知识,如图1所示。
认知体之间通过协作与共享完成交互与通信功能,同时协作与共享可以更新认知体的抉择能力。环境因素是触发认知体认知行为的外部因素,认知结果又反作用于环境。
意识是认知体主观能动性表现的器官,它对外部环境的反应程度不同产生的认知体行为也不一致,一种方式是较强刺激作用下认知体立刻启动反射反应并主导认知体的行动;另一种方式建模,认知体意识在较弱刺激作用下能够主动唤醒建模行为。
知识是认知体承担认知任务的基础,它对行动具有指导作用,同时行动结果也会反馈到认知体,到达对知识的修正和完善。认知体具有自主学习的能力,并能通过归纳和总结不断更新自身的知识结构和丰富知识内容。
认知体具有自学习和智能能力,可不断增加知识,研究的认知体建模理论,认知体的知识表征方法,以及认知体知识的动态更新机理。
反射能力是认知体经验的直接体现,它处在意识和行动的中间环节,能够迅速处理来自环境刺激引起的下意识的行动。
认知计算模型是人类对真实世界进行认知的过程模型,它是可以用符号、文字、算法等对知识进行泛化表示。在现实世界中,认知模型使用受到情境和认知主体的知识构成、经验积累程度、价值观、角色担任等因素的影响。
本发明将认知体形式化描述为:
RBHw={URI,HwsID,InputDTO,OutputDTO,CollaborateInterface,Time}
其中,URI是认知体通用资源标识符,HwsID是人件服务标识,InputDTO是认知体的输入信息的数据对象,OutputDTO是认知体的输出信息的数据对象,CollaborationInterface是认知体交互的接口,Time是认知体的时间特征。
个性化的认知模型
突发事件的态势认知过程即是一个综合处理过程也是一个个性化态势认知过程,它是由人件服务、认知模型和特定情境的融合过程。
Endsley的态势估计模型建立了人类认知视角下的三层态势认知模型,即态势感知、态势分析和态势预测,是当前态势评估领域公认的理论模型。1)态势感知,即感知获取环境中有关元素的状态、属性和活动等;2)态势分析,即对感知获得的信息,对当前态势进行解释,判断突发事件的所处的当前状况,以及可能对当前态势存在影响的诸多因素;3)态势预测,即根据当前已获得的态势,推断态势变化,对未来可能出现的态势进行预测,可以是对某突发事件实体的未来状态进行预测,也可以是对高层全局态势的演变进行预测
人件服务拥有自身的知识结构、知识训练、经验积累、决策偏好、价值观、思维方式和意识反应等。人件服务在提供服务首先要依赖其自身所拥有的知识结构和知识的训练情况,当人件服务到知识结构覆盖了态势认知需要的知识,并且相关知识受到了足够的训练时,有助于提高突发事件的决策效率和决策结果;其次是人件服务参与突发事件处理的历史经验的积累为态势认知提供了可信赖的支持;人件服务的决策偏好和价值观是人件特有的个性化的特质,它对态势认知的结果具有重要的影响;人件服务的意识反应是人件对突发事件的自主反应的表现,它是人件知识与人件经验的综合体现,它既可以直接通过意识反射为行动或者唤醒人件的建模行为。
特定情境是突发事件所处的情境已经人件服务在所处的情境。突发事件所处的情境包括突发事件发生的地点、周边环境、文化习俗等情境;人件服务所处的情境指参与决策的人件在突发事件中所处的角色,不同的角色对最终决策产生的后果具有决定性的影响。
人件服务的态势认知计算架构
认知计算模型结合了人件服务自有特征的认知过程,包括人件的知识结构、人件知识训练和经验积累程度、人件决策偏好、人件价值观、人件思维方式和意识反应。认知计算模型结构由人件服务、认知模型、认知模式、感知系统、记忆系统、控制系统和反应系统组成,如图3所示。
本发明实施例公开的一种基于人件服务的态势认知计算架构,包括人件服务层,认知体服务层和态势认知应用层;人件服务层,包括若干人件服务以及对各人件服务的要素评价和认知体维度评价;个性化认知体服务层,用于根据人件服务多维度评价指标从人件服务层中选出个性化人件服务(认知体);态势认知应用层,用于基于认知体服务层选定的认知体进行态势认知并输出认知结果。其中人件服务的要素评价包括对人件的知识结构、知识训练、经验积累、决策偏好、价值观、思维方式和意识反应的评价;认知体维度评价包括对人件服务在各种认知模型、认知模式和特定情境下的评价,特定情境包括事件所处情境和人件服务进行事件态势认知时所处角色。态势认知应用层包括感知系统、记忆系统、控制系统和反应系统;感知系统根据认知体请求进行从外部获取信息或从记忆系统里调取信息;记忆系统用于存储并管理信息;控制系统用于输出控制指令;反应系统用于输出个性化认知的结果以及对记忆系统的更新。感知系统、记忆系统、控制系统和反应系统可以是基于计算机软硬件系统及输入输出设备,实现的具有信息采集、传输、处理、存储、显示等常见功能的系统或模块。
人件服务是具有特定知识和具有丰富经验的专家人在线提供智慧的服务形式。专家具有的知识结构、知识训练和经验积累程度、决策偏好、价值观、思维方式和意识反应在认知过程中所起的作用不尽相同。因此,基于“人件”服务的认知过程是一个个性化的认知过程。
认知模型是认知过程中的执行者在对具体认知目标进行识别时形成的一种相对定性的心智结构;认知模式包括自然认知模式、“认知体”模式和“态势脑”模式;感知系统包括信息感知、信息获取、信息筛选和信息融合。实例化“人件”对信息感知的敏感度、获取方式、关注点信息的筛选和信息融合的方式各不一样;记忆系统是具体信息和知识共存的部分,包括记忆存储、记忆提取、记忆收索和记忆更新;控制系统包括决策、行动安排、行动监督和适时调度;反应系统是个性化认知的结果的输出,它包括对外输出和对内记忆系统的修改。
下面以本发明的基于人件服务的态势认知计算架构在城市突发事件的态势认知的应用为例,对本发明做进一步说明。城市突发事件的态势认知为制定城市突发事件的应对方案有着至关重要的作用,其认知过程如图4所示。
第一步:确定态势认知需求。城市突发事件处理需要制定相应的应对策略,而突发事件的态势分析与估计是策略制定的前置条件。因此,城市突发事件的态势认知就变的尤为重要了。态势认知需求是由城市突发事件本身所决定,如城市高楼火灾的救援认知需求包括火灾点的地理位置坐标与空间坐标、火灾点周边交通状况(取值范围包括优、良、中、差)、天气状况(如风力的取值范围:暴风、大风、微风和无风)等信息,以及这些信息对救灾的影响。
第二步:人件服务匹配。第一步中明确了态势认知的需求,城市突发事件的态势认知是由态势认知的主体—认知体来完成,态势认知的认知体可以由人件服务来承担。因此,需要选择合适人件服务来完成相应的态势认知过程。
人件服务的匹配是根据人件知识结构、知识训练、经验积累、决策偏好、价值观、思维方式和意识反应等要素综合考虑的。人件服务综合值(HwQ)计算如公式(1):
其中,
HwQ(i)表示第i个人件服务的综合值,该综合值是人件基础能力的评估值,是人件服务被选择的一个维度。
wi是要素j在人件服务综合评定中的权重;
qij为第i个人件服务在要素j上的评估值。该评估值的取值可以是具体范围内的数值,如qij∈[0,10],10表示人件服务i完全具有对要素j的认知能力,0表示完全没有。例如在天气状况在高楼火灾救援中的影响判断能力上,该能力的评判属于事后同行评价获得。
此外,人件服务还要与认知模型、认知模式和情境进行融合。认知模式和认知模型是态势认知过程中两个紧密结合2个重要的因素,它们处于不同维度上2个因素。认知模式包括单一认知模式、复合认知模式、局部认知模式、全局认知模式、单一层次认知模式和多层次综合认知模式。认知模型包括态势估计模型、三层态势结构模型、态势理解分析模型、智能融合态势模型等。城市突发事件态势认知中,情境是另一个重要因素,它具有2个方面。一方面是突发事件所处的情境,如突发事件危险度等级(高度危险、中度危险、低度危险);另一方面是人件服务在态势认知过程中所处的角色(如指挥员角色、参谋角色、分析员角色等)。上述认知模式、认知模型或情境在具体计算机实现系统中可以用枚举类型呈现,根据具体的认知需求进行类型匹配。
第三步:认知体选择。由上一步可以见个性化人件服务的服务和合成需要从几个不同维度考虑,其计算如公式(2):
其中:m是个性化人件服务(认知体)的维度,本发明中m=4(即包括人件服务综合值(HwQ)、认知模型、认知模式和情境);
wdk表示第k维因素的权重,(m=4)。每个维度上权重值有专家组制定;
qik表示第i个人件服务在第k维上的评估值。qik∈[0,10]10表示人件服务i完全具有对维度k认知能力,0表示完全没有。例如,认知模式维度上的单一认知模式的取值表示,人件服务对单一模式的认知水平的取值。人件服务在摸个某个维度上认知水平是由相应维度的专家组打分获得。
SHwQ在物理意义是空间点到原点的距离,在多维空间中点的取值就是人件服务在具体维度上认知能力的评估值。因此这距离越大说明人件服务的能力越强,担任态势认知能力越高。
人件服务在情境维度上取值如下表所示,该表中的值有专家组给出。
高度危险 | 中度危险 | 低度危险 | |
指挥员角色 | 10 | 10 | 10 |
参谋角色 | 8 | 8 | 10 |
分析员角色 | 6 | 7 | 8 |
第四步:人件服务感知系统对城市突发事件的信息感知、信息获取、信息筛选和信息融合。城市突发事件的信息获取途径较为复杂,信息量非常庞大,人件服务需要对信息进行整理、梳理、分析和筛选,形成融合后有效性城市突发事件的态势信息。
第五步:人件服务分析系统对城市突发事件的态势进行分析,该分析是在上一步态势信息基础上进行态势分析,态势分析需要依靠人件服务的经验和对态势的判断和预测能力。
第六步:人件服务控制系统对城市突发事件态势认知处理过程控制,这个过程是人件服务对事件决策和行动安排、行动监督以及处理过程中的适时调度的控制能力。
第七步:人件服务记忆系统对城市突发事件态势认知的相关信息进行更新、存储和记忆。记忆系统既是人件服务自身记忆的操作,也是对相关人件服务记忆的更新操作。记忆系统是突发事件处理完成后,对人件服务提供的态势认知结果进行后评价,并对其中相关信息进行选择性的更新、存储和记忆,如态势认知模式中的单一态势认知模式的熟练使用水平的更新,如果没有记录相关信息的需要进行及时补充并存储。
经过上述过程得到的人件服务态势认知结果是城市突发事件处理的依据,这个态势认知结果是一个相对可信可靠的结论,它需要城市突发事件处理实践来验证态势认知结果的有效性。态势认知结果的展现方式可以有多种形式,如图表、视频、语音等方式。
Claims (2)
1.一种基于人件服务的态势认知计算架构,其特征在于,包括人件服务层,认知体服务层和态势认知应用层;所述人件服务层,包括若干人件服务以及对各人件服务的要素评价和认知体维度评价;所述认知体服务层,用于根据人件服务多维度评价指标从人件服务层中选出个性化人件服务,即认知体;所述态势认知应用层,用于基于认知体服务层选定的认知体进行态势认知并输出认知结果;
所述人件服务的要素评价包括对人件的知识结构、知识训练、经验积累、决策偏好、价值观、思维方式和意识反应的评价;所述认知体维度评价包括对人件服务在各种认知模型、认知模式和特定情境下的评价,所述特定情境包括事件所处情境和人件服务进行事件态势认知时所处角色;
从多个维度进行人件服务评价,包括人件服务综合值、认知模型、认知模式和情境,人件服务多维度评价指标的计算公式为:
其中:m是认知体的维度值,wdk表示第k维因素的权重,qik表示第i个人件服务在第k维上的评估值;
所述人件服务综合值的计算公式为:
其中,HwQ(i)表示第i个人件服务的综合值,wi是要素j在人件服务综合评定中的权重,qij为第i个人件服务在要素j上的评估值。
2.根据权利要求1所述的基于人件服务的态势认知计算架构,其特征在于,所述态势认知应用层包括感知系统、记忆系统、控制系统和反应系统;所述感知系统根据认知体请求进行从外部获取信息或从记忆系统里调取信息;所述记忆系统用于存储并管理信息;所述控制系统用于输出控制指令;所述反应系统用于输出个性化认知的结果以及对记忆系统的更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611055435.1A CN106779085B (zh) | 2016-11-25 | 2016-11-25 | 一种基于人件服务的态势认知计算架构 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611055435.1A CN106779085B (zh) | 2016-11-25 | 2016-11-25 | 一种基于人件服务的态势认知计算架构 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106779085A CN106779085A (zh) | 2017-05-31 |
CN106779085B true CN106779085B (zh) | 2019-08-06 |
Family
ID=58913004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611055435.1A Active CN106779085B (zh) | 2016-11-25 | 2016-11-25 | 一种基于人件服务的态势认知计算架构 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106779085B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107832578B (zh) * | 2017-11-07 | 2021-08-31 | 四川大学 | 基于态势变化模型的数据处理方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104090872A (zh) * | 2013-04-01 | 2014-10-08 | 孟宝宏 | 一种基于服务的态势协同标绘系统及其方法 |
CN104407860A (zh) * | 2014-11-19 | 2015-03-11 | 南京大学 | 一种基于人件服务模型的新型决策系统和决策方法 |
-
2016
- 2016-11-25 CN CN201611055435.1A patent/CN106779085B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104090872A (zh) * | 2013-04-01 | 2014-10-08 | 孟宝宏 | 一种基于服务的态势协同标绘系统及其方法 |
CN104407860A (zh) * | 2014-11-19 | 2015-03-11 | 南京大学 | 一种基于人件服务模型的新型决策系统和决策方法 |
Non-Patent Citations (1)
Title |
---|
基于人件的人机协同决策系统若干关键问题研究;黄孝鹏;《中国博士学位论文全文数据库》;20120915;正文第36、41-52、62-67页,图3.4、4.7 |
Also Published As
Publication number | Publication date |
---|---|
CN106779085A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | Do entrepreneurial alertness and self-efficacy predict Chinese sports major students' entrepreneurial intention? | |
Loveday et al. | An objective approach to identifying diagnostic expertise among power system controllers | |
CN105518683B (zh) | 用于幼儿特征识别及潜能开发评估的系统和方法 | |
CN107943276A (zh) | 基于大数据平台的人体行为检测和预警 | |
CN106202377A (zh) | 一种基于随机梯度下降的在线协同排序方法 | |
CN109558005A (zh) | 一种自适应人机界面配置方法 | |
Peng | Research on online learning behavior analysis model in big data environment | |
Wang | Exploration of data mining algorithms of an online learning behaviour log based on cloud computing | |
CN114998071A (zh) | 一种航空管制模拟训练智能教学方法和系统 | |
CN106779085B (zh) | 一种基于人件服务的态势认知计算架构 | |
Walker | Social quality and welfare system sustainability | |
Chen et al. | Impact of sports wearable testing equipment based on vision sensors on the sports industry | |
Attieh | The effect of new normal leadership and workplace flexibility on employee burnout and work-life balance during COVID-19 era | |
Yang et al. | Research on Forecasting of Student Grade Based on Adaptive K‐Means and Deep Neural Network | |
Manske et al. | Managing knowledge diversity: towards automatic semantic group formation | |
Ergun | Monitoring physiological reactions of construction workers in virtual environment: A feasibility study using affective sensing technology | |
Wang et al. | Foreign markets expansion for air medical transport business | |
Maulani et al. | Analysis Of Public Perceptions Of Future Spatial Planning Decision Model Lhokseumawe City | |
Stevens et al. | Profiling cognitive workload in an unmanned vehicle control task with cognitive models and physiological metrics | |
Ebrahim et al. | Application of TOPSIS method in evaluation and prioritization of social stability in rural areas (Case Study: Zidasht Basin) | |
Hu et al. | Application of intelligent football training system based on IoT optical imaging and sensor data monitoring | |
Gurban | The regional ranking of human capital development in Russia | |
Łukasz | Chosen problems of forecasting social phenomena: forecasting, backcasting, and foresight | |
Li et al. | Research of ubiquitous learning evaluation model based on fuzzy comprehensive evaluation | |
Hossain | Modeling cognitive ability-demand gaps in collaborative sense-making and designing assistive technology solutions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |