Öğrenme Deneyimlerinin Yönetiminde Yaşam Deneyimlerini Yakalamak İçin Çok Katmanlı Bir Model - Bölüm 5
MODEL A2 - DERİ ALTI YAŞAM GÜNLÜĞÜ SİSTEMLERİ
Model A2 vücuda gömülü algılayıcıları içeren yaşam günlüğü sistemidir. Bu model
önceki modellerdeki bir cihazla bir vücut alan ağı aracılığıyla bağlantılı olan ve vücuda
gömülü (implant) algılayıcıları içermektedir.
Kronik sağlık durumlarının tedavisinde yardımcı olmak amacıyla tıbben reçete edilen
implant cihazlarının uzun bir geçmişi vardır. Örnekler arasında, kalp pilleri, koklear ve retinal
implantlar, insülin pompaları ve parkinson hastalığının titreme ve nöbetlerinin hafifletilmesi
için derin beyin stimülasyon implantları sayılabilir (Catherwood vd., 2016).
Catherwood ve arkadaşları (2015) günümüzde kullanılan deri altı algılaycıları için
aşağıdaki listeyi vermektedirler.
- Görsel implantlar (görme duyusunu geliştirmeyi sağlayan retinal implantlar)
- İşitsel implantlar (işitme duyusunu geliştiren koklear implantlar)
- Cilt altı çipleri (güvenlik, personel izleme, kimlik tanıma gibi amaçlarla
kullanılmaktadır)
- Sinirsel implantlar (gömülü EEG okuyucuları ile çevredeki cihazları düşünerek
yönetmek mümkün olmaktadır)
- Diş implantları (ağız sağlığı, yemek yeme örüntüleri, diyet izleme amaçlarıyla
kullanılmaktadır)
- Kas gerginliği algılayıcıları (kas yaralanma riskini azaltmak ve egzersiz düzeyini
görüntülemek için kullanılmaktadır)
- Doğurganlık izleyicileri (aile planlaması için kullanılmaktadır)
- İç sağlık izleyicileri (kanser gibi hastalıkları çok ilerlemeden belirlemek amacıyla
kullanılmaktadır)
- Kan basıncı algılayıcıları (gerçek zamanlı tansiyon izleme amacıyla
kullanılmaktadır)
Model A2 genellikle vücuda zarar vererek gömülebilen giyilebilir algılayıcıları
kullanarak tasarlanan yaşam günlüğü sistemlerini içermektedir. Bu nedenle implantların çoğu
günümüzde daha çok hastalar üzerinde uygulanmakta ya da denenmektedir. Bu teknolojilerin
sunduğu olanaklar arttıkça gelecekte gönüllü tüketiciler tarafından da kullanılmaya
başlanacaktır.
Deri üstü algılayıcı yamalar, deri üstü algılayıcı dövmeler ile deriye geçirilen
“piercing” (delici) biçimindeki algılayıcılar da Model A2 grubuna dâhil edilebilir.
Bu türden algılayıcılar sadece hastalarda değil sporcularda da sıkça kullanılır. Örneğin
“esnek elektronik dövme” olarak adlandırılan ve deriye yapıştırılabilen bant biçimindeki
algılayıcılar spor esnasındaki kalp atış hızını, beyin etkinliğini, vücut ısısını ve hidrasyon
(sıvı) kaybını sürekli olarak ölçebilirler.
Deri üstü ve deri altı algılayıcılarla yakalanan günlük verileri Model A1’de olduğu gibi
bir dizüstü, tablet ya da akıllı telefon şeklindeki bağlantı noktası cihazına aktarılır ve oradan
bulut ya da çalışma bilgisayarına depolanır. Bu nedenle Model A2 kendi başına çalışan bir
yaşam günlüğü sistemi değildir ve tüm işlevlere sahip olması için Model A’ya ihtiyaç duyar.
Bu bölümün yazılmasında “Mutlu, M.E. (2017). Öğrenme Deneyimlerinin Yönetiminde Yaşam Deneyimlerini Yakalamak İçin Çok Katmanlı Bir Model, 3’üncü Uluslararası Eğitim, Uzaktan Eğitim ve Eğitim Teknolojileri Kongresi, ICDET 2017, Antalya” kaynağından yararlanılmıştır.
(Not: Yararlanılan kaynaklar yazı dizisinin sonunda topluca verilecektir.)
Öğrenme Deneyimlerinin Yönetiminde Yaşam Deneyimlerini Yakalamak İçin Çok Katmanlı Bir Model - Bölüm 4
MODEL A1 - GİYİLEBİLİR YAŞAM GÜNLÜĞÜ SİSTEMLERİ
Model A1 vücudun üstüne giyilebilir algılayıcıları barındıran yaşam günlüğü
sistemidir. Giyilebilir algılayıcılar kendi başlarına çalışan kompakt cihazlar olabileceği gibi
bireyin yanında taşıdığı bir dizüstü, tablet ya da akıllı telefonu bağlantı noktası (hub) olarak
kullanarak çalışan cihazlar da olabilir.
Kapsamlı bir yaşam günlüğü sisteminde bulunan giyilebilir algılayıcılar bir BAN (body
area network) ile aktarıcı cihaza bağlanırlar. Böylece taşınabilir ya da mobil bir cihazın
giyilebilir yaşam günlüğü kamerası, giyilebilir beyin dalgaları okuyucusu, giyilebilir göz
hareketleri okuyucusu, giyilebilir hareket algılayıcıları, giyilebilir eldiven vb. algılayıcılarla
genişletilmesi sağlanabilir. Taşınabilir /mobil cihaz ile giyilebilir algılayıcılar arasında
oluşturulan vücut alan ağı için kullanılabilir başlıca ağ teknolojileri Bluetooth ve ZigBee
sistemleridir.
Yaşam günlüğüne yönelik Mann (2004) ve Aizawa ile arkadaşları (2004) gibi öncülerin
ilk çalışmaları giyilebilir bilgisayarlara dayalı çalışmalardır. Yaşam günlüğü araştırmalarında
giyilebilir cihazlarla gerçekleştirilen günlük verisi yakalama süreci ağırlığını sürekli olarak
korumuştur. Giyilebilir yaşam günlüğü sistemleriyle bireylerin fiziksel ve biyolojik olarak
yaşadıkları deneyimler ve bu deneyimler esnasındaki çevreye ait görsel – işitsel günlük
verilerinin yakalanması mümkün olabilmektedir.
Giyilebilir cihazların bir bölümü çok amaçlı bilgi işlem aygıtları iken bir bölümü belirli
bir amaca yönelik işleve sahip cihazlardır.
Çok amaçlı cihazlar birden fazla farklı alanda görev yapan algılayıcılara sahiptirler ve
geleneksel işlevlerinin yanı sıra başka işlevlerle de donatılmışlardır. Örneğin, bir akıllı saat
ile geleneksel anlamda saat işlevinin yanı sıra, egzersiz izleme, telefon üzerinden yazılı mesaj
aktarma, içerik görüntüleme, sesli – görüntülü iletişim kurma gibi işlevler de
bulunabilmektedir. Başlıca çok amaçlı giyilebilir cihazlara örnek olarak akıllı gözlük, akıllı
saat, akıllı bileklik, akıllı ayakkabı, akıllı kolye/yüzük/küpe, akıllı alın bandı, akıllı lens
verilebilir.
Özel amaçlı cihazlar genellikle başlıca bir algılayıcıya sahiptirler. Bazı modellerde
başlıca algılayıcının yakaladığı günlük verisine ait bağlamları eklemek amacıyla konum vb.
ikincil bağlamlar da bulunur. Örneğin giyilebilir yaşam günlüğü kamerası her 30 saniyede bir
yakaladığı fotoğrafa konum bilgisini de ekler. Özel amaçlı giyilebilir cihazlara örnek olarak
giyilebilir yaşam günlüğü kamerası, giyilebilir ses yakalayıcısı, giyilebilir beyin dalgaları okuyucusu, giyilebilir göz hareketleri yakalayıcısı, giyilebilir hareket yakalayıcısı, giyilebilir
eldiven, giyilebilir tekstil verilebilir.
Teknolojilerin birbirine yakınsaması nedeniyle bir özel amaçlı giyilebilir cihazın kısa
sürede çok amaçlı giyilebilir teknolojiye dönüşmesi mümkündür. Algılayıcı maliyetlerinin
giderek düşmesi bu gelişimi hızlandırmaktadır.
Giyilebilir teknolojilerin en önemli uygulama alanlarından biri tıp teknolojisidir ve
uzaktan tıp uygulamaları amacıyla kullanılan sağlık/biyoloji algılayıcıları giyilebilir
algılayıcıların geniş bir alt kümesini oluşturmaktadırlar. Melanie Swann’in algılayıcılar
üzerine gerçekleştirdiği bir tarama makalesinde bu teknolojilere genişçe yer verilmektedir
(Swann, 2012).
Model A1, “kişisel bilişim” ya da “nicelleştirilmiş öz” alanlarındaki araştırmacıların ve
amatörlerin de özel bir yaşam günlüğü uygulamasına ihtiyaç duymadan hemen kullanılabilir
durumda oldukları çok sayıda aracı kapsamaktadır (Swann, 2013).
Bağımsızca kullanılan giyilebilir cihazlarda cihaza gömülü olan algılayıcılarla günlük
verisi yakalama gerçekleştirilmektedir. Kullanıcı ürünü satın aldıktan sonra cihazda kurulu
uygulamalarla ya da uygulama mağazasından uygulama kurarak hemen günlük verisi
yakalamaya başlayabilir. Örneğin, bir akıllı saat ve bu saatle bağlantıda olan bir akıllı
telefona kurulacak bir sağlık izleme yazılımı ile temel fiziksel etkinliklerin yanı sıra, stres
düzeyini belirlemek, uyku durumunu izlemek, kalp atışını izlemek, kandaki oksijen düzeyini
ölçmek mümkün olabilmektedir. Bu tür cihazların arasında en fazla yakalama özelliğine
sahip olan cihazlardan biri 17 algılayıcı içeren Microsoft Hololens holografik karma
gerçeklik gözlüğüdür.
Model A1’deki cihazların kümesi piyasada gün geçtikçe yenisi ortaya çıkan giyilebilir
algılayıcılardan dolayı giderek genişlemektedir. Bu model aynı zamanda hobi elektroniği ile
ilgilenen kullanıcılar için zengin bir “kendin yap” olanaklarını içeren bir yaşam günlüğü
modelidir. Böylece, örneğin basit bir dizüstü ya da tablet bilgisayara 360 derece çekim yapan
bir kamera bağlayarak ve kameradan görüntü yakalama uygulaması geliştirerek ya da kurarak
kendi giyilebilir yaşam günlüğü 360 derece kameranızı oluşturabilirsiniz. Dizüstü, tablet ya
da akıllı telefona bağlanabilir tüm algılayıcı cihazlar bu amaçla kullanılabilir. Kameradan
başka örneğin, mikrofon, GPS cihazı, Kinect (hareket ve derinlik algılayıcısı) akla ilk gelen
bağlanabilir cihazlardır. Bunun dışında Raspberry Pi ya da Arduino kullanarak kullanıcının
kendisi tarafından oluşturulabilecek çok sayıda algılayıcı cihaz bulunmaktadır (Bell, 2014). Bu amaçla internette 30 USD’ye 37 algılayıcı içeren ve ayrıntılı montaj kılavuzlarıyla birlikte
gelen hazır deney setleri pazarlanmaktadır.
Varolan giyilebilir algılayıcıların birlikte kullanımı ile daha önce sahip olunmayan
etkileşim biçimleri tasarlanabilmektedir. Örneğin, bir sanal gerçeklik gözlüğünün bir
giyilebilir EEG okuyucusuyla birlikte kullanılmasıyla, düşünerek gözlükle etkileşim
sağlanabilmektedir (Si-Mohammed vd., 2017).
Varolan bir giyilebilir cihaza bir bulut hizmeti aracılığı ile ek özellikler kazandırılabilir.
Örneğin, Hololens ile Microsoft Cognitive Services birlikte kullanılarak bir nesne tanıma
uygulaması geliştirilebilmektedir (Dagdag, 2016).
Model A1’de giyilebilir algılayıcılar tarafından yakalanan günlük verileri, bir dizüstü,
tablet ya da akıllı telefon şeklindeki bağlantı noktasına ve oradan da bulut ya da çalışma
bilgisayarına depolanır. Bu nedenle Model A1 kendi başına çalışan bir yaşam günlüğü
sistemi değildir ve tüm işlevlere sahip olması için Model A’ya ihtiyaç duyar (Grafik 5).
Grafik 5. Model A1 - Giyilebilir Yaşam Günlüğü
Bu bölümün yazılmasında “Mutlu, M.E. (2017). Öğrenme Deneyimlerinin Yönetiminde Yaşam Deneyimlerini Yakalamak İçin Çok Katmanlı Bir Model, 3’üncü Uluslararası Eğitim, Uzaktan Eğitim ve Eğitim Teknolojileri Kongresi, ICDET 2017, Antalya” kaynağından yararlanılmıştır.
(Not: Yararlanılan kaynaklar yazı dizisinin sonunda topluca verilecektir.)
Öğrenme Deneyimlerinin Yönetiminde Yaşam Deneyimlerini Yakalamak İçin Çok Katmanlı Bir Model - Bölüm 3
MODEL A - MOBİL YAŞAM GÜNLÜĞÜ SİSTEMLERİ
Model A bireylerin hareket halindeyken yanlarında taşıdıkları cihazlar üzerinde çalışan
yaşam günlüğü sistemlerini içermektedir.
Bu modelde bireylerin dizüstü, tablet ve akıllı telefonları ve bu cihazlara gömülü olan
ya da bağlanabilen algılayıcıları kullanan yaşam günlüğü uygulamaları bulunur. Dizüstü
bilgisayarlar, tabletler ve akıllı telefonlar çok sayıda gömülü algılayıcı içerdiklerinden dolayı
etkili birer yaşam günlüğü cihazlarıdır. Bu cihazlarla görüntü, video, ses, konum, hız, adım sayısı verisi yakalamak mümkün olabilmektedir. Ayrıca, cihazla gerçekleştirilen sosyal ağ
etkinlikleri, yazılı – sesli iletişim, oyun, medya görüntüleme/izleme/dinleme vb. etkinliklerini
kayda almak da mümkündür.
Bireyler dizüstü bilgisayar, tablet ve akıllı telefonun yetersiz kaldığı durumlarda ek
algılayıcıları ya da algılayıcı içeren cihazları kablolu ya da kablosuz biçimde dizüstü, tablet
ya da akıllı telefonlarına bağlayarak yaşam günlüğü sistemini genişletebilirler.
Dizüstü bilgisayarlar sabit biçimde kullanıldıklarında Model 0’da; başka mekânlara
götürülerek kullanıldıklarında Model A’da yer alırlar.
Öğrenciler ve bilgi çalışanlarının sabit masaüstü sistemler dışında en fazla zaman
geçirdikleri ikinci bilgi işlem ortamı mobil sistemlerdir. Geleneksel yaşam günlüğü
araştırmaları bireylerin fiziksel etkinliklerini belirlemeye odaklandığı için içeriğe yönelik
deneyimler ikincil düzeyde incelenmiştir. Bu eksikliği gidermek için Model A’da fiziksel
etkinliklerin yanı sıra bilişsel etkinliklerin izlenmesine de yer verilmektedir. Bu amaçla akıllı
telefon ve tabletlerde ekran görüntüsü ve ekran videosunun yakalanmasına yönelik teknik
engellerin aşılması gerekmektedir. Böylece, mobil yaşam günlüğü sistemleriyle bireylerin
mobil cihazlarda yaşadıkları deneyimlerin tümü eksiksiz olarak yakalanabilir.
Model A’da yakalanan günlük verileri biriktirilerek ya da eş zamanlı olarak bir çalışma
bilgisayarına aktarılırlar ve çalışma bilgisayarı üzerinde işlenirler. Aktarma bulut üzerinden,
kablosuz yerel ağ üzerinden ya da kabloyla gerçekleştirilir. Model A tüm işlevleriyle kendi
başına çalışan bir yaşam günlüğü sistemi değildir. Bu nedenle Model 0 katmanına ihtiyaç
duyar (Grafik 4).
Grafik 4. Model A - Mobil Yaşam Günlüğü
Bu bölümün yazılmasında “Mutlu, M.E. (2017). Öğrenme Deneyimlerinin Yönetiminde Yaşam Deneyimlerini Yakalamak İçin Çok Katmanlı Bir Model, 3’üncü Uluslararası Eğitim, Uzaktan Eğitim ve Eğitim Teknolojileri Kongresi, ICDET 2017, Antalya” kaynağından yararlanılmıştır.
(Not: Yararlanılan kaynaklar yazı dizisinin sonunda topluca verilecektir.)
Öğrenme Deneyimlerinin Yönetiminde Yaşam Deneyimlerini Yakalamak İçin Çok Katmanlı Bir Model - Bölüm 2
MODEL 0 - SABİT YAŞAM GÜNLÜĞÜ SİSTEMLERİ
Model 0 bireylerin masa üstündeki bilgisayarlarda çalışırken kullanabilecekleri yaşam
günlüğü sistemlerini içermektedir.
Bu model sabit bilgisayarları içeren temel modeldir ve sadece masaüstü ve hepsi bir
arada bilgisayarlar ve bu bilgisayarlara gömülü olan ya da bağlanabilen algılayıcıları içerir.
Dizüstü ve ikisi bir arada vb. bilgisayarlar da sabit biçimde kullanıldıkları anlarda bu modele
dâhil edilirler. Bu model kendi başına bağımsız çalışabilen bir yaşam günlüğü sistemini
içerir. Diğer taraftan bu sistemden diğer modellerdeki yaşam günlüğü sistemleri için ana
bilgisayar olarak yararlanılabilir (Grafik 3).
Bireyler kişisel bilgisayarlarında bilgisayar etkinlikleri, çevrimiçi etkinlikleri, ekran
görüntüleri, ses, video, ekran videosu, konum gibi algılayıcılardan günlük verileri
yakalayabilirler. Kullanılan bilgisayarlardan işlemcisi en güçlü ve depolama kapasitesi en
büyük olan bilgisayar “çalışma bilgisayarı” olarak seçilir. Bir bilgisayarda yakalan veriler
diğer cihazlarda yakalanan verilerle birleştirilmek amacıyla çalışma bilgisayarına aktarılırlar.
Tüm cihazlarda yakalanan ve çalışma bilgisayarında bir araya getirilen günlük verileri
üzerinde çözümleme, erişme, görüntüleme, canlandırma vb. işlemler gerçekleştirilebilir.
Öncü araştırmacılardan olan Gordon Bell’in çalışmaları başlangıçta ağırlıklı olarak
masaüstü sistemlerde okuduğu, izlediği, dinlediği içeriğin yakalanması ve kaydedilmesine
dayalıdır. Bell daha sonraları kullandığı yakalayıcıların arasına SenseCam kamerasını da
katmıştır (Gemmell vd., 2004). Yaşam günlüğü araştırmalarının yaygınlaşmasında giyilebilir teknolojilerin belirleyici olması nedeniyle ekran görüntüsü yakalama aracının yaşam günlüğü
olarak ele alındığı çalışmalar seyrektir. Fakat öğrenciler ve bilgi çalışanları günün önemli bir
bölümünü bilgisayar karşısında geçirirler ve bilgisayarda gerçekleştirdikleri etkinliklerin
yaşam olayları içerisindeki ağırlığı yüksektir. Sabit yaşam günlüğü sistemleriyle bireylerin
bilgisayar başında yaşadıkları öğrenme, araştırma, çalışma, iletişim, medya, işlemler ve
yayıncılık deneyimlerinin tümü eksiksiz olarak yakalanabilir (Mutlu, 2014).
Grafik 3. Model 0 - Sabit Yaşam Günlüğü
Bilgisayar kullanıcılarının bilgisayar başında gerçekleştirdikleri işlemlerden elde edilen
veriler yardımıyla kullanıcının eylem ve etkinlikleri tanınabilmekte ve tanımlanabilmektedir.
Bu amaçla geliştirilen uygulamalarda kullanıcının bilgisayarında arka planda çalışan ve
kullanıcının klavye ve fare kullanma, ekrana dokunma hareketlerini yakalayan; kullanıcının
kullandığı yazılımları, açtığı dosyaları ve görüntülediği pencereleri ayrıntılı biçimde
yakalayarak kaydeden; yoğun veri yakalamaya dayalı yazılımlara yer verilmektedir
(Grefenstette ve Muchemi, 2016; Okamoto, 2014; Laadan, 2011).
Bu bölümün yazılmasında “Mutlu, M.E. (2017). Öğrenme Deneyimlerinin Yönetiminde Yaşam Deneyimlerini Yakalamak İçin Çok Katmanlı Bir Model, 3’üncü Uluslararası Eğitim, Uzaktan Eğitim ve Eğitim Teknolojileri Kongresi, ICDET 2017, Antalya” kaynağından yararlanılmıştır.
(Not: Yararlanılan kaynaklar yazı dizisinin sonunda topluca verilecektir.)
Öğrenme Deneyimlerinin Yönetiminde Yaşam Deneyimlerini Yakalamak İçin Çok Katmanlı Bir Model - Bölüm 1
KAVRAMSAL TASARIM
Giriş
Öğrenme deneyimleri bireylerin yaşam deneyimleri boyunca oluşurlar ve bir bölümü
bireyin bilinçli farkındalığı ile yaşanırken önemli bir bölümü de farkında olmadan yaşanır.
Bireylerin fakında olmadan ve/veya önceden planlamadan yaşadıkları öğrenme deneyimlerine
ait anımsatıcı ipuçları bulunmadığı durumda bu deneyimlerin bir daha gözden geçirilip
değerlendirilebilmeleri mümkün olmaz. Öğrenme deneyimleri yönetimi yaklaşımı bireyin
yaşam deneyimlerinin yaşam günlüğü teknolojileri ile kendiliğinden ve sürekli olarak
yakalanması, bireyin bu deneyimleri tarayarak yorumlaması, bağlamlarını belirlemesi, yaşam
deneyimleri içerisindeki öğrenme deneyimlerine geri dönerek, bu deneyimleri değerlendirmesi,
öğrenme deneyimlerini planlama, izleme-denetleme ve değerlendirme sürecini uygulayabilmesi
aşamalarını barındırır (Mutlu, 2016). Öğrenme deneyimleri yönetimi yaklaşımının “yaşam
deneyimlerini yakalama” aşamasında yaşam günlüğü teknolojileri kullanılmaktadır. 2000’lerin
başından itibaren giderek olgunlaşan yaşam günlüğü araştırmalarının sonuçlarının öğrenme
deneyimlerinin yönetimine güncel olarak yansıtılarak kullanılması gerekmektedir. Diğer bir
deyişle, öğrenme deneyimleri yaklaşımında gerçekleştirilecek her güncelleme yaşam günlüğü
teknolojileri üzerinde güncel bir tarama yapmayı gerektirmektedir. Yaşam günlüğü
teknolojilerindeki gelişmelerin yönünün öğrenme deneyimleri yönetimindeki gelişmelerin
yönünü de belirleyeceği açıktır. Yaşam günlüğü teknolojileri üzerinde gerçekleştirilecek bir
sınıflandırmayla bu teknolojilerin öğrenme deneyimleri yönetimine yansıtılması amacıyla daha
kolay izlenmesi sağlanabilecektir.
Bu doğrultuda, bu çalışmanın amacı yaşam günlüğü teknolojilerinin öğrenme deneyimleri
yönetiminde uygulanmasını kolaylaştıracak bir model elde edilmesini sağlamaktır. Çalışmanın
“Alanyazın” bölümünde öğrenme deneyimleri yönetimi yaklaşımı ve bu yaklaşımın deneyimleri
yakalama aşamasında kullanılan yaşam günlüğüne ait alanyazın gözden geçirilecektir. “Gereç
ve Yöntem” bölümünde yaşam deneyimlerini yakalama amacıyla kullanılabilecek araçlara
odaklanılmaktadır. Bu araçların bağımsızca ve bir arada kullanılmalarıyla oluşturulabilen yaşam
günlüğü sistemlerinin yedi farklı katmanda toplanabileceği gösterilecektir. “Bulgular”
bölümünde önceki bölümde elde edilen kavramsal yapının öğrenme deneyimleri yönetimi
yaklaşımında kullanılmasının sağladığı olanaklar ile sağlayacağı potansiyel olanaklar
tartışılmaktadır. “Sonuç ve Öneriler” bölümünde bulguların değerlendirilmesi sonucunda elde
edilen çıkarımlara ve gelecekte yapılması muhtemel çalışmalara ait düşüncelere yer verilecektir.
Alanyazın
Öğrenme deneyimleri yönetimi yaklaşımı, bireylerin yaşam deneyimlerine eşlik eden
öğrenme deneyimlerinin fark edilmesi, anlamlandırılması ve yönetilmesine yönelik süreçlerin
ve tekniklerin geliştirilmesi amacıyla Mutlu ve arkadaşları tarafından 2013 yılında başlatılan
bir dizi proje ile araştırılan ve kavramsallaştırılmaya çalışılan bir kişisel bilgi yönetimi
uygulamasıdır (Mutlu, 2016).
Ardışık beş aşamadan oluşan yaklaşımın ilk aşaması bireyin yaşam deneyimlerinin
daha sonra gözden geçirildiğinde eksiksiz olarak anımsanmasına olanak sağlayacak şekilde
birey tarafından yakalanması ve kaydedilmesini kapsamaktadır. Bireylerin yaşam
deneyimlerini yakalamada yaşam günlüğü teknolojilerinden yararlanılmaktadır (Grafik 1).
Grafik 1. Öğrenme Deneyimleri Yönetimi Yaklaşımının Katmanları (Mutlu, 2016)
Bireylerin yaşam deneyimlerinin yakalanmasını sağlayan yaşam günlüğü
teknolojilerinin kavramsal kökeni 1945’de Vannevar Bush’un ünlü makalesi “"As We May
Think” ve bu makalede betimlemiş olduğu “Memex” isimli, bireyin gördüğü, duyduğu ve
okuduğu her enformasyonu kaydedebilen varsayımsal cihaza dayanmaktadır (Bush, 1945).
1980’lerde Steve Mann’ın başlattığı deneysel çalışmalar 1990’larda MIT’de yaptığı doktora
çalışmaları esnasında olgunlaşmış ve Mann’a giyilebilir bilgisayarları icat eden kişi ünvanını
kazandırmıştır (Mann, 2004). 2000’lerin başında Gordon Bell tarafından başlatılan ve 2016
yılında sona erdirilen, gördüğü, okuduğu, dinlediği tüm enformasyonun kaydedilmesine ve
bireysel dijital arşiv oluşturulmasına yönelik olarak gerçekleştirdiği deneyler yaşam günlüğü araştırmalarının başlamasını tetiklemiştir (Gemmell vd., 2002). 2004 yılında Aizawa’nın,
içinde görüntü, ses, video, konum ve beyin dalgaları yakalamayı da içeren çok algılayıcılı
giyilebilir düzeneği ile bağlamsal çıkarımlar elde etme denemeleri gerçekleştirilmiştir
(Aizawa vd., 2004). Aynı dönemde Microsoft firmasının “SenseCam” isimli giyilebilir yaşam
günlüğü kamerası ile İngiltere Oxford ve İrlanda Dublin üniversitelerinde yoğun yaşam
günlüğü araştırmaları başlatılmış ve özellikle günlük verilerinden günlük olayların
belirlenmesi, Alzheimer hastalarının anımsama terapilerinde yaşam günlüğünden
yararlanılması gibi alanlarda sonuçlar elde edilmiştir (Hodges vd., 2011). İzleyen yıllarda
Autographer ve Narrative gibi “SenseCam” benzeri yaşam günlüğü kameraları piyasaya
çıkmıştır. 2010’lu yıllarda giyilebilir teknolojilerin birer tüketici elektroniği olarak
yaygınlaşması ve yaşamlarına ait olabilecek tüm işlem ve olayları kayda almayı amaçlayan
“nicelleştirilmiş öz” hareketinin genişlemesiyle yaşam günlüğü teknolojileri giderek büyüyen
bir pazar ve araştırma alanı haline gelmiştir. Google Glass ile canlı kayıt da yapabilen akıllı
gözlükler devri başlamıştır (Grafik 2).
Gurrin ve arkadaşları (2014) yaşam günlüğünü aşağıdaki gibi tanımlamışlardır:
“Yaşam günlüğü, çeşitli algılayıcılar tarafından pasif olarak toplanan yaşam deneyimi
verileri üzerinde bir araya getirme, işleme ve yansıtma sürecidir ve günlüğü tutan bireyin
kendisi tarafından yürütülür. Yaşam deneyimi verileri çoğunlukla kişinin faaliyetlerini
doğrudan algılayan giyilebilir algılayıcılara dayanmaktadır, ancak bazen çevresel
algılayıcılardan veya diğer bilgilendirici algılayıcılardan gelen veriler de sürece dâhil
edilebilir.”
2010’lu yıllarda giderek yaygınlaşan “nicelleştirilmiş öz” kavramı, aynı isimli bir
hareket etrafında toplanmış olan amatörler, araştırmacılar, gönüllüler ve bu alandaki ürünleri
geliştiren firmalarca benimsenmiştir. Swan (2013)’ye göre nicelleştirilmiş öz; “bireyin
kendine ait biyolojik, fiziksel, davranışsal ve çevresel herhangi bir tür enformasyonun kendisi
tarafından izlenmesidir” şeklinde tanımlanmaktadır.
Grafik 2. Yaşam Günlüğünün Gelişimi
Jacquemard ve arkadaşlarına (2014) göre yaşam günlüğü sistemleri bireyler, şirketler,
kamu kurumları ve devletler tarafından kullanılabilmesine rağmen bu çalışmada sadece
kişisel yaşam günlüğü sistemleri ele alınacaktır.
Gurrin ve arkadaşlarına göre (2014) yaşam günlüğü süreci yakalama-depolama
aşamasının ötesinde ayrıca bir düzenleme aşamasını içerir. Düzenleme aşaması, yaşam
akışının olaylar halinde dilimlenmesini ifade eden “parçalara ayırma”; anlamsal çıkarımlarla
yaşam olaylarının tanımlanmasını ifade eden “olaylara açıklama ekleme”; “açıklamaları
kullanma”; olaylara açıklamalardan yararlanarak erişme ve olay dilimini getirmeyi ifade eden
“erişme ve getirme” ve son olarak da günlük verileriyle masaüstünden, mobil cihazlardan ya
da akıllı gözlüklerden etkileşim kurmayı ifade eden “çok ortamlı etkileşim” bileşenlerini
içermektedir.
Yaşam olaylarını tanımlamada yaygın olarak “kim”, “ne”, “nerede” ve “ne zaman”
bağlamlarına yer verilmektedir (Gurrin vd., 2014). “Kim” bağlamı için Bluetooth algılayıcısı
ve yüz tanıma algoritmalarından yararlanılmaktadır. “Ne” bağlamı için kavram tanıma
algoritmalarından yararlanılmaktadır. 10.000 farklı kavramı tanıyan bir sistemin insan
kavrayışı için yeterli olduğu düşünülmektedir. “Nerede” bağlamı için GPS sinyalleri, Wi-Fi
noktaları ve hücresel telefon verici kulelerinin konum verilerinden yararlanılmaktadır. “Ne
zaman” bağlamı için ise günlük verisinin yakalandığı küresel zaman verisi kullanılmaktadır.
Yaşam günlüğü ile yakalanan günlük verilerinden yaşam olaylarının elde edilmesi ve
bu olaylara çeşitli bağlamlarla açıklamalar eklenmesi sonucunda olayların anlatı biçiminde
olay kümeleri olarak özetlenmesi mümkün olabilmektedir. Bu açıklamaları kullanan
sorgularla, olaylara erişme ve getirme mümkün olabilmektedir. Bunun yanı sıra zamansal
tarama yaparak yaşam günlüğü üzerinde gezinmek ya da bir olayı animasyon biçiminde
canlandırmak gibi seçenekler de bulunmaktadır. Gurrin ve arkadaşlarına (2014) göre yaşam
günlüğünün başlıca uygulama alanları “öz – gözlemleme”, “bellek yardımcısı” olarak
yararlanma ve “uzun dönemli yaşam desteği” olarak kullanmadır.
Gereç ve Yöntem
Bu bölümde yaşam deneyimleri yakalayıcısı için çok katmanlı bir model önerisinde
bulunulacaktır. Bu amaçla daha önce gerçekleştirilen yaşam günlüğü teknolojileri
sınıflandırma çalışmalarından, öğrenme deneyimleri yönetimi yaklaşımının özelliklerinden ve
teknolojideki güncel gelişmelerden yol gösterici olarak yararlanılacaktır.
Yaşam günlüğü teknolojilerini, uygulamalarını ve süreçlerini sınıflandırmak ya da
topluca bir arada listelemek amacıyla denemeler yapılmıştır. Örneğin Gurrin ve arkadaşları
(2014) çok sayıda yaşam günlüğü cihazı ve uygulamasını pasif görüntü yakalama, kişisel
biyometrikler, mobil cihaz bağlamları, iletişim etkinlikleri, veri oluşturma/erişim etkinlikleri,
aktif olarak yakalanan yaşam etkinlikleri, çevresel bağlamlar ve medya, pasif ses yakalama,
çapraz kategori algılama araçları ve başarım izleme araçları başlıkları altında
gruplandırmışlardır.
Augemberg’den (2012) aktaran Swann’a göre (2013)’e göre nicelleştirilmiş öz izleme
kategorileri ve değişkenleri; fiziksel etkinlikler, diyet, psikolojik durumlar ve özellikler;
zihinsel ve bilişsel durumlar ve özellikler, çevre değişkenleri, durumsal değişkenler ve sosyal
değişkenler başlıkları altında gruplandırılabilmektedir.
Jacquemard ve arkadaşlarına (2014) göre yaşam günlüğü cihazları ve kaynakları
giyilebilir cihazlar; çevreye gömülü veri kaynakları ve üçüncü parti enformasyon biçiminde
gruplandırılmaktadır. Giyilebilir cihazlar da ayrıca içe gömülü cihazlar, dışa takılan cihazlar
ve çevrimiçi etkinlikler biçiminde üç alt gruba ayrılmaktadır.
Yaşam günlüğünün kullanımına yönelik bir tipoloji ise Selke (2016) tarafından
önerilmiştir. Buna göre yaşam günlüğü (1a) kişinin kendi sağlığını izleme, (1b) işbirliğine
dayalı iyileşme, (2) insan hareketini izleme, (3a) insan dijital belleğini meydana getirme; (3b)
dijital ölümsüzlük arama ve (4) gözetim ve karşı-gözetim amaçlarıyla kullanılmaktadır.
Chan ve arkadaşları özellikle sağlık alanında kullanılan akıllı cihazlara ait bir
sınıflandırma yapmışlardır (Chan vd., 2012). Bu sınıflandırmada algılayıcı sistemler; birey
tarafından bir aksesuar olarak giyilebilir, vücuda gömülebilir (implantlar), taşınabilir, bireyin
elbisesine iliştirilebilir ve bir nesne/mobilya ya da evin bir yerine iliştirilebilir sistemler
olarak bölümlendirilmiştir.
Çok Katmanlı Model
Yaşam günlüğü yakalama araçları, kullanım ortamları ve biçimleri, işlevleri ve
teknolojik yapıları göz önüne alınarak yedi farklı düzeyde gruplandırılabilmektedir. Bu
düzeylerin her biri bir “model” olarak biçimlendirilecektir. Böylece çok sayıda ürün,
uygulama ve süreçten oluşan bir teknolojik küme hem bütüncül bir yaklaşımla modellenmeye
çalışılacak hem de değişik modellere sahip bir ürün ailesi biçiminde kurgulanmış olacaktır.
Bu bölümün yazılmasında “Mutlu, M.E. (2017). Öğrenme Deneyimlerinin Yönetiminde Yaşam Deneyimlerini Yakalamak İçin Çok Katmanlı Bir Model, 3’üncü Uluslararası Eğitim, Uzaktan Eğitim ve Eğitim Teknolojileri Kongresi, ICDET 2017, Antalya” kaynağından yararlanılmıştır.
(Not: Yararlanılan kaynaklar yazı dizisinin sonunda topluca verilecektir.)
"Öğrenme deneyimlerinin yönetiminde yaşam deneyimlerini yakalamak için çok katmanlı bir model" Makalesi AUAd Çevrimiçi Dergisinde Yayınlandı
24-25 Kasım 2017 tarihleri arasında Antalya’da düzenlenen 3’üncü Uluslararası Eğitim, Uzaktan Eğitim ve Eğitim Teknolojileri Kongresi, ICDET 2017’de sözlü bildiri olarak sunulan "Öğrenme deneyimlerinin yönetiminde yaşam deneyimlerini yakalamak için çok katmanlı bir model" isimli çalışma çevrimiçi AuAD dergisinde yayınlandı. Makaleye aşağıdaki bağlantıdan erişilebilir:
Mutlu, M.E. (2018). Öğrenme deneyimlerinin yönetiminde yaşam deneyimlerini yakalamak için çok katmanlı bir model. AUAd, 4(3), 23-57.
http://auad.anadolu.edu.tr/yonetim/icerik/makaleler/364-published.pdf
"Help yourself and Design Your Own Personal Learning Environment" Bildirisi Mayorka / Palma'da Sunuldu
Nil Göksel tarafından "Help yourself and Design Your Own Personal Learning Environment" isimli bildiri 2-4 Haziran 2018 tarihleri arasında Mayorka / Palma'da düzenlenen 10. Eğitim ve Yeni Öğrenme Teknolojleri Konferansında sunuldu:
Goksel, N., Hargis, J. & Mutlu, M.E. (2018). Help yourself and Design Your Own Personal Learning Environment, Proceedings of EDULEARN18 Conference, 10th International Conference on Education and New Learning Technologies, 2nd-4th July 2018, Palma, Mallorca, Spain, pp: 5915-5920, ISBN: 978-84-09-02709-5
