Аннотация.

В последнее время как в России, так и за рубежом наблюдается стремительное развитие рынка облачных услуг. Предприятиям выгодно получать услуги в области непрофильной деятельности как сервисы вместо того, чтобы держать штат своих сотрудников, отвечающих за такие услуги. Интеграция концепции облачных вычислений с концепцией крауд-вычислений позволяет предлагать конечному пользователю совершенно новые сервисы, основанные на использовании компетенций группы людей как сервиса. В статье представлен обзор актуальных исследований в области облачных сред для управления человеческими ресурсами и сетями сенсоров; выполнена спецификация требований к системам человеко-машинных облачных вычислений; представлена методология и архитектура для построения распределенных систем поддержки принятия решений на основе человеко-машинных облачных вычислений.

Ключевые слова:

человеко-машинные облачные вычисления, поддержка принятия решений, крауд-вычисления, онтологии.

Стр. 30-39.

Полная версия статьи в формате pdf. 

REFERENCES

1. Gavrilov, D. 2016. Russia Cloud Services Market 2016–2020 Forecast and 2015 Vendor Shares. IDC. Available at:
http://idcrussia.com/ru/research/published-reports/64109-russia-cloud-services-market-2016-2020-forecast-and-2015-vendorshares/
2-abstract (accessed December 1, 2016).
2. Distefano, S., Merlino, G., Puliafito, A. 2012. SaaS: A Framework for Volunteer-Based Sensing Clouds. Parallel and Cloud Computing. 1(2):21-33.
3. Merlino, G., Arkoulis, S., Distefano, S., Papagianni, C., Puliafito, A., Papavassiliou, S. 2016. Mobile Crowdsensing as a Service: A Platform for Applications on Top of Sensing Clouds. Future Generation Computer Systems. 56:623-639.
4. Formisano, C. et al. 2015. The Advantages of IoT and Cloud Applied to Smart Cities. In 3rd International Conference Future Internet of Things and Cloud. Rome. 325-332.
5. Dustdar, S., Bhattacharya, K. 2011. The social compute unit // IEEE Internet Computing. 15(3):64-69.
6. Sengupta, B., Jain, A., Bhattacharya, K., Truong, H.-L., Dustdar, S. 2013. Collective Problem Solving Using Social Compute Units. International Journal of Cooperative Information Systems. 22(4).
7. Mavridis, N. et al. 2013 CLIC: A Framework for Distributed, On-Demand, Human-Machine Cognitive Systems. Available at: https://arxiv.org/abs/1312.2242 (accessed December 1, 2016).
8. Mavridis, N. et al. 2015. Smart buildings and the human-machine cloud. 2015 IEEE 8th GCC Conference and Exhibition. 1-4.
9. Mavridis, N. et al. 2012. The Human-Robot Cloud: Situated collective intelligence on demand // Proceedings - 2012 IEEE International Conference on Cyber Technology in Automation, Control, and Intelligent Systems. 360-365.
10. Schall, D. 2011. A human-centric runtime framework for mixed service-oriented systems // Distributed and Parallel Databases. 29:333-360.
11. Schall, D. 2012. Service-Oriented Crowdsourcing: Architecture, Protocols and Algorithms. SpringerBriefs in Computer
Science. Springer New York. 94 p.
12. Schall, D. 2013. Service Oriented Protocols for Human Computation // Handbook of Human Computation. Springer New York. 551-560.
13. Power D.J. 2002. Decision Support Systems: Concepts and Resources for Managers // Greenwood/Quorum Books. Westport,
251 p.
14. Iren, D. et al. 2014. Utilization of synergetic human-machine clouds: A big data cleaning case. 1st International Workshop on CrowdSourcing in Software Engineering. 15–18.
15. Sarasua, C., Simperl, E., Noy, N.F. 2012. CrowdMap: crowdsourcing ontology alignment with microtasks. In Proceedings
of the 11th international conference on The Semantic Web. Springer-Verlag, Berlin, Heidelberg, 1:525-541.