2 बी - नोटों के लिए एक नोटबुक जो अध्ययन करता है और फिर उस व्यक्ति को सुधारता है जो इसमें लिखता है

क्या आपके पास ऐसे दोस्त हैं जो Google डॉक्स में नोटबुक या फ़ाइल में हर समय कुछ लिखते हैं? आपने उनसे पूछा कि वे ऐसा क्यों करते हैं, और वे वास्तव में वहां क्या लिखते हैं? यदि नहीं, तो मैं उनके लिए जवाब दूंगा (सभी के लिए नहीं, लेकिन कई लोगों के लिए):

इनका सेवन भोजन (इसके ऊर्जा मूल्य सहित), खर्च, टीवी शो (खेल, काम, खेल) पर खर्च किया गया समय, भविष्य के लिए उनकी योजनाएं, जो वे उपभोग करते हैं, उनके बारे में उनकी भावनाएं (उदाहरण के लिए, चॉकलेट का मूल्यांकन) और अन्य मैट्रिक्स और उनके जीवन के बारे में जानकारी।

लेकिन इसके बारे में सोचें: अगर इतनी जानकारी है, और यह इतना विस्तृत है, तो निश्चित रूप से इस डेटा से कुछ प्राप्त किया जा सकता है? उनका उपयोग करके, आप कुछ और गणना कर सकते हैं। रुझान, पैटर्न खोजें। और फिर यह सिर्फ एक नोटबुक नहीं होगा, बल्कि एक बहुत ही मूल्यवान और अपरिहार्य उपकरण होगा जो न केवल आपको जानकारी संग्रहीत करने की अनुमति देता है, बल्कि सलाह भी दे सकता है। वह एक व्यक्ति को अपने जीवन में कुछ इस तरह से सही करने की सिफारिश कर सकता है, जो सांख्यिकीय गणनाओं के परिणामों के अनुसार, वांछित परिणाम देने की सबसे अधिक संभावना है।

मैं इस तरह की एक प्रणाली को और अधिक विस्तार से वर्णन करना चाहूंगा: एक सॉफ्टवेयर उत्पाद जो जानकारी एकत्र करने में सक्षम है (प्रारंभिक चरणों में यह मुख्य रूप से डेटा है जो उपयोगकर्ता स्वतंत्र रूप से प्रदान करता है, नियमित रूप से उन्हें सिस्टम में प्रवेश करता है) और, इसका विश्लेषण करते हुए, इसमें विभिन्न रुझान खोजें , कनेक्ट करें कुछ सामान्य मापदंडों के अनुसार मानव जीवन के विभिन्न पहलुओं (उदाहरण के लिए, कालानुक्रमिक संबंध का पता लगाना) और उपयोगकर्ता को सूचित करना कि क्या सिस्टम के पास उसके लिए कोई सिफारिशें, सुझाव या चेतावनी है। मुझे ।

इस सॉफ्टवेयर पैकेज के प्रमुख घटकों में से एक ऑटोमैटिक ट्रेंड डिटेक्शन सिस्टम (संक्षेप में SAOT) है।

सॉफ्टवेयर का उपयोग करना

2ndb डेटा को सर्वर साइड पर संग्रहित और संसाधित किया जाना चाहिए। यह सभी उपयोगकर्ता उपकरणों से डेटा की उपलब्धता सुनिश्चित करता है, साथ ही साथ उपयोगकर्ताओं के बीच बातचीत की संभावना भी।

इस सॉफ़्टवेयर पैकेज की वास्तुकला का निर्माण करते समय, अग्रिम में विभिन्न क्लाइंट अनुप्रयोगों का उपयोग करके इसे उपयोग करने की संभावना को ध्यान में रखना आवश्यक है। इसका मतलब यह है कि उपयोगकर्ताओं के जीवन के बारे में जानकारी के भंडारण और प्रसंस्करण प्रदान करने वाले सभी घटकों को एक बैकएंड के रूप में लागू किया जाना चाहिए जो एक इंटरफ़ेस (एपीआई) प्रदान करता है जिसके माध्यम से ग्राहक एप्लिकेशन इसे एक्सेस कर सकते हैं।

सबसे पहले, यह केवल एक क्लाइंट एप्लिकेशन - ब्राउज़र (2 डी साइट) को लागू करने की योजना है। हालांकि, बाद में आप दूसरों को जोड़ सकते हैं (काम कर रहे हैं, निश्चित रूप से, उसी बैकएंड के माध्यम से, उसी डेटा के साथ)। उदाहरण के लिए, मोबाइल फोन के लिए क्लाइंट एप्लिकेशन, व्यक्तिगत कंप्यूटर के लिए एप्लिकेशन जो ब्राउज़र से अलग से काम करते हैं, और यहां तक ​​कि व्यक्तिगत डिवाइस भी।

उपयोगकर्ता के कंप्यूटर पर चल रहा क्लाइंट एप्लिकेशन, सबसे पहले, उपयोगकर्ता को सिस्टम में जानकारी तेजी से दर्ज करने की अनुमति दे सकता है, और दूसरी बात, ऐसा एप्लिकेशन उपयोगकर्ता की भागीदारी के बिना भी कुछ जानकारी एकत्र कर सकता है: उदाहरण के लिए, रिकॉर्ड करें कि वह कंप्यूटर गेम कितना खेलता है, कैसे सोशल नेटवर्क पर बहुत कुछ संचार करता है, और वह अपने काम से संबंधित चीज़ों के साथ कितना कुछ करता है, साथ ही वह कीबोर्ड पर कितने अक्षर टाइप करता है, वह कितनी तेजी से टाइप करता है, और इसी तरह आगे भी।

विशेष उपकरण डेटा के इनपुट को स्वचालित कर सकते हैं जो कि ब्राउज़र के माध्यम से या एक अलग एप्लिकेशन के माध्यम से स्वचालित रूप से प्राप्त नहीं किया जा सकता है। उदाहरण के लिए, आप एक कलाई पल्स सेंसर को जारी और बेच सकते हैं, जो स्वचालित रूप से हमारे सिस्टम में रीडिंग जोड़ देगा।

सिस्टम में डेटा दर्ज करना

प्रारंभिक चरणों में, अधिकांश जानकारी उपयोगकर्ताओं द्वारा मैन्युअल रूप से दर्ज की जाएगी।

ऐसे डेटा के उदाहरण:

1. जागने का समय
2. सोने का समय
3. तनाव (तनाव के स्रोत के संकेत, साथ ही अनुमानित अवधि और तीव्रता सहित)
4. हर्ष
5. अन्य भावनाएँ
6. वर्तमान विकास
7. वर्तमान वजन
8. शारीरिक व्यायाम
9. सर्दी, बीमारियाँ
10. लिंग
11. हस्तमैथुन
12. अवधि
13. गर्भावस्था और प्रसव
14. काम पर समय बिताया
15. काम से संबंधित नहीं व्यक्तिगत गतिविधियों पर समय बिताया
16. भोजन
17. शराब
18. सिगरेट
19. अन्य साइकोएक्टिव पदार्थ
20. खेल (जैसे बोर्ड गेम)

भविष्य में, सबसे अधिक संभावना है, स्वचालित रूप से विभिन्न जानकारी दर्ज करने के अवसर होंगे। उदाहरण के लिए, यदि कोई उपयोगकर्ता अलार्म घड़ी के साथ उठता है, और वह अपने फोन पर अलार्म घड़ी सेट करता है, तो हम स्वचालित रूप से वह समय ले सकते हैं जिसके लिए वह अलार्म घड़ी को जागने के अपने संभावित समय के रूप में सेट करता है।

और हम उन उपकरणों का भी उत्पादन कर सकते हैं जो घर उपयोगकर्ताओं पर खड़े होंगे और स्वचालित रूप से हमारे सिस्टम में प्रवेश करेंगे कि सीओ ₂ हवा में कितना निहित है जो उपयोगकर्ता साँस लेता है (इसके लिए आप फैलाव रहित अवरक्त स्पेक्ट्रोस्कोपी के सिद्धांत के आधार पर आधुनिक सेंसर का उपयोग कर सकते हैं), कमरे में प्रकाश कितना उज्ज्वल है, यह है (इसके लिए आपको डिवाइस में सेलेनियम फोटोकेल जोड़ने की आवश्यकता है, और संभवतः इसे कुछ अन्य घटकों से सुसज्जित करें जिसमें आमतौर पर अच्छे प्रकाश मीटर होते हैं), और इसी तरह ।

इस मामले में, उपयोगकर्ता द्वारा दर्ज की गई जानकारी में किसी भी नकारात्मक प्रवृत्ति का पता लगाने पर, सिस्टम उसे अपार्टमेंट को अधिक बार हवादार करने और प्रकाश उज्जवल चालू करने की सलाह दे सकेगा - जब तक, निश्चित रूप से, यह सीओ ₂ के डेटा के साथ संबंधित सहसंबंधों और इसी समय अवधि के लिए प्रकाश एक्सपोजर पाता है (और यदि विश्लेषणकर्ताओं को इस तरह से लिखा जाता है कि इस तरह के सहसंबंध को एक साधारण संयोग नहीं माना जाता है - और कुछ मामलों में, शायद ऐसा करना आवश्यक होगा ताकि बेकार से कम "शोर" हो। कॉमरेड)।

एक अन्य उदाहरण एक कमरे में शोर के स्तर का निर्धारण है (उसी डिवाइस का उपयोग करके, या, यहां तक ​​कि अपने कंप्यूटर के माइक्रोफ़ोन का उपयोग करके भी, यदि वह हमारे प्रोग्राम को स्थापित करता है, और माइक्रोफ़ोन ध्वनि को सही ढंग से स्थानांतरित करता है)। यदि उपयोगकर्ता द्वारा बनाए गए डेटा को देखते हुए, वह तनावग्रस्त है, और हमारे पास जानकारी है कि उसका अपार्टमेंट शोर है, तो हम उसे समाधानों के बारे में सलाह दे सकते हैं (आप कभी भी नहीं जानते, शायद उसे नहीं लगा कि यह इतना महत्वपूर्ण था) ध्वनि इन्सुलेशन और अन्य चीजों का प्रकार। और अगर यह सब भी रात 11 बजे के बाद होता है - तो उसी समय हम आपको सलाह देते हैं कि आप अपने पड़ोसियों से बात करें / एक बयान लिखें।

उन्नत विकल्पों के साथ डेटा प्रकार

कुछ डेटा प्रकारों के लिए अतिरिक्त विकल्प निर्दिष्ट किए जा सकते हैं। उदाहरण के लिए, यदि सेक्स के बारे में जानकारी दर्ज की गई है, तो आप यौन साझेदारों को जोड़ सकते हैं, उनके बारे में विभिन्न प्रासंगिक मापदंडों का संकेत दे सकते हैं। यदि शारीरिक व्यायाम का संकेत दिया जाता है, तो आप व्यायाम के प्रकार का चयन कर सकते हैं (चल रहा है, पुल-अप, पुश-अप, और इसी तरह), और कुछ प्रकार के लिए अतिरिक्त क्षेत्र दिखाई दे सकते हैं (उदाहरण के लिए, न केवल दोहराव की संख्या, बल्कि समय व्यतीत करना, या कारण की व्यक्तिपरक छाप भी। शारीरिक थकान)।

योजना बना रहे हैं

अभी क्या हुआ है या अभी हो रहा है, इसके बारे में जानकारी के अलावा, उपयोगकर्ता यह भी जोड़ सकता है कि वह क्या करने की योजना बना रहा है। वह अन्य बातों के अलावा, अनुस्मारक सेट कर सकता है ताकि सिस्टम उसे पहले से बता सके कि उसने निकट भविष्य के लिए क्या योजनाएँ जोड़ी हैं।

योजनाओं के लिए, आपको व्यवहार्यता पैरामीटर भी दर्ज करना होगा। यही है, उस दिन जिस दिन आपने कुछ योजना बनाई थी, सिस्टम आपसे पूछता है कि क्या आपने इसे असली किया है, क्योंकि यह आँकड़ों और विश्लेषण के लिए बहुत महत्वपूर्ण है।

डेटा जनरेटर

उपयोगकर्ता द्वारा कुछ डेटा दर्ज किया जाता है (या क्लाइंट हार्डवेयर या सॉफ़्टवेयर से आता है), और कुछ स्वचालित रूप से अन्य डेटा के आधार पर उत्पन्न (गणना) किया जाता है।

विशेष मॉड्यूल इसके लिए जिम्मेदार हैं - डेटा जनरेटर।

अन्य डेटा के आधार पर गणना किए जा सकने वाले डेटा के उदाहरण:

1. नींद की अवधि (यदि आप बिस्तर पर जाने और जागने का समय जानते हैं)
2. बॉडी मास इंडेक्स (यदि शरीर का वजन और ऊंचाई ज्ञात हो)

कुछ मामलों में, यह उत्पन्न डेटा है जो विश्लेषक द्वारा उपयोग किया जाएगा। उदाहरण के लिए, यदि किसी व्यक्ति ने वजन बढ़ाया है - शायद वह सिर्फ बढ़ रहा है (आखिरकार, बच्चे भी सिस्टम का उपयोग करेंगे)। लेकिन अगर उसका बीएमआई बढ़ गया है, तो यह एक और मामला है, और यह वास्तव में अन्य डेटा के साथ सहसंबंध देखने के लिए समझ में आता है, कुछ सलाह, और इसी तरह।

यदि आपको जनरेटर लिखकर पूरी तरह से दूर किया जाता है, तो आप एक कैलोरी कैलकुलेटर भी बना सकते हैं और पकाए गए व्यंजनों में निहित विटामिन और खनिजों को ध्यान में रख सकते हैं (यदि सिस्टम जानता है कि उपयोगकर्ता क्या खा रहा है और कितनी मात्रा में है)।

"आप अपने भोजन में बहुत अधिक फास्फोरस नहीं रखते हैं, शायद आज हम मछली पकाएंगे?"

जानकारी दर्ज करने के लिए अनुस्मारक

जाहिर है, कई लोगों के पास एक व्यस्त जीवन है, और वे अपने जीवन का स्वचालित रूप से विश्लेषण करने के लिए आवश्यक जानकारी दर्ज करना भूल सकते हैं।

समाधान स्वचालित अनुस्मारक हो सकता है - उदाहरण के लिए, ई-मेल, एसएमएस संदेशों द्वारा भेजे गए पत्रों के रूप में, मोबाइल फोन पर पुश सूचनाएं (जब हमारे पास सिस्टम के साथ काम करने के लिए पहले से ही एक मोबाइल एप्लिकेशन है) और इसी तरह।

डेटा अंतराल की सही हैंडलिंग

समय-समय पर, लोगों को डेटा दर्ज करने में मदद मिलेगी। यदि इसे किसी भी तरह से संसाधित नहीं किया जाता है, तो साइट गलत तरीके से आंकड़े का निर्माण करेगी, विश्लेषक गलतियां करेंगे, और इसी तरह। रिक्त स्थान का स्वचालित पता लगाना संभव है, लेकिन हमेशा नहीं (क्योंकि कुछ प्रकार के डेटा के लिए यह ज्ञात नहीं है कि उपयोगकर्ता ने उन्हें क्यों नहीं दर्ज किया - क्योंकि वे वास्तव में इस समय के दौरान नहीं बदले, या क्योंकि उन्होंने रन बनाए)।

इसलिए, हमें एक तंत्र की आवश्यकता है जो किसी व्यक्ति को यह इंगित करने की अनुमति देता है कि ऐसे समय में उसने डेटा प्रविष्टि दर्ज की है - इस मामले में, सिस्टम बस इस अवधि को पार कर जाएगा और इसका उपयोग आँकड़े और विश्लेषण बनाने के लिए नहीं करेगा (और मध्यवर्ती राज्य के बारे में जानकारी स्वचालित रूप से उत्पन्न हो जाएगी। अंतरिक्ष से पहले और बाद में डेटा)।

विश्लेषक

एनालाइज़र विशेष सॉफ़्टवेयर मॉड्यूल (उपयोगकर्ता डेटा के स्वचालित विश्लेषण के लिए मॉड्यूल) हैं जो एक निश्चित प्रकार का डेटा प्राप्त करते हैं, जिसके बाद वे अन्य डेटा के साथ उनकी तुलना कर सकते हैं, या एक ही डेटा के साथ एक अलग अवधि के लिए, उपयोगकर्ताओं के लिए अलर्ट उत्पन्न कर सकते हैं, और इसी तरह।

विश्लेषक, उदाहरण के लिए, पता चलता है कि एक व्यक्ति कम सोना या अधिक खाना शुरू कर दिया है, और एक ही समय में कालानुक्रमिक नकारात्मक रुझानों को खोजने की कोशिश करता है (उदाहरण के लिए, उसने दोस्तों के साथ 10 बैठकें की योजना बनाई थी, लेकिन वास्तव में आधे के रूप में ज्यादा हुआ - केवल 5), और यदि वे इस विश्लेषक द्वारा उपयोग किए गए मानदंड के अनुसार) काफी महत्वपूर्ण है, यह अधिसूचना में जानकारी जोड़ता है, जो संभवतः, इस पैरामीटर को बेहतर बनाता है, एक व्यक्ति ऐसे और अन्य लोगों को भी प्रभावित करेगा।

तथ्य यह है कि analyzers न केवल पिछले दिनों के बारे में डेटा का उपयोग कर सकते हैं, लेकिन यह भी योजना, आम तौर पर बोल, उपयोगकर्ताओं के लिए बहुत उपयोगी हो सकता है। उदाहरण के लिए, यदि किसी दिए गए उपयोगकर्ता के लिए पहले यह देखा गया था कि अक्सर, दोस्तों के साथ मिलना, वह बहुत पीता था, और अचानक एक पंक्ति में 4 अलग-अलग बैठकें होती थीं (प्रत्येक दिन एक), तो सिस्टम को उसे चेतावनी देनी चाहिए कि वह परहेज करने की सिफारिश करता है। अत्यधिक शराब की खपत (विशेषकर यदि पिछली शराब की खपत बहुत पहले थी और आशंका है कि उसका शरीर बस इस तरह के भार के लिए तैयार नहीं होगा)।

एक विश्लेषक का एक और उदाहरण जाँच रहा है कि खुराक सही है। यदि उपयोगकर्ता, उदाहरण के लिए, कुछ दवाएँ लेता है, तो सिस्टम यह जाँच कर सकता है कि क्या वह सही अंतराल और खुराक देख रहा है, और यदि उसे कोई समस्या है (उदाहरण के लिए, वह जानता है कि इस विशेष दवा को इतनी मात्रा में नहीं लिया जा सकता है, या; उदाहरण के लिए, खुराक सामान्य है, लेकिन इस दवा को अल्कोहल के साथ नहीं जोड़ा जा सकता है, और उपयोगकर्ता के पास जानकारी है कि उसने आज पी लिया है), वह तुरंत उपयोगकर्ता को सूचित करता है (और, यदि आवश्यक हो, तो उसका डॉक्टर)।

बेशक, सिस्टम एक निश्चित समय पर उपयोगकर्ता को दवाएं लेने की आवश्यकता को याद दिला सकता है (और पाठ्यक्रम के अंत में, उदाहरण के लिए, सूचित करें कि उन्हें अब नहीं लिया जाना चाहिए)।

विमुद्रीकरण के तरीके

वैश्विक आंकड़े

सभी उपयोगकर्ताओं के डेटा तक पहुंचने के बाद, आप अनुसंधान के लिए बहुत अच्छे आंकड़े एकत्र कर सकते हैं। पैसे के लिए, आप सामान्य आँकड़े पृष्ठों या यहां तक ​​कि कच्चे डेटा (यानी कच्चे डेटा - उदाहरण के लिए, उस रूप में जिसमें हम उन्हें डेटाबेस में संग्रहीत करते हैं) तक पहुंच बेच सकते हैं।

भविष्य में, वैज्ञानिकों के पास बहुत बड़ी संख्या में लोगों के बारे में आश्चर्यजनक विस्तृत जानकारी प्राप्त करने और अनुसंधान में इस जानकारी का उपयोग करने का अवसर होगा। और समय, शहर, लिंग, उम्र, और इसी तरह से इसे छानने की क्षमता के साथ।

सुपर लक्षित विज्ञापन

किसी साइट पर विज्ञापन (एक मोबाइल एप्लिकेशन आदि) में अविश्वसनीय रूप से लक्षित किया जा सकता है। इतना लक्षित कि शायद ही कोई और विज्ञापनदाताओं को ऐसा कुछ दे सके।

साइट को पता चलता है कि उपयोगकर्ता पहले ही 100,500 बार एक निश्चित शारीरिक प्रशिक्षण की कोशिश कर चुका है, और हर बार वह वांछित परिणाम प्राप्त करने का प्रबंधन नहीं करता है। और फिर bam - उसे एक विज्ञापन मिलता है कि उसके शहर में एक ट्रेनर है, जिसके पास विशेष रूप से इस प्रकार के प्रशिक्षण के लिए एक सुपर कार्यक्रम है।

या, उदाहरण के लिए, अगर हम जानते हैं कि एक विशेष भोजन उपयोगकर्ता के लिए उपयोगी होगा, तो हम उसे कैफे और रेस्तरां में सलाह दे सकते हैं जो पास में स्थित हैं और जहां ऐसे व्यंजन परोसे जाते हैं।

विशेषज्ञ मूल्यांकन

मुद्रीकरण की एक और दिलचस्प विधि एक विशेष उपयोगकर्ता के बारे में एकत्र किए गए डेटा के एक निश्चित प्रकार का एक विशेषज्ञ मूल्यांकन है। उदाहरण के लिए, एक निश्चित व्यक्ति है जो परिश्रम से किसी विशेष खेल में लगा हुआ है। फिर भी, लंबे समय तक वह उन परिणामों को प्राप्त करने में सक्षम नहीं रहा है जिनकी उसे आवश्यकता है। ऐसे मामलों में, सिस्टम उपयोगकर्ता को एक विशेषज्ञ मूल्यांकन करने के लिए आमंत्रित कर सकता है - उसके बारे में जानकारी का हिस्सा (तालिकाओं, ग्राफ़ आदि के रूप में) संबंधित क्षेत्र में एक विशेषज्ञ सक्षम को प्रदान किया जाएगा (इस मामले में, यह एक खेल कोच हो सकता है, जिसके बाद वह इसका विश्लेषण करेगा। जानकारी (उपयोगकर्ता कितना व्यस्त था, उसने कौन-कौन से अभ्यास किए, कक्षाओं के बीच क्या विराम थे, उपयोगकर्ता ने क्या खाया, इत्यादि), उपयोगकर्ता एक विशेषज्ञ की राय लिखने में सक्षम होगा जिसमें वह अपनी दृष्टि को बताएगा tion और सिफारिशें देगा जो उसकी मदद कर सकती हैं।

सबसे पहले, यह उपयोगकर्ता के लिए सुविधाजनक है: आपको स्वयं एक विशेषज्ञ की तलाश करने की आवश्यकता नहीं है, वह हमारी प्रणाली पर भरोसा करता है और जानता है कि हमारे पास अच्छे लोग हैं जो वास्तव में पेशेवर रूप से अपने विशिष्ट मामले का विश्लेषण करने के लिए तैयार हैं, अर्थात, वह केवल उन लोगों के लिए ठोकर नहीं खाएगा जो केवल उनका दावा है कि वे विषय (इस मामले में, शारीरिक शिक्षा, खेल में) को समझते हैं।

दूसरे, सभी जानकारी पहले से ही एकत्र की गई है - उसे यह सोचने और याद करने की आवश्यकता नहीं है कि कक्षाएं कैसे चली गईं। सब कुछ पहले से ही सिस्टम में है (जब तक, निश्चित रूप से, उसने सब कुछ योगदान दिया)। फिर, इस तथ्य के बारे में चिंता करने की ज़रूरत नहीं है कि आप कुछ याद कर सकते हैं - विशेषज्ञ को यथासंभव विस्तृत डेटा प्राप्त होगा (और यदि उपयोगकर्ता ने किसी से खुद संपर्क किया, तो उसे या तो याद रखना होगा और वह कर सकता है इसे याद रखें, या हमारे सिस्टम से निर्यात किए गए डेटा के प्रिंटआउट के साथ जाएं)।

तीसरा, और महत्वपूर्ण रूप से, सिस्टम यह याद रख सकता है कि किन परिस्थितियों में विशेषज्ञ मूल्यांकन किया गया था। यह डेटा स्वचालित रूप से (या अर्ध-स्वचालित रूप से, विशेषज्ञों की भागीदारी के साथ) विश्लेषणकर्ताओं में जोड़ा जा सकता है, और बाद में, यदि किसी और के समान स्थिति है, तो सिस्टम स्वचालित रूप से उसी के बारे में उसे सलाह दे सकता है।

इस दृष्टिकोण से, यह संभव है कि कुछ मामलों में एक विशेषज्ञ मूल्यांकन नि: शुल्क प्रदान किया जा सकता है - यदि, उदाहरण के लिए, यह स्पष्ट है कि सिस्टम में परिणाम दर्ज करने के बाद, इस प्रकार के डेटा के स्वचालित विश्लेषण में वास्तव में सुधार होगा (और सिस्टम, कहते हैं, नई सिफारिशें जारी करने में सक्षम होगा) उपयोगकर्ताओं की एक बड़ी संख्या)।

अन्य लोगों तक पहुंच प्रदान करना, सिंक्रनाइज़ेशन, निर्यात

कुछ मामलों में, उपयोगकर्ता किसी अन्य व्यक्ति के साथ कुछ प्रकार की जानकारी साझा करना चाह सकता है - उदाहरण के लिए, उनके डॉक्टर के साथ या रिश्तेदारों के साथ। इसलिए, यह अन्य उपयोगकर्ताओं को निर्दिष्ट करने की क्षमता को जोड़ने के लिए समझ में आता है, जिनमें से प्रत्येक के लिए उस प्रकार की जानकारी को इंगित करता है जो उसके लिए उपलब्ध होनी चाहिए।

यह संभव है कि कुछ बिंदु पर, बाहरी स्रोतों के साथ डेटा के सिंक्रनाइज़ेशन की भी आवश्यकता होगी। , , , , , (, , - ). — , , ( , , , , - , ), , . , , , () ( , , , , , , ).

( , , , , , ), , ( , ) - . , , - , (, , , ).

, , (machine-friendly) — , XML JSON. , (, , PDF, - Excel).

, ? ( , ). , , ? . , , , ( ) . .



, , , , , : , .

, , ( ), , , ?

( , ). -. :)



— , ( , ), .

, , . , , , 15 , , , «», ( ).



, , . , , . , , ? , ( , , , ).

— , ( , , , , , — ). (, ) , , , .



— ( , . ). , , - (, ).

, ( «») — , , , .

, . . . शीर्ष दृश्य। — , , . , . — 0 /. — «» , . , , , - . , — , , , , 4 . , — , +60 /. , — , 1 / . ( ), . — , . , , .

, , . . , , (, , , — , ). , . — 1 , . , ( ), , .

, ( - ) , . , , ( « », ), .

— . - (- , — , ). - , . , , . , (, , ) .



, , , , , — . , , , . , : , - , .

, , , . , . , , .



. , , , - 140 ( 120, ).

, , . , ( ), , , , .

, , . , , — , , . .

, , , 54% , , .



« ». , (, ). (, whatever), « » ( « »).

, , ( , ), : , . (, ) — , . , - , . , .

, , , . , . , .

ऐसे बोनस प्रश्न भी हो सकते हैं जिनके लिए लेखों का कोई उत्तर नहीं है। ऐसे सवाल जहां आपको सोचने या गूगल करने की जरूरत है।

उपयोगकर्ता कितनी अच्छी तरह से प्रतिक्रिया करता है (इसका मतलब है कि वह अब कितनी अच्छी तरह से जानकारी को आत्मसात करता है, कम से कम उन साइटों पर जहां हमारा मॉड्यूल जोड़ा गया था), हमारे सिस्टम में भी जोड़ा जा सकता है, और इसका उपयोग विश्लेषक भी कर सकते हैं।

. — . Page Visibility API , . — ( , ), . , , . , , , , ( ), , ( — , , , ).

, , ( , - , ), ( , , — , , ).

, , — : , , . , , , , - ( , ).

आपको क्या लगता है?

— : aruseni.magiku@gmail.com . , . , , , ( ) , .