Determining Impact of Workstation Health on User Satisfaction Using Objective Feature Data

 |  Login

Show simple item record

dc.contributor Aalto-yliopisto fi
dc.contributor Aalto University en
dc.contributor.advisor Huopaniemi, Juho
dc.contributor.author Mikkonen, Teemu
dc.date.accessioned 2019-03-17T16:06:38Z
dc.date.available 2019-03-17T16:06:38Z
dc.date.issued 2019-03-11
dc.identifier.uri https://aaltodoc.aalto.fi/handle/123456789/37167
dc.description.abstract Application Performance Monitoring (APM) is a vital element in many information technology areas. It is used to monitor services and devices, for example, to detect outages or to see if service level agreements are met. Monitoring of workstations can be seen as a subfield of APM, and is an emerging field of monitoring. Its importance has been recognized by IT service providers as the usability, performance and error situations of workstations affect the productivity of employees. This thesis combines objective measurements from workstation monitoring software with machine learning methods in order to obtain a deeper understanding of factors regarding user satisfaction related to workstations. Performance related problems and delays were found to be most relevant for the users. Also the importance of small, yet irritating, problems undetectable by means of monitoring was discovered. en
dc.description.abstract Ohjelmistojen suorituskyvyn monitorointi (Application Performance Monitoring, APM) on tärkeä elementti monilla informaatioteknologian osa-alueilla. Sitä käytetään monitoroimaan palveluita ja laitteita esimerkiksi virhetilanteiden huomaamiseksi tai palvelusopimusten täyttymisen varmistamiseksi. Työasemien monitorointi voidaan nähdä muun monitoroinnin osa-alueena ja on kehittyvä monitoroinnin ala. Sen tärkeys on huomioitu IT palvelutuottajien keskuudessa, sillä käytettävyys, tehokkuus ja työasemien virhetilanteet vaikuttavat työntekijöiden tuottavuuteen. Tämä diplomityö yhdistää objektiiviset mittaustiedot työasemien monitorointiin tarkoitetusta ohjelmasta koneoppimiseen tuottaakseen syvempää ymmärrystä tekijöistä, jotka vaikuttavat työasemien käyttäjien tyytyväisyyteen. Suorituskykyyn liittyvät ongelmat ja viiveet olivat tutkimuksen tulosten perusteella merkittävin tekijä käyttäjien tyytyväisyyteen. Lisäksi pienten monitoroinnilla havaitsemattomien ongelmien merkitys korostui. fi
dc.format.extent 55+2
dc.language.iso en en
dc.title Determining Impact of Workstation Health on User Satisfaction Using Objective Feature Data en
dc.title Virhetilanteiden vaikutusten määrittäminen käyttäjätyytyväisyyteen työasemaympäristöissä käyttäen objektiivisia piirteitä fi
dc.type G2 Pro gradu, diplomityö fi
dc.contributor.school Sähkötekniikan korkeakoulu fi
dc.subject.keyword workstation en
dc.subject.keyword telemetry en
dc.subject.keyword user satisfaction en
dc.subject.keyword malfunction en
dc.identifier.urn URN:NBN:fi:aalto-201903172307
dc.programme.major Communications Engineering fi
dc.programme.mcode ELEC3029 fi
dc.type.ontasot Master's thesis en
dc.type.ontasot Diplomityö fi
dc.contributor.supervisor Sigg, Stephan
dc.programme CCIS - Master’s Programme in Computer, Communication and Information Sciences (TS2013) fi
dc.location P1 fi
local.aalto.electroniconly yes
local.aalto.openaccess no


Files in this item

Files Size Format View

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record

Search archive


Advanced Search

article-iconSubmit a publication

Browse

My Account