การศึกษาครั้งนี้ได้นำเสนอความเป็นจร

การศึกษาครั้งนี้ได้นำเสนอความเป็นจริงของระบบแบบสอบถาม (AR-QAS) บน mobile cloud การใช้งานคอมพิวเตอร์ในการให้บริการการนำทางโดยใช้ภาษาที่เป็นธรรมชาติ ได้ดำเนินการ ในการตรวจสอบประสิทธิภาพ ของระบบที่ใช้งานจริง การศึกษาวิจัยนี้เป็นการยืนยันว่ารุ่นใหม่ที่ได้รับการพัฒนาขึ้นมา โดยการรวมรูปแบบการยอมรับเทคโนโลยี (TAM) media richness theory, และปัจจัยความรับรู้ความสามารถตนเองสามารถนำมาใช้เพื่อการวิจัย เกี่ยวข้องกับ AR ผลการทดลองพบว่าค่าเฉลี่ยความถูกต้องของการจัดหมวดหมู่คำถามของ QAS เมื่อรวมกับเครือข่ายประสาทประดิษฐ์ภววิทยาเป็น 98.76% ก่อนที่ระบบใหม่จะถูกสร้างนักออกแบบมีข้อเสนอแนะที่จะต้องพิจารณาปัจจัยสี่ของmedia richness theory (เช่นความหมายหลายหลากหลายภาษาและข้อเสนอแนะในเวลาที่เหมาะสมและมุ่งเน้นส่วนบุคคล) เพื่อช่วยปรับปรุงทัศนคติของผู้ใช้ที่มีต่อพฤติกรรมและความตั้งใจที่จะใช้เทคโนโลยีใหม่ ๆ

ผลลัพธ์ (อังกฤษ) 1:

The study presents the reality of the system queries (AR-QAS) on the mobile cloud computing services, navigation using natural language. Progress in monitoring the performance of the system at runtime. This research study is a new generation of confirmation that has been developed. By combining the technology acceptance model (TAM) media richness theory, and the realization of their capabilities can be applied to research involving AR result showed an average accuracy of the classification question of QAS nervous network combined with the 98.76 ontology is to involve.The new system will be before% create a designer with a suggestion to consider the four factors of media richness theory (such as multiple meanings of language and the suggestions in a timely manner and personal oriented) To improve the user's attitude, behavior and intention to use new technologies.

ผลลัพธ์ (อังกฤษ) 2:

This study presents the reality of the questionnaire (AR-QAS) on mobile cloud computing provider of navigation using natural language was conducted to examine the performance. Actual use of the system This study confirms that the new version has been developed. By combining the technology acceptance model (TAM) media richness theory, and factors of self-efficacy can be used for research purposes. Associated with AR results showed that the average accuracy of classification is the QAS when combined with neural networks, artificial ontology is 98.76% before the system is created, designers are suggested to be. consider the four factors of media richness theory (such as the definition of multiple languages ​​and feedback in a timely manner and focused individual) to help improve the user's attitude toward the behavior and willingness to use new technologies.

ผลลัพธ์ (อังกฤษ) 3:

This study presents the reality of the system (AR-QAS) on the mobile cloud computer providing navigation using the language naturally. The in monitoring the efficiency of the system.By combining the pattern recognition technology (TAM), media richness theoryThe self-efficacy can be used to research related to AR effect experiment it was found that the average accuracy of the classification question. QAS when combined with artificial neural network is 98 ontology.76% before the new system will be built, designers are suggested to consider the basic of media richness theory (such as meaning the multiplicity, multilingual and suggestions in a timely manner and focus on private)..