@ARTICLE{10.21494/ISTE.OP.2021.0684, TITLE={Vers des métriques efficace et effective mesurables pour la Qualité et le Coût du Contexte}, AUTHOR={Kanaka Sai Jagarlamudi, Arkady Zaslavsky, Seng W. Loke, Alireza Hassani, Alexey Medvedev, }, JOURNAL={Modélisation et utilisation du contexte}, VOLUME={4}, NUMBER={Numéro spécial}, YEAR={2021}, URL={https://www.openscience.fr/Vers-des-metriques-efficace-et-effective-mesurables-pour-la-Qualite-et-le-Cout}, DOI={10.21494/ISTE.OP.2021.0684}, ISSN={2514-5711}, ABSTRACT={En dépit des bénéfices potentiels d’une intelligence guidée par le context que délivrent les plates-formes de management des contexts (CMP), le manqué de métriques fonctionnelles et efficaces pour mesurer la qualité et le coût du contexte (QoC and CoC) limitent l’adoption et la commercialisation de ces métriques. En outre, ces CMPs peuvent avoir des capacités limitées pour incorporer une QoC efficace et une sélection sous-optimale des fournisseurs de contextes sensibles à la QoC. Ce papier pose des métriques qoC et CoC, introduit une architecture conceptuelle pour réaliser la sensibilité à QoC et CoC dans les CMPs, visant à améliorer leur efficacité et l’expérience du consommateur de contextes.}}