[pt] Hoje em dia, a enorme quantidade de dados disponíveis online apresenta um novo desafio para os processos de descoberta de conhecimento. As abordagens mais utilizadas para enfrentar esse desafio são baseadas em técnicas de aprendizado de máquina. Apesar de serem muito poderosas, essas técnicas exigem que seus parâmetros sejam calibrados para gerar modelos com melhor qualidade. Esses processos de calibração são demorados e dependem das habilidades dos especialistas da área de aprendizado de máquinas. Neste contexto, esta pesquisa apresenta uma estrutura baseada em agentes de software para automatizar a calibração de modelos de aprendizagem de máquinas. Esta abordagem integra conceitos de Engenharia de Software Orientada a Agentes (AOSE) e Aprendizado de Máquinas (ML). Como prova de conceito, foi utilizado o conjunto de dados Iris para mostrar como nossa abordagem melhora a qualidade dos novos modelos gerados por nosso framework. Além disso, o framework foi instanciado para um dataset de imagens médicas e finalmente foi feito um experimento usando o dataset Grid Sector. / [en] Nowadays, the challenge of knowledge discovery is to mine massive amounts of data available online. The most widely used approaches to tackle that challenge are based on machine learning techniques. In spite of being very powerful, those techniques require their parameters to be calibrated in order to generate models with better quality. Such calibration processes are time-consuming and rely on the skills of machine learning experts. Within this context, this research presents a framework based on software agents for automating the calibration of machine learning models. This approach integrates concepts from Agent Oriented Software Engineering (AOSE) and Machine Learning (ML). As a proof of concept, we first train a model for the Iris dataset and then we show how our approach improves the quality of new models generated by our framework. Then, we create instances of the framework to generate models for a medical images dataset and finally we use the Grid Sector dataset for a final experiment.

[pt] Para que simulações distribuídas baseadas em agentes possam ter alto grau de escalabilidade é necessário evitar gargalos de comunicação. Existe troca de mensagens entre máquinas toda vez que um agente contido em um determinado computador precisa interagir com elementos que se encontram em outro computador. O presente trabalho propõe particionar dinamicamente uma simulação de forma a manter um agente no mesmo nó da rede em que se encontram os elementos com os quais ele mais interage, reduzindo o custo de comunicação entre os computadores da rede. Para isto, é utilizado o conceito de gerenciamento de interesses, que visa prover ao agente apenas o conjunto mínimo de informações para que ele possa interagir com o ambiente de forma coerente. Para ilustrar a solução proposta foi desenvolvido um estudo de caso que compreende uma simulação distribuída representando um cenário de derramamento de petróleo no mar. / [en] To achieve high scalability in distributed simulations is necessary to avoid communication bottlenecks. Messages between machines are necessary when an agent kept in a specific computer needs to interact with elements kept in another computer. This work presents an approach to dynamically partitioning a distributed simulation keeping each agent in the same network node where are the elements more accessed by it, reducing the communication cost between the network computers. To reach this objective, we are using the concept of interest management, which aims to provide to an agent only the smallest set of information necessary to allow it to interact with the environment in a coherent way. To illustrate the proposed solution was developed a case study comprehending a distributed simulation representing an oil spill scenario.

[pt] Sistemas multiagentes foram introduzidos como um novo paradigma para a conceituação, concepção e implementação de sistemas de software que estão se tornando cada vez mais complexos, abertos, distribuídos, dinâmicos, autônomos e altamente interativos. No entanto, a engenharia de software orientada a agentes não tem sido amplamente adotada, principalmente devido à falta de linguagens de modelagem que não conseguem ser expressivas e abrangentes o suficiente para representar abstrações relacionadas aos agentes de software e apoiar o refinamento dos modelos de projeto em código. A maioria das linguagens de modelagem não define como essas abstrações devem interagir em tempo de execução, mas muitas aplicações de software precisam adaptar o seu comportamento, reagir à mudanças em seus ambientes de forma dinâmica, e alinhar-se com algum tipo de comportamento individual ou coletivo de aplicações normativas (por exemplo, obrigações, proibições e permissões). Neste trabalho, foi proposta uma abordagem de metamodelo e uma arquitetura para o desenvolvimento de agentes adaptativos normativos. Acredita-se que a abordagem proposta vai avançar o estado da arte em sistemas de agentes de modo que tecnologias de software para aplicações dinâmicas, adaptáveis e baseadas em normas possam ser projetadas e implementadas. / [en] Multi-agent systems have been introduced as a new paradigm for conceptualizing, designing and implementing software systems that are becoming increasingly complex, open, distributed, dynamic, autonomous and highly interactive. However, agent-oriented software engineering has not been widely adopted, mainly due to lack of modeling languages that are expressive and comprehensive enough to represent relevant agent-related abstractions and support the refinement of design models into code. Most modeling languages do not define how these abstractions interact at runtime, but many software applications need to adapt their behavior, react to changes in their environments dynamically, and align with some form of individual or collective normative application behavior (e.g., obligations, prohibitions and permissions). In this paper, we propose a metamodel and an architecture approach to developing adaptive normative agents. We believe the proposed approach will advance the state of the art in agent systems so that software technologies for dynamic, adaptive, norm-based applications can be designed and implemented.

[pt] Normas são aplicadas em sistemas multiagentes como mecanismos capazes de restringir o comportamento dos agentes de software com o objetivo de alcançar uma ordem social desejável. Entretanto, essas normas podem entrar em conflito, como por exemplo, uma norma que proíbe um agente de realizar uma determinada ação e outra norma que obriga o mesmo agente a realizar a mesma ação no mesmo intervalo de tempo. A decisão do agente sobre quais normas serão cumpridas pode ser definida com base nas recompensas e punições normativas e nos objetivos do agente. No entanto, em determinadas situações a avaliação desses atributos pode não ser o suficiente para permitir que o agente efetue uma tomada de decisão satisfatória. Nesse contexto, foi elaborada uma abordagem que considera traços de personalidade em agentes de software para aprimorar o processo de resolução de conflitos normativos e a escolha dos planos para tomada decisões, além de realizar a comparação da abordagem proposta com diferentes abordagens encontradas na literatura. / [en] Norms are applied in multiagent systems as mechanisms capable of restricting the behavior of software agents in order to achieve a desirable social order. However, norms eventually can be conflicting - for example, when there is a norm that prohibits an agent to perform a particular action and another norm that obligates the same agent to perform the same action in the same period of time. The agent s decision about which norms to fulfill can be defined based on rewards, punishments and agent goals. Sometimes, this balance will not be enough to allow the agent to make the best decision. In this context, this proposal introduces an approach that considers the agent s personality traits in order to improve the plan decision-making process and resolving normative conflicts. Our approach s applicability and validation is demonstrated by an experiment that reinforces the importance of considering the norms both in the agent and society s points of view.

[pt] A área da saúde desponta como um terreno fértil para a pesquisa científica em Tecnologia da Informação. As atividades de pesquisa na área permitem abordar diversas questões para promover o desenvolvimento tecnológico. Além disso, em relação aos aplicativos para dispositivos móveis, as principais lojas de aplicativos registraram um crescimento significativo no número de aplicativos de saúde disponíveis. Esses crescimentos encontram uma de suas causas na realidade pandêmica que enfrentamos desde o início de 2020. Para lidar com os diferentes desafios de saúde apresentados atualmente, o uso de sistemas multiagentes tem sido considerado uma boa abordagem para lidar, por exemplo, com distribuição, pró-atividade e autonomia dos sistemas. Embora várias plataformas conhecidas utilizem agentes de software, algumas delas não oferecem suporte adequado para o desenvolvimento de agentes, como a plataforma iOS. Assim, nesta dissertação propusemos um framework BDI para iOS que visa apoiar o desenvolvimento de aplicativos móveis de saúde com agentes de software. Esse framework é chamado de Swift Agent Development framework for health (SADE4Health) e usa recursos nativos do iOS, como o Healthkit, que é um repositório central de dados de saúde e condicionamento físico para acessar e compartilhar dados, mantendo a privacidade e o controle do usuário. Para mostrar como o framework suporta o desenvolvimento de novos aplicativos iOS com agentes de software, são explicados os passos mínimos necessários para criar um agente usando os recursos de saúde oferecidos pelo iOS, assim como um cenário de uso modelado a partir deles. Além disso, é apresentado um cenário de uso relacionado ao monitoramento remoto de sinais vitais de pacientes, ilustrando como desenvolver uma instância do framework proposto. Por fim, uma avaliação empírica com desenvolvedores iOS para medir a usabilidade do framework trouxe importantes achados. / [en] The healthcare area is emerging as a fertile ground for scientific research in Information Technology. Research activities in this field allow us to address several issues to promote technological development. In addition, regarding mobile device apps, the leading app stores registered significant growth in the number of available eHealth apps. One of the causes of this growth derives from the pandemic reality we have faced since the beginning of 2020. In order to confront the different health challenges presented currently, the use of multi-agent systems has been considered a good approach, dealing with, for example, distribution, pro-activity and autonomy of systems. Although several known platforms that use software agents, some of them do not offer appropriate support to develop agents, such as the iOS platform. Thus, in this dissertation we have proposed a BDI framework for iOS that aims to support the development of health mobile apps with software agents. This is known as Swift Agent Development Framework for Health (SADE4Health) and it uses native iOS resources, such as Healthkit, comprising a central repository for health and fitness data to access and share data while maintaining the user s privacy and control. To show how the framework supports the development of new iOS apps with software agents, the minimum necessary steps to create an agent using health features offered by iOS are explained, as well as a modeled use scenario based on it. Furthermore, a use scenario related to remote monitoring of patients vital signs that illustrates how to develop an instance of the proposed framework is presented. Finally, an empirical evaluation with iOS developers to measure the framework usability brought important findings.

[pt] O compartilhamento e o gerenciamento de dados pessoais são atividades desafiadoras devido à grande quantidade de dados gerados, carregados e digitalizados por cidadãos para utilizar serviços, online ou não. Esse desafio afeta não apenas os cidadãos, mas também os controladores e processadores de dados, que são responsáveis pela segurança, privacidade, anonimato e uso de dados fundados em bases legais e no propósito inicial quando os dados foram solicitados. Nesse cenário, a proteção e regulamentação dedados entram em cena para organizar esse ambiente, propondo direitos e deveres aos agentes envolvidos. No entanto, cada país é livre para criar e empregar sua própria regulamentação de dados, como o GDPR na União Europeia e a LGPD no Brasil. Portanto, embora o objetivo seja proteger os cidadãos, as regulamentações podem apresentar regras diferentes com base em sua jurisdição. Nesse cenário, as ontologias surgem para identificar as entidades e relacionamentos e mostrá-los em um nível de abstração elevado, facilitando o alinhamento das ontologias com diferentes regulamentações. Para isso, desenvolvemos um meta modelo baseado em ontologias da GDPR para possibilitar a representação da LGPD com foco na base legal do consentimento. Além disso, propusemos o GoDReP (Geraçãod e Cenários de Regulamentação de Dados) para permitir que os atores representem a interpretação de sua legislação em um cenário de aplicação específico. Apresentamos então três cenários diferentes para exercitar a aplicação do GoDReP. Além disso, nesta tese, também propomos uma arquitetura de sistema multiagente normativo e inteligente (RegulAI) para representar os direitos e obrigações apresentados pela regulamentação de dados pessoais, bem como o processo de tomada de decisão dos agentes.Por fim, desenvolvemos um estudo de caso aplicando o RegulAI no cenário de open banking. / [en] Sharing and managing personal data are challenging due to the massive amount of data generated, uploaded, and digitalized, informed by data subjects to utilize services, online or not. This challenge disrespects not only the data subjects, but also data controllers and processors, which are responsible for security, privacy, anonymity, and data usage under the legal basis applied and the initial purpose when the data were required. In this scenario, data protection and regulation take place to organize this environment proposing rights and duties to the involved agents. However, each country is free to create and employ its data regulation, e.g., GDPR in European Union and LGPD in Brazil. Therefore, although the goal is to protect the data subjects, the regulations can present different rules based on their jurisdiction. In this scenario, ontologies emerge to identify the entities and relationships to show them at a high abstraction level, facilitating ontology alignment with different regulations. To do so, we developed a metamodel based on GDPR ontologies to enable the LGPD representation focused on the consent legal basis. Moreover, we proposed GoDReP (Generation of Data Regulation Plots) to allow actors to represent their law s interpretation in a specific application scenario. As a result, we set three scenarios to exercise the GoDReP application. Moreover, in this thesis, we also propose an intelligent normative multiagent system architecture (RegulAI) to represent the personal data regulation rights and obligations, as well as the agent s decision-making process. Finally, we developed a use case applying RegulAI in the open banking scenario.