Tese de mestrado integrado. Engenharia Electrotécnica e de Computadores. Universidade do Porto. Faculdade de Engenharia. 2011

Made available in DSpace on 2018-08-02T00:00:34Z (GMT). No. of bitstreams: 1 tese_10127_Dissertação-de-Mestrado-Alexandre-Bissoli-Versão-Final.pdf: 5108283 bytes, checksum: a4a9dde79a52505e6a3c7b70f49dbb0c (MD5) Previous issue date: 2016-07-29 / Pessoas com deficiência têm dificuldade de interagir com o ambiente onde vivem, devido às próprias limitações inerentes à sua deficiência. Atividades simples como ligar lâmpada, ventilador, televisão ou qualquer outro equipamento, de forma independente, pode ser impossível para esse grupo de pessoas. Este trabalho apresenta um sistema assistivo multimodal para controlar um ambiente inteligente por meio de sinais biológicos. Os usuários em potencial deste sistema são indivíduos com deficiências motoras graves, que desejam adquirir mais autonomia dentro do ambiente doméstico. Os sinais biológicos utilizados são sEMG, EOG e VOG. Isso possibilitou dois tipos de interação: uma empregando gestos faciais e movimento dos olhos, e a outra utilizando o rastreamento das fixações do olhar (eye/gaze tracking). Um diferencial importante deste trabalho é a utilização de dispositivos convencionais de baixo custo, fácil manuseio e de rápida configuração. No primeiro bloco de testes, o objetivo era avaliar o desempenho do sistema utilizando o Emotiv EPOC e o Eye Tracker, comparando a Taxa de Transferência de Informação (ITR) e a Utilidade (U) de ambas as Interfaces Humano-Máquina (IHM) desenvolvidas para controlar o Ambiente Inteligente. Para esses testes foram pré-estabelecidas cinco tarefas, as quais foram realizadas por dez voluntários. No segundo bloco de testes, o objetivo era avaliar a usabilidade (SUS) e o desempenho (GAS) do sistema do ponto de vista do usuário, utilizando o Eye Tracker em três aplicações diferentes: Controle do Ambiente Inteligente (AI), Comunicação Aumentativa e Alternativa (CAA) e Ambiente Virtual (AV). Os testes foram realizados por 17 voluntários (sendo dois com deficiência em todas as aplicações) e foram pré-estabelecidas 5, 5 e 18 tarefas para as três aplicações (AI, CAA e AV, respectivamente). Com relação aos resultados da avaliação de desempenho, observou-se que 15 dos 17 participantes obtiveram resultado esperado ou superior ao esperado logo na primeira utilização. Este resultado ainda pode ser melhorado, à medida que o participante obtiver maior familiaridade com o sistema.

Made available in DSpace on 2014-06-12T16:01:00Z (GMT). No. of bitstreams: 2 arquivo7130_1.pdf: 3262029 bytes, checksum: fbaaaacfb28217ad2b11c72062ea0576 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2005 / Atualmente, a Educação a Distância (EAD) pode ser vista como uma resposta para várias demandas: disseminação rápida do conhecimento, com baixo custo e acessibilidade; capacitação e qualificação, tanto acadêmica quanto corporativa; e educação continuada. No entanto, muitas vezes os sistemas de EAD não têm atingido seu potencial, porque somente apresentam seus conteúdos de maneira muito impessoal, sem levar em consideração a motivação e necessidades particulares de cada estudante. Esta impessoalidade prejudica o desempenho dos alunos, tornando-os desmotivados e provocando evasão dos cursos a distancia. De fato, a tarefa de aprender implica no acompanhamento constante do aprendiz, na tentativa de se entender quem ele é e do que é capaz. Só assim se consegue propor desafios, tornar o aprendizado uma experiência atrativa, e ajudá-lo a atribuir significado ao conhecimento. Em vista disto, a utilização de um Companheiro Virtual de Aprendizado (CVA) pode influenciar positivamente no desempenho do aluno. O acoplamento de CVA aos sistemas de EAD caracteriza o i-learning (do inglês, aprendizado inteligente). O objetivo dos ambientes de i-learning é prover soluções adaptadas às particularidades de cada estudante. Com esta motivação, foi construído o Project Management Knowledge Learning Environment (PMK), um ambiente de i-learning que está disponível na Web. O domínio do PMK é Gerenciamento de Projetos, para o qual existe uma grande demanda de educação e treinamento, tanto no setor público quanto no privado. O PMK dispõe de recursos pedagógicos como: exercícios, material de estudo, dicas, links relacionados ao tópico estudado, modelos relevantes para o Gerente de Projeto. Para aumentar a capacidade do PMK em tratar as necessidades individuais de seus estudantes, um CVA, VICTOR (Virtual Intelligent Companion for TutOring and Reflection), foi acoplado. Ele interage com o estudante durante seu aprendizado, colaborando para o sucesso das tarefas realizadas. VICTOR provê feedback imediato para as ações do estudante, dando dicas e tentando manter o estudante motivado. Os resultados do experimento realizado com o PMK demonstraram que ele é fácil de usar, uma boa ferramenta para a Educação em Gerenciamento de Projetos, e que a presença de VICTOR motiva e auxilia o aprendizado do estudante durante o seu estudo

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / In the last decade the internet has become a tool present in the daily lives of people and organizations and time essential to the smooth operation of businesses. With the increasing development of infrastructure networks and popularization mass of highspeed network, emerges a related Internet use advance making it a global platform to make intelligent machines and objects able to communicate up autonomously. This possibility enables content and services are around people, always available, facilitating communication and paving the way for new applications, enabling new forms of work, interaction and entertainment, making a new pattern of living and working is developed. This new standard is made possible through advances in Information and Communication Technologies - ICTs to a new design set to Internet of Things - IoT. However, with a varied collection of data and information for various purposes, in the daily lives of people and organizations, autonomous data collection and information makes privacy a major challenge regarding the IoT. In this context, this study aimed to investigate the aspects that determine the action of Internet technology users of Things to supply personal information in intelligent environments. The research was characterized as positivist, quantitative, exploratory and descriptive, its implementation took place through field research strategy, with the data collection instrument a self-administered questionnaire, which was available to respondents in Brazil. It was adopted in the analysis of data collected quantitative line based on statistical techniques, in which we attempted to cross the data in order to achieve the objective of the research. Among the main conclusions from the research, it intuited that the use of environment is a determining aspect to providing information to the intelligent environment of greater influence among other aspects found. It was noticed that users tend to devote considerable attention to security and privacy of information we have, providing them with qualifications and care. However sometimes transfer responsibility for security of the information to third parties seeking to reduce the maximum number of criteria to be considered before making the decision to make available their data. / Na ultima década a internet tornou-se uma ferramenta presente no cotidiano das pessoas e das organizações e por vez indispensável ao bom funcionamento dos negócios. Com o crescente incremento das infraestruturas de redes e popularização em massa da rede de alta velocidade, emerge um avanço relacionado à utilização da internet tornando-a uma plataforma global para deixar máquinas e objetos inteligentes capazes de comunicarem-se de forma autônoma. Esta possibilidade permite que conteúdos e serviços estejam em torno das pessoas, sempre disponíveis, facilitando a comunicação e abrindo o caminho para novas aplicações, possibilitando novas formas de trabalho, de interação e de entretenimento, fazendo com que um novo padrão de vida e de trabalho seja desenvolvido. Este novo padrão torna-se possível através dos avanços das Tecnologias da Informação e Comunicação - TIC’s até uma nova concepção definida como Internet of Things - IoT. Entretanto, com uma variada coleta de dados e informações, para variados fins, no cotidiano das pessoas e das organizações, a coleta autônoma dos dados e das informações torna a privacidade um dos principais desafios em relação à IoT. Neste contexto, esta pesquisa objetivou investigar os aspectos que determinam a ação dos usuários de tecnologias da Internet das Coisas ao fornecerem informações pessoais em ambientes inteligentes. A pesquisa caracterizou-se como positivista, de natureza quantitativa, do tipo exploratória e descritiva, sua implementação aconteceu por meio da estratégia de pesquisa de campo, tendo como instrumento de coleta de dados um questionário autoaplicável, que foi disponibilizado para respondentes em território brasileiro. Adotou-se na análise dos dados coletados uma linha quantitativa baseada em técnicas estatísticas, em que buscou-se cruzar os dados a fim de alcançar o objetivo da pesquisa. Dentre as principais conclusões decorrentes da pesquisa, intuiu-se que o ambiente de uso se configura como um aspecto determinante ao fornecimento de informação ao ambiente inteligente de maior influência entre os outros aspectos encontrados. Foi percebido que os usuários tendem a dedicar considerável atenção a segurança e a privacidade das informações que possuem, disponibilizando-as com ressalvas e cuidados. Contudo por vezes, transferem a responsabilidade pela segurança das informações para terceiros, buscando reduzir ao máximo o número de critérios a serem analisados antes de tomar a decisão de disponibilizar seus dados. / São Cristóvão, SE

Submitted by Kamila Costa (kamilavasconceloscosta@gmail.com) on 2015-06-11T20:40:36Z No. of bitstreams: 1 Dissertação-Wesllen S Lima.pdf: 2617450 bytes, checksum: 12694bdd075a47f1778193c5500476be (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-06-15T18:09:11Z (GMT) No. of bitstreams: 1 Dissertação-Wesllen S Lima.pdf: 2617450 bytes, checksum: 12694bdd075a47f1778193c5500476be (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-06-15T18:10:18Z (GMT) No. of bitstreams: 1 Dissertação-Wesllen S Lima.pdf: 2617450 bytes, checksum: 12694bdd075a47f1778193c5500476be (MD5) / Made available in DSpace on 2015-06-15T18:10:18Z (GMT). No. of bitstreams: 1 Dissertação-Wesllen S Lima.pdf: 2617450 bytes, checksum: 12694bdd075a47f1778193c5500476be (MD5) Previous issue date: 2015-03-05 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / In recent years, power consumption has gradually increased in all sectors, especially in residential areas. This increase is mainly due to the emergence of new electrical appliances, for this reason, several solutions have been proposed by government and industry in order to minimize the energy consumption in homes. Among the proposed approaches, people's awareness, use of renewable energy sources and the creation of intelligent devices are highlighted . In addition, the use of Information and Communication Technologies (ICTs) in smart environments has been seen as an interesting alternative to deal with this problem. The idea is that the residences are instrumented with sensors and actuators in order to monitor people activities and, thereby, manage the power consumption based on their habits. In this context, this work proposes and validates a method to save energy through user activities in an intelligent environment using artificial intelligence techniques. The goal is to identify the devices related to user activities and make recommendations during their execution, avoiding waste. The proposed method, called AAEC (Activity-Appliance-Energy Consumption), is able to analyze a set of data collected from sensors available in the environment, after it recognizes user activities and recommends actions aimed at cost containment. Tests on a real database shown that the proposed method is able to save up to 35% of electricity. In general, the inclusion of AAEC method was a good solution to help people save energy without effort on individual behavior changes, contributing to the conscious use of energy and to the development of a sustainable society. / Nos últimos anos, o consumo de energia elétrica tem aumentado gradativamente em todos os setores, especialmente em ambientes residenciais. Esse aumento ocorre, principalmente, devido ao surgimento de novos aparelhos elétricos. Por este motivo, várias soluções têm sido propostas pelo governo e pela indústria na tentativa de minimizar o consumo de energia elétrica em residências. Dentre as abordagens propostas, destacam-se a conscientização das pessoas, uso de fontes de energia renováveis e a criação de aparelhos inteligentes. Além disso, o uso de Tecnologias da Informação e Comunicação (TICs) em ambientes inteligentes tem sido visto como uma alternativa interessante para lidar com este problema. A ideia é que as residências sejam instrumentadas com sensores e atuadores com objetivo de monitorar as atividades das pessoas e, por meio disso, gerenciar o consumo de energia elétrica com base nos seus hábitos. Nesse contexto, este trabalho propõe e valida um método capaz de economizar energia com base nas atividades dos usuários em um ambiente inteligente utilizando técnicas de inteligência artificial. O objetivo é identificar os aparelhos relacionados às atividades dos usuários e fazer recomendações ao longo da execução dessas atividades, evitando tais desperdícios. O método proposto, denominado de AAEC (Activity-Appliance-Energy Consumption), é capaz de analisar um conjunto de dados coletados pelos sensores disponíveis no ambiente, reconhecer automaticamente as atividades dos usuários e recomendar ações que visam a contenção de gastos. Testes feitos com uma base de dados real mostram que o método proposto é capaz de economizar até 35% de energia elétrica. De maneira geral, a inclusão do método AAEC se mostrou uma boa solução para auxiliar as pessoas a poupar energia sem que haja esforço na mudança de comportamento do indivíduo, contribuindo para o uso consciente de energia e no desenvolvimento de uma sociedade sustentável.

Submitted by Haroudo Xavier Filho (haroudo.xavierfo@ufpe.br) on 2016-04-06T18:16:38Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) SISTEMA DE PREDIÇÃO DE ESTADOS DE TRANSDUTORES PARA AMBIEN.pdf: 2277201 bytes, checksum: 566bf1bfadd889426473a7471d98ef39 (MD5) / Made available in DSpace on 2016-04-06T18:16:38Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) SISTEMA DE PREDIÇÃO DE ESTADOS DE TRANSDUTORES PARA AMBIEN.pdf: 2277201 bytes, checksum: 566bf1bfadd889426473a7471d98ef39 (MD5) Previous issue date: 2015-08-26 / CNPq / Nos Ambientes Inteligentes, os dispositivos colaboram entre si para auxiliar o usuário de forma não intrusiva. Uma forma de auxílio é antecipar as ações do usuário e realizá-las por ele ou facilitar a sua realização. Esse trabalho propõe um framework para a predição das ações do usuário pelo aprendizado do seu comportamento e hábitos enquanto ele interage com o Ambiente Inteligente. As ações do usuário é considerada como sendo a troca do valor de um transdutor (sensor ou atuador). A interação do usuário com o Ambiente Inteligente produz o contexto que é utilizado para a predição das ações. O preditor é um algoritmo de classificação supervisionada que aprende os padrões de comportamento do habitante do Ambiente Inteligente. Portanto, a solução proposta pode prover um serviço personalizado e adaptativo ao invés de um conjunto de regras predefinido por humanos. O preditor trabalha apenas com um transdutor alvo e para prever valores de mais transdutores, mais preditores devem ser treinados. A solução proposta é projetada para funcionar automaticamente sem a necessidade de interferência humana. Isso faz com que o habitante do Ambiente Inteligente sinta-se mais confortável já que sua privacidade estará protegida. Todas as informações para treinar o preditor podem ser obtidas diretamente dos transdutores do Ambiente Inteligente. Não existe a necessidade de anotação manual dos dados e nem dados extras como tipo do transdutor, localização do transdutor ou objeto ao qual o transdutor está acoplado. Isso aumenta a facilidade de instalação dos transdutores no Ambiente Inteligente. A saída do preditor pode tanto controlar diretamente um atuador ou ser enviada a um agente de software. Esse agente pode verificar condições de segurança ou requisitos de gerenciamento de energia antes de tomar a decisão. O foco desse trabalho é a geração de uma base de dados com os dados do contexto para o treinamento do preditor responsável por decidir se o transdutor alvo deverá ou não mudar seu valor. Vários parâmetros são considerados como o tamanho do período de treinamento, quantidade de ativações passadas que serão consideradas e quais são os transdutores mais relevantes para a predição. A solução proposta atinge uma melhora significativa para todos os transdutores estudados e a maioria das combinações de parâmetros da geração da base de dados possuem resultados melhores que o caso base. Além disso, os nossos resultados são superiores às outras soluções da literatura. / Smart environments possess devices that collaborate to help the user non-intrusively. One possible aid smart environment offer is to anticipate user’s tasks and perform them on his/her behalf or facilitate the action completion. In this work, we propose a framework that predicts user’s actions by learning his/her behavior when interacting with the smart environment. The user actions are considered as being the value change of a transducer (sensor or actuator). The user interaction with the smart environment produces the context used to predict the actions. The predictor is a supervised classification algorithm that learns the smart environment inhabitant behavior patterns. Therefore, the proposed solution can provide a personalized and adaptive service instead of a human predefined set of rules. The predictor works with only one transducer and to predict the values of several transducers, more predictors must be trained. The proposed solution is designed to work automatically without the need of human interference. That makes the smart environment inhabitant more comfortable since his/her privacy is protected. All the information needed to train the predictor can be obtained directly from the smart environment transducers. There is no need for manual data annotation or extra data such as transducer type, transducer location or which object the transducer is attached to. This facilitates the transducer installation in the smart environment. The predictor output can either control directly an actuator or be sent to an software agent. This software agent can check for security or energy constraints before making the decision. This work focus on prepare datasets and train a predictor that is responsible to decide whether a target transducer value should be changed or not. Several parameters are considered such as the training period size, amount of previous transducer activations considered and which are the most relevant transducers for the prediction. Our solution achieves a significant improvement for all target transducers studied and most combinations of parameters yields better results than the base case. Our results are superior to other solutions in the literature.