More and more complex semi-automated systems are being developed, aiding human operators to collect and analyze data and information and even to recommend decisions and act upon these. The goal of such development is often to support the operators make better decisions faster, while at the same time decrease their workload. However, these promises are not always fulfilled and several incidents have highlighted the fact that the introduction of automated technologies might instead increase the need for human involvement andexpertise in the tasks carried out. The significance of communicating information regarding an automated system's performance and to explain its strengths and limitations to its operators is strongly highlighted within the system transparencyand operator-centered automation literature. However, it is not common that feedback containing system qualifiers is incorporated into the primary displays of the automated system, obscuring its transparency. In this thesis, we deal with the investigation of the effects of explaining and visualizing system reasoning and performance parameters in different domains on the operators' trust, workload and performance. Different proof-of-concept prototypes have been designed with transparency characteristics in mind, and quantitative and qualitative evaluations together with operators of these systems have been carried out. Our results show that the effects of automation transparency can positively influence the performance and trust calibration of operators of complex systems, yet possibly at the costs of higher workload and longer decision-making times. Further, this thesis provides recommendations for designers and developers of automated systems in terms of general design concepts and guidelines for developing transparent automated systems for the future. / Fler och fler komplexa semiautomatiserade system utvecklas idag, vilka hjälper operatörer att samla in och analysera data och information och även att rekommendera beslut och agera på dessa. Det yttersta målet med implementeringen av automatiserade system är ofta att hjälpa operatörerna att fatta bättre beslut snabbare och samtidigt minska deras arbetsbelastning. Dock blir detta inte alltid fallet och flera olyckor har uppmärksammat faktumet att introduktionen av automatiserade system istället kan öka behovet av mänsklig inblandning och expertis. Inom forskningsområden såsom automationstransparens och operatörscentrerad automation har vikten av att kommunicera information angående automationens prestanda betonats, likaså att förklara dess styrkor och svagheter för operatörerna. Dock är det inte vanligt att sådan meta-information inkorporeras i de automatiska systemens primära användargränssnitt, vilket kan försvåra det för operatörerna att tillgodogöra sig denna information. I denna avhandling undersöks effekterna av att förklara och visualisera semiautomatiserade systems resonerande och prestanda i olika domäner på operatörernas tillit till systemen, deras upplevda arbetsbörda och deras prestation. Olika konceptprototyper har designats med inkorporerade transparensegenskaper och kvalitativa och kvantitativa utvärderingar tillsammans med operatörer av dessa system har genomförts. Resultaten visar att automationstransparens kan ha positiva effekter på operatörers prestanda och tillitskalibrering, dock med möjliga kostnader i form av högre upplevd arbetsbelastning och längre beslutstider. Avhandlingen erbjuder även rekommendationer till designers och utvecklare i form av generella riktlinjer och designegenskaper vid utvecklandet av framtida transparenta semiautomatiserade stödsystem. / <p>The author is also affiliated to the university of Skövde</p><p>This research has been founded by The Swedish Governmental Agency for InnovationSystems (Vinnova) through the National Aviation Engineering Research Program(NFFP5-2009-01315) and supported by Saab AB.</p>

The main question of this study is whether the demand for higher education is relatively sensitive to tuition fee changes or is price inelastic. There is no definite answer in the literature. Approximately 52% of the estimates show it to be insignificant, 43% rate it as statistically negative, and approximately 5% are statistically positive. In a quantitative survey of 562 estimates reported in 48 studies, it has been found that large increases in tuition fees have a disproportionately negative impact on enrollment when potential publication bias and method heterogeneity are taken into account. The publication bias tests show that negative results are more preferable among researchers, because it is well supported by theory (when prices increase demand decreases). The results also suggest that four aspects of study design are especially effective in explaining the differences across primary studies: (1) the longer time period negatively associated with the price c of demand for higher education, (2) while the cross sectional estimations have reported more negative results, panel data estimations have reported fewer negative results, (3) controlling for endogeneity is crucial, (4) while controlling for unemployment rate has no clear conclusive impact, controlling for income is not significantly...

A área de aprendizado de máquina passa por uma grande expansão em seu universo de aplicações. Algoritmos de indução de modelos preditivos têm sido responsáveis pela realização de tarefas que eram inviáveis ou consideradas exclusividade do campo de ação humano até recentemente. Contudo, ainda é necessária a supervisão humana durante a construção de conjuntos de treinamento, como é o caso da tarefa de classificação. Tal construção se dá por meio da rotulação manual de cada exemplo, atribuindo a ele pelo menos uma classe. Esse processo, por ser manual, pode ter um custo elevado se for necessário muitas vezes. Uma técnica sob investigação corrente, capaz de mitigar custos de rotulação, é o aprendizado ativo. Dado um orçamento limitado, o objetivo de uma estratégia de amostragem ativa é direcionar o esforço de treinamento para os exemplos essenciais. Existem diversas abordagens efetivas de selecionar ativamente os exemplos mais importantes para consulta ao supervisor. Entretanto, não é possível, sem incorrer em custos adicionais, testá-las de antemão quanto à sua efetividade numa dada aplicação. Ainda mais crítica é a necessidade de que seja escolhido um algoritmo de aprendizado para integrar a estratégia de aprendizado ativo antes que se disponha de um conjunto de treinamento completo. Para lidar com esses desafios, esta tese apresenta como principais contribuições: uma estratégia baseada na inibição do algoritmo de aprendizado nos momentos menos propícios ao seu funcionamento; e, a experimentação da seleção de algoritmos de aprendizado, estratégias ativas de consulta ou pares estratégia-algoritmo baseada em meta-aprendizado, visando a experimentação de formas de escolha antes e durante o processo de rotulação. A estratégia de amostragem proposta é demonstrada competitiva empiricamente. Adicionalmente, experimentos iniciais com meta-aprendizado indicam a possibilidade de sua aplicação em aprendizado ativo, embora tenha sido identificado que investigações mais extensivas e aprofundadas sejam necessárias para apurar sua real efetividade prática. Importantes contribuições metodológicas são descritas neste documento, incluindo uma análise frequentemente negligenciada pela literatura da área: o risco devido à variabilidade dos algoritmos. Por fim, são propostas as curvas e faixas de ranqueamento, capazes de sumarizar, num único gráfico, experimentos de uma grande coleção de conjuntos de dados. / The machine learning area undergoes a major expansion in its universe of applications. Algorithms for the induction of predictive models have made it possible to carry out tasks that were once considered unfeasible or restricted to be solved by humans. However, human supervision is still needed to build training sets, for instance, in the classification task. Such building is usually performed by manual labeling of each instance, providing it, at least, one class. This process has a high cost due to its manual nature. A current technique under research, able to mitigate labeling costs, is called active learning. The goal of an active learning strategy is to manage the training effort to focus on the most relevant instances, within a budget. Several effective sampling approaches having been proposed. However, when one needs to choose the proper strategy for a given problem, they are impossible to test beforehand without incurring into additional costs. Even more critical is the need to choose a learning algorithm to integrate the active learning strategy before the existence of a complete training set. This thesis presents two major contributions to cope with such challenges: a strategy based on the learning algorithm inhibition when it is prone to inaccurate predictions; and, an attempt to automatically select the learning algorithms, active querying strategies or pairs strategy-algorithm, based on meta-learning. This attempt tries to verify the feasibility of such kind of decision making before and during the learning process. The proposed sampling approach is empirically shown to be competitive. Additionally, meta-learning experiments show that it can be applied to active learning, although more a extensive investigation is still needed to assess its real practical effectivity. Important methodological contributions are made in this document, including an often neglected analysis in the literature of active learning: the risk due to the algorithms variability. A major methodological contribution, called ranking curves, is presented.

O presente trabalho trata da solução para o problema da elaboração de programações de transporte do sistema de distribuição de materiais da Força Aérea Brasileira (FAB). Essas programações de transporte consistem em definir os roteiros de entrega e coleta de materiais a serem realizadas simultaneamente em cada local de entrega/coleta a partir de um centro de distribuição, considerando-se a frota de veículos homogênea. Isto é característico de um Problema de Roteirização de Veículos com Coletas e Entregas Simultâneas (PRVCES). A gestão do sistema de distribuição física da FAB considera a complexidade desse sistema e os dados relativos às demandas de transporte de carga em cada um desses locais para elaborar as programações de transporte. Essas programações são elaboradas tendo em vista os limites de capacidade dos veículos, as características físicas das cargas e as prioridades de embarque. O gestor desse sistema possui boa visibilidade das demandas de transporte, porém, devido à grande quantidade de informações disponíveis e à elevada complexidade desse sistema, é impossível elaborarem-se manualmente programações de transporte que resultem em viagens de distribuição eficientes. O PRVCES foi resolvido por meio da meta-heurística Busca Dispersa (do inglês Scatter Search) integrada com a meta-heurística Descida em Vizinhança Variável (do inglês Variable Neighborhood Descent) utilizada como método de melhoria das soluções. Os resultados superaram ou se igualaram a alguns dos obtidos por outros autores para os mesmos problemas de teste com as mesmas restrições, o que demonstra que a Busca Dispersa implementada é competitiva para solucionar o PRVCES. Quanto à aplicação na FAB, os resultados mostraram que a utilização do método de solução desenvolvido resultará em programações de transporte elaboradas em curto tempo de processamento e que estas incidirão positivamente sobre a eficiência do sistema de distribuição de materiais da FAB. / This work deals with the solution to the problem of drawing up transport schedules in the material distribution system of the Brazilian Air Force (BAF). These transport schedules consist in defining the routes for material pickup and delivery to be accomplished simultaneously in each delivery/pickup location from a distribution center, considering a homogeneous fleet of vehicles. This is characteristic of a Vehicle Routing Problem with Simultaneous Delivery and Pick-up (VRPSDP). The management of the physical distribution of BAF considers the complexity of this system and the data regarding the cargo transport demands in each one of those locations to draw up transport schedules. These schedules are drawn up regarding the capacity limits of the vehicles, the physical characteristics of the cargoes and the shipping priorities. A good visibility of transport demands in each location is available to the manager of this system, but due to the great quantity of data to deal with and the high complexity of the physical distribution system of BAF, it is impossible to draw up transport schedules that result in efficient distribution trips. The VRPSDP was solved by means of the Scatter Search meta-heuristic integrated with the Variable Neighborhood Descent meta-heuristic as the solution improvement method. The results exceeded or equaled some of those obtained by other authors using the same test problems with the same restrictions, what indicates that the implemented Scatter Search is competitive to solve the VRPSDP. As for the application in the BAF, the results showed that using the solution method developed will result in schedules drawn up in short processing time and focused on the efficiency of the material distribution system of the BAF.

In many areas of knowledge, considerable amounts of time have been spent to comprehend and to treat noisy data, one of the most common problems regarding information collection, transmission and storage. These noisy data, when used for training Machine Learning techniques, lead to increased complexity in the induced classification models, higher processing time and reduced predictive power. Treating them in a preprocessing step may improve the data quality and the comprehension of the problem. This Thesis aims to investigate the use of data complexity measures capable to characterize the presence of noise in datasets, to develop new efficient noise ltering techniques in such subsamples of problems of noise identification compared to the state of art and to recommend the most properly suited techniques or ensembles for a specific dataset by meta-learning. Both artificial and real problem datasets were used in the experimental part of this work. They were obtained from public data repositories and a cooperation project. The evaluation was made through the analysis of the effect of artificially generated noise and also by the feedback of a domain expert. The reported experimental results show that the investigated proposals are promising. / Em diversas áreas do conhecimento, um tempo considerável tem sido gasto na compreensão e tratamento de dados ruidosos. Trata-se de uma ocorrência comum quando nos referimos a coleta, a transmissão e ao armazenamento de informações. Esses dados ruidosos, quando utilizados na indução de classificadores por técnicas de Aprendizado de Maquina, aumentam a complexidade da hipótese obtida, bem como o aumento do seu tempo de indução, além de prejudicar sua acurácia preditiva. Trata-los na etapa de pré-processamento pode significar uma melhora da qualidade dos dados e um aumento na compreensão do problema estudado. Esta Tese investiga medidas de complexidade capazes de caracterizar a presença de ruídos em um conjunto de dados, desenvolve novos filtros que sejam mais eficientes em determinados nichos do problema de detecção e remoção de ruídos que as técnicas consideradas estado da arte e recomenda as mais apropriadas técnicas ou comitês de técnicas para um determinado conjunto de dados por meio de meta-aprendizado. As bases de dados utilizadas nos experimentos realizados neste trabalho são tanto artificiais quanto reais, coletadas de repositórios públicos e fornecidas por projetos de cooperação. A avaliação consiste tanto da adição de ruídos artificiais quanto da validação de um especialista. Experimentos realizados mostraram o potencial das propostas investigadas.

Este trabalho tem por objetivo propor um gerador de ambientes (metambiente) que possibilite a geração automática de ambientes para o projeto de aplicações adaptativas. Tal gerador fundamenta-se nos conceitos de Tecnologia Adaptativa e permite a definição de dispositivos adaptativos dirigidos por regras. No desenvolvimento deste trabalho foram propostos um método para definição de dispositivos adaptativos, a arquitetura geral de um ambiente para o projeto de aplicações adaptativas e a arquitetura para um gerador de ambientes para a modelagem de aplicações usando um dispositivo adaptativo específico. Com base nos conceitos propostos foram realizadas a implementação de algumas ferramentas para validar os mesmos e desenvolvidos alguns experimentos com o propósito de demonstrar a utilização de tais ferramentas e dos dispositivos adaptativos no projeto de aplicações. / This research aims at proposing an environment generator (meta-environment) which makes it possible the automatic environment generation for the project of adaptive applications. This generator establishes its concepts in Adaptive Technology and allows the definition of rule-driven adaptive devices. When developing the present study, we considered the general architecture of an environment for the project of adaptive applications and the architecture for an environment generator of modeling applications using a specific adaptive device as a method for definition of adaptive devices. Based on the concepts mentioned, the implementation of some tools were done to show such concepts and some experiments were made to demonstrate the use of such tools and adaptive devices in the project of applications.

Machine learning solutions have been successfully used to solve many simple and complex problems. However, their development process still relies on human experts to perform tasks such as data preprocessing, feature engineering and model selection. As the complexity of these tasks increases, so does the demand for automated solutions, namely Automated Machine Learning (AutoML). Most algorithms employed in these systems have hyperparameters whose configuration may directly affect their predictive performance. Therefore, hyperparameter tuning is a recurring task in AutoML systems. This thesis investigated how to efficiently automate hyperparameter tuning by means of Meta-learning. To this end, large-scale experiments were performed tuning the hyperparameters of different classification algorithms, and an enhanced experimental methodology was adopted throughout the thesis to explore and learn the hyperparameter profiles for different classification algorithms. The results also showed that in many cases the default hyperparameter settings induced models that are on par with those obtained by tuning. Hence, a new Meta-learning recommender system was proposed to identify when it is better to use default values and when to tune classification algorithms for each new dataset. The proposed system is capable of generalizing several learning processes into a single modular framework, along with the possibility of assigning different algorithms. Furthermore, a descriptive analysis of model predictions is used to identify which data characteristics affect the necessity for tuning in each one of the algorithms investigated in the thesis. Experimental results also demonstrated that the proposed recommender system reduced the time spent on optimization processes, without reducing the predictive performance of the induced models. Depending on the target algorithm, the Meta-learning recommender system can statistically outperform the baselines. The significance of these results opens a number of new avenues for future work. / Soluções de aprendizado de máquina tem sido cada vez mais usadas com sucesso para resolver problemas dos mais simples aos complexos. Entretanto, o processo de desenvolvimento de tais soluções ainda é um processo que depende da ação de especialistas humanos em tarefas como: pré-processamento dos dados, engenharia de features e seleção de modelos. Consequentemente, quando a complexidade destas tarefas atinge um nível muito alto, há a necessidade de soluções automatizadas, denominadas por Aprendizado de Máquina automatizado (AutoML). A maioria dos algoritmos usados em tais sistemas possuem hiper-parâmetros cujos valores podem afetar diretamente o desempenho preditivo dos modelos gerados. Assim sendo, o ajuste de hiper-parâmetros é uma tarefa recorrente no desenvolvimento de sistems de AutoML. Nesta tese investigou-se a automatização do ajuste de hiper-parâmetros por meio de Meta-aprendizado. Seguindo essa linha, experimentos massivos foram realizados para ajustar os hiper-parâmetros de diferentes algoritmos de classificação. Além disso, uma metodologia experimental aprimorada e adotada ao lngo da tese perimtiu identificar diferentes perfis de ajuste para diferentes algoritmos de classificação. Entretanto, os resultados também mostraram que em muitos casos as configurações default destes algoritmos induziram modelos mais precisos do que os obtidos por meio de ajuste. Assim, foi proposto um novo sistema de recomendação baseado em Meta-learning para identificar quando é melhor realizar o ajuste de parâmetros para os algoritmos de classificação ou apenas usar os valores default. O sistema proposto é capaz de generalizar várias etapas do aprendizado em um único framework modular, juntamente com a possibilidade de avaliar diferentes algoritmos de aprendizado de máquina. As análises descritivas das predições obtidas pelo sistema indicaram quais características podem ser responsáveis por determinar quando o ajuste se faz necessário para cada um dos algoritmos investigados na tese. Os resultados também demonstraram que o sistema recomendador proposto reduziu o tempo gasto com a otimização mantendo o desempenho preditivo dos modelos gerados. Além disso, dependendo do algoritmo de classificação modelado, o sistema foi estatisticamente superior aos baselines. A significância desdes resultados abre um novo número de oportunidades para trabalhos futuros.

Whether you are trying to impress others, communicate efficiently, develop trust with your teammates or followers, or choose key partners to work with, you need to accurately anticipate what others think of you. This process, which is called meta-perception (Laing, Phillipson, & Lee, 1966), is thus crucial for your day-to-day life, and also at work. Still, meta-perception fails to be considered as a key individual process in the field of Organizational Behavior – OB. Therefore, this dissertation aims to gather empirical and theoretical evidence showing that meta-perception is an important process for organizational life. Thus, this dissertation focuses on the process itself (i.e. meta-perception and meta-accuracy), its antecedents and its outcomes, applied to social evaluation situations that are common at work. First, I aim to provide the bases of a consensual and context-specific approach of meta-perception enabling its study in the field of OB by differentiating the manifestations of meta-accuracy and by using statistical methods that consider both components of meta-accuracy, namely meta-perception and other-perception (Edwards, 1995, 2002; Shanock, Baran, Gentry, Pattison, & Heggestad, 2010). Second, I aim to examine whether meta-perception, its bias and its accuracy are affected by specific antecedents (i.e. narcissism and leadership style) that have received growing attention in OB. Third, I aim to study the effect of meta-perception and its accuracy on outcomes usually influenced by person perception, such as performance and hireability, and characterized by social evaluation. To achieve these aims, four research projects were performed (i.e. three empirical projects, gathering eight studies, and one theoretical project). The first project examines the link between narcissistic tendencies and a specific form of meta-perception. The second project tests the effect of leadership style on the accuracy of meta-perception and whether this accuracy has a positive impact on task performance. The third project provides a theoretical framework on the advantages of including meta-perception of performance in Multi-Source Feedback. The fourth project tests whether meta-perception and its accuracy play a role in hireability. These research projects led to key contributions to the literature on meta-perception and its accuracy, narcissism, leadership and the field of OB. First, this research contributes to the literature on meta-perception by proposing a context-specific approach of meta-perception. This dissertation specifically justifies the need to (a) differentiate the aspects on which meta-perception focuses (e.g. emotions, behaviors, skills, traits), (b) study meta-perception as related to self-perception and other-perception to gain knowledge about the bias and accuracy of meta-perception, and (c) examine the role of meta-accuracy in predicting organizational behaviors according to its three dimensions (i.e. size, direction, and favorability). Second, it contributes to the literature on leadership by studying the effect of narcissism and leadership style on meta-perception through the assessment individuals’ egocentrism and flexibility. Third, it contributes to the OB field and meta-accuracy literature by showing that the three dimensions of meta-accuracy (i.e. size, direction and favorability) have specific effects on task performance, professional development and hireability. In fine, this dissertation constitutes a well-documented plea for the integration and recognition of meta-perception as a key process in Organizational Behavior studies. / Doctorat en Sciences économiques et de gestion / info:eu-repo/semantics/nonPublished

O propósito deste trabalho é analisar os dois romances, Uma aprendizagem ou o livro dos prazeres, de Clarice Lispector, e El silencio de las sirenas, de Adelaida García Morales, respeitados seus respectivos referenciais literários, como releituras subversivas da tradição literária narrativa, operação esta que denominamos \"penelopéias metaromancescas\". Com este propósito, percorremos a tradição mítico-poética, a partir do modus operandi de cada romance, tendo em vista que cada um procura re-ler e subverter os mitos de Ulisses, Penélope e das Sereias ao resgatar a voz discursiva feminina usurpada a partir da epopéia homérica, e revisamos alguns estudos que têm o romance como um gênero que nasce da epopéia. / The purpose of this paper is to analyze the romances An apprenticeship or The book of pleasures by Clarice Lispector and The silence of the sirens, by Adelaida García, respecting their literary referential as subversives rereadings of the narrative literary tradition, an operation that we call \"penelopees meta-ramancescs\". With this aim we go through the poetic mythic tradition, from the modus operandi of each novel, having in mind that each one searches rereading and subverting the myths of Ulysses, Penelope and the Sirens when rescuing the female discursive voice seized from the Homeric epopee, and review some studies that have the romance as a genre that comes from the epopee.

Made available in DSpace on 2016-04-04T18:28:01Z (GMT). No. of bitstreams: 1 Adriana Ap Ferreira 1.pdf: 2671092 bytes, checksum: 52bffd7181072105e7e3c13a4ab6f2c7 (MD5) Previous issue date: 2004-12-14 / With the increse of longevity and consequently the increase of scientific production about old age, it is necessary one analysis of the area's done knowledge. It was done a meta-analysis of the studies produced in the psychology area about old aged persons, in the PsycINFO database, on the first semester of 2003 (N=1281). It was analyzed: title, authors, type of work, themes, participants, reserch place, material used for data collection, and focus. In general, the titles presented a number of words within the recommended quantity, in 42,89% punctuation was not used and in 34,76% it was used colons. The authorship was predominantly multiple (90,1%), with majority male production. The reserch production is predominant (98,75%), and scientific journal is the most used vehicle for divulgation (98,4%). The most frequent themes were Social/Cultural Aspects, Psychological Aspects/ Chsrecte ristics and Diseases; there was a correlation botween the themes classified for the database anf the authors (r=0,98). The majorith of the studies compares old and adilt persons. America and Europe were the continents of major production. The majority of works were made in Health Services (37,71%) in which several types of instruments were used for data collection. The difference between the focus loss (21%) and gain (13,82%) was significant statistically. It is concluded that the area shows development signs. / Com o aumento da longevidade e conseq?ente aumento da produ??o cient?fica sobre velhice, faz-se necess?ria uma an?lise do conhecimento gerado na ?rea. Foi feita uma meta-an?lise dos estudos realizados na ?rea de psicologia sobre idosos, inseridos na base de dados PsyclNFO, no primeiro semestre de 2003 (N=1281). Foram analisados: t?tulo, autoria, tipo de trabalho, tem?tica, participantes, locais de realiza??o das pesquisas, materiais usados para a coleta de dados e enfoque. No geral, os t?tulos apresentaram n?mero de voc?bulos dentro do recomendado, sendo que em 42,89% n?o foi feito uso de pontua??o e em 34,76% foi utilizado dois pontos. A autoria foi predominantemente m?ltipla (90,1%), com maior produ??o mascul ina. A produ??o de pesquisas ? predominante (98,75%), sendo o peri?dico cient?fico o ve?culo mais utilizado para divulga??o (98,4%). Os temas mais freq?entes foram Aspectos Sociais! Culturais, Aspectos! Caracter?sticas Psicol?gicas e Doen?as; houve correla??o entre a classifica??o feita pela base e pelos autores (r=0,98). A maioria dos estudos compara idosos e pessoas adultas. Am?rica e Europa foram os cont?nentes de maior produ??o. A maioria dos trabalhos foi realizada em Servi?os de Sa?de (37,71 %), tendo sido usados v?rios tipos de instrumentos para a coleta dos dados. A diferen?a entre o enfoque perda (21 %) e ganho (13,82%) foi estatisticamente significante. Conclui-se que a ?rea mostra sinais de desenvolvimento.