A crescente oferta de programas de código aberto na rede mundial de computadores expõe potenciais usuários a muitas possibilidades de escolha. Em face da pluralidade de interesses desses indivíduos, mecanismos eficientes que os aproximem daquilo que buscam trazem benefícios para eles próprios, assim como para os desenvolvedores dos programas. Este trabalho apresenta o AppRecommender, um recomendador de aplicativos GNU/Linux que realiza uma filtragem no conjunto de programas disponíveis e oferece sugestões individualizadas para os usuários. Tal feito é alcançado por meio da análise de perfis e descoberta de padrões de comportamento na população estudada, de sorte que apenas os aplicativos considerados mais suscetíveis a aceitação sejam oferecidos aos usuários. / The increasing availability of open source software on the World Wide Web exposes potential users to a wide range of choices. Given the individuals plurality of interests, mechanisms that get them close to what they are looking for would benefit users and software developers. This work presents AppRecommender, a recommender system for GNU/Linux applications which performs a filtering on the set of available software and individually offers suggestions to users. This is achieved by analyzing profiles and discovering patterns of behavior of the studied population, in a way that only those applications considered most prone to acceptance are presented to users.

Sistemas de recomendação surgiram da necessidade de selecionar e apresentar conteúdo relevante a usuários de acordo com suas preferências. Dentre os diversos métodos existentes, aqueles baseados em conteúdo faz em uso exclusivo da informação inerente aos itens. Estas informações podem ser criadas a partir de técnicas de indexação automática e manual. Enquanto que as abordagens automáticas necessitam de maiores recursos computacionais e são limitadas á tarefa específica que desempenham, os métodos manuais são caros e propensos a erros. Por outro lado, com a expansão da Web e a possibilidade de usuários comuns criarem novos conteúdos e anotações sobre diferentes itens e produtos, uma alternativa é obter esses metadados criados colaborativamente pelos próprios usuários. Entretanto, essas informações, em especial revisões e comentários, podem conter ruídos, além de estarem em uma forma desestruturada. Deste modo, este trabalho1 tem como objetivo desenvolver métodos de construção de representações de itens baseados em descrições colaborativas para um sistema de recomendação. Objetiva-se analisar o impacto que diferentes técnicas de extração de características, aliadas à análise de sentimento, causam na precisão da geração de sugestões, avaliando-se os resultados em dois cenários de recomendação: predição de notas e geração de ranques. Dentre as técnicas analisadas, observa-se que a melhor apresenta um ganho no poder descritivo dos itens, ocasionando uma melhora no sistema de recomendação. / Recommender systems arose from the need to select and present relevant content to users according to their preferences. Among several existent methods, those based on content make exclusive use of information inherent to the items. This information can be created through automatic and manual indexing techniques. While automa-tic approaches require greater computing resources and are limited to the specific task they perform, manual methods are expensive and prone to errors. On the other hand, with the expansion of theWeb and the possibility of common users to create new content and descriptions about different items and products, an alternative is to get these metadata created collaboratively by the users. However, this information, especially reviews and comments, may contain noise, be- sides being in a unstructured fashion. Thus, this study aims to develop methods for the construction of items representations based on collaborative descriptions for a recommender system. This study aims to analyze the impact that different feature extraction techniques, combined with sentiment analysis, caused in the accuracy of the generated suggestions, evaluating the results in both recommendations cenarios: rating prediction and ranking generation. Among the analyzed techniques, it is observed that the best is able to describe items in a more effcient manner, resulting in an improvement in the recommendation system.

Online social networks (OSNs) are Web platforms providing different services to facilitate social interaction among their users. A particular kind of OSNs is the location-based social network (LBSN), which adds services based on location. One of the most important challenges in LBSNs is the link prediction problem. Link prediction problem aims to estimate the likelihood of the existence of future friendships among user pairs. Most of the existing studies in link prediction focus on the use of a single information source to perform predictions, i.e. only social information (e.g. social neighborhood) or only location information (e.g. common visited places). However, some researches have shown that the combination of different information sources can lead to more accurate predictions. In this sense, in this thesis we propose different link prediction methods based on the use of different information sources naturally existing in these networks. Thus, we propose seven new link prediction methods using the information related to user membership in social overlapping groups: common neighbors within and outside of common groups (WOCG), common neighbors of groups (CNG), common neighbors with total and partial overlapping of groups (TPOG), group naïve Bayes (GNB), group naïve Bayes of common neighbors (GNB-CN), group naïve Bayes of Adamic-Adar (GNB-AA) and group naïve Bayes of Resource Allocation (GNB-RA). Due to that social groups exist naturally in networks, our proposals can be used in any type of OSN.We also propose new eight link prediction methods combining location and social information: Check-in Observation (ChO), Check-in Allocation (ChA), Within and Outside of Common Places (WOCP), Common Neighbors of Places (CNP), Total and Partial Overlapping of Places (TPOP), Friend Allocation Within Common Places (FAW), Common Neighbors of Nearby Places (CNNP) and Nearby Distance Allocation (NDA). These eight methods are exclusively for work in LBSNs. Obtained results indicate that our proposals are as competitive as state-of-the-art methods, or better than they in certain scenarios. Moreover, since our proposals tend to be computationally more efficient, they are more suitable for real-world applications. / Redes sociais online (OSNs) são plataformas Web que oferecem serviços para promoção da interação social entre usuários. OSNs que adicionam serviços relacionados à geolocalização são chamadas redes sociais baseadas em localização (LBSNs). Um dos maiores desafios na análise de LBSNs é a predição de links. A predição de links refere-se ao problema de estimar a probabilidade de conexão futura entre pares de usuários que não se conhecem. Grande parte das pesquisas que focam nesse problema exploram o uso, de maneira isolada, de informações sociais (e.g. amigos em comum) ou de localização (e.g. locais comuns visitados). Porém, algumas pesquisas mostraram que a combinação de diferentes fontes de informação pode influenciar o incremento da acurácia da predição. Motivado por essa lacuna, neste trabalho foram desenvolvidos diferentes métodos para predição de links combinando diferentes fontes de informação. Assim, propomos sete métodos que usam a informação relacionada à participação simultânea de usuários en múltiples grupos sociais: common neighbors within and outside of common groups (WOCG), common neighbors of groups (CNG), common neighbors with total and partial overlapping of groups (TPOG), group naïve Bayes (GNB), group naïve Bayes of common neighbors (GNB-CN), group naïve Bayes of Adamic-Adar (GNB-AA), e group naïve Bayes of Resource Allocation (GNB-RA). Devido ao fato que a presença de grupos sociais não está restrita a alguns tipo de redes, essas propostas podem ser usadas nas diversas OSNs existentes, incluindo LBSNs. Também, propomos oito métodos que combinam o uso de informações sociais e de localização: Check-in Observation (ChO), Check-in Allocation (ChA), Within and Outside of Common Places (WOCP), Common Neighbors of Places (CNP), Total and Partial Overlapping of Places (TPOP), Friend Allocation Within Common Places (FAW), Common Neighbors of Nearby Places (CNNP), e Nearby Distance Allocation (NDA). Tais propostas são para uso exclusivo em LBSNs. Os resultados obtidos indicam que nossas propostas são tão competitivas quanto métodos do estado da arte, podendo até superá-los em determinados cenários. Ainda mais, devido a que na maioria dos casos nossas propostas são computacionalmente mais eficientes, seu uso resulta mais adequado em aplicações do mundo real.

O processo de digitalização da TV em diversos países do mundo tem contribuído para o aumento do volume de programas de TV, o que gera uma sobrecarga de informação. Consequentemente, o usuário está enfrentando dificuldade para encontrar os programas de TV favoritos dentre as várias opções disponíveis. Diante deste cenário, os sistemas de recomendação destacam-se como uma possível solução. Tais sistemas são capazes de filtrar itens relevantes de acordo com as preferências do usuário ou de um grupo de usuários que possuem perfis similares. Entretanto, em diversas recomendações o interesse do usuário pode depender do seu contexto. Assim, torna-se importante estender as abordagens tradicionais de recomendação personalizada por meio da exploração do contexto do usuário, o que poderá melhorar a qualidade das recomendações. Para isso, este trabalho descreve uma infraestrutura de software de suporte ao desenvolvimento e execução de sistemas de recomendação sensíveis ao contexto para TV Digital Interativa - intitulada de PersonalTVware. A solução proposta fornece componentes que implementam técnicas avançadas para recomendação de conteúdo e processamento de contexto. Com isso, os desenvolvedores de sistemas de recomendação concentram esforços na lógica de apresentação de seus sistemas, deixando questões de baixo nível para o PersonalTVware gerenciar. As modelagens de usuário, e do contexto, essenciais para o desenvolvimento do PersonalTVware, são representadas por padrões de metadados flexíveis usados na TV Digital Interativa (MPEG-7 e TV-Anytime), e suas devidas extensões. A arquitetura do PersonalTVware é composta por dois subsistemas: dispositivo do usuário e provedor de serviços. A tarefa de predição de preferências contextuais é baseada em métodos de aprendizagem de máquina, e a filtragem de informação sensível ao contexto tem como base a técnica de filtragem baseada em conteúdo. O conceito de perfil contextual também é apresentado e discutido. Para demonstrar e validar as funcionalidades do PersonalTVware em um cenário de uso, foi desenvolvido um sistema de recomendação sensível ao contexto como estudo de caso. / The process of digitalization of TV in several countries around the world has, contributed to increase the volume of TV programs offered and it leads, to information overload problem. Consequently, the user facing the difficulty to find their favorite TV programs in view of various available options. Within this scenario, the recommender systems stand out as a possible solution. These systems are capable of filtering relevant items according to the user preferences or the group of users who have similar profiles. However, the most of the recommender systems for Interactive Digital TV has rarely take into consideration the users contextual information in carrying out the recommendation. However, in many recommendations the user interest may depend on the context. Thus, it becomes important to extend the traditional approaches to personalized recommendation of TV programs by exploiting the context of user, which may improve the quality of the recommendations. Therefore, this work presents a software infrastructure in an Interactive Digital TV environment to support context-aware personalized recommendation of TV programs entitled PersonalTVware. The proposed solution provides components which implement advanced techniques to recommendation of content and context management. Thus, developers of recommender systems can concentrate efforts on the presentation logic of their systems, leaving low-level questions for the PersonalTVware managing. The modeling of user and context, essential for the development of PersonalTVware, are represented by granular metadata standards used in the Interactive Digital TV field (MPEG-7 and TV-Anytime), and its extensions required. The PersonalTVware architecture is composed by two subsystems: the users device and the service provider. The task of inferring contextual preferences is based on machine learning methods, and context-aware information filtering is based on content-based filtering technique. The concept of contextual user profile is presented and discussed. To demonstrate the functionalities in a usage scenario a context-aware recommender system was developed as a case study applying the PersonalTVware.

Submitted by Maicon Juliano Schmidt (maicons) on 2015-04-17T12:18:58Z No. of bitstreams: 1 Maíse Soares Pereira.pdf: 1072154 bytes, checksum: 1d57ed3cafa138c0d99a0265873c519b (MD5) / Made available in DSpace on 2015-04-17T12:18:58Z (GMT). No. of bitstreams: 1 Maíse Soares Pereira.pdf: 1072154 bytes, checksum: 1d57ed3cafa138c0d99a0265873c519b (MD5) Previous issue date: 2012-07-16 / Nenhuma / Até algumas décadas visto como fenômeno sociológico, o boca-a-boca tem sido utilizado como tática de marketing para disseminação de informação, persuasão e conquista de novos clientes. De forma crescente, uma das estratégias que as empresas estão descobrindo para melhor aproveitá-lo se traduz na construção de programas de marketing boca-a-boca, que nada mais é do que a gestão de recomendações provocadas pela organização, via incentivo a um grupo de participantes. Essas iniciativas suscitam novas abordagens e questionamentos, considerando possíveis problemas éticos sobre a credibilidade deste tipo de recomendação, bem como trazendo o foco dos estudos sobre boca-a-boca para seu receptor, ao contrário do extenso corpo de pesquisa sobre seus antecedentes. Para tentar preencher estas lacunas de conhecimento do que faz alguém aceitar uma recomendação e qual o impacto dela fazer parte de um programa incentivado de marketing boca-a-boca é que esta tese se apresenta. Objetivando conhecer e mensurar as fontes de influência para a aceitação de uma recomendação boca-a-boca, este estudo, após revisão de pesquisas sobre o tema, propôs um modelo capaz de relacionar e mensurar o impacto de um conjunto de elementos influenciadores para a aceitação de uma recomendação, bem como o efeito específico da participação em programa incentivado de marketing boca-a-boca. Após investigação qualitativa, com 12 entrevistas em profundidade para compreensão e refinamento dos elementos, uma survey foi aplicada a 350 participantes, público em geral. O instrumento de coleta de dados aplicado continha uma abordagem retrospectiva - inquirindo sobre recomendações passadas recebidas - e uma apresentação de cenário hipotético - inquirindo sobre a participação da recomendação em programa incentivado de marketing boca-a-boca. Como resultados do modelo, destaca-se a expertise de quem recomenda, bem como a similaridade que este possui com quem recebe a recomendação, os elementos mais relacionados à mensagem recomendada e sua consequente predisposição a aceitá-la. Ainda, foi possível identificar que o incentivo não anula a predisposição de aceitação da recomendação, no entanto, provoca sua redução, sugerindo cautela em sua utilização. Outros resultados do estudo ainda foram discutidos, bem como suas implicações para a academia e comunidade empresarial. / Considered over the last decades as a sociological phenomenon, word-of-mouth (WOM) has been used as a marketing tool for information diffusion, persuasion and customer winning. One of the growing company strategies due to these activities are the word-of-mouth marketing programs, which offer a group of current customers incentives to talk positively about their products/services to others. Such initiatives raise new approaches and concerns, considering possible ethical dilemmas about WOM credibility and also changing its focus from WOM givers to those who receive it. Hence, this dissertation is presented in order to fulfill the knowledge gaps of what makes someone accept a WOM recommendation and the impact of it coming from a company organized marketing program. Aiming to identify and measure sources of influence for WOM recommendation acceptance, the present study proposes, after literature review, a relational model able to correlate and measure the impact of a group of elements on WOM acceptance willingness as well as the particular effect of it being part of a company designed marketing campaign. So as to identify new and refine theoretical elements, a qualitative inquiry of 12 in-depth interviews was held which results conveyed input to a survey applied to 350 interviewees. Data collection questionnaire presented a retrospective design – inquiring about past received recommendations – and also a hypothetical scenario presentation – implying the recommendation being part of a company designed marketing program. Main model results indicate provider’s expertise as well as its similarity with receiver most related elements to WOM message and its resultant acceptance willingness. Still, findings could show company incentive does not annul recommendation acceptance willingness, however causes its reduction, suggesting caution on its usage. More detailed findings were discussed in the study, as well as its implications to academy and business community.

Submitted by JOSIANE SANTOS DE OLIVEIRA (josianeso) on 2017-06-14T14:34:32Z No. of bitstreams: 1 Marcelo da Silva dos Santos_.pdf: 2140931 bytes, checksum: 0bda778dc68e4215cc28fb62ae63851a (MD5) / Made available in DSpace on 2017-06-14T14:34:32Z (GMT). No. of bitstreams: 1 Marcelo da Silva dos Santos_.pdf: 2140931 bytes, checksum: 0bda778dc68e4215cc28fb62ae63851a (MD5) Previous issue date: 2017-03-22 / Santander Universidades / A popularização do uso de redes sociais virtuais em camadas cada vez mais jovens da sociedade vem tornando-se parte do cotidiano. Neste sentido, surgem novas implementações de Rede Social, como a Rede Social Espontânea (RSE). Ao contrário das redes sociais tradicionais, em que as interações sociais geralmente são uma extensão de relacionamentos existentes no mundo real, uma RSE parte da premissa de que não existe necessidade de relacionamento prévio entre os participantes. Considerando que mesmo em grupos formados por participantes que se conhecem de longa data não é possível assegurar qualquer tipo de interação ativa virtual, em redes sociais espontâneas esse fato poderia tornar-se motivo para desestímulo a sua utilização. O presente trabalho tem como objetivo a construção de um modelo capaz de extrair informações de grupos utilizando redes sociais, permitindo determinar o perfil do grupo a partir das informações extraídas dos históricos contextuais dos seus usuários membros, e, com isso recomendar recursos capazes de influenciar a interação entre os membros. Nesse cenário se enquadra o INTERACT, um modelo que possui como principal contribuição científica utilizar os históricos contextuais dos usuários de uma Rede Social Espontânea ou qualquer outra rede social para incentivar interações entre seus participantes. A utilização desses históricos como recurso para potencializar interações foi identificado como um diferencial em relação aos trabalhos relacionados da área os quais, em sua maioria, empregam somente o contexto atual como forma de gerar ações pontuais e sem relacionamento com outros participantes. Para avaliação do modelo, um grupo de voluntários foi convidado a participar de um experimento onde o INTERACT interagiu com o grupo através de um personagem criado. A análise foi realizada quantitativamente e qualitativamente, através da coleta dos números gerados pelas interações entre os participantes, registro de atividades e questionários. Os resultados apontam aumento no volume de interações entre participantes nos momentos de atuação do protótipo. Os participantes ainda relataram a influência positiva das ações do personagem gerenciado pelo protótipo, reconhecido por parte do grupo como "membro" mais influente. / The popularization of the use of virtual social networks in increasingly young layers of society has become part of daily life. In this sense, new implementations of Social Network, such as the Spontaneous Social Network (SSN), emerge. Unlike traditional social networks, where social interactions are often an extension of existing relationships in the real world, SSN starts from the premise that there is no need for prior relationships between participants. Considering that even in groups formed by participants that are known for a long time it is not possible to assure any kind of virtual active interaction, in spontaneous social networks this fact could become reason to discourage its use. The objective of this work is the construction of a model capable of extracting information from groups using social networks, allowing determining the profile of the group from the information extracted from the contextual histories of its member users, and with this to recommend resources capable of influencing the Interaction between members. In this scenario, INTERACT is a model that has as main scientific contribution to use the contextual histories of the users of a Spontaneous Social Network or any other social network to encourage interactions among its participants. The use of historical as a resource to enhance the interactions was identified as a difference in relation to the works related to the areas of which, for the most part, only use the current context as a way to generate punctual actions and without relationship with other participants. For the evaluation of the model, a group of volunteers was invited to participate in an experiment in which INTERACT interacted with the group through a person created. The analysis was performed quantitatively and qualitatively, through the collection of numbers generated in interactions among the participants, activity records and questionnaires. The results indicate an increase in the volume of interactions between the participants in the moments of performance of the prototype. The participants also reported a positive influence of the actions of the person managed by the prototype, recognized by the group as a influential "member".

Submitted by Mariana Dornelles Vargas (marianadv) on 2015-05-28T17:37:20Z No. of bitstreams: 1 analise_teorica.pdf: 2320370 bytes, checksum: 39a0442ca47ea6d39922c940e3b20eba (MD5) / Made available in DSpace on 2015-05-28T17:37:20Z (GMT). No. of bitstreams: 1 analise_teorica.pdf: 2320370 bytes, checksum: 39a0442ca47ea6d39922c940e3b20eba (MD5) Previous issue date: 2012 / Nenhuma / Nesta dissertação realiza-se um estudo de caso em uma organização e em dois dos seus fornecedores com o objetivo analisar os processos relacionados a gestão da cadeia de suprimentos e as melhorias dos processos após a aplicação da recomendação MMOG/LE. Analisa-se a execução prática e a evolução histórica nos processos da cadeia de suprimentos, a partir de indicadores, desde o início da aplicação da recomendação MMOG/LE. Este estudo possibilitou perceber que essa recomendação poderia ser mais detalhada e que as organizações possuem diferentes performances em seus processos, devido ao modelo em que estes são formulados. / This dissertation is realized a case study in an organization and two of its suppliers with the objective to analyze the processes related to supply chain management and process improvements after the implementation of the recommendation MMOG/LE. Is analyzed the practical implementation and historical evolution in the processes of the supply chain, based on indicators since the beginning of the implementation of the recommendation MMOG/LE. This study enabled us to realize that this recommendation could be more detailed and organizations have different performances in their processes because of the model in which they are formulated.

Submitted by William Justo Figueiro (williamjf) on 2015-06-18T23:11:45Z No. of bitstreams: 1 33.pdf: 1765508 bytes, checksum: d921fbdef8015531446e414c52c66bf9 (MD5) / Made available in DSpace on 2015-06-18T23:11:45Z (GMT). No. of bitstreams: 1 33.pdf: 1765508 bytes, checksum: d921fbdef8015531446e414c52c66bf9 (MD5) Previous issue date: 2012 / Nenhuma / Este trabalho elabora de uma arquitetura de software que contempla dentro de dispositivos móveis na plataforma Android, a coleta de informações de contexto físico de localização (informações que são apenas coletadas em ambientes externos) e geração de contexto lógico de localização (informações que precisam de um processamento dos dados para ser encontradas em ambientes internos), estas informações são armazenadas em uma estrutura Web Semântica a qual sofrerá inferências para gerar mais um contexto lógico de recomendação de uso de recursos disponíveis no dispositivo móvel e anteriormente utilizados pelo usuário em um dado instante e local. A funcionalidade desta arquitetura será verificada com a construção de um protótipo na plataforma Android. Um dos desafios deste trabalho será coletar o contexto lógico de localização do dispositivo em locais internos, como prédios e casas, onde a intensidade do sinal do sistema de posicionamento global (GPS) é insuficiente para ser identificada, portanto neste trabalho será utilizado sensores acelerômetro e giroscópio presentes nos dispositivos móveis para calcular seu deslocamento. A localização interna será integrada a localização externa, formando um percurso contínuo. As informações coletadas no contexto físico são armazenadas em uma ontologia dentro do dispositivo móvel e sincronizadas com um servidor remoto. Outro desafio deste trabalho é o desenvolvimento de um agente de software que através dos dados armazenados na ontologia local, faz inferências nos dados armazenados na forma de Web Semântica e disponibiliza recomendações de uso de um determinado recurso, fundamentado apenas nos dados históricos de utilização destes recursos, relacionando a aproximação em determinado local com a frequência no tempo em relação ao mesmo horário do dia ou ao mesmo dia da semana e ao mesmo dia do mês. O armazenamento do contexto coletado, em uma estrutura Web Semântica, possibilita a união destas informações com demais informações coletadas de outros dispositivos contendo contextos que caracterizem um equipamento, um indivíduo ou uma sociedade. O resultado esperado da arquitetura apresentada neste trabalho, será o maior grau possível de precisão na posição geográfica identificada e a coerência das recomendações de uso de recursos disponíveis no dispositivo móvel em um dado instante e local. / This paper elaborates a software architecture that addresses within mobile devices on the Android platform, collecting information from the physical context of location (only information that is collected outdoors) and generation of logical context of location (information they need processing of the data to be found indoors) and stores this information in a Semantic Web structure which suffer inferences to generate a context logical of recommendation to use resources available on the mobile device and used previously by the user at a given time and local. The functionality of this architecture will be test by construction a prototype on the Android platform. One of the challenges of this work will be to collect the context of logical device location in indoor locations such as buildings and houses where the signal strength of the Global Positioning System (GPS) is insufficient to be identified, so this work will be used and accelerometer sensors gyroscope present in mobile devices to calculate your speed and direction. The location will be integrated inside the external location, forming a continuous path. The information collected in the physical context is stored in the ontology within the mobile device and synchronized with a remote server. Another challenge of this work is the development of a software agent that through data stored in the ontology on device, makes inferences on the data stored in the form of Web Semantic and provides recommendations for use of a given resource, based only on historical data of these resources by relating the approach in a certain place with the frequency in time over the same time of day or the same day of the week and the same day of the month. The architecture of this work is being called and Context Manager is integrated with the other two studies did not present this work: a Semantic Desktop with the task of identifying a resource that is being used to send and manager context; and Context's Federation, serving as a remote server, with the task of receiving context data collected by the context manager. The storage of context collected in a Web Semantic structure enables the union of this information with other context information that characterize a device, an individual or a society. The expected outcome of the architecture presented here will be the greatest possible degree of accuracy in the identified geographical position and consistency of recommendations for the use of resources available on the mobile device at a given time and place.

Submitted by William Justo Figueiro (williamjf) on 2015-07-02T23:41:55Z No. of bitstreams: 1 19.pdf: 3284339 bytes, checksum: 699295cfa668a175206d937e3cc57d7a (MD5) / Made available in DSpace on 2015-07-02T23:41:55Z (GMT). No. of bitstreams: 1 19.pdf: 3284339 bytes, checksum: 699295cfa668a175206d937e3cc57d7a (MD5) Previous issue date: 2014-03-31 / Nenhuma / A necessidade do professor buscar e selecionar materiais educacionais adequados para sua turma é um fato comum no meio educacional. Entretanto, a grande disponibilidade de materiais, a heterogeneidade dos perfis dos alunos e a diversidade de atividades pedagógicas que podem ser realizadas, tornam esta tarefa bastante trabalhosa. Neste cenário, este trabalho apresenta um modelo de recomendação ubíqua de conteúdo educacional para grupo de aprendizes, que visa auxiliar o professor no processo de busca e seleção de materiais educacionais levando em conta os perfis dos alunos e o contexto onde eles estão inseridos. A estratégia adotada neste trabalho se diferencia dos trabalhos relacionados por efetuar a recomendação de materiais educacionais considerando de forma conjunta os perfis de um grupo de aprendizes e o contexto no qual eles se encontram. Com base em uma validação por cenários foi possível verificar a viabilidade do modelo, além de propor uma solução para o problema de pesquisa / The necessity of teachers to search and to select appropriate educational materials for their classes is a common fact in the educational environment. However, the wide availability of materials, the heterogeneity of the students’ profiles and the diversity of pedagogical activities that can be conducted, make this task laborious. In this scenario, this work presents a model for ubiquitous recommendation of educational content for groups of learners dynamically created, which aims to help teachers to search and to select educational materials taking into consideration the profile of the group and the teaching context. The strategy adopted in this work differs from related work by making the recommendation of educational content considering jointly the profiles of a group of learners and context in which they find themselves. Based on validation scenarios, it was possible to verify the feasibility of the model, and it was proposed a solution to the research problem.

Submitted by Silvana Teresinha Dornelles Studzinski (sstudzinski) on 2015-10-21T12:12:38Z No. of bitstreams: 1 Marcos de Meira Góis_.pdf: 1916593 bytes, checksum: e5b2eae456a204d1173418cd2ed3480f (MD5) / Made available in DSpace on 2015-10-21T12:12:38Z (GMT). No. of bitstreams: 1 Marcos de Meira Góis_.pdf: 1916593 bytes, checksum: e5b2eae456a204d1173418cd2ed3480f (MD5) Previous issue date: 2015-08-04 / Nenhuma / Os Sistemas de Recomendação já estão consolidados como ferramentas que apoiam os usuários a superar as dificuldades geradas pelo volume excessivo de conteúdos disponíveis em formato digital, tendo sido projetados para realizar de forma automatizada as tarefas de classificação de conteúdos e de relacionamento deste com interesses e necessidades dos usuários. Um dos problemas ainda observados nestes sistemas está relacionado com a fragilidade de algumas abordagens de classificação e relacionamento de conteúdo que se baseiam principalmente em aspectos sintáticos dos conteúdos tratados. Os sistemas de recomendação baseados em conhecimento buscam mitigar este problema a partir da incorporação de elementos semânticos nos processos de indexação e relacionamento dos materiais. Apesar de bons resultados observados, ainda são identificadas necessidades de investigação, tanto nas atividades de classificação dos conteúdos, como na representação e tratamento dos relacionamentos entre conteúdos e possíveis interessados. Este trabalho busca colaborar com o desenvolvimento nesta área a partir da proposta de um sistema de recomendação baseado em conhecimento e voltado para a recomendação de materiais educacionais em um contexto de pequenos grupos de estudantes. O diferencial deste sistema se dá através de um processo de incorporação da semântica associada com os assuntos tratados e também com a utilização de aspectos semânticos para representar as necessidades e relacionamentos originados pelos usuários do sistema. O principal diferencial deste sistema está localizado na utilização de um algoritmo de recomendação híbrido, no qual tanto aspectos sintáticos como semânticos são empregados. Para avaliar o sistema de recomendação proposto, foi realizada a sua prototipação e teste em um ambiente controlado. / The Recommendation systems are already established as tools that support users to overcome the difficulties caused by the excessive volume of content available in digital format and was designed to conduct automated the content classification tasks and relationship of this with wins users. One of the problems observed in these systems is related to the weakness of some classification approaches and content relationship rely mainly on methodical aspects of the discussed subjects. Recommendation systems based on knowledge seek to mitigate this problem from the incorporation of semantic elements in the indexing processes and material relationship. Despite good results observed, research needs are also identified, both used to classify content activities, such as the representation and treatment of relationships between content and potential stakeholders. This paper seeks to contribute to the development in this area from the proposal for a recommendation system based on knowledge and facing the recommendation of educational materials in a context of small groups of students. The spread of this system is through a semantics of the merger process associated with these types of concerns and also with the use of semantic aspects to represent the needs and relationships originated by system users. The main distinguishing feature of this system is located in the use of a hybrid recommendation algorithm in which both syntactic and semantic aspects are employed. To evaluate the proposed recommendation system, it is due for prototyping and testing in a controlled environment.