Made available in DSpace on 2016-12-23T14:07:26Z (GMT). No. of bitstreams: 1 Pedro Paulo Favato Barcelos Cap 1 a 5.pdf: 1996678 bytes, checksum: 06570d7feadc8f768039f34ccc71400a (MD5) Previous issue date: 2011-04-07 / A recomendação ITU-T G.805 (ITU-T, 2000) é uma importante recomendação para redes de transporte, pois descreve uma arquitetura funcional genérica independente de tecnologias para este domínio e é usada como base para outras recomendações que descrevem a arquitetura funcional de redes, a gerência, a avaliação de desempenho e a especificação funcional de equipamentos. Apesar de fornecer uma ferramenta ágil para a descrição da arquitetura, a apresentação dos conceitos é feita de forma textual, gerando confusão por conta de definições recursivas e exemplos não claros, que muitas vezes até mesmo se contradizem. Esses aspectos da recomendação a torna de difícil entendimento, podendo confundir o leitor. É importante que, devido sua fundamental relevância, essa recomendação seja livre desses problemas. Para tal, é proposta nesta dissertação a utilização de técnicas de modelagem conceitual baseadas em ontologias para a geração de um modelo de referência para a área de redes de transporte, a partir da Recomendação ITU-T G.805. Além dos principais conceitos da recomendação são também apresentadas as vantagens da criação de um modelo de referência em ontologias e as principais tecnologias utilizadas para este objetivo. São realizadas uma análise arquitetural e uma reestruturação dos componentes definidos pela recomendação e uma avaliação ontológica da mesma, verificando casos de incompletudes, ambiguidades e outras deficiências ontológicas e apontando soluções. Por fim, é apresentado o modelo de referência em ontologia desenvolvido para a Recomendação ITU-T G.805, incluindo o modelo conceitual e suas regras de derivação e de restrição / The ITU-T Recommendation G.805 (ITU-T, 2000) is an important recommendation for transport networks. It describes a generic functional architecture that is independent of technology for this domain and it is used as the basis for recommendations that describe the functional architecture of networks, management, performance analysis and functional specification of equipment. Despite providing a flexible tool for the architecture description, the recommendation presents its concepts textually, leading to confusion because of recursive definitions and unclear examples that are often contradictory. These aspects of the recommendation make it difficult to understand and may confuse the reader. It is important that, due to its fundamental importance, this recommendation is free from these problems. For this purpose, this work proposes the use of ontology-based conceptual modeling techniques for the generation of a reference model for the transport network domain, based on the ITU-T Recommendation G.805. In addition to the recommendation main concepts, the advantages of creating an ontology-based reference model and the main technologies used for this purpose are also presented. An architectural analysis and a restructuring of the components defined by the recommendation are performed together with an ontological evaluation of it. Cases of incompleteness, ambiguities and other deficiencies are checked and solutions are pointed. Finally, the ontology-based reference model developed for the ITU-T Recommendation G.805 is presented, including the conceptual model and its derivation and restrictions rules

Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-08-29T14:58:03Z No. of bitstreams: 1 Eduardo Vieira.pdf: 6054087 bytes, checksum: 24f8532bfdfaeef177aa46b9f5974869 (MD5) / Made available in DSpace on 2017-08-29T14:58:03Z (GMT). No. of bitstreams: 1 Eduardo Vieira.pdf: 6054087 bytes, checksum: 24f8532bfdfaeef177aa46b9f5974869 (MD5) Previous issue date: 2007-02-12 / This work introduces PROPOST (Project Portfolio Support Tool), a knowledgebased software tool for supporting Project Portfolio Management – an increasing management model nowadays. This tool focuses on a project definition process, and was modeled using the MAAEM methodology and the ONTORMAS ontology-driven tool, as well as by reusing the ONTOINFO and ONTOWUM ontologies, which describe software product families for the development of Information Retrieval and Filtering applications, respectively. PROPOST looks for providing resource optimization by supporting reuse of existing information systems as well as avoiding duplicity on project definition for the composition on the organization’s software portfolio. The tool was created not only as a contribution for solving a current problem related to redundancy on portfolio definition, as well as support for several activities related to portfolio management (select, prioritization and evaluation). The development of PROPOST provides references on how ontology-based development can help in the software development process. It also contributes as a case study for evaluating the MAAEM methodology and the ONTORMAS ontology used in modeling process, having provided several hints for their improvement. / Este trabalho apresenta a PROPOST (Project Portfolio Support Tool), uma ferramenta baseada em conhecimento, para suporte à Gestão de Portifólio de Projetos – um modelo de gestão em ascensão na atualidade. Esta ferramenta possui seu foco no processo de definição de projetos, e foi modelada usando a metodologia MAAEM e a ferramenta dirigida por ontologias ONTORMAS, bem como pelo reuso das ontologias ONTOINFO e ONWOWUM, as quais descrevem famílias de produtos de software para o desenvolvimento de aplicações nas áreas de Recuperação e Filtragem de Informação, respectivamente. A PROPOST objetiva promover a otimização de recursos através da reutilização de sistemas de informação existentes, bem como evitar duplicidade na definição de projetos para a composição do portifólio de software das empresas. Sendo assim, a concepção desta ferramenta objetivou contribuir para a solução de um problema da atualidade, relacionado à redundância na composição do portifólio de projetos, bem como suporte a outras atividades relacionadas à gestão do portifólio (seleção, priorização e avaliação). O desenvolvimento da PROPOST também serve de referência sobre as contribuições das ontologias no processo de desenvolvimento de software. Adicionalmente, esse trabalho também constituiu um estudo de caso para avaliação da metodologia MAAEM e da ontologia ONTORMAS usadas no processo de modelagem, tendo proporcionado várias contribuições para a melhoria das mesmas.

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 Silvana Teresinha Dornelles Studzinski (sstudzinski) on 2016-12-21T15:44:57Z No. of bitstreams: 1 Rodrigo Silva Pereira_.pdf: 951778 bytes, checksum: 90c6af826318df7c8204565678dff935 (MD5) / Made available in DSpace on 2016-12-21T15:44:57Z (GMT). No. of bitstreams: 1 Rodrigo Silva Pereira_.pdf: 951778 bytes, checksum: 90c6af826318df7c8204565678dff935 (MD5) Previous issue date: 2016-08-28 / Nenhuma / Com a emergência do crowdsourcing junto a difusão mundial de smartphones esforços recentes e pesquisas importantes sobre o uso de crowdsourcing na área da saúde ou ainda smarthealth visam auxiliar na melhoria hábitos de saúde, construção de históricos médicos pessoais de longo prazo, análise e revisão de dados médica, controle de dietas alimentares, gerenciamento do estresse, analise e comparação de informações e assistência em tempo real para catástrofes. Porém, nenhum deles usou de crowdsourcing para recomendação de centros clínicos de saúde. Segundo Chatzimilioudis crowdsourcing refere-se "a um modelo distribuído de solução de problemas em que uma multidão de tamanho indefinido é contratada para resolver um problema complexo através de um convite aberto". Neste âmbito, este trabalho apresenta um modelo de sistema de recomendação de centros clínicos de saúde, chamado CrowdHealth. A principal contribuição do modelo de sistema de recomendação de centros clínicos é possibilitar a criação de uma relação ganha-ganha entre seus usuários que podem ser cidadãos, médicos ou ainda entidades ligadas ao governo. Na literatura encontramos alguns trabalhos que carecem a abordagem do uso de crowdsourcing como fonte de dados para recomendação de centros clínicos de saúde. Nós desenvolvemos um protótipo de aplicação baseada no modelo de sistema de recomendação de centros clínicos de saúde para proporcionar uma visão do que seria uma aplicação baseada no modelo de sistema de recomendação de centros clínicos de saúde. Para avaliar o nosso modelo, apresentamos um cenário hipotético baseado numa possível aplicação para mensurar a percepção dos usuários quanto a utilidade dos centros clínicos de saúde. Os cenários descritos levavam em consideração os seguintes critérios: (1) a distância entre do usuário ao centro clinico, (2) a avaliação dos usuários em relação ao atendimento recebido nos centros clínicos e (3) o tempo de atendimento informado pelos usuários. Desta forma realizamos uma simulação de requisições de recomendações de usuários usando um dataset real contendo informações do Foursquare. O arquivo do dataset possuia 227428 check-in’s na cidade de Nova Iorque, EUA. O arquivo, foi dividido em duas partes, onde a primeira representava os check-in’s realizados pelos usuários nos centros clínicos, e a segunda representava usuários requisitando por recomendações de centros clínicos em outros locais. Assim, foram criadas funções para simular os processos de cálculo do tempo de atendimento e avaliação dos centros clínicos por parte dos usuários. Também simulou-se usuários requisitando por recomendações de centros clínicos em outros locais. Então, medimos precisão e recuperação dos centros clínicos de saúde sugeridos para cada usuário. Obtivemos valores médios de 57,5% e 61,33% para precisão e recuperação, respectivamente. Com isso, nossa avaliação retrata que centros clínicos de saúde recomendados por uma aplicação baseada no CrowdHealth poderiam aumentar beneficamente a utilidade de centros clínicos de saúde recomendados para os usuários. / With the emergence of crowdsourcing with the worldwide spread of smartphones recent efforts and important research on the use of crowdsourcing in health or smart-health are intended to assist in improving health habits, construction of historical long-term medical personnel, medical analysis and data review, control diets, stress management, analysis and comparison of information and real-time assistance for disasters. However, none of them used the crowdsourcing for recommendation clinical health centers. In this context, this paper presents a model of clinical health centers recommendation system called CrowdHealth. The main contribution of clinical health centers recommendation system model is possible to create a win-win relationship between its users that can be citizens, doctors or entities linked to the government. In the literature we find some papers that require the use of crowdsourcing as a data source for recommendation clinical health centers approach. We have developed a prototype application based on clinical health centers recommendation system model to provide a vision of what would be an application based on the clinical health centers recommendation system model. To evaluate our model, we present a hypothetical scenario based on a possible application to measure the perception of users and the utility of clinical health centers. The scenarios described took into consideration the following criteria: (1) the distance from the user to the clinical center, (2) the evaluation of other users on the service received in the clinical centers and (3) the time of service reported by users. Thus we performed a simulation of user requests recommendations using a real dataset containing information of Foursquare. The file dataset haved 227428 check in’s in New York City, USA. The file was divided into two parts, where the first represented the textit check in ’s performed by users in clinical centers, and the second represented by requesting users polyclinics recommendations elsewhere. Thus, functions were created to simulate service time calculation and evaluation processes of polyclinics by users. Also users was simulated by ordering polyclinics recommendations elsewhere. So we measure precision and recall of health clinical centers suggested for each user. Average values obtained from 57.5 % and 61.33 % for precision and recall, respectively. Thus, our assessment that portrays clinical health centers recommended by an application based on CrowdHealth could increase beneficially the usefulness of clinical health centers recommended for users.

As pessoas têm acesso a uma vasta gama de informações devido a grande oferta e aos recursos da Internet, porém despendem muito tempo na busca do que realmente é interessante ou útil para elas. A dificuldade de encontrar a informação correta é aumentada quando a informação disputa a atenção de uma pessoa com uma série de outras informações não tão relevantes. Procurando minimizar esta dificuldade e auxiliar no acesso a informação interessante, são aplicados desde sistemas de recuperação de informação até sistemas de filtragem de informação. Os sistemas de recuperação são amplamente difundidos na Internet através dos motores de busca (por exemplo, google.com, av.com, citeseer.ist.psu.edu), porém um problema neste tipo de aplicação constitui-se na necessidade do usuário apresentar os termos (palavras-chave) que são relevantes para a consulta. filtragem de informação, tendo como representante os Sistemas de Recomendação, surge como uma nova abordagem que procura liberar o usuário da exigência de criar consultas com palavras-chave, ou seja, a filtragem baseada em conteúdo procura casar o perfil do usuário e o conteúdo dos itens a serem recomendados, e então, oferecer alguns destes itens aos usuários. Por fim, surgiram sistemas que não se baseavam na análise do conteúdo dos itens, mas sim na reputação de um item junto aos outros usuários, ou seja, o usuário recebe a recomendação de um item que pode ser do seu interesse frente à colaboração de outros usuários que avaliaram o item. A questão maior nesta abordagem está no quanto a opinião de um usuário que avaliou um item é relevante para servir como colaboração na elaboração da recomendação para outro usuário. Esta tese constitui-se em uma proposta para modelar e incluir a relevância da opinião do usuário no processo de recomendação colaborativa, ou seja, apresenta uma abordagem de Sistemas de Recomendação para recomendar itens baseando-se em informação adicional − definida como relevância da opinião do usuário − além das típicas informações utilizadas na grande maioria dos Sistemas de Recomendação. Esta inclusão da relevância da opinião constitui-se em uma alternativa para que o usuário alvo da recomendação consiga identificar qual a importância de um determinado item recomendado frente à relevância de opinião dos recomendadores. A idéia apresentada é a de que pessoas com maior relevância de opinião poderiam melhor avaliar e recomendar itens. / Nowadays, people have access to a huge amount of information due to the Internet's resources. However they spend too much time searching for interesting, adequate or useful information. The difficulty to find worthwhile information increases when interesting things dispute the user's attention. Information retrieval and information filtering systems are applicable in order to minimize search difficulties, aiming to aid the user in the search for worthwhile information. Information retrieval systems are widely spread in the Internet through search engines (e.g., google.com, av.com, citeseer.ist.psu.edu). However there is a problem in this kind of application, which consists in compelling the user to know the terms (keywords) that are relevant for the search. Recommender Systems are an information filtering solution. They present a different approach that frees the user from creating queries with keywords. It means that the system tries to match the user's profile (historical interests) with the content of items to be recommended, and then offers these items to the user (recommendee). In parallel, an alternative approach to item recommendation was proposed, this one based on the offering of items based on other users’ opinion, i.e. the user receives an item recommendation based on the evaluation of other users (collaborative filtering or social filtering). However, a different question is raised here − how much the opinion of a user who evaluated an item is relevant to be employed in the recommendation process applying a collaborative method? This thesis presents a new approach to model and include in the collaborative recommendation process additional information named Recommender's Rank, which represents the relevance of the user's opinion and complements the typical information used in the large majority of Recommender Systems. This approach is an alternative to aid the user to identify the importance of a recommended item based on other users' opinions, as people with higher relevance of opinion are more likely to better evaluate and recommend items.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-09-02T13:47:24Z No. of bitstreams: 1 LEONARDO SOARES E SILVA - DISSERTAÇÃO PPGCC 2012..pdf: 18507669 bytes, checksum: bf0fea9d5676260e8d9ac8cb53c6b9c6 (MD5) / Made available in DSpace on 2018-09-02T13:47:24Z (GMT). No. of bitstreams: 1 LEONARDO SOARES E SILVA - DISSERTAÇÃO PPGCC 2012..pdf: 18507669 bytes, checksum: bf0fea9d5676260e8d9ac8cb53c6b9c6 (MD5) Previous issue date: 2012-02-05 / Em uma sociedade cada vez mais individualista e exigente, o aumento na demanda por produtos personalizados e adaptados às necessidades individuais se reflete diretamente na publicidade. Consumidores estão expostos diariamente a inúmeros meios de comunicação e requerem anúncios de produtos de seu interesse para que a mensagem seja lembrada. ma alternativa para tornar o anúncio relevante é adequá-lo às expectativas do consumidor. A publicidade pervasiva se mostra viável à realização desse processo, por possibilitar a veiculação de anúncios adaptados ao contexto do consumidor. sinalização digital é um exemplo de publicidade pervasiva e vem ganhando destaque pelo seu crescimento, oportunidades apresentadas e pelo barateamento das tecnologias que tornam viável a sua utilização. A sinalização digital possibilita a entrega de anúncios adaptados às necessidades dos consumidores, utilizando elementos gráficos com maior potencial para atrair sua atenção, além de possibilitar a exibição dos anúncios em momentos oportunos. Com o objetivo de tornai- a sinalização digital mais adaptada aos consumidores, diversas abordagens foram propostas. No entanto, a maioria dessas abordagens depende de interações explícitas com o consumidor, o que pode não ocorrer devido à casualidade desse meio de comunicação. trabalho propõe-se um método para tornar mais efetiva a seleção de anúncios sem a necessidade de interação e retorno do consumidor. O método proposto baseia-se no uso da informação sobre o público alvo e interesses relacionados aos produtos. O método foi testado e validado com a comparação a outras abordagens identificadas na literatura e de propósitos similares. Os testes foram realizados em um experimento com a participação de 112 entrevistados, obtendo-se resultados satisfatórios e compatíveis com abordagens que exigem a interação e o retorno explícito do consumidor. / world where the consumer's individual demand is ever growing, the increase in the desire for custom products causes a direct impact in publicity. Consumers are daily exposed to a myriad of communication media and require advertisements for products of interest. An alternative to make advertisement relevant to the interests of the consumers is making it customizable. Pervasive advertising makes feasible that process, because it allows advertisements to be adapted to the consumer's context. Digiital Signage is an example of pervasive advertising and has received increasing attention for its growth in adoption. Price drop on related technologies makes its adoption viable. Digital signage allows adapting and presenting advertisements to the consumers, using graphical elements which can be used to get further attention from the consumers. Also, this media can make the advertisements situational. Several approaches were proposed in order to adapt Digital Signage for the consumers. Most of these, however, depend on the explicit interaction with the consumer which may not take place due to the casualness of the communication media. In this work, we propose a method for making the advertisements selection more effective without the need for interaction with the customers. This method is based on information about the target audience and products of interest. The method was validated, tested and compared with other methods with similar purposes. The tests were performed in an experiment involving 112 interviewed. The results were satisfactory and compatible with approaches that require explicit interaction.

As pessoas têm acesso a uma vasta gama de informações devido a grande oferta e aos recursos da Internet, porém despendem muito tempo na busca do que realmente é interessante ou útil para elas. A dificuldade de encontrar a informação correta é aumentada quando a informação disputa a atenção de uma pessoa com uma série de outras informações não tão relevantes. Procurando minimizar esta dificuldade e auxiliar no acesso a informação interessante, são aplicados desde sistemas de recuperação de informação até sistemas de filtragem de informação. Os sistemas de recuperação são amplamente difundidos na Internet através dos motores de busca (por exemplo, google.com, av.com, citeseer.ist.psu.edu), porém um problema neste tipo de aplicação constitui-se na necessidade do usuário apresentar os termos (palavras-chave) que são relevantes para a consulta. filtragem de informação, tendo como representante os Sistemas de Recomendação, surge como uma nova abordagem que procura liberar o usuário da exigência de criar consultas com palavras-chave, ou seja, a filtragem baseada em conteúdo procura casar o perfil do usuário e o conteúdo dos itens a serem recomendados, e então, oferecer alguns destes itens aos usuários. Por fim, surgiram sistemas que não se baseavam na análise do conteúdo dos itens, mas sim na reputação de um item junto aos outros usuários, ou seja, o usuário recebe a recomendação de um item que pode ser do seu interesse frente à colaboração de outros usuários que avaliaram o item. A questão maior nesta abordagem está no quanto a opinião de um usuário que avaliou um item é relevante para servir como colaboração na elaboração da recomendação para outro usuário. Esta tese constitui-se em uma proposta para modelar e incluir a relevância da opinião do usuário no processo de recomendação colaborativa, ou seja, apresenta uma abordagem de Sistemas de Recomendação para recomendar itens baseando-se em informação adicional − definida como relevância da opinião do usuário − além das típicas informações utilizadas na grande maioria dos Sistemas de Recomendação. Esta inclusão da relevância da opinião constitui-se em uma alternativa para que o usuário alvo da recomendação consiga identificar qual a importância de um determinado item recomendado frente à relevância de opinião dos recomendadores. A idéia apresentada é a de que pessoas com maior relevância de opinião poderiam melhor avaliar e recomendar itens. / Nowadays, people have access to a huge amount of information due to the Internet's resources. However they spend too much time searching for interesting, adequate or useful information. The difficulty to find worthwhile information increases when interesting things dispute the user's attention. Information retrieval and information filtering systems are applicable in order to minimize search difficulties, aiming to aid the user in the search for worthwhile information. Information retrieval systems are widely spread in the Internet through search engines (e.g., google.com, av.com, citeseer.ist.psu.edu). However there is a problem in this kind of application, which consists in compelling the user to know the terms (keywords) that are relevant for the search. Recommender Systems are an information filtering solution. They present a different approach that frees the user from creating queries with keywords. It means that the system tries to match the user's profile (historical interests) with the content of items to be recommended, and then offers these items to the user (recommendee). In parallel, an alternative approach to item recommendation was proposed, this one based on the offering of items based on other users’ opinion, i.e. the user receives an item recommendation based on the evaluation of other users (collaborative filtering or social filtering). However, a different question is raised here − how much the opinion of a user who evaluated an item is relevant to be employed in the recommendation process applying a collaborative method? This thesis presents a new approach to model and include in the collaborative recommendation process additional information named Recommender's Rank, which represents the relevance of the user's opinion and complements the typical information used in the large majority of Recommender Systems. This approach is an alternative to aid the user to identify the importance of a recommended item based on other users' opinions, as people with higher relevance of opinion are more likely to better evaluate and recommend items.

The growth of Web technologies has benefited researchers and the academic community by supporting the access of electronic publications as soon as they have been finished and published. In this context, Digital Libraries emerges as complex information systems which are essential for disseminating and preserving data, information and knowledge. However, due to the high amount of content available on the Web, specially in Digital Libraries, users face many correlated options, what result in the phenomenon known as information overload. Aiming to decrease or even eliminate these diffculties, recommender systems for Digital Libraries have been proposed and developed. This work presents a personalized recommender system which presents alternative ways to achieve better query results. For this, the main existing approaches of automatic recommendation have been studied in order to identify extension points and points to be improved. The proposed recommender system follows a hybrid approach which combines filtering techniques, content-based recommendation and collaborative recommendation. A hybrid recommendation engine has been proposed, which uses standard technologies for content description (Dublin Core), for communication with Digital Libraries (OAI-PMH Protocol ), as well as the user profile extracted from the curriculum vitae Lattes. The proposed solution has been evaluated in the context of the CiteSeer database, which contains papers and articles in the Dublin Core format. The preliminary results has showed an improvement in the quality of recommendation, thus presenting a better precision and coverage, when compared with existing approaches based either on content-based recommendation or on collaborative recommendation / O crescimento acelerado das tecnologias Web tem beneficiado pesquisadores e acadêmicos, pois as publicações de pesquisa podem ser acessadas eletronicamente tão logo elas tenham sido finalizadas e publicadas. Nesse contexto, surgem as Bibliotecas Digitais como um sistema de informação complexo que possui uma série de atividades que integram coleções, serviços e pessoas em suporte ao completo ciclo de criação, disseminação, acesso e preservação de dados, informação e conhecimento. No entanto, devido a enorme quantidade de conteúdo presente na Web, em particular nas Bibliotecas Digitais, usuários acabam se deparando com uma diversidade muito grande de opções, o que leva ao fenômeno conhecido como sobrecarga de informação. Com o objetivo de contribuir para amenizar ou até mesmo eliminar essas dificuldades, sistemas de recomendação para Bibliotecas Digitais têm sido propostos e desenvolvidos. Este trabalho segue essa direção, investigando soluções alternativas para alcançar mais qualidade nas indicações geradas por um sistema de recomendação na sua tarefa de ajudar os seus usuários. Para isso estudou-se as abordagens tratadas na literatura especializada sobre tais sistemas, propondo-se em seguida, um sistema de recomendação personalizada de artigos científicos para Bibliotecas Digitais. Tal sistema seguiu uma abordagem híbrida, procurando tirar proveito das características interessantes identificadas nas técnicas de filtragem e recomendação baseadas em conteúdo e colaborativa. Nesse sentido desenvolveu-se um engenho de recomendação híbrido que se utiliza de tecnologias padrão para a descrição de conteúdo (Padrão Dublin Core), comunicação com Bibliotecas Digitais (Protocolo OAI-PMH) e perfil do pesquisador (Currículo Lattes). Finalmente, avaliou-se o sistema proposto sobre uma base de dados do CiteSeer contendo artigos no formato Dublin Core, tendo os resultados preliminares mostrado-se satisfatórios melhorando a precisão na recomendação e a cobertura quando comparado com sistemas que implementam abordagens baseada em conteúdo e colaborativa isoladamente

Recommender Systems are used by many companies that operate e-commerce to suggest items to its customers in a customized way. To achieve this end, these systems analyze the profile of the users through their personal data or by its interaction with the computing environment. Virtual Learning Environments, in turn, are computational environments used in teaching and learning in distance education, and aims to mediate the interactions among their users, such as teachers and students. In these environments are usually stored teaching materials used in courses such as word processing documents, brochures, and even audio and video. Over time, the number of textbooks tends to grow, making it important to have a tool that makes customized recommendations for users of the environment. Given these concepts, this work addresses the creation of a recommender system model of instructional materials to be used in Virtual Learning Environments, in order to suggest to users, instructional materials consistent with their profile. The creation of a recommendation system architecture, used in implementing a computer system model, to test and verify its operation, as the algorithm for generating recommendations, will also be addressed. Finally, the paper addresses the experimental work with students in an extension course, where the results regarding the recommendations generated have been identified / Sistemas de Recomendação são utilizados por várias empresas que atuam em comércio eletrônico para sugerir itens aos seus clientes, de forma personalizada. Para alcançar essa finalidade, esses sistemas analisam o perfil dos usuários, por meio dos seus dados pessoais ou pelas suas interações com o ambiente computacional. Ambientes Virtuais de Aprendizagem, por sua vez, são ambientes computacionais, usados no processo de ensino-aprendizagem na educação a distância, e tem como objetivo intermediar as interações entre seus usuários, tais como professores e alunos. Nesses ambientes geralmente são armazenados materiais didáticos utilizados nos cursos, tais como documentos de texto, apostilas, e até mesmo arquivos de áudio e vídeo. Com o passar do tempo, o número de materiais didáticos tende a crescer, tornando-se importante a existência de uma ferramenta que faça recomendações personalizadas aos usuários do ambiente. Diante desses conceitos, este trabalho aborda a criação de um modelo de sistema de recomendação de materiais didáticos, a ser utilizado em Ambientes Virtuais de Aprendizagem, de forma a sugerir, aos usuários, materiais didáticos compatíveis com o seu perfil. Será abordada também a criação de uma arquitetura de sistema de recomendação, utilizada na implementação de um módulo de sistema computacional, para testar e verificar o funcionamento do modelo, assim como do algoritmo gerador de recomendações. Por fim, o trabalho aborda a realização do experimento com alunos de um curso de extensão, onde foram identificados os resultados referentes às recomendações geradas

This work is about the creation of a tool for pedagogical recommendation which objective is to provide teachers, from web-based courses, personalized pedagogical recommendations generated based on the mining results of their students’ educational data. In order to guide this creation, we propose the Pedagogical Recommendation Process that counts on the coordinated work and cooperation of the Human Intelligence (domain specialists) and the Artificial Intelligence (computational tools). The process is constituted of four steps that occur in a sequential and cyclic way, starting with “Detect Practices”, where we detect if there are actions affecting the teaching and learning process. Is the next step, “Discover Patterns”, we use educational data mining techniques, based on predefined mining scenarios, to find patterns with pedagogical significance for the practices detected. In the following step, “Recommend”, it is where appropriate recommendations are offered, given the students’ current pedagogical situation. Finally, the “Monitor and Evaluate” step, where it is analyzed whether the students were positively affected by the recommendations and if they were relevant. The proposed tool was used in a case study with real data provided by a Spanish language course with 200 students enrolled, who produced more than 700 megabytes of information contained in, approximately, 1220000 triples. As results we were able to detected practices and the patterns associated to them, which were used to create recommendations, evaluated (relevance) by specialists in the educational/pedagogical domain and made available for the final users (teachers) to suggest them to their students. / A presente dissertação trata da criação de uma ferramenta para a recomendação pedagógica cujo objetivo é prover aos professores de cursos baseados na web, recomendações pedagógicas personalizadas geradas com base nos resultados da Mineração dos Dados Educacionais de seus alunos. Para orientar essa criação propomos o Processo de Recomendação Pedagógica, o qual conta com o trabalho conjunto e coordenado da Inteligência Humana (especialistas nos domínios envolvidos) e da Inteligência Artificial (ferramentas computacionais). O processo é constituído de quatro etapas que ocorrem de forma cíclica e sequencial, iniciando com “Detectar Práticas”, onde detectamos se existem ações afetando o processo de ensino e aprendizagem. Na etapa seguinte, “Descobrir Padrões”, utilizamos as técnicas de Mineração de Dados Educacionais, por meio de Cenários de Mineração predefinidos, para encontrar padrões de interesse pedagógico acerca das práticas detectadas. Na próxima etapa, “Recomendar”, são oferecidas recomendações apropriadas a atual situação pedagógica do aluno. Finalmente a etapa “Monitorar e Avaliar”, onde acompanhamos e analisamos se os alunos foram afetados positivamente pelas recomendações e se estas foram relevantes. A ferramenta de recomendação proposta foi utilizada em um estudo de caso, com dados reais provenientes de um curso de língua Espanhola com 200 alunos que produziram mais de 700 megabytes de informações dispostas em, aproximadamente, 1220000 triplas. Como resultados, fomos capazes de detectar práticas e os padrões associados a elas, que foram utilizados na criação de recomendações, avaliadas (relevância) por especialistas no domínio educacional/pedagógico, e disponibilizadas para que os usuários finais (professores) as ofereçam a seus alunos.