Made available in DSpace on 2010-04-20T20:20:03Z (GMT). No. of bitstreams: 1 176705.pdf: 674143 bytes, checksum: 97e28fcdce89c8bbc375f5df6d162b66 (MD5) Previous issue date: 2007-11-29T00:00:00Z / O objetivo desse trabalho é descrever o que leva um vendedor do varejo a recomendar uma marca. Quando um consumidor entra numa loja e busca a orientação de um vendedor, este último tem em suas mãos uma oportunidade única para influenciar a escolha deste cliente. Entender que fatores levam o vendedor a recomendar uma marca poderá ajudar os fabricantes a melhor adequarem suas ações de marketing para tentar conquistar a lealdade do vendedor e indiretamente influenciar a escolha do cliente no ponto de venda. O estudo teve como foco o mercado de TVs LCD, por ser um bem durável, que possui uma tecnologia relativamente nova no mercado brasileiro e um alto valor agregado, o que faz com que a maioria dos consumidores primeiro avalie bem suas opções para depois decidir que marca comprar, muitas vezes contando com a ajuda de um vendedor. Através de entrevistas em profundidade, a pesquisa buscou compreender como os fabricantes vêem o papel do vendedor do varejo e o que fazem hoje para conquistá-lo. Em seguida, os vendedores foram entrevistados, com o objetivo de se identificar o que os fazem recomendar uma marca em prevalência a uma outra.

Made available in DSpace on 2016-06-02T19:03:59Z (GMT). No. of bitstreams: 1 6340.pdf: 3337556 bytes, checksum: 693a6a9cfb4dc2a26651724099fcf890 (MD5) Previous issue date: 2014-02-28 / Financiadora de Estudos e Projetos / Recommender Systems have a very well defined function: recommend something to someone. Through Artificial Intelligence techniques, more particularly from areas such as Data Mining and Machine Learning, it is possible to build recommendation systems. These systems will analyze large amounts of data and will inform users about some items that will probably interest them. However, some limitations of the recommender systems, which are sometimes, caused by the Mining or Learning models themselves or by the lack of available data make them computationally expensive or inaccurate. Besides, recommender systems in real environments are dynamic: data change over time or with new ratings, new users, new items or when user updates previous ratings. The Never Ending-Learning Approach (NEL) aims at a self-supervised and self-reflexive learning to mainly maximize learning of a system based on data from several sources, algorithms that can cooperate to make a better knowledge base considering the dynamic of real learning problems: learning improves along the time. As mentioned before, recommender systems are dynamic and depend on data between user and items. In order to minimize this dependency and to provide meaningful and useful results to users, this work presents a Recommender System approach guided by NEL Principles. Results show that it is possible to minimize or delay the data dependency through classifiers coupling techniques and concept deviation control. Due to that, it is possible to start with little data from a recommender system that will be dynamic and will receive new information. These new information will help even more in controlling the concept deviation and promoting the most useful recommendations. Then, this thesis presents how the Recommender System guided by NEL principles can contribute to the state of the art in recommender systems and implement a system with practical results through the Never-Ending Learning Approach. / Os Sistemas de Recomendação possuem uma função muito bem definida: recomendar algo a alguém. Através de técnicas de Inteligência Artificial, mais particularmente de áreas como a Mineração de Dados e o Aprendizado de Máquina é possível construir Sistemas de Recomendação que analisem grandes volumes de dados e consigam predizer aos usuários algo que provavelmente irá lhes interessar. No entanto, algumas limitações dos Sistemas de Recomendações, causadas as vezes pelos próprios modelos de Mineração ou Aprendizado utilizados ou pela escassez dos dados disponíveis, os tornam computacionalmente caros ou imprecisos. Além disto, Sistemas de Recomendação em ambientes reais são dinâmicos, ou seja, os dados mudam com o passar do tempo seja com novas avaliações, novos usuários, novos itens ou mesmo atualizações de avaliações anteriores. A abordagem de Aprendizado Sem-Fim (SASF) visa um aprendizado autossupervisionado e autorreflexivo para, sobretudo, maximizar o aprendizado de um sistema com base em dados de fontes diversas, algoritmos que cooperem entre si para melhor modelar uma base de conhecimento e considerar a dinamicidade de problemas reais de aprendizado: Aprender amadurece com o tempo. Como já dito, sistemas de recomendação são dinâmicos e dependem de dados entre usuários e itens. Para minimizar esta dependência e prover resultados significativos e úteis aos usuários é apresentada neste trabalho uma abordagem de Sistema de Recomendação orientada pelos Princípios do Aprendizado Sem-Fim. Os resultados obtidos sugerem que é possível minimizar ou retardar a dependência de dados através de técnicas de acoplamento de classificadores e do controle do desvio de conceito. Com isto, é possível atuar com poucos dados de um sistema de recomendação que será dinâmico e receberá novas informações. Estas novas informações auxiliarão ainda mais no controle do desvio de conceito e na promoção de recomendações mais úteis. Por tudo isto, este trabalho apresenta como proposta o desenvolvimento de uma Abordagem para Sistemas de Recomendação baseada no Aprendizado Sem Fim, como forma de contribuir para o estado da arte em sistemas de recomendação e de implementar um sistema com resultados práticos através do Aprendizado sem Fim.

Made available in DSpace on 2016-06-02T19:05:39Z (GMT). No. of bitstreams: 1 2678.pdf: 1011961 bytes, checksum: 56ce59626f47482db442d90928c6a0a4 (MD5) Previous issue date: 2009-09-10 / Web sites in different areas are accessed by users with the many purposes. Several strategies have been developed and employed to improve and facilitate website access and navigation. Among these strategies there are those used to grant competitive advantages over concurrent sites, based on services of content personalization. Today, with the growth of computer networks and the emergence of ubiquitous computing, this personalization must take into account that the content of the sites can also be accessed through mobile devices. Motivated by these ideas, in this project it was developed a process in which site architectures are driven by personalization and personalized content is delivered to site users. This process, called SADP (Site Personalization by Driven Architecture), is based not only on navigation history and preferences expressed or detected by the users, but also on context information, device and network types and the site content itself. The SADP uses profiles contain information about user preferences, networks and devices used to site access. The information used to build profiles are obtained through implicit metrics, and treated using a Fuzzy Ontology. A module of Fuzzy Inference over Ontology is used to extend the user preferences. A framework for content adaptation is used to generate a site architecture based on profiles. The differential of the SADP process is that it drives the architecture of site content pages aiming to provide personalized services to the users. / Sites na Web, de diferentes domínios, são acessados por usuários com as mais variadas finalidades. Diversas estratégias têm sido desenvolvidas e empregadas para melhorar e facilitar o acesso e a navegação de sites. Entre essas estratégias destacam-se as que visam obter vantagens competitivas em relação aos sites concorrentes, através de serviços de personalização de conteúdo. Hoje, com o avanço das redes de computadores e o surgimento da computação ubíqua, essa personalização deve considerar que os conteúdos dos sites podem ser acessados também através de dispositivos móveis. Motivados por essas idéias, foi desenvolvido um processo no qual a arquitetura do site é dirigida pela personalização, entregando conteúdo personalizado e adaptado aos usuários de sites. Esse processo, denominado SADP (Site Architecture Driven by Personalization), baseia-se não apenas no histórico de navegação e nas preferências detectadas ou manifestadas pelo usuário, mas também em informações de contexto, tipos dos dispositivos e de redes de acesso utilizado e no próprio conteúdo apresentado. O SADP utiliza perfis com informações das preferências dos seus usuários, redes e dispositivos de acessos ao site. Essas informações para construção dos perfis são obtidas através de métricas implícitas, e tratadas utilizando-se Ontologia Difusa. Um módulo de Inferência sobre Ontologia Difusa é utilizado para estender as preferências dos usuários. Um framework para adaptação de conteúdo é utilizado, para gerar a arquitetura do site com base nos perfis. O processo destaca-se por dirigir a arquitetura das páginas de conteúdos do site no sentido de proporcionar serviços personalizados para os seus usuários.

Made available in DSpace on 2016-06-02T19:05:49Z (GMT). No. of bitstreams: 1 3587.pdf: 2175854 bytes, checksum: fc0f86f0d9275b05bf85e6629788ee4e (MD5) Previous issue date: 2010-11-29 / Interactive Digital Television allows several services to be offered to users, in order to provide entertainment, e-learning and new mechanisms for social inclusion. Broadcasters and TV shoes may be created, which may gradually increase the amount of information to be displayed on the screen. As a result, users may experience discomfort and difficulties in finding information that really matters. In a portable environment, the user wants to make the most of his time when watching TV. Thus, investing too much time in searching for TV shows of interest is something undesirable. Recommender systems are used to minimize such shortcomings, help users with their searches for contents of interest and also to reduce the time spent on searches. This study focused on the development of a hybrid recommender system called BIPODiTVR, which is able to make recommendations from the observation of users behavior while watching television on the portable device. This system recommends TV shows through a collaborative and content-based filtering. The proposed system was evaluated by using metrics of acceptability of recommender systems applied to data provided by IBOPE, from six households for the period of fifteen days. / A Televisão Digital Interativa permite que diversos serviços sejam oferecidos aos usuários, possibilitando entretenimento, educação à distância e novos mecanismos para a inclusão social. Emissoras e programas de TV podem ser criados, o que pode aumentar gradativamente a quantidade de informação disponível a ser visualizada nas telas. Como consequência, os usuários podem ter dificuldades em encontrar as informações que realmente interessam. No ambiente portátil o usuário deseja aproveitar ao máximo o seu tempo de visualização de TV, ou seja, investir tempo demasiado para procurar programas de TV do seu interesse é algo indesejado. Os sistemas de recomendação permitem minimizar tais dificuldades, auxiliando os usuários na sua busca por conteúdos que sejam do seu interesse e também reduzindo o tempo gasto durante a busca. Este trabalho tem como foco o desenvolvimento de um sistema de recomendação híbrido, denominado BIPODiTVR, que é capaz de recomendar conteúdo adequado a partir da observação do comportamento do usuário durante o uso da televisão no seu dispositivo portátil. O sistema recomenda programas de TV aos usuários utilizando as técnicas de Filtragem Colaborativa e Filtragem Baseada em Conteúdo e foi avaliado a partir de métricas de aceitabilidade de sistemas de recomendação baseado em dados fornecidos pelo IBOPE de seis domicílios em um período de quinze dias.

Made available in DSpace on 2016-06-02T19:05:58Z (GMT). No. of bitstreams: 1 4477.pdf: 9424807 bytes, checksum: 7fc7288ca2c87d6b86aed1053e7d8903 (MD5) Previous issue date: 2012-07-30 / Financiadora de Estudos e Projetos / This paper presents an approach for developing content-based recommendation applications with focus on the use of a specific domain fuzzy ontology along with a user preference ontology. The approach falls into two stages: Ontology Engineering and Recommendation System Engineering. In the Ontology Engineering, a domain ontology with fuzzy relationships and a user ontology are built. The user ontology is set as an instance of the domain ontology, but it is modeled in a way that allows to store each user s preferences. The usage of the ontologies produced in Ontology Engineering provides a gain in precision for the results obtained by applications in the Recommendation System Engineering stage. For evaluation purposes, we instantiated the proposed approach in the development of a Recommender System for the field of electronic commerce, focusing on the mobile devices commerce domain. Following the experimental methodology, An evaluation was conducted in order to assess the approach s impact on the accuracy of results provided by the developed Recommender System. The results showed that the use of our approach contributed to increase the accuracy of the results, in terms of prediction, classification and ranking. The contributions of this work include: the approach for developing content-based recommendation applications by using a specific domain fuzzy ontology along with a user preference ontology; the definition of the UPFON methodology, which integrates the approach, to construct fuzzy ontologies; an instantiation of a fuzzy ontology for the mobile devices domain and a strategy to capture; and propagate the user preferences by means of ontologies. / Esta dissertação apresenta uma abordagem para o desenvolvimento de aplicações de recomendação baseadas em conteúdo utilizando ontologia específica de domínio e ontologia de preferência de usuário. Tal abordagem está dividida em duas etapas: a Engenharia de Ontologia e a Engenharia do Sistema de Recomendação. Na Engenharia de Ontologia são construídas: uma ontologia de domínio com relacionamentos difusos; e uma ontologia crisp de usuário definida como uma instância da ontologia de domínio, porém modelada de forma que permita refletir as preferências de cada usuário para o domínio instanciado. A utilização das ontologias produzidas na Engenharia de Ontologia proporciona um ganho de precisão nos resultados obtidos por aplicações desenvolvidas conforme a abordagem proposta. Para fins de avaliação, a abordagem proposta foi instanciada no domínio de comércio de dispositivos móveis. Seguindo a metodologia experimental, foi conduzida uma experimentação com o objetivo de avaliar o impacto da abordagem na precisão dos resultados fornecidos pelo Sistema de Recomendação. Os resultados evidenciaram que o uso da abordagem proposta colaborou para o incremento da precisão dos resultados. As contribuições deste trabalho incluem: a abordagem para o desenvolvimento de aplicações de recomendação baseadas em conteúdo utilizando ontologia fuzzy específica de domínio e ontologia de preferência de usuário; a definição da metodologia de construção de ontologias fuzzy chamada UPFON; a instanciação de uma ontologia fuzzy no domínio dos dispositivos móveis e a estratégia para capturar as preferências do usuário e propagá-las em uma ontologia crisp de usuário.

Submitted by Clebson Anjos (clebson.leandro54@gmail.com) on 2016-02-11T18:57:46Z No. of bitstreams: 1 arquivototal.pdf: 1637083 bytes, checksum: 23ef5059be1eb85b0ff5f8ccf73e60d0 (MD5) / Made available in DSpace on 2016-02-11T18:57:46Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 1637083 bytes, checksum: 23ef5059be1eb85b0ff5f8ccf73e60d0 (MD5) Previous issue date: 2013-03-18 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The emerging scenario of interactive Digital TV (iDTV) is promoting the increase of interactivity in the communication process and also in audiovisual production, thus rising the number of channels and resources available to the user. This reality makes the task of finding the desired content becoming a costly and possibly ineffective action. The incorporation of recommender systems in the iDTV environment is emerging as a possible solution to this problem. This work aims to propose a hybrid approach to content recommendation in iDTV, based on data mining techniques, integrated the concepts of the Semantic Web, allowing structuring and standardization of data and consequent possibility of sharing information, providing semantics and automated reasoning. For the proposed service is considered the Brazilian Digital TV System and the middleware Ginga. A prototype has been developed and carried out experiments with NetFlix database using the measuring accuracy for evaluation. There was obtained an average accuracy of 30% using only mining technique. Including semantic rules obtained average accuracy of 35%. / Com o advento da TV Digital interativa (TVDi), nota-se o aumento de interatividade no processo de comunicação além do incremento das produções audiovisuais, elevando o número de canais e recursos disponíveis para o usuário. Esta realidade faz da tarefa de encontrar o conteúdo desejado uma ação onerosa e possivelmente ineficaz. A incorporação de sistemas de recomendação no ambiente TVDi emerge como uma possível solução para este problema. Este trabalho tem como objetivo propor uma abordagem híbrida para recomendação de conteúdo em TVDi, baseada em técnicas de Mineração de Dados, integradas a conceitos da Web Semântica, permitindo a estruturação e padronização dos dados e consequente possibilidade do compartilhamento de informações, provendo semântica e raciocínio automático. Para o serviço proposto é considerado o Sistema Brasileiro de TV Digital e o middleware Ginga. Foi desenvolvido um protótipo e realizado experimentos com a base de dados do NetFlix, utilizando a métrica de precisão para avaliação. Obteve-se uma precisão média de 30%, utilizando apenas a técnica de mineração. Acoplando-se com as regras semânticas obteve-se precisão média de 35%.

Made available in DSpace on 2016-12-23T13:44:59Z (GMT). No. of bitstreams: 1 Nelson Siqueira Rangel Netto.pdf: 2472521 bytes, checksum: 7b00fc1faec7a6b2885bfe6defddb065 (MD5) Previous issue date: 2012-12-14 / The main goal of this study is to evaluate if online recommendations posted on the social network facebook has an effect on its members intention of consumption and the impact of a variety of mediators, noted reputation of information s source, recommended product s noted value, and noted risk of the recommended product. It s a quantitative research that aims to explore the model s structural relation through structural equation molding (SEM). In order to conduct the study, the author s facebook page contacts were asked to utilize a technique demonstration snow ball. A survey was made available to the contacted people, so they could answer the questionnaire and then post the survey link onto their facebook pages as well, amplifying the possible number of respondents. the data collection was made in between 09/27/2012 and 10/23/2012 gathering a total of 402 respondents. The research presented a significant impact between the variables online recommendation and intention of consumption, with partial mediation of the variable mediators. Among the mediators, noted risk of the recommended product was the one that presented the least total effect on the intention of consumption. The variable intention of consumption was explained by the tested model, presenting a R² of 47%. The variable intention consumption showed an R² of 47%, which indicates that the model significantly contributes to explain the influence of the factors tested in intent of consumption of users of facebook, thus enabling organizations to invest time in monitoring these behaviors and proactive actions to encourage consumption / O presente estudo teve como objetivo avaliar se recomendações online postadas na rede social Facebook afetam a intenção de consumo dos usuários desta rede e se nessa relação há mediação da reputação percebida da fonte de informação, do valor percebido e do risco percebido do produto recomendado. Trata-se de uma pesquisa quantitativa que busca explorar a relação estrutural entre as variáveis por meio de uma Modelagem de Equações Estruturais (SEM Structural Equation Modeling). Para realizar o estudo foram pesquisados os contatos do autor no site de rede social Facebook utilizando a técnica de amostragem Snow Ball. Foi disponibilizado um questionário tipo survey para que as pessoas contatadas pudessem responder e replicar em suas páginas pessoais o link da pesquisa, ampliando a possibilidade de respondentes. A coleta foi realizada no período de 27/09/2012 a 23/10/2012 obtendo um total de 402 respondentes. O estudo apresentou um impacto significativo entre as variáveis recomendação online e intenção de consumo, com mediação parcial das variáveis mediadoras. Entre as mediadoras, a que se apresentou com menos efeito total na relação foi a variável risco percebido do produto recomendado. A variável intenção de consumo apresentou um R² de 47%, o que indica que o modelo contribui significativamente para explicar a influência dos fatores testados na intenção de consumo dos usuários do facebook, possibilitando assim que, organizações invistam cada vez mais no monitoramento desses comportamentos e em ações proativas para fomentar o consumo

Estudar a diversidade genética, a adaptabilidade e estabilidade de genótipos de soja é de extrema importância para os programas de melhoramento genético, visto que a identificação de parentais é prejudicada pela estreita base genética da soja brasileira, além disso, a recomendação de cultivares para as diversas regiões brasileiras constituise em um dos principais desafios do melhoramento. Esta dissertação está subdividida em três capítulos, sendo que no primeiro realizou-se o referencial teórico da soja, importância econômica, melhoramento genético e ferrugem asiática. O segundo capítulo foi desenvolvido com o objetivo de avaliar a divergência genética de genótipos de soja sob infecção natural por ferrugem. O experimento foi realizado na Fazenda Capim Branco da UFU, na safra 2016/17. Utilizaram-se 14 genótipos, sendo 10 linhagens desenvolvidas pelo Programa de Melhoramento Genético de Soja da UFU e 4 cultivares (UFUS 7415, UFUS Riqueza, TMG 801 e BRSGO 7560), em delineamento de blocos casualizados com três repetições. Concluiu-se que existe variabilidade genética para todos os caracteres agronômicos avaliados, com exceção de altura de inserção da primeira vagem e altura de planta na floração. As linhagens UFUS 1117-01, UFUS 1117-07, UFUS 1117-08, UFUS 1117-09, UFUS 1117-10 apresentaram resistência a Phakopsora pachyrhizi e foi identificado que os caracteres de altura de planta na maturidade, número de vagens chochas, número de dias para a maturidade e área abaixo da curva de progresso da doença foram os que mais contribuíram para a divergência genética. Algumas hibridações foram sugeridas objetivando a resistência à ferrugem asiática, em todos os cruzamentos a linhagem UFUS 1117-06 esteve presente. O terceiro capítulo refere-se ao estudo da adaptabilidade e estabilidade produtiva dos 14 genótipos de soja cultivados nas safras 2013/14, 2014/15, 2015/16, 2016/17. Foi possível concluir que a interação genótipos por ambientes é do tipo complexa para a produtividade de grãos. A linhagem UFUS 1117-01 foi identificada como sendo de alta estabilidade produtiva pelos métodos de Eberhart e Russel (1966), Wricke (1965), Additive Main Effects and Multiplicative Interaction (AMMI 1 e AMMI 2), e Centroide. O genótipo UFUS 1117-07 apresentou alta estabilidade pelos métodos Eberhart e Russel (1966), Wricke (1965), Lin e Binns 1988 modificado por Carneiro 1999 e ampla adaptabilidade por Eberhart e Russel e Centroide, já UFUS 1117-09 foi identificado como sendo adaptável a ambientes desfavoráveis por Lin e Binns modificado por Carneiro, AMMI1 e Centroide, enquanto que UFUS 1117-10 apresentou adaptabilidade a ambientes favoráveis pelos métodos AMMI1 e Centroide e alta estabilidade por Eberhart e Russel. / Studying a genetic diversity, adaptability and stability of soybean genotypes are of extreme importance for breeding programs, since the identification of parents is impaired by the narrow genetic base of Brazilian soybean, and a recommendation of cultivars for the different regions is one of the main challenges for improvement. This dissertation is subdivided into three chapters, the first is the theoretical reference of soy, economic importance, genetic breeding and Asian rust. The second chapter was developed with the objective of evaluating the genetic divergence of soybean genotypes under natural rust infection. The experiment was carried out at Fazenda Capim Branco, UFU, in the 2016/17 harvest. A total of 14 genotypes were used, including 10 lines developed by the UFU Soybean Breeding Program and four cultivars (UFUS 7415, UFUS Riqueza, TMG 801 and BRSGO 7560) in a randomized complete block design with three replicates. It was concluded that there is genetic variability for all agronomic traits, except for the height of the first pod and plant height at flowering. The lineages UFUS 1117-01, UFUS 1117-07, UFUS 1117-08, UFUS 1117-09, UFUS 1117-10 presented resistance to Phakopsora pachyrhizi and were identified in components of plant height at maturity, number of pods, number of days to maturity and area under disease progress curve they were the ones that contributed most to a genetic divergence. Hybridizations were suggested aiming the resistance to Asian rust, the strain UFUS 1117-06 was present in all crosses. The third chapter refers to the study of the adaptability and productive stability of the 14 soybean genotypes grown in the 2013/14, 2014/15, 2015/16, 2016/17 seasons. It was possible to conclude that the genotypesenvironments interaction is of a complex type for grain yield. UFUS 1117-01 lineage was identified as being of high stability produced by the methods of Eberhart and Russel (1966), Wricke (1965), Principal additive effects and multiplicative interaction (AMMI 1 and AMMI 2), and Centroid. UFUS 1117-07 genotype showed high stability by the methods Eberhart and Russel (1966), Wricke (1965), Lin and Binns 1988 modified by Carneiro 1999 and wide adaptability by Eberhart and Russel and Centroid. UFUS 1117-09 was identified as being adaptive to unfavorable environments by Lin and Binns modified by Carneiro, AMMI1 and Centroid, while UFUS 1117-10 presented adaptability to environments favorable to AMMI1 and Centroid and high stability by Eberhart and Russel. / Dissertação (Mestrado)

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-05-01T13:20:15Z No. of bitstreams: 1 JANDERSON JASON BARBOSA AGUIAR - DISSERTAÇÃO PPGCC 2015..pdf: 4415910 bytes, checksum: f0d6a47b1a591745921f0dde35a45bb1 (MD5) / Made available in DSpace on 2018-05-01T13:20:15Z (GMT). No. of bitstreams: 1 JANDERSON JASON BARBOSA AGUIAR - DISSERTAÇÃO PPGCC 2015..pdf: 4415910 bytes, checksum: f0d6a47b1a591745921f0dde35a45bb1 (MD5) Previous issue date: 2015-08-25 / Capes / Os Objetos de Aprendizagem (OA) utilizados em cursos presenciais ou à distância são armazenados em ambientes computacionais usados no processo de ensino-aprendizagem com tendência de crescimento da sua quantidade com o passar do tempo. Apesar dos Sistemas de Recomendação (SR) serem atualmente utilizados com sucesso para recomendar itens em vários domínios, o contexto educacional possui particularidades (por exemplo, questões pedagógicas) que tornam ainda mais desafiadora a criação desses sistemas. A Personalidade — que pode ser definida como um padrão de comportamento consistente originado internamente no indivíduo — influencia o processo de tomada de decisão. Além disso, há a preocupação com os Estilos de Aprendizagem (EA), a partir dos quais os aprendizes percebem, processam e retêm as informações. Diante do exposto, a pesquisa ora descrita visa a propor um modelo de Sistema de Recomendação Educacional (SRE) utilizando os conceitos de EA e Personalidade na construção do perfil dos discentes, para realizar uma seleção personalizada de OA a serem recomendados. Embora ainda seja desafiador criar SRE envolvendo a extração e inserção dos conceitos psicológicos comentados, nesta dissertação é apresentado e avaliado um modelo que recomenda OA, seguindo o padrão IEEE LOM, a partir da extração dos EA via inventário ILS (Index of Learning Styles) e da extração dos Traços de Personalidade (TP) via Five Labs, ferramenta online de análise semântica de postagens do Facebook. Considerando métricas utilizadas em SR, um experimento realizado com alunos de Ciência da Computação indicou que o modelo proposto proporcionou resultados melhores ou similares, em comparação a outras abordagens de recomendação pesquisadas. Portanto, a abordagem proposta se mostra promissora para a recomendação personalizada de conteúdo no âmbito educacional. / Learning Objects (LO) used in on-site courses or distance learning are stored in computing environments used in the teaching-learning process, and tend to grow their numbers over time. Although Recommendation Systems (RS) are currently being used successfully to recommend items in various fields, the educational context has special features (for example, pedagogical issues) which make the creation of such systems even more challenging. The Personality — which can be defined as a consistent pattern of behavior originated internally in an individual — influences the decision-making process. In addition, there is concern with the Learning Styles (LS), through which learners perceive, process, and retain information. Based on the above considerations, this research aims to propose a model of RS for Learning (RSL) using the concepts of LS and Personality in building the profile of students, in order to make a custom selection of LO to be recommended. Although it is still challenging to create RSL involving the extraction and insertion of psychological concepts as previously mentioned, in this dissertation a model that recommends LO is presented and evaluated, following the IEEE LOM standard, based on the extraction of LS via Index of Learning Styles and of Personality Traits (PT) via Five Labs, an online tool for semantic analysis of Facebook posts. Considering metrics known in RS, an experiment with computer science students indicated that the proposed model provided similar or better results when compared to other recommendation approaches. Therefore, the proposed approach seems promising for personalized content recommendation in the education field.

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.