Submitted by Priscilla Araujo (priscilla@ibict.br) on 2015-11-26T18:54:17Z No. of bitstreams: 2 license_rdf: 21267 bytes, checksum: 73e23c2acaaf13389e092bd813e3223d (MD5) TESE MARCELO DE OLIVEIRA ALBUQUERQUE.pdf: 6309483 bytes, checksum: d5d7312c6511bf96dd5837a4961950ed (MD5) / Made available in DSpace on 2015-11-26T18:54:17Z (GMT). No. of bitstreams: 2 license_rdf: 21267 bytes, checksum: 73e23c2acaaf13389e092bd813e3223d (MD5) TESE MARCELO DE OLIVEIRA ALBUQUERQUE.pdf: 6309483 bytes, checksum: d5d7312c6511bf96dd5837a4961950ed (MD5) Previous issue date: 2015-06-03 / O Brasil possui várias instituições que financiam pesquisas científicas. Para a realização desta atividade são publicados editais de fomento. Os pesquisadores para o desenvolvimento de suas pesquisas necessitam do auxílio financeiro oriundos de tais editais. Porém, o volume crescente de editais disponíveis pela Internet aumentou a complexidade no processo de divulgação, acesso e recuperação do conteúdo. Tal situação evidenciou o problema de distanciamento entre as instituições de fomento representadas pelos editais e os pesquisadores, ocasionando a existência de pesquisas sem o financiamento adequado e editais que não são executados de forma plena, em relação a valores disponíveis não utilizados. Desta forma, esta tese aborda a representação ontológica para propor uma correspondência semântica entre editais de fomento e a demanda dos pesquisadores. Assim, são identificadas as estruturas da informação contidas nos editais de fomento e no Currículo Lattes para selecionar os conceitos necessários para uma modelagem conceitual. Então, são construídas duas ontologias, definidas através das estruturas de informação identificadas. Posteriormente são correspondidas as ontologias para identificar elos semânticos entre as estruturas capazes de identificar recomendações para pesquisadores e instituições de fomento a partir da aplicação de regras de inferência. Os testes realizados mostraram que é viável tanto a correspondência de estruturas complementares, definidas em ontologias para que os computadores possam percorrer estes relacionamentos e simular inferências, quanto o uso de regras lógicas para recomendar informação. / Brazil has several institutions that finance scientific research. For this activity are published foment publishing. Researchers to develop their research need of financial support coming from such notices. However, the growing volume of notices available on the Internet has increased the complexity in the disclosure process, access and retrieval of content. This situation highlighted the problem of gap between development institutions represented by notices and researchers, leading to the existence of research without adequate funding and notices that do not run fully, in relation to available unused values. Thus, this thesis addresses the ontological semantic representation for matching funding notices and demand of researchers. So are identified information infrastructures of funding announcements and Lattes to select the concepts necessary for conceptual modeling. So are constructed two ontologies defined through of identified information structures. Subsequently are matched ontologies to identify links between the structures able to identify recommendations for researchers and funding agencies from the application of inference rules. The tests showed that it is feasible both matching complementary structures defined in ontologies so that computers can go these relationships and simulate inferences, as the use of logical rules to recommend information.

Submitted by Juliana Tregnago (julianatregnago@gmail.com) on 2018-06-18T14:56:36Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação_ilmara_Versão Final 2018 - Final.pdf: 3009131 bytes, checksum: 754000508a433f0c384e6fdbc99f7888 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2018-06-19T13:28:31Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação_ilmara_Versão Final 2018 - Final.pdf: 3009131 bytes, checksum: 754000508a433f0c384e6fdbc99f7888 (MD5) / Made available in DSpace on 2018-06-19T13:28:32Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação_ilmara_Versão Final 2018 - Final.pdf: 3009131 bytes, checksum: 754000508a433f0c384e6fdbc99f7888 (MD5) Previous issue date: 2017-10-20 / FAPEAM - Fundação de Amparo à Pesquisa do Estado do Amazonas / Groups are a basic social structure, and as inside as outside of the academic world they form and change themselves in various ways for multiple purposes. While students form groups easily out of class, forming groups on a course can be an unnatural process. However, for collaborative learning to succeed, it is important to form groups that can be effective and efficient in accomplishing the objectives of the task. In this sense, it is sought to improve the interactions of students mainly in group activities. The group work is a resource widely used by the teacher, with the intention of encouraging students' interaction in collaborative activities. There is a lack of support for group creation in Virtual Learning Environments (VLEs). In this sense, Learning Path (LPs) can be resources to suggest groups of learners. The use of LPs is promising because it shows the paths taken by students in VLEs, which makes it possible to suggest groups based on these interactions, since to perform groups in the EAD modality is really a challenging task for the teacher. In general, in this modality, students only have 20% of face-to-face contact with each other and with the teacher, making it difficult to establish criteria for grouping. In this context, this research proposes a conceptual framework for the formation of groups in collaborative activities, through data extracted from the LPs graphs, to assist the teacher in the teaching-learning process. To verify the feasibility of the proposed conceptual framework, the M-CLUSTER tool was developed that analyzes the attributes described below and suggests the formation of groups. The mechanism emphasizes the formation of groups by applying the K-Means algorithm, which is used with three similarity metrics, which are the distances: Euclidean, Manhattan and Cosine, using attributes (vertex access, quantity, dispersion and variances of the standard edges, forward and return, and student id) obtained through the data extracted from the LPs. Meetings were held with the teachers (specialists) to validate the results. In the case study, M-CLUSTER used the attributes and classified them with K-Means, obtaining three clustering results, one for each metric. The teacher chooses among the suggestions generated and makes one available to the students so they can choose their partners within the cluster, thus forming the groups. These groups suggested by the tool were validated and visualized by the teacher, from two representations, one descriptive and one visual through bubble charts. To validate the suggested groups, two activities were carried out in the discipline, in the first activity, the students chose their group partners and in the second, the groups were formed according to the suggestions of the tool. According to the results obtained from the case study shows that the tool obtained satisfactory results where 75% of students matched or improved their individual scores in relation to those achieved in the first activity. / Grupos são estruturas sociais básicas, tanto dentro quanto fora do mundo acadêmico, eles se formam e se modificam em vários modos para múltiplos propósitos. Enquanto alunos, formar grupos fora de sala de aula aparenta ser mais fácil, por sua vez, em ambiente educativo formar grupos pode ser um processo complexo. Contudo, para que a aprendizagem colaborativa seja bem-sucedida, é importante formar grupos que possam ser efetivos e eficientes em realizar os objetivos da tarefa. Nesse sentido, busca-se melhorar as interações dos discentes principalmente em atividades em grupo. O trabalho em grupo é um recurso bastante usado pelo docente, com o intuito de incentivar a interação dos alunos nas atividades colaborativas. Há nos AVAs uma deficiência em dar suporte à criação de grupos. As Trilhas de Aprendizagem (TAs) podem ser recursos para sugerir grupos de aprendizes. O uso de TAs é promissora porque mostra os caminhos percorridos pelos alunos nos AVAs, o que possibilita sugerir grupos baseados nessas interações, pois realizar grupos na modalidade EAD é realmente uma tarefa desafiadora para o docente. No geral, nessa modalidade, os alunos só possuem 20% do contato presencial entre si e com o docente, dificultando estabelecer critérios para realizar os agrupamentos. Diante deste contexto, nesta pesquisa é proposta um framework conceitual para formação de grupos em atividades colaborativas, por meio dos dados extraídos dos grafos das TAs, para auxiliar o docente no processo de ensinoaprendizagem. Para verificar a exequibilidade do framework conceitual proposto foi desenvolvida a ferramenta M-CLUSTER que analisa os atributos descritos as seguir e sugere a formação de grupos. O mecanismo dá ênfase à formação dos grupos aplicando o algoritmo K-Means, que é utilizado com três métricas de similaridade, que são as distâncias: Euclidiana, Manhattan e Cosseno, usando os atributos (média de acesso de vértices, quantidade, dispersão e variâncias das arestas padrão, avanço e retorno e id do aluno) obtidos por meio dos dados extraídos das TAs. Foram realizadas reuniões com os docentes (especialistas) para validar os resultados. No estudo de caso, o M-CLUSTER usou os atributos e os classificou com o KMeans, obtendo três resultados de agrupamentos, um para cada métrica. O docente escolhe dentre as sugestões geradas e disponibiliza uma delas aos estudantes para eles escolherem seus parceiros dentro do cluster, assim formando os grupos. Esses grupos sugeridos pela ferramenta foram validados e visualizados pelo docente, a partir de duas representações, uma descritiva e outra visual por meio de gráficos de bolhas. Para validar os grupos sugeridos, foram realizadas duas atividades na disciplina, na primeira atividade, os estudantes escolheram seus parceiros de grupo e na segunda, os grupos foram formados de acordo com as sugestões da ferramenta. De acordo com os resultados obtidos do estudo de caso mostra que, a ferramenta obteve resultados satisfatórios onde 75% dos alunos igualaram ou melhoraram suas notas individuais em relação às alcançadas na primeira atividade.

Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2015-03-24T14:51:12Z No. of bitstreams: 2 Dissertação - Vinícius Rafael Lobo de Mendonça - 2014.pdf: 4110263 bytes, checksum: 2e2be342a6c3301f64fa41a675b85ba9 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2015-03-24T14:55:54Z (GMT) No. of bitstreams: 2 Dissertação - Vinícius Rafael Lobo de Mendonça - 2014.pdf: 4110263 bytes, checksum: 2e2be342a6c3301f64fa41a675b85ba9 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Made available in DSpace on 2015-03-24T14:55:54Z (GMT). No. of bitstreams: 2 Dissertação - Vinícius Rafael Lobo de Mendonça - 2014.pdf: 4110263 bytes, checksum: 2e2be342a6c3301f64fa41a675b85ba9 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Previous issue date: 2014-11-19 / Recommendation systems try to guide the user carrying out a task providing him with useful information about it. Considering the context of software development, programs are ever increasing, making it difficult to carry out a detailed verification of warnings generated by automatic static analyzers. In this work, we propose a recommendation system, called WarningsFIX, which aims at helping developers on handling the high number of warnings reported by automatic static analyzers. The back end of this system is composed of seven open-source static analysis tools collecting data, which subsequently are used for visualizing information through TreeMaps. The intention is to combine the outcomes of different static analyzers such that WarningsFIX recommends the analysis of warnings with highest chance to be a true positive. Therefore, the information related to warnings are displayed in four levels of detail: program, package, class, and line. The nodes may be classified in the first three levels: amount of warnings, number of tools and suspicions rate. An exploratory study was carried out and the limitations, advantages and disadvantages of the proposed approach were discussed. / O Sistema de Recomendação apoia um usuário na realização de uma tarefa. Considerando o atual contexto do desenvolvimento de software, programas estão cada vez maiores, tornando difícil a realização de uma avaliação detalhada dos avisos gerados pelos analisadores estáticos. Nesse trabalho, propõe-se um sistema de recomendação, chamado WarningsFIX, que tem objetivo de ajudar os desenvolvedores manipular o alto nível dos avisos emitidos pelos analisadores estáticos. O back end desse sistema é composto de sete ferramentas de análise estática de código aberto para coleta de dados, que são visualizados por meio de TreeMap. O objetivo é combinar os resultados de diferentes analisadores estáticos, assim recomendar a análise de avisos com alta chance de ser verdadeiro positivo. Portanto, a informações relacionadas ao nó são visualizadas em quatro níveis de visualização: programa, pacote, classe e linha. Além disso, os nós podem ser classificados em três tipos: quantidade de avisos, quantidade de ferramentas e taxa de suspeição. Um estudo exploratório foi realizado e as limitações, vantagens e desvantagens da abordagem proposta foram discutidas.

Submitted by Erika Demachki (erikademachki@gmail.com) on 2015-03-24T21:17:09Z No. of bitstreams: 3 Dissertação - Luiz Mario Lustosa Pascoal - 2014.pdf: 7280181 bytes, checksum: 68a6ac0602e3e51f6e6952bbd6916150 (MD5) FunctionApproximator.zip: 2288624 bytes, checksum: 178c2e6a0b080b3d0548836974016236 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Approved for entry into archive by Erika Demachki (erikademachki@gmail.com) on 2015-03-24T21:19:16Z (GMT) No. of bitstreams: 3 Dissertação - Luiz Mario Lustosa Pascoal - 2014.pdf: 7280181 bytes, checksum: 68a6ac0602e3e51f6e6952bbd6916150 (MD5) FunctionApproximator.zip: 2288624 bytes, checksum: 178c2e6a0b080b3d0548836974016236 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Made available in DSpace on 2015-03-24T21:19:16Z (GMT). No. of bitstreams: 3 Dissertação - Luiz Mario Lustosa Pascoal - 2014.pdf: 7280181 bytes, checksum: 68a6ac0602e3e51f6e6952bbd6916150 (MD5) FunctionApproximator.zip: 2288624 bytes, checksum: 178c2e6a0b080b3d0548836974016236 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Previous issue date: 2014-08-22 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / With the development of web 2.0, social networks have achieved great space on the internet, with that many users provide information and interests about themselves. There are expert systems that make use of the user’s interests to recommend different products, these systems are known as Recommender Systems. One of the main techniques of a Recommender Systems is the Collaborative Filtering (User-based) which recommends products to users based on what other similar people liked in the past. Therefore, this work presents model approximation of functions that generates rankings, that through a Genetic Algorithm, is able to learn an approximation function composed by different social variables, customized for each Facebook user. The learned function must be able to reproduce a ranking of people (friends) originally created with user’s information, that apply some influence in the user’s decision. As a case study, this work discusses the context of events through information regarding the frequency of participation of some users at several distinct events. Two different approaches on learning and applying the approximation function have been developed. The first approach provides a general model that learns a function in advance and then applies it in a set of test data and the second approach presents an specialist model that learns a specific function for each test scenario. Two proposals for evaluating the ordering created by the learned function, called objective functions A and B, where the results for both objective functions show that it is possible to obtain good solutions with the generalist and the specialist approaches of the proposed method. / Com o desenvolvimento da Web 2.0, as redes sociais têm conquistado grande espaço na internet, com isso muitos usuários acabam fornecendo diversas informações e interesses sobre si mesmos. Existem sistemas especialistas que fazem uso dos interesses do usuário para recomendar diferentes produtos, esses sistemas são conhecidos como Sistemas de Recomendação. Uma das principais técnicas de um Sistema de Recomendação é a Filtragem Colaborativa (User-based) que recomenda produtos para seus usuários baseados no que outras pessoas similares à ele tenham gostado no passado. Portanto, este trabalho apresenta um modelo de aproximação de funções geradora de rankings que, através de um Algoritmo Genético, é capaz de aprender uma função de aproximação composta por diferentes atributos sociais, personalizada para cada usuário do Facebook. A função aprendida deve ser capaz de reproduzir um ranking de pessoas (amigos) criado originalmente com informações do usuário, que exercem certa influência na decisão do usuário. Como estudo de caso, esse trabalho aborda o contexto de eventos através de informações com relação a frequência de participação de alguns usuários em vários eventos distintos. Foram desenvolvidas duas abordagens distintas para aprendizagem e aplicação da função de aproximação. A primeira abordagem apresenta um modelo generalista, que previamente aprende uma função e em seguida a aplica em um conjunto de dados de testes e a segunda abordagem apresenta um modelo especialista, que aprende uma função específica para cada cenário de teste. Também foram apresentadas duas propostas para avaliação da ordenação criada pela função aprendida, denominadas funções objetivo A e B, onde os resultados para ambas as funções objetivo A e B mostram que é possível obter boas soluções com as abordagens generalista e especialista do método proposto.

Made available in DSpace on 2016-03-15T19:37:46Z (GMT). No. of bitstreams: 1 Antonio Eduardo Rodrigues de Souza.pdf: 1430416 bytes, checksum: 7625e34085fd9ad09014886b876642c3 (MD5) Previous issue date: 2013-08-27 / Economic globalization has made products and services markets more competitive, demanding a better qualification of manpower. Consequently, companies are in need of best qualified professionals to meet specific demands. In this context, specialization courses options have been sought by professionals to acquire and update knowledge. However, diversification of courses offered by various institutions in various areas, targeted to specific audiences or general, or the lack of objective information, hinder the understanding of the important factors in the decision to be taken by a candidate. A poorly chosen option may incur factors that can trigger the change or even dropping out of the course. The topic is current and relevant to Higher Education Institutions (HEIs), showing the importance of offering specialized courses that are aligned to the skills of educational institutions and the interests of the professional training and retraining. Therefore, this paper proposes to study professional factors that influence candidates in choosing a course, and develop a recommendation model, using artificial intelligence techniques to practical use in HEIs, which assists applicants in the choice of courses, as well as serve as support and guidance to staff in the selection of candidates. It was applied a methodology based on processes Knowledge Discovery in Databases (KDD) and Cross-Industry Standard Process for Data Mining (CRISP-DM) in the evaluation of the historical data of candidates freshmen at a private university in the city of São Paulo, and proposed a recommendation model, which will identify the most suitable course of a candidate's profile, using a technique of data mining based on decision trees for the discovery of relevant knowledge from database. The completion of this project has allowed to propose courses that would be more suitable to professional profiles of the candidates, based on the professional and educational historical information which were considered more important for the candidate selection. It is expected, therefore, that the counseling service will become more accurate and more responsive to the selection of candidates, assisting to reduce the number of abandonments, dropouts or changes in specialization courses offered by the studied university. / A globalização da economia tornou os mercados de produtos e serviços mais competitivos, demandando uma melhor qualificação da mão-de-obra. Consequentemente, as empresas têm necessitado de profissionais mais bem qualificados para atender a demandas específicas. Neste contexto, os cursos de especialização têm sido opções procuradas por profissionais para adquirir e atualizar o conhecimento. Contudo, a diversificação de cursos, oferecidos por diversas instituições de ensino, nas mais variadas áreas, direcionados a públicos específicos ou gerais, ou a falta de informações objetivas, dificultam a compreensão de fatores importantes na decisão a ser tomada por um candidato. Uma opção mal escolhida pode incorrer em fatores que podem desencadear a mudança ou até mesmo a desistência do curso. O tema é atual e relevante para as Instituições de Ensino Superior (IES), mostrando a importância de se ofertar cursos de especialização que estejam alinhados às competências das instituições de ensino e aos interesses de capacitação e requalificação do profissional. Portanto, o presente trabalho propõe estudar as características profissionais que influenciam os candidatos na escolha de um curso, e desenvolver um modelo de recomendação, utilizando-se técnicas de inteligência artificial, para uso prático nas IES, que auxilie os candidatos na escolha dos cursos, assim como sirva de apoio aos coordenadores na orientação e seleção dos candidatos. Será aplicada uma metodologia baseada nos processos Knowledge Discovery in Databases (KDD) e CRoss-Industry Standard Process for Data Mining (CRISPDM) para análise e avaliação dos dados históricos de candidatos ingressantes em uma universidade particular, na cidade de São Paulo, e proposto um modelo de recomendação, que identificará o curso mais adequado ao perfil de um candidato, utilizando-se uma técnica de mineração de dados baseada em árvores de decisão para a descoberta de conhecimento relevante do banco de dados. A conclusão do projeto permitiu propor cursos que seriam mais adequados aos perfis profissionais dos candidatos, tomando-se como base as informações do histórico profissional e educacional que foram consideradas mais importantes para a seleção dos candidatos. Espera-se, com isso, tornar mais preciso o serviço de aconselhamento de cursos, e mais ágil a seleção de candidatos, contribuindo para a redução do número de abandonos, desistências ou mudanças nos cursos de especialização oferecidos pela universidade estudada.

Made available in DSpace on 2016-03-15T19:37:52Z (GMT). No. of bitstreams: 1 Danilo Souza da Cunha.pdf: 1082171 bytes, checksum: 4d2c64017c5641baf212b0fe377da373 (MD5) Previous issue date: 2013-10-23 / Fundo Mackenzie de Pesquisa / E-commerce has been growing rapidly over the past years. Various products, services, and information are constantly offered to millions of internet users. Defining an adequate strategy to offer a product to a customer is the main goal of a recommender system. To do so, the items to be offered have to take into account the interests of each customer. This association of items is a data mining task, more specifically a task called association rule mining. This dissertation investigated the use of bioinspired algorithms, particularly evolutionary and im-mune algorithms, to build associations among items of a database. Three sets of experiments were performed: an investigation into the influence of different selection and crossover mech-anisms in an evolutionary algorithm for association rule mining; the use of a probabilistic selection in the immune algorithm; and a comparison of the bioinspired algorithms with the standard deterministic algorithm called Apriori. The data bases for comparison were taken from real e-commerce applications. The results allowed the identification of a suitable combi-nation of the selection and crossover mechanisms for the evolutionary algorithm, and to iden-tify the strengths and weaknesses of all approaches when applied to real-world recommender systems. / O comércio eletrônico vem crescendo rapidamente ao longo dos últimos anos. Produtos, serviços e informações dos mais variados tipos são oferecidos todos os dias para milhares de usuários na Internet. Definir uma estratégia adequada para oferecer um produto a clientes é o objetivo dos sistemas de recomendação. Para isso leva em conta itens que podem ser ofertados considerando o interesse de cada cliente. Essa associação entre itens é uma tarefa que recai sobre a competência da mineração de dados, mais especificamente a área chamada de mineração de regras de associação. Esta dissertação investigou o uso de algoritmos bioinspirados, mais especificamente algoritmos evolutivos e imunológicos, a fim de construir associações entre os itens de uma base de dados. Foram feitos três estudos: a influência de diferentes mecanismos de seleseleção e cruzamento no algoritmo evolutivo; o uso de seleção probabilística no algoritmo imunológico; e a comparação dos algoritmos bioinspirados com o algoritmo determinístico clássico aplicado a essa tarefa, chamado de Apriori. As bases de dados para efeitos comparativos foram coletadas em lojas nacionais de comércio eletrônico. Os resulta-dos apresentados permitiram identificar uma combinação adequada dos mecanismos de sele-ção e cruzamento do algoritmo evolutivo, assim como identificar os pontos fortes e fracos dos algoritmos bioinspirados quando comparados ao algoritmo tradicional.

Made available in DSpace on 2016-08-17T14:53:28Z (GMT). No. of bitstreams: 1 Dissertacao HAROLDO GOMES BARROSO FILHO.pdf: 1902866 bytes, checksum: 0e8e7d6f4ea0fdfa1df7a548b9ad0c21 (MD5) Previous issue date: 2014-02-07 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The information retrieval have been shown to be a technique or great efficiency in decision making process and is used from beginning to end of a process of software development, directly impacting their usability and optimization. There is what one might consider paradigms in a information retrieval, the Classical Model and Retrieval by similarity. The Classical Model makes use of features of logical databases and their query languages, matched against the Information Retrieval by similarity, is based on cases where there are similar attributes for a decision, in this paper we used if this paradigm to analyze and evaluate which method of similarity has a better performance in a nutritional recommendation through a Adaptive Decisio / A Recuperação de informação têm se mostrado uma técnica ou processo de grande eficiência em tomadas de decisão, sendo utilizada do início ao fim de um processo de desenvolvimento de software, impactando diretamente em sua usabilidade e otimização. Existe o que se pode considerar paradigmas em uma Recuperação de informação, o Modelo Clássico e a Recuperação por similaridade. O Modelo Clássico utiliza-se de recursos de bancos de dados lógicos e suas respectivas linguagens de consulta, em contra partida a Recuperação de Informação por similaridade, baseia-se em casos em que haja atributos semelhantes para uma tomada de decisão, nesta dissertação utilizou-se deste paradigma para Analisar e Avaliar qual método de similaridade possui um melhor desempenho em um recomendação nutricional através de uma Tabela de Decisão Adaptativa.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The management of problems occurred in environments that make use of Information Technology (IT), coupled with the need for a rapid response support teams, makes organizations require systems to manage these incidents. The Service Desk presents itself as a good solution to centralize these records. Concepts based computing context, recommender systems, mobile computing can enhance these applications. Therefore, the aim of this work is to design and implement a system of Service Desk Mobile, called Mobile Service Desk (MSD), which adds context awareness features such as user location, technical experience and temporal context. Moreover, the tool is integrated into a recommendation system, which stores past interactions and suggests as a possible solution for new similar incidents occurring in the managed environment. As contributions of this work, in addition to system design that aims to reduce unnecessary time-shift and optimize the allocation of technical, algorithms were compared for similarity analysis and applied to NBR 9241-11 for usability evaluation of some products Service Desk. / A gerência dos problemas ocorridos em ambientes que fazem uso da Tecnologia da Informação (TI), aliada a necessidade de uma resposta rápida das equipes de suporte, faz com que organizações necessitem de sistemas para gerenciamento desses incidentes. O Service Desk apresenta-se como uma boa solução para centralizar estes registros. Conceitos de computação baseada em contexto, sistemas de recomendação, computação móvel podem incrementar estes aplicativos. Portanto, o objetivo deste trabalho é projetar e implementar um sistema de Service Desk móvel, denominado Mobile Service Desk (MSD), que agrega funcionalidades de sensibilidade ao contexto, tais como localização do usuário, experiência do técnico e contexto temporal. Além disso, está integrado à ferramenta um sistema de recomendação, que armazena interações passadas e as sugere como possível solução para novos incidentes similares ocorridos no ambiente gerenciado. Como contribuições deste trabalho, além do projeto do sistema que visa redução de tempo com deslocamentos desnecessários e otimização do alocamento de técnicos, foram comparados algoritmos para análise de similaridade e aplicado a norma NBR 9241-11 para avaliação de usabilidade de alguns produtos de Service Desk.

Orientadores: Fernando José Von Zuben, Fabrício Olivetti de França. / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-18T15:42:38Z (GMT). No. of bitstreams: 1 Veroneze_Rosana_M.pdf: 1996086 bytes, checksum: d4be557c3ffb4512e37232c537c78721 (MD5) Previous issue date: 2011 / Resumo: As respostas fornecidas por sistemas de recomendação podem ser interpretadas como dados faltantes a serem imputados a partir do conhecimento dos dados presentes e de sua relação com os dados faltantes. Existem variadas técnicas de imputação de dados faltantes, sendo que o emprego de imputação múltipla será considerado neste trabalho. Também existem propostas alternativas para se chegar à imputação múltipla, sendo que se propõe aqui a biclusterização como uma estratégia eficaz, flexível e com desempenho promissor. Para tanto, primeiramente é realizada a análise de sensibilidade paramétrica do algoritmo SwarmBcluster, recentemente proposto para a tarefa de biclusterização e já adaptado, na literatura, para a realização de imputação única. Essa análise mostrou que a escolha correta dos parâmetros pode melhorar o desempenho do algoritmo. Em seguida, o SwarmBcluster é estendido para a implementação de imputação múltipla, sendo comparado com o bem-conhecido algoritmo NORM. A qualidade dos resultados obtidos é mensurada através de métricas diversas, as quais mostram que a biclusterização conduz a imputações múltiplas de melhor qualidade na maioria dos experimentos / Abstract: The answers provided by recommender systems can be interpreted as missing data to be imputed considering the knowledge associated with the available data and the relation between the available and the missing data. There is a wide range of techniques for data imputation, and this work is concerned with multiple imputation. Alternative approaches for multiple imputation have already been proposed, and this work takes biclustering as an effective, flexible and promising strategy. To this end, firstly it is performed a parameter sensitivity analysis of the SwarmBcluster algorithm, recently proposed to implement biclustering and already adapted, in the literature, to accomplish single imputation of missing data. This analysis has indicated that a proper choice of parameters may significantly improve the performance of the algorithm. Secondly, SwarmBcluster was extended to implement multiple imputation, being compared with the well-known NORM algorithm. The quality of the obtained results is computed considering diverse metrics, which reveal that biclustering guides to imputations of better quality in the majority of the experiments / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica

Recommendation systems have traditionally recommended items to individual users. In some scenarios, however, a recommendation for a group of individuals is necessary. The difficulty in performing recommendation for a group is how to properly deal with the preferences of its members to generate the recommendation. Different methods of aggregating these preferences have been proposed in the scientific literature, where the main goals are to maximize the average satisfaction of the group and ensure justice in the group recommendation. However, characteristics of the group greatly influence the results obtained by various aggregation methods. This paper defends the hypothesis that the Recommendation for Group of users can be modeled as a problem of finding the items in Nash Equilibrium. The items available for potential recommendation are modeled as actions of a Non-Cooperative Game. This approach selects items in a rational manner and treats members of the group as self-interested players. This ensures the existence of at least one Nash equilibrium as a solution to the group recommendation. The experiment compares the group average satisfaction between the proposed approach and some State of the Art aggregations strategies among them one known as Average. For groups of different levels of homogeneity, the results are very promising. Another hypothesis defended in this dissertation is that the formation of a group of users within a given context should be based on Alliance Structures with the goal of maximizing total Social Welfare of the group. While most recommender systems for groups recommend to a fixed group and predetermined user, groups organization can be performed according to a goal, for example, the suggestion of more homogeneous subgroups for better items recommendation for each of these subgroups. An experiment compared the outcome of the groups formation approach based on Alliance Structures with an approach based on a clustering method using K-Means algorithm. The results showed that the groups formed according to this new approach have an internal similarity index greater. / Sistemas de Recomendação tradicionalmente recomendam itens para usuários individuais. Em alguns cenários, entretanto, a recomendação para um grupo de indivíduos faz-se necessária, onde a grande dificuldade é como lidar adequadamente com as preferências de seus integrantes para geração da recomendação. Diferentes métodos de agregação dessas preferências têm sido propostos na literatura científica relacionada, onde o objetivo principal é a maximização da satisfação média do grupo e assegurar justiça na recomendação. Porém, características do grupo influenciam sobremaneira os resultados obtidos pelos diferentes métodos de agregação. Esta dissertação defende a hipótese de que a Recomendação para Grupo de usuários pode ser modelada como um problema de encontrar os itens em Equilíbrio de Nash. Os itens disponíveis para potencial recomendação são modelados como ações de um Jogo Não-Cooperativo. A abordagem seleciona os itens de forma racional e trata os membros do grupo como jogadores com interesses próprios. Garante-se a existência de ao menos um Equilíbrio de Nash como solução para a recomendação. O experimento realizado compara a satisfação média do grupo entre a abordagem proposta e estratégias de agregaçãos entre elas a conhecida como Average, pertencente ao Estado da Arte. Para grupos de diferentes níveis de homogeneidade, os resultados alcançados são bastante promissores. Uma outra hipótese defendida nesta dissertação é a de que a formação de um grupo de usuários dentro de um determinado contexto deve ser baseada em Estruturas de Aliança com o objetivo de maximizar o bem-estar social total do grupo (Social Welfare). Enquanto a maioria das recomendações para grupos são realizadas para um grupo fixo e pré-determinado de usuários, a organização em grupos poderia ser de acordo com um objetivo. Um experimento comparou o resultado da abordagem de formação de grupos baseadas em Estruturas de Aliança com uma abordagem baseada em agrupamento com o algoritmo K-Means. Resultados mostraram que os grupos formados com a nova abordagem possuem um índice de similaridade interna maior.