Made available in DSpace on 2016-08-29T14:09:34Z (GMT). No. of bitstreams: 1 tese_6178_.pdf: 2477718 bytes, checksum: c247b96e57891465de9b8efacc1eb610 (MD5) Previous issue date: 2012-12-14 / 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. / 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.

Orientador: Ricardo da Silva Torres / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação / Made available in DSpace on 2018-08-11T00:55:04Z (GMT). No. of bitstreams: 1 Pedronette_DanielCarlosGuimaraes_M.pdf: 7416929 bytes, checksum: be0fe860604d3545272fbe4bd4aaa8df (MD5) Previous issue date: 2008 / Resumo: Em virtude do crescimento acelerado de conteúdo nas mais diversas aplicações de bibliotecas digitais, a tarefa de localizar objetos digitais de interesse é cada vez mais desafiadora. Sob essa perspectiva, técnicas de recomendação procuram prover, de acordo com as preferências do usuário final, alternativas de escolha de objetos mantidos em uma biblioteca digital. Essa dissertação concentra-se em aspectos relacionados às técnicas de recomendação e suas interações com aplicações de bibliotecas digitais. Uma plataforma de serviços de recomendação, chamada RecS-DL, é proposta, visando ampliar as possibilidades de utilização das ferramentas de recomendação. A Plataforma RecS-DL apresentada é independente de domínio de aplicação, de tecnologias e técnicas de recomendação. O serviço de recomendação oferecido pode ser facilmente agregado a bibliotecas digitais clientes, assim como novos mecanismos de recomendação podem ser acoplados à plataforma de maneira dinâmica. Este trabalho também apresenta uma especificação formal da plataforma de serviços de recomendação proposta a partir do Arcabouço 5S. Para isso foram propostas novas definições e extensões de conceitos deste arcabouço. Por fim, são apresentados os resultados obtidos a partir de testes realizados com a plataforma. Experimentos foram conduzidos considerando bibliotecas digitais reais e avaliações por potenciais usuários. Resultados experimentais ratificam a hipótese de que a plataforma facilita a interoperabilidade de ferramentas de recomendação em bibliotecas digitais / Abstract: The increasing amount of data in the most diverse digital libraries applications makes the process of finding relevant digital objects a challenging task. From this perspective, recommendation techniques can provide, according to user preferences, relevant digital objects stored in a digital library.This dissertation focuses on recommendation techniques and their interactions with digital libraries applications. A platform for recommendation services, called RecS-DL, has been proposed to support the use of recommendation tools. The proposed RecS-DL Platform is independent of application domain, technology, and recommendation techniques. The recommendation services offered by the platform can be easily incorporated into digital libraries systems. Furthermore, new recommendation engines can also be plugged into the platform in a dynamic way. This work also presents a formal specification of the proposed platform, using the 5S Framework. To do this, new definitions and extensions of this framework are proposed. Finally, we present the results obtained from tests performed with the platform. Experiments were conducted considering real digital libraries and evaluations made by potential users. Experimental results confirm that the platform facilitates the interoperability of recommendation tools in digital libraries systems / Mestrado / Sistemas de Informação / Mestre em Ciência da Computação

Submitted by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-03-17T14:21:49Z No. of bitstreams: 2 Dissertação - Arthur F. Batista.pdf: 5010320 bytes, checksum: f4bde5ec1c693b1448050f66844e10ea (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-03-17T14:22:10Z (GMT) No. of bitstreams: 2 Dissertação - Arthur F. Batista.pdf: 5010320 bytes, checksum: f4bde5ec1c693b1448050f66844e10ea (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-03-17T14:22:49Z (GMT) No. of bitstreams: 2 Dissertação - Arthur F. Batista.pdf: 5010320 bytes, checksum: f4bde5ec1c693b1448050f66844e10ea (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2017-03-17T14:22:49Z (GMT). No. of bitstreams: 2 Dissertação - Arthur F. Batista.pdf: 5010320 bytes, checksum: f4bde5ec1c693b1448050f66844e10ea (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2016-12-16 / Recommendation systems (SR) have been widely studied in recent decades. The growth of the Internet and the consolidation of Web 2.0 have contributed to the emergence of various services such as social networks, blogs, collaborative platforms, among others, resulting in increased volume of information. This scenario has fostered the development of new research on how to use such information to mitigate limitations of SRs and improve their quality. The recommendation of movies became one of the most discussed topics in the literature about SRs. The industry also contributed to its popularity with the growth of streaming services such as Amazon, Netflix, iTunes, and Google Play. In such scenario, different sources of information in Web have been exploited to extract features to describe movies. The most common approaches use features such as genre information, movie direction, cast, etc. Other approaches attempt to characterize the story itself by means of information about the content of movies, its story structure, elements of narrative and characters. Such content can be represented by Tropes. Tropes are the elements that make up a fictional story found in movies, books, comics and other contents. In this work, we present a systematic study of Tropes, investigating its relevance to the context of a story and how they can be incorporated in Movie Recommender Systems. The experiments performed in this research suggest that hybrid models based on the combination of tropes with the films genres can improve the precision of the predictions about 3% in comparison to traditional methods. / Sistemas de Recomendação (SR) têm sido amplamente estudados nas últimas décadas. O crescimento da Internet e a consolidação da Web 2.0 contribuíram para o surgimento de diversos serviços, como redes sociais, blogs, plataformas colaborativas, entre outros, resultando no aumento significativo do volume de informação. Este cenário fomentou o desenvolvimento de pesquisas com o intuito de utilizar tal informação para mitigar algumas limitações dos SRs e melhorar sua qualidade. A recomendação de filmes tornou-se um dos tópicos mais abordados na literatura no domínio de SRs junto com comércio eletrônico. Essa popularidade foi alavancada pela indústria com o crescimento dos serviços de streaming (Amazon, Netflix, iTunes, Google Play). Neste contexto, diferentes fontes de informação, tipicamente disponibilizadas por usuários em sítios da Web, vêm sendo exploradas para extração de características dos filmes. As fontes mais comuns proveem informações como gênero, direção, elenco, etc. Outras abordagens tentam extrair informações a respeito do conteúdo dos filmes, como estrutura da história, elementos da narrativa, personagens, de modo que se possa caracterizar a história em si. Tal conteúdo pode ser representado através de Tropes. Tropes são elementos que compõem uma história fictícia que pode ser contada através de filmes, livros, quadrinhos entre outros tipos de mídia. Neste trabalho, apresentamos um estudo sistemático sobre Tropes, investigando sua relevância para o contexto de uma história e como podem ser incorporados em Sistemas de Recomendação de Filmes. Os experimentos executados neste pesquisa sugerem que modelos híbridos baseados na combinação de tropes com os gêneros dos filmes, podem melhorar a precisão das previsões em quase 3% em comparação com o métodos tradicionais.

Submitted by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-12-21T18:03:56Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação - Janiel M. dos Santos.pdf: 1303124 bytes, checksum: 92eab239c46bd44d736df8430f688f9c (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-12-21T18:04:15Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação - Janiel M. dos Santos.pdf: 1303124 bytes, checksum: 92eab239c46bd44d736df8430f688f9c (MD5) / Made available in DSpace on 2017-12-21T18:04:15Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação - Janiel M. dos Santos.pdf: 1303124 bytes, checksum: 92eab239c46bd44d736df8430f688f9c (MD5) Previous issue date: 2017-10-02 / FAPEAM - Fundação de Amparo à Pesquisa do Estado do Amazonas / The growing production of multimedia content on the web has stimulated studies related to the improvement of the strategies responsible for the organization and recovery of this content in the applications. Among the several strategies, the assignment of a set of tags to an object expressing its content, called the tagging process, has been the subject of recent studies, mainly associative methods that are based on the exploration of co-occurrence patterns of tags. Although associative methods present state of the art results, few investigate the behavior of this type of recommendation in a state in which the object is being inserted into the system and has no previously associated information, characterized as cold start problem. To investigate the behavior of strategies in a cold start, its main motivation is to improve the quality of the recommendations, especially when the strategies are dependent on the information provided by the publishers of the content. This work presents an associative tags recommendation strategy that explores the concept of context graphs through the integration of co-occurrence and tags relevance metrics with the collaborative knowledge of existing relationships between concepts found in Wikipedia articles. With the balance in the valorization of the candidate tags for the recommendation, the proposed strategy obtained improvement in the quality of the re-commendation of the tags in videos that have a median number of tags. / A crescente produção de conteúdo multimídia na web tem estimulado estudos relacionados ao aprimoramento das estratégias responsáveis pela organização e recuperação desse conteúdo nas aplicações. Dentre as diversas estratégias existentes, a atribuição de um conjunto de etiquetas a um objeto expressando o seu conteúdo, denominada de processo de etiquetagem, têm sido objeto de estudos recentes, principalmente os métodos associativos que exploram padrões de coocorrência. Apesar dos métodos associativos apresentarem resultados estado da arte, poucos exploram o comportamento desse tipo de recomendação em um estado em que o objeto está sendo inserido no sistema e não possui informações previamente associadas, caracterizado como problema de cold start. Investigar o comportamento das estratégias, em um estado de cold start, tem como motivação principal melhorar a qualidade das recomendações, principalmente quando as estratégias ficam dependentes das informações fornecidas pelos publicadores do conteúdo. Nesta dissertação apresenta-se uma estratégia de recomendação associativa de etiquetas que explora o conceito de grafos de contexto, por meio da integração da coocorrência e métricas de relevância de etiquetas com o conhecimento colaborativo dos relacionamentos existentes entre conceitos presentes nos artigos da Wikipédia. Com o equilíbrio na valorização das etiquetas candidatas a recomendação, a estratégia proposta obteve melhoria na qualidade da recomendação das etiquetas em vídeos que possuem uma quantidade mediana de etiquetas.

Submitted by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2018-03-20T18:01:37Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação_Anderson P. Santos.pdf: 2148188 bytes, checksum: 2339c727793bd9032b23e5bfc3926be7 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2018-03-20T18:02:00Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação_Anderson P. Santos.pdf: 2148188 bytes, checksum: 2339c727793bd9032b23e5bfc3926be7 (MD5) / Made available in DSpace on 2018-03-20T18:02:00Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação_Anderson P. Santos.pdf: 2148188 bytes, checksum: 2339c727793bd9032b23e5bfc3926be7 (MD5) Previous issue date: 2017-09-01 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Recommend items based on similarity of interests (Collaborative Filtering) is attractive to many domains: books, movies, music, products and etc. However, it's not always works well due to the fact of collections of items as scattered as in companies such as Amazon, Netflix, Spotify, among others. Clustering based collaborative filtering proposes greater scalability for very sparse collections, its premise is if the person a and person b like the same set of movies, then the person a probably will like other movies the person b likes. Clustering people into groups based on the items they bought, one can get good recommendations for items to be bought, in this way, predictions can be made by crowding people into groups, based on the movies they watched(user-based) and/or groups of movies which tend to be of the taste of the people the same interest(item-based). The K-means is a classic clustering algorithm, being simple, efficient and widely used, however, it comes with some restrictions: the number of final groups must be defined a priori, very sensitive to the initial choice of centroids in the creation of groups, it can generate empty groups, among others. The algorithm Affinity Propagation is an alternative to K-means, it is a recently proposed algorithm that has gained great popularity in areas of bioinformatics, presen-ting good results for problems like clustering DNA sequences, and being applied also for clustering of faces (image), collections of films and summarization of texts. The document presents an approach of Recommender Systems based on clustering using Affinity Propagation in order to investigate whether the good results that the algorithm has in other areas are also valid for recommender systems area. / Recomendar itens baseados na similaridade de interesses (Filtragem Colaborativa) é atrativo para muitos domínios: livros, filmes, músicas, produtos e etc, mas isso nem sempre funciona bem devido ao fato das coleções de itens serem muitos esparsas, como ocorre em empresas como Amazon, Netflix, Spotify, entre outras. A Filtragem Colaborativa baseada em agrupamento propõe maior escalabilidade para coleções muito esparsas, sua premissa é que se a pessoa a e pessoa b gostam de um mesmo conjunto de filmes, então provavelmente a pessoa a gostara de outros filmes que a pessoa b gosta. Aglomerando pessoas em grupos baseados nos itens que elas compraram, pode-se obter boas recomendações de itens a serem comprados, dessa forma, as predições podem ser feitas aglomerando-se pessoas em grupos em função dos filmes que elas assistem (agrupamento baseado no usuário) e/ou grupos de filmes que tendem a ser do gosto das mesmas pessoas (agrupamento baseado no item). O K-means é um algoritmo clássico de agrupamento, sendo simples, eficiente e amplamente utilizado, entretanto podemos citar algumas limitações em seu uso, como, o número de grupos que deve ser definido a priori, a sensibilidade a escolha inicial dos centróides na criação dos grupos, a possibilidade de gerar grupos vazios, entre outros. O algoritmo Propagação de Afinidades é uma alternativa ao k-means, é um algo-ritmo proposto recentemente que ganhou grande popularidade na aplicação em áreas da bioinformática, apresentando bons resultados para problemas de agrupamentos de sequencias de DNA, mas também vem sendo aplicado em outras áreas, como agrupa-mento de faces (imagem), coleções de filmes e na sumarização de textos. Neste trabalho é apresentada a implementação do algoritmo Propagação de Afinidades em sistemas de recomendação baseados em agrupamento, com o intuito de investigar se os bons resultados que o algoritmo tem mostrado em outras áreas são válidos também para a área de recomendação de vídeos baseada em agrupamento, realizando comparações entre coleções de Filmes por meio de métricas de avaliação de predição para sistemas de recomendação.

Submitted by JÚLIO HEBER SILVA (julioheber@yahoo.com.br) on 2018-02-19T11:16:14Z No. of bitstreams: 2 Dissertação - Fernando Henrique da Silva - 2018.pdf: 7574243 bytes, checksum: 54853391be8cd76fc74017985311ad09 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2018-02-19T11:31:02Z (GMT) No. of bitstreams: 2 Dissertação - Fernando Henrique da Silva - 2018.pdf: 7574243 bytes, checksum: 54853391be8cd76fc74017985311ad09 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-02-19T11:31:02Z (GMT). No. of bitstreams: 2 Dissertação - Fernando Henrique da Silva - 2018.pdf: 7574243 bytes, checksum: 54853391be8cd76fc74017985311ad09 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2018-02-16 / Hemotherapy units has difficulties to optimize the search for blood donors in emergency situations, as well as to keep their blood stocks at adequate levels. On the other hand, the use of computational techniques for prediction has obtained promissing results in several areas of knowledge, and can be seen as a fundamental tool in obtaining blood donations, however, are little explored in this sector. Given this gap, this research aimed to analyze and develop prediction techniques to optimize the search for donors with higher conversion rate to the donation, focusing on data mining techniques. For this, we first analyzed the performance of traditional literature classifiers applied to a real database, which produced unsatisfactory prediction results. Seeking for higher quality results we propose a top-k recommendation approach of blood donors, which uses heuristics to estimate a confidence degree in donation. Computational experiments show that the top-k recommendation approach achieves good results for all three developed heuristics. The support vector-based heuristic achieving 94.09% of precision among the top-10 recommended, and 99.90% of precision for top-1, for the same data set that the classifiers were not successful. It is expected that the results of this research will contribute to the academic community due to the variety of classifiers analyzed and especially due to the proposed top-k recommendations approach. In the future, this approach can be better analyzed with other databases and even improved by the development of new heuristics. In addition, it is believed that the developed top-k approach can be used in health prediction systems, with a focus on predicting blood donors, especially in emergency situations. / Unidades Hemoterápicas encontram dificuldades para otimizar a busca por doadores de sangue em situações de emergência, assim como para manter seus estoques sanguíneos em níveis adequados. Por outro lado, a utilização de técnicas computacionais de predição tem obtido ótimos resultados em várias áreas do conhecimento, podendo ser vista como uma ferramenta fundamental na obtenção de doações de sangue, contudo, são pouco exploradas neste setor. Dado esta lacuna, este trabalho objetivou em analisar e desenvolver técnicas de predição para otimizar a busca por doadores com maior taxa de conversão à doação, com foco em técnicas de mineração de dados. Para isto, primeiramente analisou-se o desempenho de classificadores tradicionais da literatura aplicados a uma base de dados real, o que produziu resultados de predição insatisfatórios. Na busca de resultados de maior qualidade foi proposta uma abordagem de recomendação dos top-k, que utiliza heurísticas para a estimar a confiança em doação. Experimentos computacionais demonstram que a abordagem de recomendação top-k alcança bons resultados para todas as três heurísticas desenvolvidas. A heurística baseada em vetores de suporte obteve taxas de precisão de 94,09% entre os top-10 recomendados, chegando a 99,90% de precisão para o top-1, para a mesma base em que não se obteve sucesso com o uso de classificadores. É esperado que os resultados deste trabalho contribuam para a comunidade acadêmica devido a variedade de classificadores analisados e principalmente pela abordagem de recomendações top-k proposta. Futuramente esta abordagem poderá ser melhor analisada com outras bases de dados e até mesmo aprimorada pelo desenvolvimento de novas heurísticas. Além disso, acredita-se que a abordagem top-k desenvolvida possa ser utilizada em sistemas predição na área da saúde, com foco na predição de doadores de sangue principalmente em situações de emergência.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2018-05-10T11:14:58Z No. of bitstreams: 1 andreluizcamposesqueffabdalla.pdf: 10771982 bytes, checksum: 662108f55e5849c1e43771419d176276 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2018-09-03T16:02:57Z (GMT) No. of bitstreams: 1 andreluizcamposesqueffabdalla.pdf: 10771982 bytes, checksum: 662108f55e5849c1e43771419d176276 (MD5) / Made available in DSpace on 2018-09-03T16:02:57Z (GMT). No. of bitstreams: 1 andreluizcamposesqueffabdalla.pdf: 10771982 bytes, checksum: 662108f55e5849c1e43771419d176276 (MD5) Previous issue date: 2018-03-22 / Os Sistemas de Recomendação (SR) buscam apresentar informações relevantes para os usuários no momento do consumo. A necessidade de recomendar recursos em diferentes domínios de aplicação e a necessidade do desenvolvimento de soluções focadas no reuso de componentes de SR, criam um cenário interessante para adoção de soluções na perspectiva de um Ecossistema de Software (ECOS). Um ECOS para SR deve permitir, além da interação entre atores e tecnologia, a integração com outros sistemas e plataformas que suportem outros ECOS. Através da proposição de uma plataforma tecnológica que suporte um ECOS, é possível auxiliar pesquisadores na compreensão acerca das diferentes maneiras que as organizações se relacionam. Ao aplicar a perspectiva ECOS em um domínio específico é possível centralizar os requisitos para o desenvolvimento de soluções, facilitando o reuso, criação e evolução de técnicas e abordagens específicas. A granularidade das soluções em SR, sem a possibilidade da definição de padrões de arquiteturas, aliada aos benefícios relacionados ao reuso e compartilhamento de técnicas e abordagens para SR, demonstra a necessidade de desenvolvimento de uma plataforma tecnológica, onde seja possível criar novas soluções, usufruir das soluções existentes e incentivar pesquisas nas duas principais áreas de estudo deste trabalho, Sistemas de Recomendação e Ecossistema de Software. Desta forma, o problema abordado por este estudo é a integração dos variados métodos, técnicas e abordagens de SR existentes de maneira sistemática e centralizada, sendo possível facilitar a implementação de novas soluções em SR, e ainda promover o reuso e compartilhamento destas soluções e também a colaboração entre os atores envolvidos. O objetivo geral deste estudo é propor o R.ECOS, uma plataforma tecnológica para suportar um ecossistema de software para recomendação de recursos a usuários, permitindo a integração entre suas soluções e de outros ECOS e ainda facilitar o desenvolvimento, reuso e compartilhamento destas soluções em SR. A avaliação da proposta foi realizada em duas etapas. Primeiro foram definidos dois Estudos de Viabilidade para validar a tecnologia utilizada e a arquitetura proposta. A seguir foram realizados dois Estudos de Caso em um contexto real de utilização. Os resultados indicam a viabilidade da proposta do estudo. / Recommender Systems (RS) attempt to present relevant information to users at the time of consumption. The need to recommend resources in different application domains and the need to develop solutions focused on the reuse of RS components, creates an interesting scenario for adopting solutions from the Software Ecosystem (SECO) perspective. A SECO for RS should allow, in addition to interaction between actors and technology, integrations with others systems and platforms that support others SECO. By proposing a technology platform that supports a SECO, it is possible to assist researchers in understanding the different ways that organizations relate. By applying the SECO perspective in a specific domain, it is possible to centralize the requirements for developing solutions, facilitating the reuse, creation and evolution of specific techniques and approaches. The granularity of RS solutions, without the possibility of defining architecture patterns, combined with the benefits related to the reuse and sharing of approaches for SR, demonstrates the need to develop a technological platform where it is possible to create new solutions, taking advantage of existing solutions and encouraging research in the two main areas of this work, Recommendation Systems and Software Ecosystem. In this way, the problem addressed by this study is the integration of the methods, techniques and approaches of existing RS in a systematic and centralized way, being possible to facilitate the implementation of new solutions in RS, and also to promote the reuse and sharing of solutions and also the collaboration among the involved actors. The general objective of this study is to propose R.ECOS, a technological platform to support a software ecosystem to recommend resources, allowing the integration between their solutions and other ECOS. The evaluation of the proposal was carried out in two stages. First, two Feasibility Studies were defined to validate the used technology and the proposed architecture. Later, two Case Studies were carried out in a real context of use. The results indicate the feasibility of the study proposal.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2015-12-01T13:50:34Z No. of bitstreams: 1 crystiamkellepereiraesilva.pdf: 5368190 bytes, checksum: 22e15248de5dbc282e6d4324b03dca64 (MD5) / Made available in DSpace on 2015-12-01T13:50:34Z (GMT). No. of bitstreams: 1 crystiamkellepereiraesilva.pdf: 5368190 bytes, checksum: 22e15248de5dbc282e6d4324b03dca64 (MD5) Previous issue date: 2015-03-27 / Existem inúmeros recursos educacionais distribuídos em diferentes repositórios que abordam um conjunto amplo de assuntos e que possuem objetivos educacionais distintos. A escolha adequada desses recursos educacionais é um desafio para os usuários que desejam usá-los para a sua formação intelectual. Nesse contexto surgem os Sistemas de Recomendação para auxiliar os usuários nessa tarefa. Para que seja possível gerar recomendações personalizadas, torna-se importante identificar informações que ajudem a definir o perfil do usuário e auxiliem na identificação de suas necessidades e interesses. O uso constante e cada vez mais intenso de algumas ferramentas tecnológicas faz com que inúmeras informações a respeito do perfil, dos interesses, das preferências, da forma de interação e do comportamento do usuário possam ser identificadas em decorrência da interação espontânea que ocorre nesses sistemas. Esse é o caso, por exemplo, das redes socais. Neste trabalho é apresentada a proposta e o desenvolvimento de uma arquitetura capaz de extrair características do perfil e do contexto educacional dos usuários, através da rede social Facebook e realizar recomendações de recursos educacionais de forma individualizada e personalizada que sejam condizentes com essas características. A solução proposta é apoiada por técnicas de extração de informações e ontologias para a extração, definição e enriquecimento das características e interesses dos usuários. As técnicas de Extração de Informação foram aplicadas aos textos associados às páginas curtidas e compartilhadas por usuários nas suas redes sociais para extrair informação estruturada que possa ser usada no processo de recomendação de recursos educacionais. Já as ontologias foram usadas para buscar interesses relacionados aos temas extraídos. A recomendação é baseada em repositório de objetos de aprendizagem e em repositórios de dados ligados e é realizada dentro das redes sociais, aproveitando o tempo despendido pelos usuários nas mesmas. A avaliação da proposta foi feita a partir do desenvolvimento de um protótipo, três provas de conceito e um estudo de caso. Os resultados da avaliação mostraram a viabilidade e uma aceitação relevante por parte dos usuários no sentido de extrair informações sobre os seus interesses educacionais, geradas automaticamente da rede social Facebook, enriquecê-las, encontrar interesses implícitos e usar essas informações para recomendar recursos educacionais. Foi verificada também a possibilidade da recomendação de pessoas, permitindo a formação de uma rede de interesses em torno de um determinado tema, indicando aos usuários bons parceiros para estudo e pesquisa. / There are several educational resources distributed in different repositories that address to a wide range of subjects and have different educational goals. The proper choice of these educational resources is a challenge for users who want to use them for their intellectual development. In this context, recommendation systems may help users in this task.In order to be able to generate personalized recommendations, it is important to identify information that will help to define user profile and assist in identifying his/her needs and interests. The constant and ever-increasing use of some technological tools allows the identification of different information about profile, interests, preferences, interaction style and user behavior from the spontaneous interaction that occurs in these systems, as, for example, the social networks. This paper presents the proposal and the development of one architecture able to extract users´ profile characteristics and educational context, from the Facebook social network and recommend educational resources in individualized and personalized manner, consistent with these characteristics. The proposed solution is supported by Information Extraction Techniques and ontologies for the extraction, enrichment and definition of user characteristics and interests. The Information Extraction techniques were applied to texts associated with “LIKE” and shared user´s pages on his social networks to extract structured information that can be used in the recommendation process of educational resources, the ontologies were used to search to interests related to extracted subjects. The recommendation process is based on learning objects repositories and linked data repositories and is carried out within social networks, taking advantage of user time spent at the web. The proposal evaluation was made from the development of a prototype, three proofs of concept and a case study. The evaluation results show the viability and relevant users´ acceptance in order to extract information about their educational interests, automatically generated from the Facebook social network, enrich these information, find implicit interests and use this information to recommend educational resources. It was also validated the possibility of people recommendation, enabling the establishment of interest network, based on a specific subject, showing good partners to study and research.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2015-12-07T12:51:30Z No. of bitstreams: 1 gustavohenriquedarochareis.pdf: 1407647 bytes, checksum: b94399b5bafb2e6cb8e48443f285a7c4 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2015-12-09T10:33:11Z (GMT) No. of bitstreams: 1 gustavohenriquedarochareis.pdf: 1407647 bytes, checksum: b94399b5bafb2e6cb8e48443f285a7c4 (MD5) / Made available in DSpace on 2015-12-09T10:33:11Z (GMT). No. of bitstreams: 1 gustavohenriquedarochareis.pdf: 1407647 bytes, checksum: b94399b5bafb2e6cb8e48443f285a7c4 (MD5) Previous issue date: 2015-08-06 / O uso de dispositivos m oveis v^em aumentando signi cativamente nos ultimos anos. Outra tend^encia e a consolida c~ao no uso Tecnologias Digitais da Informa c~ao e Comunica c~ao para ns educacionais. Estes cen arios juntos possibilitam novas formas de comunica c~ao entre professores e alunos, como, por exemplo, a recomenda c~ao de conte udos educacionais e colabora c~ao utilizando dispositivos m oveis. Este trabalho mostra uma arquitetura, chamada CALearning, que re une as principais caracter sticas para um sistema de aprendizado m ovel, como promover a colabora c~ao (recomenda c~ao e avalia c~ao de conte udos) entre os alunos e fazer a recomenda c~ao de conte udos de acordo com o estilo de aprendizagem e prefer^encias do usu ario. A arquitetura tamb em faz uso de informa c~oes de contexto para recomendar conte udos adaptados de acordo com as caracter sticas de acesso a Internet (taxa de transmiss~ao) e deslocamento do aluno durante sua intera c~ao com o aplicativo. Como prova de conceito foi desenvolvido tr^es sistemas chamados CALearningDroid, CALearningWeb e CALearningWS, baseado na arquitetura proposta / The use of mobile devices have increased signi cantly in recent years. Another trend is the consolidation in using Digital Technologies of Information and Communication for educational purposes. These scenarios together enable new forms of communication between teachers and students, for example, the recommendation of educational content and collaboration using mobile devices. This work shows an architecture called CALearning, which brings together the main features for a mobile learning system as promote collaboration (recommendation and content evaluation) among students and to do the content recommendation according to the learning style and user's preferences. The architecture also does use of context information to recommend content tailored according to the Internet access features (transmission rate) and displacement of the learner during their interaction with the application. As proof of concept, was developed three systems called CALearningDroid, CALearningWeb and CALearningWS, based in the proposed architecture.

A oferta de produtos,informação e serviços a partir de perfis de usuários tem tornado os sistemas de recomendação cada vez mais presentes na Web, aumentando a facilidade de escolha e de permanência dos usuários nestes sistemas. Entretanto, existem otimizações a serem feitas principalmente com relação à modelagem do perfil do usuário. Geralmente, suas preferências são modeladas de modo superficial, devido à escassez das informações coletadas,como notas ou comentários, ou devido a informações indutivas que estão suscetíveis a erros. Esta dissertação propõe uma ferramenta de recomendação baseado em interações multimodais, capaz de combinar informações de usuários processadas individualmente por algoritmos de recomendação tradicionais. Nesta ferramenta desenvolveram-se quatro técnicas de combinação afim fornecer aos sistemas de recomendação, subsídios para melhoria na qualidade das predições em diversos domínios. / Providing products, information and services from user profiles has made the recommendation systems to be increasingly present, increasing the ease of selection and retention of users in Webservices. However, there are optimizations to be made in these systems mainly with respect to modeling the user profile. Generally, the preferences are modeled superficially, due to the scarcity of information collected, as notes or comments, or because of inductive information that is susceptible to errors. This work proposes are commendation tool based on multimodal interactions that combines users\' interactions, wich are processed individually by traditional recommendation algorithms. In this tool developed four combination of techniques in order to provide recommendation systems subsidies to improve the quality of predictions.