Memoria para optar al título de Ingeniero Civil Industrial / La investigación en el campo de la educación está avanzando hacía el uso de la data educacional disponible, de distintas fuentes como lo son los sistemas de gestión del aprendizaje, con diversas herramientas que comprenden la analítica del aprendizaje (LA, por sus siglas en inglés). Con el objetivo de incorporar esta data para darle un uso con modelos de recomendación, para sugerir al alumno que acciones tomar considerando su metodología y uso de la plataforma de gestión de aprendizaje. Se emplean diversas herramientas, particularmente regresiones para estimar las acciones de mayor impacto en su desempeño.

Esta tesis se centra en la generación y secuenciación de listas de lectura automáticas para usuarios no expertos que buscan adentrarse en nuevos campos de conocimiento. Se abordan preguntas fundamentales como “¿Dónde debería empezar un usuario no experto cuando se introduce a un nuevo tema?”, y “¿Por dónde debería continuar su lectura después de cada documento?”. Para responder a estas cuestiones, se propone un modelo que evalúa y secuencia las lecturas considerando las relaciones de prerrequisito entre los documentos y poniendo especial énfasis en las características intrínsecas de los documentos, como la coherencia, la legibilidad, el contenido textual y la polaridad. La tarea de secuenciación de documentos se formula como un problema de optimización combinatoria que busca encontrar el conjunto óptimo de caminos de lectura que maximicen la efectividad del aprendizaje. Los contenidos de los documentos se representan mediante modelado de tópicos y modelos basados en Transformer. Estas representaciones se combinan con algoritmos genéticos y de colonia de hormigas para generar secuencias óptimas de lectura que consideren la relevancia y las relaciones entre los documentos. La validación de los enfoques propuestos se realiza mediante experimentos empíricos que respaldan la eficacia del modelo propuesto en entornos de aprendizaje abiertos y no supervisados. Los resultados demuestran que la representación de documentos y la generación de secuencias de lectura basadas en las características intrínsecas de los documentos pueden ser efectivas para proporcionar recomendaciones de lectura personalizadas y significativas. Aunque cada enfoque tiene sus ventajas y desventajas, el estudio subraya la relevancia de considerar tanto la generalidad como la relevancia temática de los documentos en la generación de listas de lectura.

En el día a día, las personas suelen confiar en recomendaciones, tradicionalmente aportadas por otras personas (familia, amigos, etc.) para sus decisiones más variadas. En el mundo digital esto no es diferente, dado que los sistemas de recomendación están presentes en todas partes y de modo transparente. El principal objetivo de estos sistemas es el de ayudar en el proceso de toma de decisiones, generando recomendaciones de su interés y basadas en sus gustos. Dichas recomendaciones van desde productos en sitios web de comercio electrónico, como libros o lugares a visitar, además de qué comer o cuánto tiempo uno debe caminar al día para tener una vida sana, con quién salir o a quién seguir en las redes sociales. Esta es un área en ascensión. Por un lado, tenemos cada vez más usuarios en internet cuya vida está digitalizada, dado que lo que se hace en el "mundo real" está representado en cierto modo en el "mundo digital". Por otro lado, sufrimos una sobrecarga de información, que puede mitigarse mediante el uso de un sistema de recomendación. Sin embargo, estos sistemas también enfrentan algunos problemas, como el problema del arranque en frío y su necesidad de ser cada vez más "humanos", "personalizados" y "precisos" para satisfacer las exigencias de usuarios y empresas. En este desafiante escenario, los sistemas de recomendación basados en la personalidad se están estudiando cada vez más, ya que son capaces de enfrentar esos problemas. Algunos proyectos recientes proponen el uso de la personalidad humana en los recomendadores, ya sea en su conjunto o individualmente por rasgos. Esta tesis está dedicada a este nuevo área de recomendación basada en la personalidad, centrándose en uno de sus rasgos más importantes, la curiosidad. Además, para explotar la información ya existente en internet, obtendremos de forma implícita información de las redes sociales. Por lo tanto, este trabajo tiene como objetivo proporcionar una mejor experiencia al usuario final a través de un nuevo enfoque que ofrece una alternativa a algunos de los retos identificados en los sistemas de recomendación basados en la personalidad. Entre estas mejoras, el uso de las redes sociales para alimentar los sistemas de recomendación reduce el problema del arranque en frío y, al mismo tiempo, proporciona datos valiosos para la predicción de la personalidad humana. Por otro lado, la curiosidad no ha sido utilizada por ninguno de los sistemas de recomendación estudiados; casi todos han usado la personalidad general de un individuo a través de los Cinco Grandes rasgos de la personalidad. Sin embargo, los estudios psicológicos confirman que la curiosidad es un rasgo relevante en el proceso de elegir un item, cuestión directamente relacionada con los sistemas de recomendación. En resumen, creemos que un sistema de recomendación que mida implícitamente la curiosidad y la utilice en el proceso de recomendar nuevos ítems, especialmente en el sector turístico, podría claramente mejorar la capacidad de estos sistemas en términos de precisión, serendipidad y novedad, permitiendo a los usuarios obtener niveles positivos de satisfacción con las recomendaciones. Esta tesis realiza un estudio exhaustivo del estado del arte, donde destacamos trabajos sobre sistemas de recomendación, la personalidad humana desde el punto de vista de la psicología tradicional y positiva y finalmente cómo se combinan ambos aspectos. Luego, desarrollamos una aplicación en línea capaz de extraer implícitamente información del perfil de usuario en una red social, generando predicciones de uno o más rasgos de su personalidad. Finalmente, desarrollamos el sistema CURUMIM, capaz de generar recomendaciones en línea con diferentes propiedades, combinando la curiosidad y algunas características sociodemográficas (como el nivel de educación) extraídas de Facebook. El sistema ha sido probado y evaluado en el contexto turístico por usuarios r / En el dia a dia, les persones solen confiar en recomanacions, tradicionalment aportades per altres persones (família, amics, etc.) per a les seues decisions més variades. En el món digital això no és diferent, atès que els sistemes de recomanació estan presents a tot arreu i de manera transparent. El principal objectiu d'aquests sistemes és el d'ajudar en el procés de presa de decisions, generant recomanacions del seu interès i basades en els seus gustos. Aquestes recomanacions van des de productes en pàgines web de comerç electrònic, com a llibres o llocs a visitar, a més de què menjar o quant temps una persona ha de caminar al dia per a tindre una vida sana, amb qui eixir o a qui seguir en les xarxes socials. Aquesta és una àrea en ascensió. D'una banda, tenim cada vegada més usuaris en internet la vida de les quals està digitalitzada, atès que el que es fa en el "món real" està representat en certa manera en el "món digital". D'altra banda, patim una sobrecàrrega d'informació, que pot mitigar-se mitjançant l'ús d'un sistema de recomanació. No obstant això, aquests sistemes també enfronten alguns problemes, com el problema de l'arrencada en fred i la seua necessitat de ser cada vegada més "humans", "personalitzats" i "precisos" per a satisfer les exigències d'usuaris i empreses. En aquest desafiador escenari, els sistemes de recomanació basats en la personalitat s'estan estudiant cada vegada més, ja que són capaços d'enfrontar eixos problemes. Alguns projectes recents proposen l'ús de la personalitat humana en els recomendadors, ja siga en el seu conjunt o individualment per trets. Aquesta tesi està dedicada a aquest nou àrea de recomanació basada en la personalitat, centrant-se en un dels seus trets més importants, la curiositat. A més, per a explotar la informació ja existent en internet, obtindrem de forma implícita informació de les xarxes socials. Per tant, aquest treball té com a objectiu proporcionar una millor experiència a l'usuari final a través d'un nou enfocament que ofereix una alternativa a alguns dels reptes identificats en els sistemes de recomanació basats en la personalitat. Entre aquestes millores, l'ús de les xarxes socials per a alimentar els sistemes de recomanació redueix el problema de l'arrencada en fred i, al mateix temps, proporciona dades valuoses per a la predicció de la personalitat humana. D'altra banda, la curiositat no ha sigut utilitzada per cap dels sistemes de recomanació estudiats; quasi tots han usat la personalitat general d'un individu a través dels Cinc Grans trets de la personalitat. No obstant això, els estudis psicològics confirmen que la curiositat és un tret rellevant en el procés de triar un item, qüestió directament relacionada amb els sistemes de recomanació. En resum, creiem que un sistema de recomanació que mesure implícitament la curiositat i la utilitze en el procés de recomanar nous ítems, especialment en el sector turístic, podria clarament millorar la capacitat d'aquests sistemes en termes de precisió, sorpresa i novetat, permetent als usuaris obtindre nivells positius de satisfacció amb les recomanacions. Aquesta tesi realitza un estudi exhaustiu de l'estat de l'art, on destaquem treballs sobre sistemes de recomanació, la personalitat humana des del punt de vista de la psicologia tradicional i positiva i finalment com es combinen tots dos aspectes. Després, desenvolupem una aplicació en línia capaç d'extraure implícitament informació del perfil d'usuari en una xarxa social, generant prediccions d'un o més trets de la seua personalitat. Finalment, desenvolupem el sistema CURUMIM, capaç de generar recomanacions en línia amb diferents propietats, combinant la curiositat i algunes característiques sociodemogràfiques (com el nivell d'educació) extretes de Facebook. El sistema ha sigut provat i avaluat en el context turístic per usuaris reals. Els resultats demostren la seua capacitat per / In daily life, people usually rely on recommendations, traditionally given by other people (family, friends, etc.) for their most varied decisions. In the digital world, this is not different, given that recommender systems are present everywhere in such a way that we no longer realize. The main goal of these systems is to assist users in the decision-making process, generating recommendations that are of their interest and based on their tastes. These recommendations range from products in e-commerce websites, like books to read or places to visit to what to eat or how long one should walk a day to have a healthy life, who to date or who one should follow on social networks. And this is an increasing area. On the one hand, we have more and more users on the internet whose life is somewhat digitized, given than what one does in the "real world" is represented in a certain way in the "digital world". On the other hand, we suffer from information overload, which can be mitigated by the use of recommendation systems. However, these systems also face some problems, such as the cold start problem and their need to be more and more "human", "personalised" and "precise" in order to meet the yearning of users and companies. In this challenging scenario, personality-based recommender systems are being increasingly studied, since they are able to face these problems. Some recent projects have proposed the use of the human personality in recommenders, whether as a whole or individually by facet in order to meet those demands. Therefore, this thesis is devoted to this new area of personality-based recommendation, focusing on one of its most important traits, the curiosity. Additionally, in order to exploit the information already present on the internet, we will implicitly obtain information from social networks. Thus, this work aims to build a better experience for the end user through a new approach that offers an option for some of the gaps identified in personality-based recommendation systems. Among these gap improvements, the use of social networks to feed the recommender systems soften the cold start problem and, at the same time, it provides valuable data for the prediction of the human personality. Another found gap is that the curiosity was not used by any of the studied recommender systems; almost all of them have used the overall personality of an individual through the Big Five personality traits. However, psychological studies confirm that the curiosity is a relevant trait in the process of choosing an item, which is directly related to recommendation systems. In summary, we believe that a recommendation system that implicitly measures the curiosity and uses it in the process of recommending new items, especially in the tourism sector, could clearly improve the capacity of these systems in terms of accuracy, serendipity and novelty, allowing users to obtain positive levels of satisfaction with the recommendations. This thesis begins with an exhaustive study of the state of the art, where we highlight works about recommender systems, the human personality from the point of view of traditional and positive psychology and how these aspects are combined. Then, we develop an online application capable of implicitly extracting information from the user profile in a social network, thus generating predictions of one or more personality traits. Finally, we develop the CURUMIM system, able to generate online recommendations with different properties, combining the curiosity and some sociodemographic characteristics (such as level of education) extracted from Facebook. The system is tested and assessed within the tourism context by real users. The results demonstrate its ability to generate novel and serendipitous recommendations, while maintaining a good level of accuracy, independently of the degree of curiosity of the users. / Menk Dos Santos, A. (2018). Personality-based recommendation: human curiosity applied to recommendation systems using implicit information from social networks [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/114798 / TESIS

Los sistemas de recomendación se han hecho cada vez más frecuentes en los últimos años, ya que ayudan a los usuarios a acceder a elementos relevantes del vasto universo de posibilidades disponibles en estos días. La mayoría de las investigaciones existentes en el área se basan puramente en aspectos cuantitativos, tales como índices de popularidad o medidas de similitud entre elementos o usuarios. En esta tesis se desarrollaron distintos modelos para la implementación de sistemas de recomendación, que incorporan aspectos que difieren de los más clásicos de un recomendador. Uno de los modelos desarrollados incorpora la noción de confiabilidad, mientras que otro fomenta la transparencia de la recomendación para los usuarios y la flexibilidad para instanciar las preferencias de recomendación en un sistema de recomendación. Los modelos propuestos incorporan el uso de argumentos a favor o en contra de las recomendaciones para determinar si una sugerencia debe ser presentada o no a un usuario. Para lograr esto, se adopta la Programación Lógica Rebatible (DeLP, del inglés, Defeasible Logic Programming) como el formalismo subyacente para modelar hechos y reglas sobre el dominio de recomendación y para computar el proceso de argumentación. Este enfoque tiene varias ventajas sobre otras técnicas de recomendación existentes. En particular, las recomendaciones se pueden refinar fácilmente en cualquier momento agregando nuevas reglas pulidas. También, queda en evidencia la capacidad de inferencia de los modelos propuestos. Lo más importante es que las explicaciones que apoyan cada recomendación pueden proporcionarse de una manera que sea fácil de entender para el usuario, por medio de los argumentos calculados. / Recommender systems have become prevalent in recent years as they help users to access relevant items from the vast universe of possibilities available these days. Most existing research in this area is based purely on quantitative aspects such as indices of popularity or measures of similarity between items or users. In this thesis, different models were developed for the implementation of recommendation systems, which incorporate aspects that differ from those classically found in a recommender. One of the models developed incorporate the notion of trust, while another promotes the transparency of the recommendation for users and the flexibility to instantiate recommendation preferences in a recommendation system. The proposed models incorporate the use of arguments in favor or against recommendations to determine if a suggestion should be presented or not to a user. In order to accomplish this, Defeasible Logic Programming (DeLP) is adopted as the underlying formalism to model facts and rules about the recommendation domain and to compute the argumentation process. This approach has a number of advantages over other existing recommendation techniques. In particular, recommendations can be easily refined at any time by adding new polished rules. Also, the inference capability of the proposed models is evident. Most importantly, explanations supporting each recommendation can be provided in a way that is easily understood by the user, by means of the computed arguments.

En años recientes,la Inteligencia Artificial ha contribuido a resolver problemas encontrados en el desempeño de las tareas de unidades informáticas, tanto si las computadoras están distribuidas para interactuar entre ellas o en cualquier entorno (Inteligencia Artificial Distribuida). Las Tecnologías de la Información permiten la creación de soluciones novedosas para problemas específicos mediante la aplicación de los hallazgos en diversas áreas de investigación. Nuestro trabajo está dirigido a la creación de modelos de usuario mediante un enfoque multidisciplinario en los cuales se emplean los principios de la psicología, inteligencia artificial distribuida, y el aprendizaje automático para crear modelos de usuario en entornos abiertos; uno de estos es la Inteligencia Ambiental basada en Modelos de Usuario con funciones de aprendizaje incremental y distribuido (conocidos como Smart User Model). Basándonos en estos modelos de usuario, dirigimos esta investigación a la adquisición de características del usuario importantes y que determinan la escala de valores dominantes de este en aquellos temas en los cuales está más interesado, desarrollando una metodología para obtener la Escala de Valores Humanos del usuario con respecto a sus características objetivas, subjetivas y emocionales (particularmente en Sistemas de Recomendación).Una de las áreas que ha sido poco investigada es la inclusión de la escala de valores humanos en los sistemas de información. Un Sistema de Recomendación, Modelo de usuario o Sistemas de Información, solo toman en cuenta las preferencias y emociones del usuario [Velásquez, 1996, 1997; Goldspink, 2000; Conte and Paolucci, 2001; Urban and Schmidt, 2001; Dal Forno and Merlone, 2001, 2002; Berkovsky et al., 2007c]. Por lo tanto, el principal enfoque de nuestra investigación está basado en la creación de una metodología que permita la generación de una escala de valores humanos para el usuario desde el modelo de usuario. Presentamos resultados obtenidos de un estudio de casos utilizando las características objetivas, subjetivas y emocionales en las áreas de servicios bancarios y de restaurantes donde la metodología propuesta en esta investigación fue puesta a prueba.En esta tesis, las principales contribuciones son: El desarrollo de una metodología que, dado un modelo de usuario con atributos objetivos, subjetivos y emocionales, se obtenga la Escala de Valores Humanos del usuario. La metodología propuesta está basada en el uso de aplicaciones ya existentes, donde todas las conexiones entre usuarios, agentes y dominios que se caracterizan por estas particularidades y atributos; por lo tanto, no se requiere de un esfuerzo extra por parte del usuario. / Information Technology enables new solutions to be created for specific problems by applying knowledge gained in various areas of research.Our work is aimed at creating user models using a multi-disciplinary approach in which we use principles of psychology, distributed artificial intelligence, and automatic learning to create user models in open environments; such as Environmental Intelligence based on User Models with functions of incremental and distributed learning (known as Smart User Models). Based on these user models, we aimed this research at acquiring user characteristics that are not trivial and that determine the user's scale of dominant values in the matters in which he/she is most interested, and developing a methodology for extracting the Human Values Scale of the user with regard to his/her objective, subjective, and emotional attributes (particularly in the Recommender Systems). One of the areas that have been little researched is the inclusion of the human values scale in information systems. A Recommender System, User Models, and Systems Information only takes into account the preferences and emotions of the user [Velásquez, 1996, 1997; Goldspink, 2000; Conte and Paolucci, 2001; Urban and Schmidt, 2001; Dal Forno and Merlone, 2001, 2002; Berkovsky et al., 2007c]. Therefore, the main approach of our research is based on creating a methodology that permits the generation of the human values scale of the user from the user model. We present results obtained from a case study using the objective, subjective, and emotional attributes in the banking and restaurant domains, where the methodology proposed in this research was tested. In this thesis, the main contributions are: To develop a methodology that, given a user model with objective, subjective and emotional attributes, obtains the user's Human Values Scale. The methodology proposed is based on the use of existing applications, where there are connections between users, agents, and domains that are characterised by their features and attributes; therefore, no extra effort is required by the user.

Submitted by Edgar Bisset Alvarez (ebicet@gmail.com) on 2017-09-26T15:42:00Z No. of bitstreams: 1 BISSET, E._Tese Doutorado_2017.pdf: 3344763 bytes, checksum: 884ae066aac9154e1211e987df275f8f (MD5) / Rejected by LUIZA DE MENEZES ROMANETTO (luizamenezes@reitoria.unesp.br), reason: Solicitado pelo autor. on 2017-09-26T16:03:28Z (GMT) / Submitted by Edgar Bisset Alvarez (ebicet@gmail.com) on 2017-09-26T16:11:02Z No. of bitstreams: 1 BISSET ALVAREZ, EDGAR._Tese Doutorado_2017.pdf: 3385452 bytes, checksum: af6910cf5fa84c7e9a61b79bb3a23011 (MD5) / Approved for entry into archive by LUIZA DE MENEZES ROMANETTO (luizamenezes@reitoria.unesp.br) on 2017-09-26T16:24:03Z (GMT) No. of bitstreams: 1 bissetalvarez_e_dr_mar.pdf: 3385452 bytes, checksum: af6910cf5fa84c7e9a61b79bb3a23011 (MD5) / Made available in DSpace on 2017-09-26T16:24:03Z (GMT). No. of bitstreams: 1 bissetalvarez_e_dr_mar.pdf: 3385452 bytes, checksum: af6910cf5fa84c7e9a61b79bb3a23011 (MD5) Previous issue date: 2017-08-28 / Programa de Apoyo a Estudiantes de Doctorado del Extranjero (PAEDEX) “AUIPUNESP” / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Produto do amplo avanço no desenvolvimento de aplicativos e ferramentas para o uso nas bibliotecas percebe-se um notável aumento no nível de complexidade dos ambientes de informação destas instituições, o que desde a perspectiva da Arquitetura da Informação cria a necessidade de projetos de pesquisas mais apurados, e que visem melhorar os ambientes de informação das bibliotecas universitárias, tendo sempre como principal objetivo, favorecer as experiências dos usuários, e ajudá-los nos processos de encontrabilidade das informações pertinentes, no momento preciso e com a máxima qualidade possível. Estudos desenvolvidos na área da Ciência da Informação, da Biblioteconomia, e mais especificamente na área da Arquitetura da Informação têm realizado grandes esforços na busca de técnicas, métodos e ferramentas que permitam facilitar e aumentar para o usuário final, a tomada de melhores decisões em suas atividades diárias. No entanto, estes estudos demostram-se insuficientes na hora de antecipar-se às necessidades dos usuários e proporcionar a eles informações personalizadas que atendam seus gostos e preferências. Diante deste cenário, evidenciamos a necessidade de respostas para este fenômeno, encontrando na área da Ciência da Computação estudos sobre a personalização dos ambientes digitais (aplicados especificamente na área do e-commerce), por meio da incorporação de Sistemas de Recomendações, voltados para o alívio da carga informacional que recai sobre o usuário, e o aumento do serendipismo nos diferentes ambientes informacionais por meio de técnicas de filtragem da informação, que sugerem aos usuários recursos que possam vir a satisfazer suas necessidades. Surge assim a questão que norteia esta pesquisa: Como melhorar a Encontrabilidade da Informação nos espaços informacionais dos CRAI, a partir da inserção e uso dos Sistemas de Recomendação em projetos de Arquitetura da Informação? A fim de demostrar a importância dos estudos sobre esse tema desde a perspectiva da Biblioteconomia, definiu-se como objetivo principal a “Construção de um modelo teórico de Arquitetura da Informação com foco em Sistemas de Recomendação, visando aumentar a Encontrabilidade da Informação nos CRAI”. Como metodologia para o desenvolvimento desta pesquisa, optamos pelo uso do método quadripolar, pela sua capacidade de dinamismo e flexibilidade, e facilidade de análise do objeto de investigação a partir de diferentes perspectivas. Durante toda a pesquisa, trabalhou-se com a hipótese de que, a incorporação dos Sistemas de Recomendação no contexto das Bibliotecas Universitárias facilitará o processo de Encontrabilidade da Informação de uma comunidade de usuários cada vez mais exigente para com os produtos e serviços que consomem. Como resultados foram apresentados, primeiramente, um conceito de Sistema de Recomendação aplicável e usável na área da Biblioteconomia, além de trazer a proposta de um modelo teórico para a inclusão dos Sistemas de Recomendação em futuros projetos de Arquitetura da Informação, não só dos ambientes informacionais das bibliotecas universitárias, como de outros centros de informação, por último, elaborou-se uma ferramenta que permite avaliar a implementação e funcionamento do modelo na sua aplicação prática. / Due to the wide advancement in the development of applications and tools for the use of libraries, there is a notable increase in the level of complexity of the information environments of these institutions, there is an increase in the level of complexity of their informational environments, that, of the perspective of Information Architecture creates the need for more accurate research projects, in the search to improve the information environments of the university libraries, having as main objective, to improve the experiences of the users, and assist them to find the pertinent information, at the right time and with the highest possible quality. Many studies developed in the area of Library and Information Science, and more specifically into Information Architecture have made great efforts in the search for techniques, methods and tools that allow, and enable them to make better decisions in their daily activities. However, these studies prove to be insufficient, when it comes to anticipating the needs of users, and providing personalized information that suit their tastes and preferences. In this scenario, we highlight the need for answers to this problem, finding into area of computer science, studies on the personalization of digital environments (specifically applied into e-commerce area) through the incorporation of Recommendations Systems, aimed at alleviating to informational overburden on the user, and increasing to serendipity in the different information environments, through to the information filtering techniques, that suggest which to users, resources that may meet their needs.. This raises the question that guides this research: How to improve Findability of Information into CRAI, based on the insertion and use of Recommendation Systems in Information Architecture projects? In order to show the importance of the studies on this subject, from the perspective of Library Science, was defined the main objective, being "to the Construction of a theoretical model of Information Architecture focusing on Recommendation Systems in order to increase Findability of Information into CRAI"As methodology for the development of this research, we chose the use of the Quadripolar Method, its capacity for dynamism and flexibility, and ease of analysis of the research object from different perspectives. Throughout the research, we worked to the hypothesis, that the incorporation of the Recommendation Systems in the context of University Libraries will facilitate the process of Findability of Information, an user community increasingly to demanding, with the products and services they consume. As a result, was first presented a concept of System of Recommendation, applicable and usable in the area of Library Science, as well as the proposal of a theoretical model for the inclusion of Recommendation Systems, in future Information Architecture projects, not only for the informational environments of the University libraries, and for other information centers too. Finally, a tool was developed to evaluate the implementation and functioning of the model in its practical application. / Debido al amplio avance alcanzado en el área de desarrollo de aplicaciones y herramientas para el uso de las bibliotecas, se nota un notable aumento en el nivel de complejidad de los ambientes de información de estas instituciones, lo que desde la perspectiva de la Arquitectura de la Información crea la necesidad de proyectos de investigación, que busquen mejorar los ambientes de información de las Bibliotecas Universitarias, teniendo como principal objetivo mejorar las experiencias de los usuarios y ayudarlos en el proceso de encontrar la información pertinente, en el momento preciso y con la mejor calidad posible. Estudios desarrollaos desde las Ciencias de la Información, la Bibliotecología y específicamente desde la Arquitectura da Información se han realizado grandes esfuerzos en la búsqueda de técnicas, métodos y herramientas que faciliten y aumenten el acceso, uso y capacidad de los usuarios para tomar mejores decisiones en sus actividades diarias. Estos estudios aun resultan insuficientes en su capacidad de anticiparse a las necesidades de los usuarios y ofrecerles informaciones con cierto nivel de personalización e que acompañen sus gustos y preferencias. Ante este contexto, percibimos la necesidad de dar respuesta a este fenómeno, encontrando en el dominio de la computación, estudios sobre la personalización de los ambientes digitales (utilizados específicamente en el área de e-comerce), a través de la incorporación de Sistemas de Recomendación, orientados a aliviar la carga informacional que sobre el usuario recae y el aumento del serendipismo en los diferentes ambientes informacionales a través de técnicas de filtrado de información, que les sugieren a los usuarios recursos que podrían satisfacer sus necesidades de información futuras. Surge así la pregunta que guía esta investigación: ¿Cómo mejorar la encontrabilidad de la información en los espacios informacionales de los CRAI, partiendo de la inserción y uso de los Sistemas de Recomendación en proyectos de Arquitectura de la Información? Con el objetivo de mostrar la importancia de estudios sobre este tema desde la perspectiva de la Bibliotecología, se define como objetivo principal de la investigación, la “Construcción de un modelo teórico de Arquitectura de la Información con foco en los Sistemas de Recomendación con el objetivo de aumentar la Encontrabilidad de la Información en los CRAI. La metodología adoptada para la realización de esta investigación fue el método cuadripolar, que brinda cierta facilidad y flexibilidad para la investigación, así como, claridad para la realización de un profundo análisis del objeto de estudio desde diferentes perspectivas. Durante la investigación se trabajó con la hipótesis de que, con la incorporación de los Sistemas de Recomendación en los ambientes de las bibliotecas universitarias, el proceso de encontrabilidad acontecería con mayor facilidad en la medida que tratan de satisfacer las necesidades de su comunidad usuaria. Como resultado final fue elaborado un concepto de Sistema de Recomendación aplicable y usable en el contexto de la Bibliotecología, además de presentar una propuesta de modelo teórico para la inclusión de los sistemas de recomendación en futuros proyectos de Arquitectura de Información, no solo de los ambientes de información de las bibliotecas universitarias, como de otros centros de información, por último se elaboró una herramienta de evaluación que acompañe el proceso de implementación funcionamiento del modelo en su aplicación práctica. / CAPES: 88881.135000/2016-01

For over 4 years now, there has been a fierce fight for staying ahead in the so-called ”Streaming War”. The Covid-19 pandemic and its consequent confinement only worsened the situation. In such a market where the user is faced with too many streaming video services to choose from, retaining customers becomes a necessary must. Moreover, an extensive catalogue makes it even more difficult for the user to choose a movie from. Recommender Systems try to ease this task by analyzing the users’ interactions with the platform and predicting movies that, a priori, will be watched next. Neural Networks have started to be implemented as the underlying technology in the development of Recommender Systems. Yet, most streaming services fall victim to a highly uneven movies distribution, where a small fraction of their content is watched by most of their users, having the rest of their catalogue a limited number of views. This is the long-tail problem that makes for a difficult classification model. An RNN model was implemented to solve this problem. Following a multiple-experts classification strategy, where each classifier focuses only on a specific group of films, movies are clustered by popularity. These clusters were created following the Jenks natural breaks algorithm, clustering movies by minimizing the inner group variance and maximizing the outer group variance. This new implementation ended up outperforming other clustering methods, where the proposed Jenks’ movie clusters gave better results for the corresponding models. The model had, as input, an ordered stream of watched movies. An extra input variable, the date of the visualization, gave an increase in performance, being more noticeable in those clusters with a fewer amount of movies and more views, i.e., those clusters not corresponding to the least popular ones. The addition of an extra variable, the percent of movies watched, gave inconclusive results due to hardware limitations. / I över fyra år har det nu varit en hård kamp för att ligga i framkant i det så kallade ”Streaming kriget”. Covid-19-pandemin och den därpå följande karantänen förvärrade bara situationen. På en sådan marknad där användaren står inför alltför många streamingtjänster att välja mellan, blir kvarhållande av kunderna en nödvändighet. En omfattande katalog gör det dessutom ännu svårare för användaren att välja en film. Rekommendationssystem försöker underlätta denna uppgift genom att analysera användarnas interaktion med plattformen och förutsäga vilka filmer som kommer att ses härnäst. Neurala nätverk har börjat användas som underliggande teknik vid utvecklingen av rekommendationssystem. De flesta streamingtjänster har dock en mycket ojämn fördelning av filmerna, då en liten del av deras innehåll ses av de flesta av användarna, medan en stor del av deras katalog har ett begränsat antal visualiseringar. Detta så kallade ”Long Tail”-problem gör det svårt att skapa en klassificeringsmodell. En RNN-modell implementerades för att lösa detta problem. Genom att följa en klassificeringsstrategi med flera experter, där varje klassificerare endast fokuserar på en viss grupp av filmer, grupperas filmerna efter popularitet. Dessa kluster skapades enligt Jenks natural breaks-algoritm, som klustrar filmer genom att minimera variansen i den inre gruppen och maximera variansen i den yttre gruppen. Denna nya implementering överträffade till slut andra klustermetoder, där filmklustren föreslagna av Jenks gav bättre resultat för motsvarande modeller. Modellen hade som indata en ordnad ström av sedda filmer. En extra ingångsvariabel, datumet för visualiseringen, gav en ökning av prestandan, som var mer märkbar i de kluster med färre filmer och fler visualiseringar, dvs. de kluster som inte motsvarade de minst populära klustren. Tillägget av en extra variabel, procent av filmen som har setts, gav inte entydiga resultat på grund av hårdvarubegränsningar / Desde hace más de 4 años, se está librando una lucha encarnizada por mantenerse en cabeza en la llamada ”Guerra del Streaming”. La Covid-19 y su consiguiente confinamiento no han hecho más que empeorar la situación. En un mercado como éste, en el que el usuario se encuentra con demasiados servicios de vídeo en streaming entre los que elegir, retener a los clientes se convierte en una necesidad. Además, un catálogo extenso dificulta aún más la elección de una película por parte del usuario. Los sistemas de recomendación intentan facilitar esta tarea analizando las interacciones de los usuarios con la plataforma y predecir las películas que, a priori, se verán a continuación. Las Redes Neuronales han comenzado a implementarse como tecnología subyacente en el desarrollo de los sistemas de recomendación. Sin embargo, la mayoría de los servicios de streaming son víctimas de una distribución de películas muy desigual, en la que una pequeña fracción de sus contenidos es vista por la mayoría de sus usuarios, teniendo el resto de su catálogo un número muy inferior de visualizaciones. Este es el denominado problema de ”long-tail” que dificulta el modelo de clasificación. Para resolver este problema se implementó un modelo RNN. Siguiendo una estrategia de clasificación de expertos múltiples, en la que cada clasificador se centra en un único grupo específico de películas, agrupadas por popularidad. Estos clusters se crearon siguiendo el algoritmo de Jenks, agrupando las películas mediante minimización y maximización de la varianza entre grupos . Esta nueva implementación acabó superando a otros métodos de clustering, donde los clusters de películas de Jenks propuestos dieron mejores resultados para los modelos correspondientes. El modelo tenía como entrada un flujo ordenado de películas vistas. Una variable de entrada extra, la fecha de la visualización, dio un incremento en el rendimiento, siendo más notable en aquellos clusters con una menor cantidad de películas y más visualizaciones, es decir, aquellos clusters que no corresponden a los menos populares. La adición de una variable extra, el porcentaje de películas vistas, dio resultados no concluyentes debido a limitaciones hardware.