Pervasive computing is an intuitive evolution of computing paradigms driven by the wide adoption of mobile devices and wireless networks. It introduces a novel way to support users in their everyday life based on open and dynamic environments populated with unobtrusive services able to perform user tasks on the fly. Nevertheless, supporting user tasks from a functional point of view is not enough to gain the user's satisfaction. Users instead require that their tasks meet a certain Quality of Service (QoS) level. QoS is indeed an inherent and primary requisite of users going along with their required tasks. In the context of pervasive environments, fulfilling user tasks while delivering satisfactory QoS brings about several challenges that are mainly due to the openness, dynamics, and limited underlying resources of these environments. These challenges are mainly about (i) the lack of common QoS understanding among users and service providers, (ii) determining and integra- ting, on the fly, the services available in the environment and able to fulfill the functional and QoS requirements of users, and (iii) adapting the provided services at run-time to cope with QoS fluctuations and ensure meeting user requirements. To cope with the aforementioned issues, we opt for a middleware-based solution. Middle- ware represents indeed the appropriate software system to deal with common concerns of user applications such as QoS. In particular, we opt for a specific kind of middleware, viz., Ser- vice Oriented Middleware (SOM). SOM can leverage middleware technologies and the Service Oriented Computing (SOC) paradigm to enable pervasive environments as dynamic service en- vironments. Particularly, SOM can provide middleware services that allow for supporting QoS of user applications offered by pervasive environments. This thesis presents a QoS-aware service-oriented middleware for pervasive environments. The main contributions of this middleware are : (1) a semantic end-to-end QoS model that enables shared understanding of QoS in pervasive environments, (2) an efficient QoS-aware service composition approach allowing to build service compositions able to fulfill the user functional and QoS requirements, and (3) a QoS-driven adaptation approach to cope with QoS fluctuations during the execution of service compositions. The proposed contributions are implemented within a middleware platform called QASOM and their efficiency is validated based on experimental results.

Campus universitários são ambientes compostos de recursos e pessoas que utilizam os tais. Um dos principais recursos utilizados pela comunidade de um campus são os objetos de aprendizagem. Tais objetos existem de maneira abundante, espalhados no ambiente ou concentrados em um único local. Entretanto, a abundancia desses objetos faz com que uma pessoa sinta-se cognitivamente cansada ao ter que analisar vários objetos e selecionar apenas alguns. Esse cansaço cognitivo acaba levando a pessoa a escolher um conjunto de objetos de aprendizagem que não satisfarão suas necessidades e interesses da melhor maneira possível. A computação evoluiu de grandes mainframes a pequenos computadores espalhados em um ambiente. Hoje é possível a existência de ambientes pervasivos, onde os recursos computacionais estão sempre presentes e agindo de forma invisível ao usuário. Tais ambientes tornam possível o acompanhamento das atividades do usuário, provendo informações contextuais que podem ser utilizadas para ajudar a seleção dos melhores recursos (ex. objetos de aprendizagem, restaurantes, salas de aula) à determinada pessoa. A localização é uma informação contextual de grande importância na seleção de tais recursos. Tal informação pode ser facilmente obtida através do sinal de GPS do dispositivo móvel de um usuário e utilizada em conjunto com os interesses do usuário para recomendar os recursos próximos que melhor atenderão ao mesmo. Neste contexto este trabalho descreve uma abordagem para recomendar objetos de aprendizagem físicos ou virtuais que estejam relacionados aos prédios próximos a atual localização do usuário. Para executar tal tarefa é descrito um sistema de recomendação que utiliza a informação de localização, obtida através do dispositivo móvel do usuário, combinada à informações do perfil do usuário, dos objetos de aprendizagem relacionados aos prédios e informações tecnológicas do dispositivo para instanciar um modelo ontológico de contexto. Após instanciado o modelo são utilizadas regras semânticas, escritas em forma de antecedente e consequente, que fazem uma correspondência entre os interesses do usuário e o domínio de conhecimento do objeto de aprendizagem para filtrar os objetos próximos ao usuário. De posse desses objetos recomendados o sistema os apresenta em uma interface adaptativa que mostra a localização tanto dos objetos quanto do usuário. Para validar a abordagem apresentada é desenvolvido um estudo de caso onde as regras semânticas de recomendação são executadas sobre o modelo ontológico desenvolvido. O resultado gerado por tais regras é um conjunto de pares (usuário, objeto de aprendizagem recomendado) e prova a validade da abordagem. / University campus are environments composed of resources and people who use them. One of the main resources used by a campus community are learning objects. Such objects are abundantly even scattered in the environment or concentrated in one location. However the abundance of such objects makes a person feel cognitively tired when having to analyze various objects and select just a few of them. This cognitive fatigue eventually leads the person to choose a set of learning objects that do not meet their needs and interests in the best possible way. Computing has evolved from large mainframe to small computers scattered in an environment. Today it is possible the existence of pervasive environments where computational resources are always present and acting in a manner invisible to the user. Such environments make it possible to monitor user activities, providing contextual information that can be used to help select the best resources (e.g. learning objects, restaurants, classrooms) to a particular person. The location is a contextual information of great importance in the selection of such resources. Such information can be easily obtained through the GPS signal from a mobile device and used with the user’s interests to recommend the nearby resources that best attend his needs and interests. In this context, this work describes an approach to recommend physical or virtual learning objects that are related to buildings near the user’s current location. To accomplish such a task we described a recommender system that uses the location information, obtained through the user's mobile device, combined with information from the user’s profile, learning objects related to buildings and technological information from the device to instantiate an ontological context model. Once the model is instantiated we used semantic rules, written in the form of antecedent and consequent, to make a match between the user’s interests and the knowledge domain of the learning object in order filter the user’s nearby objects. With such recommended objects, the system presents them in an adaptive interface that shows both the object and the user location. To validate the presented approach we developed a case study where the recommendation semantic rules are executed on the developed ontological model. The income generated by such rules is a set of pairs (user, recommended learning object) and proves the validity of the approach.

Campus universitários são ambientes compostos de recursos e pessoas que utilizam os tais. Um dos principais recursos utilizados pela comunidade de um campus são os objetos de aprendizagem. Tais objetos existem de maneira abundante, espalhados no ambiente ou concentrados em um único local. Entretanto, a abundancia desses objetos faz com que uma pessoa sinta-se cognitivamente cansada ao ter que analisar vários objetos e selecionar apenas alguns. Esse cansaço cognitivo acaba levando a pessoa a escolher um conjunto de objetos de aprendizagem que não satisfarão suas necessidades e interesses da melhor maneira possível. A computação evoluiu de grandes mainframes a pequenos computadores espalhados em um ambiente. Hoje é possível a existência de ambientes pervasivos, onde os recursos computacionais estão sempre presentes e agindo de forma invisível ao usuário. Tais ambientes tornam possível o acompanhamento das atividades do usuário, provendo informações contextuais que podem ser utilizadas para ajudar a seleção dos melhores recursos (ex. objetos de aprendizagem, restaurantes, salas de aula) à determinada pessoa. A localização é uma informação contextual de grande importância na seleção de tais recursos. Tal informação pode ser facilmente obtida através do sinal de GPS do dispositivo móvel de um usuário e utilizada em conjunto com os interesses do usuário para recomendar os recursos próximos que melhor atenderão ao mesmo. Neste contexto este trabalho descreve uma abordagem para recomendar objetos de aprendizagem físicos ou virtuais que estejam relacionados aos prédios próximos a atual localização do usuário. Para executar tal tarefa é descrito um sistema de recomendação que utiliza a informação de localização, obtida através do dispositivo móvel do usuário, combinada à informações do perfil do usuário, dos objetos de aprendizagem relacionados aos prédios e informações tecnológicas do dispositivo para instanciar um modelo ontológico de contexto. Após instanciado o modelo são utilizadas regras semânticas, escritas em forma de antecedente e consequente, que fazem uma correspondência entre os interesses do usuário e o domínio de conhecimento do objeto de aprendizagem para filtrar os objetos próximos ao usuário. De posse desses objetos recomendados o sistema os apresenta em uma interface adaptativa que mostra a localização tanto dos objetos quanto do usuário. Para validar a abordagem apresentada é desenvolvido um estudo de caso onde as regras semânticas de recomendação são executadas sobre o modelo ontológico desenvolvido. O resultado gerado por tais regras é um conjunto de pares (usuário, objeto de aprendizagem recomendado) e prova a validade da abordagem. / University campus are environments composed of resources and people who use them. One of the main resources used by a campus community are learning objects. Such objects are abundantly even scattered in the environment or concentrated in one location. However the abundance of such objects makes a person feel cognitively tired when having to analyze various objects and select just a few of them. This cognitive fatigue eventually leads the person to choose a set of learning objects that do not meet their needs and interests in the best possible way. Computing has evolved from large mainframe to small computers scattered in an environment. Today it is possible the existence of pervasive environments where computational resources are always present and acting in a manner invisible to the user. Such environments make it possible to monitor user activities, providing contextual information that can be used to help select the best resources (e.g. learning objects, restaurants, classrooms) to a particular person. The location is a contextual information of great importance in the selection of such resources. Such information can be easily obtained through the GPS signal from a mobile device and used with the user’s interests to recommend the nearby resources that best attend his needs and interests. In this context, this work describes an approach to recommend physical or virtual learning objects that are related to buildings near the user’s current location. To accomplish such a task we described a recommender system that uses the location information, obtained through the user's mobile device, combined with information from the user’s profile, learning objects related to buildings and technological information from the device to instantiate an ontological context model. Once the model is instantiated we used semantic rules, written in the form of antecedent and consequent, to make a match between the user’s interests and the knowledge domain of the learning object in order filter the user’s nearby objects. With such recommended objects, the system presents them in an adaptive interface that shows both the object and the user location. To validate the presented approach we developed a case study where the recommendation semantic rules are executed on the developed ontological model. The income generated by such rules is a set of pairs (user, recommended learning object) and proves the validity of the approach.

Campus universitários são ambientes compostos de recursos e pessoas que utilizam os tais. Um dos principais recursos utilizados pela comunidade de um campus são os objetos de aprendizagem. Tais objetos existem de maneira abundante, espalhados no ambiente ou concentrados em um único local. Entretanto, a abundancia desses objetos faz com que uma pessoa sinta-se cognitivamente cansada ao ter que analisar vários objetos e selecionar apenas alguns. Esse cansaço cognitivo acaba levando a pessoa a escolher um conjunto de objetos de aprendizagem que não satisfarão suas necessidades e interesses da melhor maneira possível. A computação evoluiu de grandes mainframes a pequenos computadores espalhados em um ambiente. Hoje é possível a existência de ambientes pervasivos, onde os recursos computacionais estão sempre presentes e agindo de forma invisível ao usuário. Tais ambientes tornam possível o acompanhamento das atividades do usuário, provendo informações contextuais que podem ser utilizadas para ajudar a seleção dos melhores recursos (ex. objetos de aprendizagem, restaurantes, salas de aula) à determinada pessoa. A localização é uma informação contextual de grande importância na seleção de tais recursos. Tal informação pode ser facilmente obtida através do sinal de GPS do dispositivo móvel de um usuário e utilizada em conjunto com os interesses do usuário para recomendar os recursos próximos que melhor atenderão ao mesmo. Neste contexto este trabalho descreve uma abordagem para recomendar objetos de aprendizagem físicos ou virtuais que estejam relacionados aos prédios próximos a atual localização do usuário. Para executar tal tarefa é descrito um sistema de recomendação que utiliza a informação de localização, obtida através do dispositivo móvel do usuário, combinada à informações do perfil do usuário, dos objetos de aprendizagem relacionados aos prédios e informações tecnológicas do dispositivo para instanciar um modelo ontológico de contexto. Após instanciado o modelo são utilizadas regras semânticas, escritas em forma de antecedente e consequente, que fazem uma correspondência entre os interesses do usuário e o domínio de conhecimento do objeto de aprendizagem para filtrar os objetos próximos ao usuário. De posse desses objetos recomendados o sistema os apresenta em uma interface adaptativa que mostra a localização tanto dos objetos quanto do usuário. Para validar a abordagem apresentada é desenvolvido um estudo de caso onde as regras semânticas de recomendação são executadas sobre o modelo ontológico desenvolvido. O resultado gerado por tais regras é um conjunto de pares (usuário, objeto de aprendizagem recomendado) e prova a validade da abordagem. / University campus are environments composed of resources and people who use them. One of the main resources used by a campus community are learning objects. Such objects are abundantly even scattered in the environment or concentrated in one location. However the abundance of such objects makes a person feel cognitively tired when having to analyze various objects and select just a few of them. This cognitive fatigue eventually leads the person to choose a set of learning objects that do not meet their needs and interests in the best possible way. Computing has evolved from large mainframe to small computers scattered in an environment. Today it is possible the existence of pervasive environments where computational resources are always present and acting in a manner invisible to the user. Such environments make it possible to monitor user activities, providing contextual information that can be used to help select the best resources (e.g. learning objects, restaurants, classrooms) to a particular person. The location is a contextual information of great importance in the selection of such resources. Such information can be easily obtained through the GPS signal from a mobile device and used with the user’s interests to recommend the nearby resources that best attend his needs and interests. In this context, this work describes an approach to recommend physical or virtual learning objects that are related to buildings near the user’s current location. To accomplish such a task we described a recommender system that uses the location information, obtained through the user's mobile device, combined with information from the user’s profile, learning objects related to buildings and technological information from the device to instantiate an ontological context model. Once the model is instantiated we used semantic rules, written in the form of antecedent and consequent, to make a match between the user’s interests and the knowledge domain of the learning object in order filter the user’s nearby objects. With such recommended objects, the system presents them in an adaptive interface that shows both the object and the user location. To validate the presented approach we developed a case study where the recommendation semantic rules are executed on the developed ontological model. The income generated by such rules is a set of pairs (user, recommended learning object) and proves the validity of the approach.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-08-27T17:25:48Z No. of bitstreams: 1 FREDERICO MOREIRA BUBLITZ - DISSERTAÇÃO PPGCC 2007..pdf: 904934 bytes, checksum: 8d563223d93f55292a39ac820e5c565d (MD5) / Made available in DSpace on 2018-08-27T17:25:48Z (GMT). No. of bitstreams: 1 FREDERICO MOREIRA BUBLITZ - DISSERTAÇÃO PPGCC 2007..pdf: 904934 bytes, checksum: 8d563223d93f55292a39ac820e5c565d (MD5) Previous issue date: 2007-07-20 / O desenvolvimento tecnológico tem proporcionado que os computadores se tornem cada vez mais compactos e mais poderosos, levando a computação a um novo paradigma: o de Computação Pervasiva. Neste paradigma, os computadores estão embutidos em objetos comuns ao cotidiano das pessoas (e.g.,roupas, telefones, automóveis, canetas, óculos e eletrodomésticos em geral), permitindo-os estar acessíveis em qualquer lugar e a qualquer momento, integrando-se à vida das pessoas, agindo em benefício delas. Tornar estes dispositivos integrados aos seres humanos, requer que as aplicações se adaptem em tempo de execução às alterações no ambiente e às necessidades dos usuários. Isto exige que o desenvolvedor de aplicações voltadas a ambientes pervasivos lide com questões que fogem à lógica de negócio de sua aplicação, principalmente no que diz respeito à obtenção de contexto,que é fundamental para obtenção desta adaptabilidade desejada. Neste trabalho, aborda-se a problemática supra mencionada, propondo-se uma infraestrutura capaz de fornecer mecanismos para a obtenção, representação e inferência sobre a informação contextual, tornando-as disponíveis a qualquer aplicação que possa fazer uso delas. Mais especificamente, esta infra-estrutura denominada Lotus, contempla em uma abordagem integrada todos os aspectos relacionados com a provisão de informação contextual. A viabilidade da infra-estrutura foi demonstrada por meio do desenvolvimento de duas aplicações, uma no domínio de comunidades virtuais móveis e outra no domínio de ambientes pervasivos, onde foi possível constatar que a Lotus torna a informação contextual disponível para as aplicações, permitindo que o desenvolvedor foque na lógica de negócio da aplicação. / Enabling applications to use any contextual information available in pervasive environment is a hard task from the perspective of the developers. In this work is described an approach to make that an easier task: The Lotus, which consists of an infra-structure for developing context-aware applications, providing mechanisms for acquiring, modeling, and delivering contextual information, enabling it to be shared by different applications. The feasibility of this infra-structure was established through development of a case study where was possible verify that Lotus made the contextual information available to the applications, enabling the developer to focuses on application business logic

Ambientes Pervasivos são ambientes povoados por diversos dispositivos (sensores, atuadores, etc.) e aplicações de software (locais ou distribuídas) incorporadas nestes ambientes físicos de forma transparente para o usuário. Ambientes deste tipo devem ser capazes de interagir e satisfazer as requisições do usuário de forma autônoma e transparente. Nesse sentido, um dos maiores desafios de pesquisa em ambientes pervasivos é a de estabelecer mecanismos automáticos para compor, de forma dinâmica, funcionalidades que satisfaçam as requisições dos usuários. Nesse sentido, nós partimos da hipótese que mecanismos automáticos de interação entre ambientes e usuários podem ser abordados como um problema de composição automática de serviços em ambientes pervasivos. Portanto, nossa proposta é desenvolver um modelo referência, a partir do qual podem ser implementados sistemas que permitam ao ambiente pervasivo interagir com o usuário de forma natural, automática e dinâmica. Desta forma, o sistema de composição de serviços gerencia e automatiza o processo de resolução de requisições feitas pelo usuário (de forma implícita e/ou explicita) através das funcionalidades (serviços) disponíveis no ambiente ou através de novas funcionalidades criadas pelo processo de composição. Para tal fim, este trabalho apresenta um Modelo de Referência que permita projetar, implementar e avaliar sistemas de composição de serviços que gerenciem e automatizem o processo de interação em diversos tipos de ambientes pervasivos. Nossa proposta traz vantagens como: o baixo acoplamento e a interoperabilidade, isto porque é possível selecionar, integrar e reutilizar de forma eficiente e efetiva serviços heterogêneos provenientes de diversos tipos de dispositivos e/ou aplicações. Além disso, o modelo ontológico WSMO (Web Services Modelling Ontology) nos permite descrever semanticamente as capacidades dos serviços como também as informações contextuais presentes no ambiente, o que torna nosso sistema mais perto de um ambiente pervasivo real como o idealizado por Mark Weiser. / Pervasive environments are populated by several devices (sensors, actuators, etc.) and software applications (local or distributed) incorporated these physical environments transparently to the user. Environments of this type should be able to interact and process user requests autonomously and transparently. In this sense, one of the biggest research challenges in pervasive environments is to establish automatic mechanisms to compose dynamically, features that meet the user requirements. In this sense, we set the hypothesis that automatic mechanisms of interaction between users and environments can be addressed as a problem of automatic composition of services in pervasive environments. Therefore, our proposal is to develop a reference model, from which systems can be implemented to enable the pervasive environment interact with the user in a natural, automatic and dynamic. Thus, the system service composition management and automates the process of resolving requests made by the user (implicitly and / or explicitly) through the functionality (services) available in the environment or through new features created by the process of composition. To this end, this paper presents a Reference Model that allows to design, implement and evaluate systems of composition of services that manage and automate the interaction process in different types of pervasive environments. Our proposal brings benefits such as loose coupling and interoperability, because it is possible to select, integrate and reuse in an efficient and effective heterogeneous services from different types of devices and / or applications. Furthermore, the ontological model WSMO (Web Services Modeling Ontology) allows us to semantically describe the capabilities of the services as well as contextual information in the environment, which makes our system closer to a real pervasive environment as conceived by Mark Weiser.

Ambientes Pervasivos são ambientes povoados por diversos dispositivos (sensores, atuadores, etc.) e aplicações de software (locais ou distribuídas) incorporadas nestes ambientes físicos de forma transparente para o usuário. Ambientes deste tipo devem ser capazes de interagir e satisfazer as requisições do usuário de forma autônoma e transparente. Nesse sentido, um dos maiores desafios de pesquisa em ambientes pervasivos é a de estabelecer mecanismos automáticos para compor, de forma dinâmica, funcionalidades que satisfaçam as requisições dos usuários. Nesse sentido, nós partimos da hipótese que mecanismos automáticos de interação entre ambientes e usuários podem ser abordados como um problema de composição automática de serviços em ambientes pervasivos. Portanto, nossa proposta é desenvolver um modelo referência, a partir do qual podem ser implementados sistemas que permitam ao ambiente pervasivo interagir com o usuário de forma natural, automática e dinâmica. Desta forma, o sistema de composição de serviços gerencia e automatiza o processo de resolução de requisições feitas pelo usuário (de forma implícita e/ou explicita) através das funcionalidades (serviços) disponíveis no ambiente ou através de novas funcionalidades criadas pelo processo de composição. Para tal fim, este trabalho apresenta um Modelo de Referência que permita projetar, implementar e avaliar sistemas de composição de serviços que gerenciem e automatizem o processo de interação em diversos tipos de ambientes pervasivos. Nossa proposta traz vantagens como: o baixo acoplamento e a interoperabilidade, isto porque é possível selecionar, integrar e reutilizar de forma eficiente e efetiva serviços heterogêneos provenientes de diversos tipos de dispositivos e/ou aplicações. Além disso, o modelo ontológico WSMO (Web Services Modelling Ontology) nos permite descrever semanticamente as capacidades dos serviços como também as informações contextuais presentes no ambiente, o que torna nosso sistema mais perto de um ambiente pervasivo real como o idealizado por Mark Weiser. / Pervasive environments are populated by several devices (sensors, actuators, etc.) and software applications (local or distributed) incorporated these physical environments transparently to the user. Environments of this type should be able to interact and process user requests autonomously and transparently. In this sense, one of the biggest research challenges in pervasive environments is to establish automatic mechanisms to compose dynamically, features that meet the user requirements. In this sense, we set the hypothesis that automatic mechanisms of interaction between users and environments can be addressed as a problem of automatic composition of services in pervasive environments. Therefore, our proposal is to develop a reference model, from which systems can be implemented to enable the pervasive environment interact with the user in a natural, automatic and dynamic. Thus, the system service composition management and automates the process of resolving requests made by the user (implicitly and / or explicitly) through the functionality (services) available in the environment or through new features created by the process of composition. To this end, this paper presents a Reference Model that allows to design, implement and evaluate systems of composition of services that manage and automate the interaction process in different types of pervasive environments. Our proposal brings benefits such as loose coupling and interoperability, because it is possible to select, integrate and reuse in an efficient and effective heterogeneous services from different types of devices and / or applications. Furthermore, the ontological model WSMO (Web Services Modeling Ontology) allows us to semantically describe the capabilities of the services as well as contextual information in the environment, which makes our system closer to a real pervasive environment as conceived by Mark Weiser.