Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-04-06T14:32:21Z
No. of bitstreams: 1
Ariel Soares.pdf: 3082206 bytes, checksum: 46f45860ff1dce76fc8e91ec4f3546f3 (MD5) / Made available in DSpace on 2017-04-06T14:32:21Z (GMT). No. of bitstreams: 1
Ariel Soares.pdf: 3082206 bytes, checksum: 46f45860ff1dce76fc8e91ec4f3546f3 (MD5)
Previous issue date: 2017-02-10 / FAPEMA, CNPQ / This research firstly investigates the privacy requirements of users in Mobile
Social Networks (MSNs) through a study with 164 Brazilians, which indicated that
their requirements are usually dynamic and contextual. Next, the research applies the
Situational Computing paradigm to develop a solution to serve them. This solution is
called SelPri, developed as proof of concept in the form of a mobile social application
to autonomously adapt the privacy settings of posts in MSNs according to the user
situation. SelPri uses a conceptual model with fuzzy logic as the basis for constructing
an inference engine to identify mobile user situations from the following context
information: location, time of the day, day of week, and co-location. SelPri is integrated
with Facebook. Additionally, to show the flexibility of the conceptual model, it is also
used to construct an inference engine to be used in a different application domain, the
mental health. This second inference engine identifies user situations from different
context information: it does not use co-location and uses the user activity. The solution
originated in the mental health domain is called SituMan. Two experiments were
carried out with both solutions, in order to verify the accuracy of the fuzzy inference
engine to identify situations, and to evaluate the user satisfaction. The use experience
evaluation with SelPri emphasized that the approach to meet the dynamic and contextdependent privacy requirements was well accepted by the participants and proved
to be of practical use. The experiments also showed that both solutions were well
evaluated with respect to usability. The accuracy evaluations showed a high hit rate
of the inference engines to identify situations: ≈94.6% and ≈ 92.04%, for SelPri and
SituMan, respectively. / Esta pesquisa primeiramente investiga os requisitos de privacidade de
usuários em Redes Sociais Móveis (RSMs) através de um estudo com 164 brasileiros,
o qual indicou que seus requisitos são normalmente dinâmicos e contextuais.
Em seguida, a pesquisa aplica o paradigma de Computação Situacional para o
desenvolvimento de uma solução para atendê-los. Esta solução é chamada de SelPri,
desenvolvida como prova de conceito em forma de uma aplicação social móvel para
adaptar com autonomia as configurações de privacidade de postagens em RSMs de
acordo com a situação do usuário. O SelPri utiliza um modelo conceitual que faz
uso de lógica nebulosa como base para a construção de um motor de inferência para
identificar as situações de usuários móveis a partir das seguintes informações de
contexto: localização, período do dia, dias da semana, e co-localização. O SelPri é
implementado integrado ao Facebook. Adicionalmente, para mostrar a flexibilidade
do modelo conceitual, ele é também usado para a construção de um motor de
inferência para ser utilizado em um domínio de aplicação diferente, o de saúde mental.
Esse motor de inferência identifica situações de usuários a partir de informações
contextuais diferentes: não utiliza a co-localização e passa a usar a atividade do
usuário. A solução originada no domínio de saúde mental é chamada de SituMan.
Dois experimentos foram realizados com ambas soluções, em que objetivaram verificar
a acurácia do motor de inferência nebulosa para identificação de situações, e avaliar
a satisfação do usuário. A avaliação da experiência de uso realizada com o SelPri
destacou que a abordagem para atender os requisitos dinâmicos e dependentes de
contexto de privacidade teve uma boa aceitação pelos participantes e provou ser de
uso prático. As avaliações de experiência de uso também mostraram que ambas
soluções foram bem avaliadas com relação a usabilidade. As avaliações de acurácia
mostraram uma taxa de acerto elevada dos motores de inferência para identificar
situações: ≈94,6% e ≈92,04%, para o SelPri e SituMan, respectivamente
Identifer | oai:union.ndltd.org:IBICT/oai:tede2:tede/1250 |
Date | 10 February 2017 |
Creators | TELES, Ariel Soares |
Contributors | SILVA, Francisco José da Silva e |
Publisher | Universidade Federal do Maranhão, PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET, UFMA, Brasil, DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Format | application/pdf |
Source | reponame:Biblioteca Digital de Teses e Dissertações da UFMA, instname:Universidade Federal do Maranhão, instacron:UFMA |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0022 seconds