Pervasive computing systems aim to improve human-computer interaction, using users
situation variables that define context. The boom of Internet makes growing availables items to
choose, giving cost in made decision process. Affective Computing has in its goals to identify
user s affective/emotional state in a computing interaction, in order to respond to it automatically.
Recommendation systems help made decision selecting and suggesting items in scenarios
where there are huge information volume, using, traditionally, users prefferences data. This
process could be enhanced using context information (as physical, environmental or social), rising
the Context-Aware Recommendation Systems. Due to emotions importance in our lives, that
could be treated with Affective Computing, this work uses affective context as context variable,
in recommendation process, proposing the Affective-Recommender a recommendation system
that uses user s affective state to select and to suggest items. The system s model has four components:
(i) detector, that identifies affective-state, using the multidimesional Pleasure, Arousal
and Dominance model, and Self-Assessment Maniking instrument, that asks user to inform how
he/she feels; (ii) recommender, that selects and suggests items, using a collaborative-filtering
based approache, in which user s prefference to an item is his/her affective reaction to it as
the affective state detected after access; (iii) application, which interacts with user, shows probable
most interesting items defined by recommender, and requests affect identification when it
is necessarly; and (iv) data base, that stores available items and users prefferences. As a use
case, Affective-Recommender is used in a e-learning scenario, due to personalization obtained
with recommendation and emotion importances in learning process. The system was implemented
over Moodle LMS. To exposes its operation, a use scenario was organized, simulating
recommendation process. In order to check system applicability, with students opinion about to
inform how he/she feels and to receive suggestions, it was applied in three UFSM graduation
courses classes, and then it were analyzed data access and the answers to a sent questionnaire.
As results, it was perceived that students were able to inform how they feel, and that occured
changes in their affecive state, based on accessed item, although they don t see improvements
with the recommendation, due to small data available to process and showr time of application. / Sistemas de Computação Pervasiva buscam melhorar a interação humano-computador
através do uso de variáveis da situação do usuário que definem o contexto. A explosão da Internet
e das tecnologias de informação e comunicação torna crescente a quantidade de itens
disponíveis para a escolha, impondo custo para o usuário no processo de tomada de decisão.
A Computação Afetiva tem entre seus objetivos identificar o estado emocional/afetivo do usuário
durante uma interação computacional, para automaticamente responder a ele. Já Sistemas
de Recomendação auxiliam a tomada de decisão, selecionando e sugerindo itens em situações
onde há grandes volumes de informação, tradicionalmente, utilizando as preferências dos usuários
para a seleção e sugestão. Esse processo pode ser melhorado com o uso do contexto (físico,
ambiental, social), surgindo os Sistemas de Recomendação Sensíveis ao Contexto. Tendo em
vista a importância das emoções em nossas vidas, e a possibilidade de tratamento delas com a
Computação Afetiva, este trabalho utiliza o contexto afetivo do usuário como variável da situação,
durante o processo de recomendação, propondo o Affective-Recommender um sistema
de recomendação que faz uso do estado afetivo do usuário para selecionar e sugerir itens. O
sistema foi modelado a partir de quatro componentes: (i) detector, que identifica o estado afetivo,
utilizando o modelo multidimensional Pleasure, Arousal e Dominance e o instrumento
Self-Assessment Manikin, solicitando que o usuário informe como se sente; (ii) recomendador,
que escolhe e sugere itens, utilizando uma abordagem baseada em filtragem colaborativa,
em que a preferência de um usuário para um item é vista como sua reação estado afetivo
detectado após o contato ao item; (iii) aplicação, que interage com o usuário, exibe os itens
de provável maior interesse definidos pelo recomendador, e solicita que o estado seja identificado,
sempre que necessário; e (iv) base de dados, que armazena os itens disponíveis para
serem sugeridos e as preferências de cada usuário. Como um caso de uso e prova de conceito,
o Affective-Recommender é empregado em um cenário de e-learning, devido à importância
da personalização, obtida com a recomendação, e das emoções no processo de aprendizagem.
O sistema foi implementado utilizando-se como base o AVEA Moodle. Para expor o funcionamento,
estruturou-se um cenário de uso, simulando-se o processo de recomendação. Para
verificar a aplicabilidade real do sistema, ele foi empregado em três turmas de cursos de graduação
da UFSM, sendo analisados dados de acesso e aplicado um questionário para identificar
as impressões do alunos quanto a informar como se sentem e receber recomendações. Como
resultados, percebeu-se que os alunos conseguiram informar seus estados afetivos, e que houve
uma mudança em neste estado com base no item acessado, embora não tenham vislumbrado
melhorias com as recomendações, em virtude da pequena quantidade de dados disponível para
processamento e do curto tempo de aplicação.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufsm.br:1/5406 |
| Date | 21 December 2012 |
| Creators | Pereira, Adriano |
| Contributors | Augustin, Iara, Charão, Andréa Schwertner, Maillard, Patrícia Augustin Jaques |
| Publisher | Universidade Federal de Santa Maria, Programa de Pós-Graduação em Informática, UFSM, BR, Ciência da Computação |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFSM, instname:Universidade Federal de Santa Maria, instacron:UFSM |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | 100300000007, 400, 300, 300, 300, 300, 5b1e0fb6-84d4-496b-9ed8-36761f15b4bf, ebcbdc1c-9524-4827-9304-6807058fbbe3, d66ed8c6-e395-4691-8ab7-919ae4d12b50, f68b3180-a28d-4879-b598-904b94070ddb |
Page generated in 0.1283 seconds