Search

Trabalho de Projeto do Mestrado em Engenharia Biomédica apresentado à Faculdade de Ciências e Tecnologia A diabetes mellitus tipo 2 é a forma mais comum dos três principais tipos de diabetes. Caracteriza-se por ser uma doença crónica que afeta a capacidade do organismo controlar os níveis de glicose no sangue com consequências significativas a curto e longo prazo. Os recentes avanços tecnológicos na área da diabetes, tais como os sistemas de monitorização contínua da glicose, fornecem fontes fiáveis de dados. Este tipo de dispositivos quando acoplados a aplicações smartphone que ajudam e encorajam mudanças no estilo de vida dos pacientes permitem uma maior proximidade com a doença e, consequentemente, melhoram o controlo glicémico, prevenindo potenciais episódios perigosos para a saúde dos indivíduos com esta patologia.A presente tese faz parte do projeto financiado intitulado "POWER - Empowering a digital future". Sendo que, de vários subprojetos integrados, esta insere-se no âmbito da Assisted Living e e-Health. O objetivo é investigar metodologias de inteligência artificial e desenvolver uma plataforma algorítmica para a análise e previsão de sinais fisiológicos, bem como a sua utilização na gestão da diabetes. Portanto, é possível dividir os objetivos desta tese em dois módulos. Um correspondente à previsão dos níveis de glicose para pacientes com diabetes tipo 2, e o outro relativo ao fornecimento de recomendações que incidam sobre os hábitos de vida dos mesmos, utilizando as previsões feitas pelo modulo anterior como suporte.Relativamente ao módulo da previsão, compararam-se diferentes modelos tais como Autoregressive Integrated Moving Average (ARIMA), Case-based reasoning (CBR), Recurrent Neural Network (RNN), Long Short-Term Memory (LSTM), Gated Re- current Unit (GRU) e Jump Neural Network (JNN). Através de um compromisso entre o desempenho do modelo e a complexidade computacional, o modelo RNN foi escolhido como o modelo final. Verificou-se que esta implementação pode ser utilizada para obter resultados satisfatórios no horizonte de previsão (PH) de 2h e 4h. Para a sua utilização num horizonte de 12h, deve observa-se que os resultados não serão os mais adequados. As experiências foram realizadas utilizando os dados de 10 indivíduos registados em condições de vida livre. Destes, utilizámos 3 pacientes, escolhidos aleatoriamente, no conjunto de dados para testar os algoritmos implementados. Os resultados globais para o modelo RNN foram: 34,82 mg/dL para o erro quadrático médio (RMSE) e 18,33% para o erro percentual médio absoluto (MAPE) (PH=2h); 46,59 mg/dL para RMSE e 24,35% para MAPE (PH=4h); 50,19 mg/dL para RMSE e 27,74% para MAPE (PH=12h). Uma das etapas futuras deste projeto consiste em validar os modelos implementados num conjunto de dados recolhidos e fornecidos pelo Centro Hospitalar e Universitário de Coimbra (CHUC). Com estes dados, pretende-se incorporar mais algumas características para além do registo dos valores de glicose, tais como a ingestão de hidratos de carbono e o nível de atividade física. Uma contribuição deste trabalho é o desenvolvimento de um modelo de previsão para pacientes com diabetes tipo 2, cuja existência na literatura é escassa. São necessários mais estudos nesta área para compreender e melhorar os modelos para estes pacientes. Deverão ser feitos mais estudos para identificar quais os horizontes de previsão mais úteis para os pacientes do tipo 2.Já no módulo da recomendação, desenvolveu-se um sistema de recomendação baseado em conhecimento, implementado através de regras extraídas de diretrizes fornecidas pelas principais associações internacionais de diabetes. Todas as regras desenvolvidas foram testadas através da criação de cenários hipotéticos, a fim de verificar que eram sugeridas quando necessário e de forma correta. O trabalho futuro consiste na validação e complementaridade destas regras por parte de uma equipa de endocrinologistas dos CHUC, principalmente no desenvolvimento de novas regras que utilizem os valores obtidos pelo módulo de previsão como input, de modo a criar regras mais personalizadas. A existência da previsão, além de alertar o paciente para a existência de picos de glicose potencialmente perigosos, fornecerá esses valores ao módulo de recomendação. Assim, com base nos futuros valores de glicose previstos, poderão ser sugeridas modificações nas ações do quotidiano dos pacientes. Estas, quando tomadas, devem evitar que os picos previstos sejam atingidos e, assim, ajudar a gerir o valor da glicose na gama saudável.As fases futuras deste projeto, que contarão com a parceria da Altice Labs e do CHUC, serão cruciais para validar e melhorar os módulos desenvolvidos. Uma vez concluídas, a API implementada na plataforma de gestão remota para pacientes diabéticos SmartAL da Altice será atualizada. Type 2 diabetes mellitus is the most common form of the three main types of diabetes. It is a chronic disease affecting the body's ability to control blood glucose levels with significant short and long-term consequences. Recent technological advances in the field of diabetes, such as Continuous Monitoring Devices (CGMs), provide reliable sources of blood glucose data. These types of devices when coupled with smartphone applications that help and encourage lifestyle changes in patients, allow a greater proximity to the disease and consequently improve glycemic control, preventing potentially dangerous episodes to the health of individuals with this pathology.This thesis is part of the funded project entitled "POWER - Empowering a digital future". Of several integrated subprojects, this one falls under the scope of Assisted Living and e-Health. The goal is to investigate artificial intelligence methodologies and develop an algorithmic platform for the analysis and prediction of physiological signals, as well as its use in diabetes management. Therefore, it is possible to divide the objectives of this thesis into two modules. One corresponding to the prediction of glucose levels for patients with type 2 diabetes, and the other related to the provision of recommendations that focus on their lifestyle habits, using the predictions made by the previous module as support.Regarding the forecasting module, different models such as Autoregressive Integrated Moving Average (ARIMA), Case-based reasoning (CBR), Recurrent Neural Network (RNN), Long Short-Term Memory (LSTM), Gated Re- current Unit (GRU) and Jump Neural Network (JNN) were compared. Through a trade-off between model performance and computational complexity, the RNN model was chosen as the final model. It was found that this implementation can be used to obtain satisfactory results in the prediction horizon (PH) of 2h and 4h. For its use in 12h horizon, it should be observed that the results will not be the most adequate. The experiments were performed using data from 10 individuals recorded in free-living conditions. Of these, we used 3 randomly chosen patients in the data set to test the implemented algorithms. The overall results for the RNN model were: 34.82 mg/dL for Root Mean Square Error (RMSE) and 18.33% for Mean Absolute Percentage Error (MAPE) (PH=2h); 46.59 mg/dL for RMSE and 24.35% for MAPE (PH=4h); 50.19 mg/dL for RMSE and 27.74% for MAPE (PH=12h). One of the future stages of this project consists in validating the models implemented in a set of data collected and provided by the Centro Hospitalar e Universitário de Coimbra (CHUC). With these data, it is intended to incorporate some more features in addition to the recording of glucose values, such as carbohydrate intake and level of physical activity. A contribution of this work is the development of a prediction model for patients with type 2 diabetes, whose existence in the literature is scarce. More studies are needed in this area to understand and improve models for these patients. Further studies should be conducted to identify which prediction horizons are most useful for type 2 patients.As for the recommendation module, a knowledge-based recommendation system was developed and implemented using rules extracted from guidelines provided by major international diabetes associations. All developed rules were tested through the creation of hypothetical scenarios, in order to verify that they were suggested when necessary and correctly. Future work consists in the validation and complementarity of these rules by a team of endocrinologists. Mainly, in the development of new rules that use the values obtained by the prediction module as input, in order to create more personalized rules. The existence of the prediction, besides alerting the patient to potentially dangerous glucose peaks, will provide these values to the recommendation module. Thus, based on the predicted future glucose values, modifications to the patients' everyday actions can be suggested. These, when taken, should prevent the predicted peaks from being reached and thus help manage the glucose value in the healthy range.The future stages of this project, which will count on the partnership of Altice Labs and CHUC, will be crucial in validating and improving the modules developed. When completed, the API implemented in Altice's SmartAL remote management platform for diabetic patients will be updated. Outro - Work funded by the project POWER (grant number POCI-01-0247-FEDER-070365), co-financed by the European Regional Development Fund (FEDER), through Portugal 2020 (PT2020), and by the Competitiveness and Internationalization Operational Programme (COMPETE 2020).

Music therapy is an effective tool to slow down the progress of dementia since interaction with music may evoke emotions that stimulates brain areas responsible for memory. This therapy is most successful when therapists provide adequate and personalized stimuli for each patient. This personalization is often hard. Thus, Artificial Intelligence (AI) methods may help in this task. This paper brings a systematic review of the literature in the field of affective computing in the context of music therapy. We particularly aim to assess AI methods to perform automatic emotion recognition applied to Human-Machine Musical Interfaces (HMMI). To perform the review, we conducted an automatic search in five of the main scientific databases on the fields of intelligent computing, engineering, and medicine. We search all papers released from 2016 and 2020, whose metadata, title or abstract contains the terms defined in the search string. The systematic review protocol resulted in the inclusion of 144 works from the 290 publications returned from the search. Through this review of the state-of-the-art, it was possible to list the current challenges in the automatic recognition of emotions. It was also possible to realize the potential of automatic emotion recognition to build non-invasive assistive solutions based on human-machine musical interfaces, as well as the artificial intelligence techniques in use in emotion recognition from multimodality data. Thus, machine learning for recognition of emotions from different data sources can be an important approach to optimize the clinical goals to be achieved through music therapy. La musicoterapia es una herramienta eficaz para ralentizar el progreso de la demencia, ya que la interacción con la música puede evocar emociones que estimulan las áreas del cerebro responsables de la memoria. Esta terapia tiene más éxito cuando el terapeuta proporciona estímulos adecuados y personalizados para cada paciente. Esta personalización suele ser difícil. Por lo tanto, los métodos de Inteligencia Artificial (IA) pueden ayudar en esta tarea. Este artículo trae una revisión sistemática de la literatura en el campo de la computación afectiva en el contexto de la terapia musical. En particular, nuestro objetivo es evaluar los métodos de inteligencia artificial para realizar el reconocimiento automático de emociones aplicado a las interfaces musicales hombre-máquina (HMMI). Para realizar la revisión, realizamos una búsqueda automática en cinco de las principales bases de datos científicas en los campos de la computación inteligente, la ingeniería y la medicina. Buscamos todos los artículos publicados entre 2016 y 2020, cuyos metadatos, título o resumen contengan los términos definidos en la cadena de búsqueda. El protocolo de revisión sistemática resultó en la inclusión de 144 trabajos de las 290 publicaciones devueltas de la búsqueda. A través de esta revisión del estado del arte, fue posible enumerar los desafíos actuales en el reconocimiento automático de emociones. También fue posible darse cuenta del potencial del reconocimiento automático de emociones para construir soluciones de asistencia no invasivas basadas en interfaces musicales hombre-máquina, así como las técnicas de inteligencia artificial que se utilizan en el reconocimiento de emociones a partir de datos multimodal. Por lo tanto, el aprendizaje automático para el reconocimiento de emociones a partir de diferentes fuentes de datos puede ser un enfoque importante para optimizar los objetivos clínicos que se deben lograr a través de la musicoterapia. A musicoterapia é uma ferramenta eficaz para retardar o progresso da demência, uma vez que a interação com a música pode evocar emoções que estimulam as áreas do cérebro responsáveis pela memória. Essa terapia é mais bem-sucedida quando o terapeuta fornece estímulos adequados e personalizados para cada paciente. Essa personalização costuma ser difícil. Assim, métodos de Inteligência Artificial (IA) podem auxiliar nessa tarefa. Este artigo traz uma revisão sistemática da literatura da área de computação afetiva no contexto da musicoterapia. Em particular, pretendemos avaliar métodos de IA para realizar o reconhecimento automático de emoções aplicados a Interfaces Musicais Homem-Máquina (HMMI). Para realizar a revisão, realizamos uma busca automática em cinco das principais bases de dados científicas nas áreas de computação inteligente, engenharia e medicina. Procuramos todos os artigos publicados entre 2016 e 2020, cujos metadados, título ou resumo contenham os termos definidos na string de pesquisa. O protocolo de revisão sistemática resultou na inclusão de 144 trabalhos das 290 publicações retornadas da pesquisa. Através desta revisão do estado da arte, foi possível elencar os desafios atuais no reconhecimento automático de emoções. Também foi possível perceber o potencial do reconhecimento automático de emoções para construir soluções assistivas não invasivas baseadas em interfaces musicais homem-máquina, bem como as técnicas de inteligência artificial em uso no reconhecimento de emoções a partir de dados multimodais. Assim, o aprendizado de máquina para reconhecimento de emoções de diferentes fontes de dados pode ser uma abordagem importante para otimizar os objetivos clínicos a serem alcançados por meio da musicoterapia.

Project Work presented as the partial requirement for obtaining a Master's degree in Data Science and Advanced Analytics Apresenta-se o nome Triangulum como fictício para preservação dos dados da empresa. A empresa Triangulum Comunicação Ltda. é umas das maiores no segmento de comunicação de Portugal, vive o momento que a informação também gera dados e mais dados. Hoje o número de pageviews e o tempo de navegação do utilizador nos sites, são dois dos fatores mais importantes para a receita da Triangulum. Cada utilizador tem suas características de navegação, isso é de extrema relevância para a análise dos dados. Os artigos dos sites visitados têm sempre, ou quase sempre, uma referência, que pode ser um artigo, uma rede social ou até um mecanismo de pesquisa. Com essas informações iremos aplicar modelos de machine learning com o objetivo de fazer recomendações para os próximos artigos a serem lidos, de forma que o utilizador navegue pelos sites, desfrutando do conteúdo, atingindo maior tempo e mais pageviews. A coleta dos dados foi feita pela Triangulum, disponibilizando assim os dados de forma bruta. Após essa etapa de extrair, carregar e transformar, os dados armazenados no data lake são preparados e então partimos para a análise dos dados, será aplicado aos modelos de machine learning para a implementação do sistema de recomendação. O resultado é aplicado a cada artigo de todos os sites da Triangulum, ocupando parte do espaço disponível para as recomendações de leitura. The name Triangulum is presented as fictitious to preserve the company's data. The company Triangulum Communication Ltda. is one of the largest in the media segment in Portugal, experiencing the moment that information also generates data and more data. Today the number of pageviews and the user's time spent browsing the sites are so important for the company's revenue. Each user has their own navigation characteristic, this is extremely important for data analysis. The articles of the visited sites always have, or almost always, a reference, that can be an article, a social network or even a search engine. With this information we will apply machine learning models in order to make recommendations for the next articles to be read, so that the user navigates through the sites, enjoying the content, reaching more time and more pageviews. The data collection was done by the company, thus making the data available in a gross way. After this extract, load, and transform stage, the data stored in the data lake goes through a preparation phase before the data analysis, it will be applied to the machine learning models for the implementation of the recommendation system. The results are applied to each article on all company websites, taking up part of the space available for reading recommendations.

Submitted by Diego Corrêa da Silva (diegocorrea.cc@gmail.com) on 2021-12-09T23:55:50Z No. of bitstreams: 1 Diego_Correa_Dissertação_Corrigida_Com_Capa.pdf: 31140859 bytes, checksum: 954b057afba6ccf04ab610b141e421a9 (MD5) Rejected by Solange Rocha (soluny@gmail.com), reason: Prezado boa tarde! O item foi submetido à coleção Dissertações (PGCOMP) como artigo e é uma dissertação de mestrado. Por favor, refazer o depósito na comunidade correspondente - Programa de Pós-Graduação em Ciência da Computação (PGCOMP) na coleção Dissertações (PGCOMP) para darmos continuidade a validação. Grata! on 2021-12-13T18:43:31Z (GMT) Submitted by Diego Corrêa da Silva (diegocorrea.cc@gmail.com) on 2021-12-16T18:29:58Z No. of bitstreams: 1 Diego_Correa_Dissertação_Corrigida_Com_Capa.pdf: 31140859 bytes, checksum: 954b057afba6ccf04ab610b141e421a9 (MD5) Approved for entry into archive by Solange Rocha (soluny@gmail.com) on 2022-01-03T19:31:59Z (GMT) No. of bitstreams: 1 Diego_Correa_Dissertação_Corrigida_Com_Capa.pdf: 31140859 bytes, checksum: 954b057afba6ccf04ab610b141e421a9 (MD5) Made available in DSpace on 2022-01-03T19:31:59Z (GMT). No. of bitstreams: 1 Diego_Correa_Dissertação_Corrigida_Com_Capa.pdf: 31140859 bytes, checksum: 954b057afba6ccf04ab610b141e421a9 (MD5) Previous issue date: 2021-07-01 CAPES Sistemas de recomendação são ferramentas utilizadas para sugerir itens, que possivelmente sejam de interesse dos usuários. Estes sistemas baseiam-se no histórico de preferências do usuário para gerar uma lista de sugestões que possuam maior similaridade com o perfil do usuário, visando uma melhor precisão e um menor erro. É esperado que, ao ser recomendado um item, o usuário informe sua preferência ao sistema, indicando se gostou ou o quanto gostou do item recomendado. A interação do usuário com o sistema possibilita um melhor entendimento de seus gostos, que com o tempo, adiciona mais e mais itens a seu perfil de preferências. A recomendação baseada em similaridade do item com as preferências buscando a melhor precisão pode causar efeitos colaterais na lista como: superespecialização das recomendações em um determinado núcleo de itens, pouca diversidade de categorias e desbalanceamento de categoria ou gênero. Assim, esta dissertação tem como objetivo explorar a calibragem, que é um meio para produzir recomendações que sejam relevantes aos usuários e ao mesmo tempo considerar todas as áreas de suas preferências, buscando evitar a desproporção na lista de recomendação. Para isto, foram abordadas formas de ponderar o balanceamento entre a relevância das recomendações e a calibragem baseada em medidas de divergência, assim como um modelo de sistema calibrado e um protocolo de decisão. A hipótese é que a calibragem pode contribuir positivamente para recomendações mais justas de acordo com a preferência do usuário. A pesquisa foi realizada através de uma ampla abordagem propondo um modelo de sistema e um protocolo de decisão que contempla em seu experimento nove algoritmos de recomendação aplicados nos domínios de filme e música, analisando três medidas de divergência, dois pesos de balanceamento personalizado e dois balanceamentos entre relevância-calibragem. A avaliação foi analisada com métricas amplamente utilizadas, assim como métricas propostas neste trabalho. Os resultados indicam que a calibragem produz efeitos positivos tanto para a precisão da recomendação quanto para a justiça com as preferências do usuário, criando listas de recomendação que respeitem todas as áreas. Os resultados também indicam qual é a melhor combinação para obter um melhor desempenho ao aplicar as propostas de calibragem. Recommendation Systems are tools used to suggest items, which possibly will be interesting to the users. These systems are based on the user’s preference historic to generate a suggestion list that has higher similarity with the items in the user’s historic, providing a better precision and minor error. It is expected that when an item is recommended, the user will send a feedback, indicating if he/she likes or dislikes the recommendation. The user interaction with the system provides a better way to understand the preferences of the user, who, over time, adds more and more itens in its profile. The recommendation based on item similarity with the user preference searching for better precision, can cause collateral effects in the recommendation list, such as: superspecialization of the items in the list with a little kernel of items, few diversity of categories and unbalanced genres. Thus, this dissertation aims to explore the calibration, which is a way to produce recommendations that will be relevant to the users and at the same time considering all genres in the preferences, trying to avoid a misproportion in the recommendation list. To this end, ways are addressed to weight the tradeoff between the relevance of the recommendations and the calibration based on divergence measures, as well as a calibrated system framework and decision protocol. The hypothesis are that calibration can contribute positively to provide more fairer recommendations. The research is accomplished with a large approach proposing a framework and a decision protocol that contemplates nine recommender algorithms applied on the domains of movie and music, analysing three divergence measures, two personalized tradeoff weights and two tradeoff formulations between relevance-calibration. The evaluation is analysed with well-known metrics, as well as proposed metrics. The results indicate that the calibration produces positive effects to the precision and to the fairness, creating a recommendation list that respects the genre distribution. The results also indicate which is the best system combination to obtain a better performance when applying the proposed calibration

Submitted by Ana Rebelo (amsr@isep.ipp.pt) on 2021-03-26T10:43:32Z No. of bitstreams: 1 DM_TiagoCardoso_2020_MEI.pdf: 6552801 bytes, checksum: 1a27753cc41071de55ba1fbc40249b01 (MD5) Approved for entry into archive by Ana Rebelo (amsr@isep.ipp.pt) on 2021-03-26T10:44:07Z (GMT) No. of bitstreams: 1 DM_TiagoCardoso_2020_MEI.pdf: 6552801 bytes, checksum: 1a27753cc41071de55ba1fbc40249b01 (MD5) Made available in DSpace on 2021-03-26T10:44:07Z (GMT). No. of bitstreams: 1 DM_TiagoCardoso_2020_MEI.pdf: 6552801 bytes, checksum: 1a27753cc41071de55ba1fbc40249b01 (MD5) Previous issue date: 2020

Submitted by Ana Rebelo (amsr@isep.ipp.pt) on 2021-01-29T14:58:54Z No. of bitstreams: 1 DM_FranciscoMoreira_2020_MEI.pdf: 3782024 bytes, checksum: 50a1115d1a8ef3438c01d3dce2a4d2c2 (MD5) Approved for entry into archive by Ana Rebelo (amsr@isep.ipp.pt) on 2021-01-29T14:59:14Z (GMT) No. of bitstreams: 1 DM_FranciscoMoreira_2020_MEI.pdf: 3782024 bytes, checksum: 50a1115d1a8ef3438c01d3dce2a4d2c2 (MD5) Made available in DSpace on 2021-01-29T14:59:14Z (GMT). No. of bitstreams: 1 DM_FranciscoMoreira_2020_MEI.pdf: 3782024 bytes, checksum: 50a1115d1a8ef3438c01d3dce2a4d2c2 (MD5) Previous issue date: 2020

CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior A indústria de desenvolvimento de software evoluiu nos últimos anos e novos desafios surgiram. Dentre estas mudanças surgiram os ecossistemas de software, um novo paradigma de desenvolvimento, onde colaboradores externos apoiam a produção de software ao disponibilizar soluções que complementam uma plataforma comum a estes desenvolvedores. Devido à grande diversidade de tecnologias, frameworks e domínios que um ecossistema pode abrigar, a todo momento surgem colaboradores com variados tópicos de conhecimento e habilidades. Entretanto, recrutar colaboradores com as características desejadas se torna um trabalho complexo devido aos diferentes graus de conhecimento e habilidades que cada colaborador tem em suas diversas competências. Diante disso, apresenta-se uma arquitetura de um sistema de recomendação (SR) apoiado por uma ontologia capaz de recomendar colaboradores que tenham mostrado expertise nos tópicos de interesse. Para tanto, o SR utiliza técnicas da área de expertise retrieval para pontuar o grau de aderência dos colaboradores sobre os tópicos de conhecimento representados em uma query. A arquitetura é então capaz de fornecer as informações de contexto da recomendação, ou seja, uma visualização sobre onde pode-se encontrar os tópicos de conhecimento que levaram à recomendação de cada colaborador. Provas de conceito foram realizadas sobre dois ecossistemas de software para verificar a viabilidade da arquitetura, as quais mostraram indícios de que a arquitetura é capaz de realizar recomendações, e ainda oferece informações de contexto que são importantes à tomada de decisão sobre as recomendações realizadas. The software development industry has evolved in the recent years and new challenges have emerged. Among these changes came Software Ecosystems, a new development paradigm, where external contributors support software production by providing solutions that complement a common platform for these developers. Due to the large number of technologies, frameworks and domains that an ecosystem can host, an equally large number of contributors acquainted with varied topics of their knowledge and skills have also emerged. However, recruiting collaborators with desired characteristics becomes a complex task due to the varying degrees of knowledge and skill that each developer has in their various competencies. Given this, we present a architecture of a recommendation system (RS) supported by an ontology capable of recommending collaborators who have shown expertise in the topics of interest. In order to do so, the RS uses retrieval expertise techniques to score the developers´ level of knowledge about topics represented in a query. The architecture is then able to provide the contextual information of the recommendation, i.e., a visualization of where one can find the knowledge topics that led to the recommendation of each contributor. Proof of Concepts were conducted on two software ecosystems to demonstrate feasibility of the architecture, which have shown evidence that the architecture is able to perform recommendations and still offers context information, important to the decision-making process over the recommendations made.

Submitted by Ana Rebelo (amsr@isep.ipp.pt) on 2019-11-13T14:45:45Z No. of bitstreams: 1 DM_AntonioMoreira_2019_MEI.pdf: 4435729 bytes, checksum: 25af05487b225e255eb0a6ce971e35f8 (MD5) Approved for entry into archive by Ana Rebelo (amsr@isep.ipp.pt) on 2019-11-13T14:46:53Z (GMT) No. of bitstreams: 1 DM_AntonioMoreira_2019_MEI.pdf: 4435729 bytes, checksum: 25af05487b225e255eb0a6ce971e35f8 (MD5) Made available in DSpace on 2019-11-13T14:46:53Z (GMT). No. of bitstreams: 1 DM_AntonioMoreira_2019_MEI.pdf: 4435729 bytes, checksum: 25af05487b225e255eb0a6ce971e35f8 (MD5) Previous issue date: 2019

Submitted by Ana Rebelo (amsr@isep.ipp.pt) on 2020-03-30T11:00:19Z No. of bitstreams: 1 DM_RicardoPinto_2019_MEI.pdf: 5729303 bytes, checksum: 7dabcf14ca266f8ccf0aecb1be5b6230 (MD5) Approved for entry into archive by Ana Rebelo (amsr@isep.ipp.pt) on 2020-03-30T11:01:11Z (GMT) No. of bitstreams: 1 DM_RicardoPinto_2019_MEI.pdf: 5729303 bytes, checksum: 7dabcf14ca266f8ccf0aecb1be5b6230 (MD5) Made available in DSpace on 2020-03-30T11:01:11Z (GMT). No. of bitstreams: 1 DM_RicardoPinto_2019_MEI.pdf: 5729303 bytes, checksum: 7dabcf14ca266f8ccf0aecb1be5b6230 (MD5) Previous issue date: 2019

Submitted by Wiqlifi Bruno de Freitas Melo (wbruno@ufersa.edu.br) on 2019-02-06T11:16:43Z No. of bitstreams: 1 SidneyDFB_DISSERT.pdf: 14648705 bytes, checksum: 6207c295b0bac23b5b106a892bb34060 (MD5) Approved for entry into archive by Vanessa Christiane (referencia@ufersa.edu.br) on 2019-02-15T15:56:21Z (GMT) No. of bitstreams: 1 SidneyDFB_DISSERT.pdf: 14648705 bytes, checksum: 6207c295b0bac23b5b106a892bb34060 (MD5) Approved for entry into archive by Vanessa Christiane (referencia@ufersa.edu.br) on 2019-02-15T15:56:28Z (GMT) No. of bitstreams: 1 SidneyDFB_DISSERT.pdf: 14648705 bytes, checksum: 6207c295b0bac23b5b106a892bb34060 (MD5) Made available in DSpace on 2019-02-15T16:18:31Z (GMT). No. of bitstreams: 1 SidneyDFB_DISSERT.pdf: 14648705 bytes, checksum: 6207c295b0bac23b5b106a892bb34060 (MD5) Previous issue date: 2018-05-30 Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES A finalidade de um sistema de recomendação é oferecer itens mais relevantes para um consumidor. A computação ubíqua possibilita a integração de sistemas computacionais com os interesses das pessoas, de forma transparente, possibilitando a construção de sistemas que integrem os fundamentos da computação ubíqua com os procedimentos de análise dos itens recomendados. Dessa forma, este trabalho tem por objetivo desenvolver e avaliar uma aplicação que integre os vídeos do YouTube e os documentos do Wikipédia a API do Youubi através de técnicas de recomendações de itens juntamente com uma ontologia, utilizando serviços clientes Mobile e web, com vista a facilitar o processo de ensino-aprendizagem para estudantes, utilizando os fundamentos da computação ubíqua. O esquema da aplicação será composto pela Application Programming Interface (API) do Youubi, API MediaWiki e API Youtube. Esses elementos interagem trocando informações e as disponibilizando para os usuários, são armazenadas em uma ontologia denominada Perfil de Usuário Youtube Wikipédia (PUYW). Essa ontologia foi criada por meio da linguagem Web Ontology Language. Ela é responsável por gerenciar as características do estudante e os metadados das APIs do Youtube e Wikipédia. Para atingir o objetivo, foi utilizando Design Science para fundamentar as questões gerais de pesquisa e os métodos para a solução. No tocante dos métodos faz-se o uso de técnicas qualitativas e quantitativas de coleta de dados, por intermédio de questionário de perfil, questionário TAM e grupo focal. Os resultados desse trabalho foram avaliados por estudantes de uma instituição de ensino superior utilizando um sistema contendo um componente que integra os vídeos e artigos para sistemas de ensino e aprendizagem, e uma ontologia que gerencia o perfil e os itens manipulados. Os resultados mostram indícios que o sistema desenvolvido atingiu os objetivos propostos deste trabalho The purpose of recommendation system is to offer items more relevant to a consumer. The ubiquitous computing enables the integration of computational systems with the interests of the people, in a transparent way, enabling the construction of systems that integrate the fundamentals of ubiquitous computing with the procedures of analysis of the recommended items. In this way, this work aims to develop and evaluate an application that integrates YouTube videos and documents of the Wikipedia the Youubi API through techniques of recommendations of items along with an ontology, using mobile and web client services, in order to facilitate the teaching-learning process for students, using the fundamentals of ubiquitous computing. The application schema will be composed of the Youubi Application Programming Interface (API), MediaWiki API and Youtube API. These elements interact by exchanging information and making it available to users, they are stored in an ontology called PUYW. This ontology was created through the Web Ontology Language. It is responsible for managing student characteristics and metadata for the YouTube and Wikipedia APIs. To achieve this goal, Design Science was used to support general research questions and methods for the solution. In terms of the methods make use of qualitative and quantitative techniques of data collection, through profile questionnaire, TAM questionnaire, and focal group. The results of this work were evaluated by students of a higher education institution using a system containing a component that integrates videos and articles for teaching and learning systems, and an ontology that manages the profile and manipulated items. The results show that the developed system reached the proposed objectives of this work

A privacidade de informações na internet é uma das maiores preocupações advindas da ascensão da web 2.0. Entretanto, cada vez é mais comum a requisição e manejamento de dados pessoais por empresas que, por meio de Sistemas de Recomendação (SR), visam garantir aos usuários serviços ou produtos personalizados às suas necessidades. Porém, frequentemente os consumidores enfrentam um paradoxo de privacidade-personalização, pois precisam conceder informações, mas temem como elas serão utilizadas pelas empresas. O uso incoerente de tais dados pode dar ao indivíduo a sensação de que sua liberdade está sendo cerceada, levando-o a reagir de maneira diversa da intenção do sistema. Trata-se, efetivamente, de um efeito bumerangue, entendido como uma resposta oposta à ameaça de sua liberdade na web. Tendo em vista que a literatura de SI explora de maneira insuficiente os efeitos da percepção de intrusão na disposição em revelar informações, sobretudo por meio da teoria da reatância psicológica – de onde advém o efeito bumerangue – o objetivo desta pesquisa foi verificar como a percepção dos usuários sobre a intrusão do Sistema de Recomendação pode afetar a sua disposição em revelar suas informações. Foram realizados dois experimentos, sendo um nos Estados Unidos e outro no Brasil, com amostras válidas de 213 e 237 participantes, respectivamente. Para isto, foi desenvolvido um protótipo de Sistema de Recomendação Experimental na plataforma Qualtrics. As técnicas utilizadas para análise de dados foram a análise de variância de um fator (one-way ANOVA) e a análise de covariância (ANCOVA). Dentre os resultados obtidos, demonstrou-se o efeito bumerangue do SR, pois quanto maior o nível de intrusão do SR, menor a disposição para revelar suas informações; verificou-se a existência de apenas dois níveis de intrusão percebida pelo usuário; foi constatado o impacto das preocupações de privacidade na internet na relação entre percepção de intrusão e disposição em revelar suas informações, além da uniformidade no comportamento entre as duas amostras. Com base nos resultados, espera-se que desenvolvedores de SR e empresas que os utilizam evitem futuros efeitos bumerangue em suas recomendações, o que afugentaria um potencial cliente. Information privacy on internet is one of the biggest concerns that arise with web 2.0. However, it is increasingly common for companies that use Recommendation Systems (RS) the request and manage of personal data aiming to guarantee personalized services or products to the users. However, consumers often face a privacy-personalization paradox because they need to provide information, but fear how companies will use it. Incoherent use of such data can give to the individual the feeling that their freedom is being curtailed, causing reactions differently than the system’s intention. It is a boomerang effect, understood as an opposed response to the threat of its freedom on the web. Considering that the IS literature insufficiently explores the effects of the perception of intrusion on the willingness to disclose information, especially through the theory of psychological reactance – where the boomerang effect comes from – the objective of this research is to verify how the users' perception of the intrusion of the Recommendation System may affect your willingness to disclose your information. Two experiments were conducted in the United States and Brazil, with valid samples of 213 and 237 participants, respectively. A prototype of an Experimental Recommendation System (ERS) was developed on the Qualtrics platform. The techniques used for data analysis were the analysis of one-way variance (one-way ANOVA) and covariance analysis (ANCOVA). Among the results, the boomerang effect of RS was demonstrated, because the higher the level of SR intrusion, the less is the willingness to disclose its information. It was verified the existence of only two levels of intrusion perceived by the user. The impact of Internet privacy concerns on the relationship between perception of intrusion and willingness to disclose information was verified, as well as the behavioral indifference between the two samples. Based on the results, RS developers and companies that use them are expected to avoid future boomerang effects in their recommendations, which would scare away a potential customer.

Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq The digital gaming market is a billion dollar industry that faces issues in the way games are developed. One method to easy these issues is to use developer aid tools such as Recommendation Systems. These applications have a branch for software engineering, assisting the developer by generating recommended tasks. This work, therefore, aims to mitigate issues in digital game projects, developing a processes recommendation system, based on learning through past experiences in similar game projects, found in the form of postmortems. Our work brings three main contributions. The first one is a database containing experiences extracted from postmortems in the shape of development processes. The second is the definition of a context for digital gaming projects that characterizes and categorizes gaming projects. The third is a recommendation system for digital game projects that uses a list of similar projects and the development team profile to generate a new process with tips and guidance on tasks to be performed. Recommended processes assist developers in designing the game development process, listing activities and practices of projects with similar context, in the form of a software process. The extracted processes were validated with the game developers. The elements of the processes, generated by the recommendation system, were validated using precision and recall, and also together with the developers / authors of the analyzed game projects. O mercado de jogos digitais é uma indústria bilionária e que possui problemas na forma pela qual os jogos são desenvolvidos. Uma maneira de combater estes problemas é utilizando ferramentas de auxílio aos desenvolvedores, como Sistemas de Recomendação. Estas aplicações possuem um ramo destinado à engenharia de software, auxiliando o desenvolvedor gerando tarefas recomendadas. Este trabalho tem como objetivo mitigar os problemas em projetos de jogos digitais, desenvolvendo um sistema de recomendação de processos, utilizando como base o aprendizado por meio de experiências passadas em projetos de jogos similares, encontrados na forma de postmortems. O resultado deste trabalho apresenta três principais contribuições. A primeira delas é uma base de dados contento experiências extraídas de postmortems na forma de processos de desenvolvimento. A segunda é a definição de um contexto para projetos de jogos digitais que caracteriza e categoriza os projetos de jogos. Por fim, um sistema de recomendação para projetos de jogos digitais, que utiliza uma lista de projetos similares e o perfil do time de desenvolvimento para gerar um novo processo, com dicas e orientações sobre tarefas a serem executadas. Os processos recomendados auxiliam os desenvolvedores na concepção do processo de desenvolvimento do jogo, listando atividades e práticas de projetos com contexto similar, na forma de um processo de software. Os processos extraídos foram validados diretamente com os desenvolvedores dos jogos. Os elementos dos processos gerados pelo sistema de recomendação foram validados utilizando precision e recall, e também juntamente com os desenvolvedores/autores dos projetos de jogos analisados.

CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior Este trabalho apresenta um estudo sobre o uso da informação da percepção visual na recomendação de imagens. Assim, foi proposto um método que faz o agrupamento dos usuários através de sua percepção visual e de sua similaridade. Esse método foi denominado de VP-Similarity. O VP-Similarity foi implementado por meio da extensão do sistema PrefRec para utilização de dados de percepção visual em conjunto com dados de preferência e de itens na tarefa de recomendação, formando assim o VP-PrefRec. Para validação do sistema foi criada uma base de dados. Essa base de dados contém dados de preferência e dados de percepção visual dos usuários. Além disso, o VP-Similarity também foi aplicado sobre um sistema de recomendação social, fornecendo uma rede de percepção visual. O objetivo dessa rede é minimizar o problema do cold start do usuário, existente na maioria dos sistemas de recomendação. A Ąnalidade da proposta deste trabalho é mostrar que a recomendação de imagens com dados de itens e de preferências contextuais para um usuário alvo tem melhor qualidade quando são considerados apenas os usuários que têm percepções visuais similares a esse usuário alvo, considerando algumas avaliações prévias desse usuário alvo. E também mostrar que é possível melhorar a qualidade das recomendações de imagens para um novo usuário que nunca tenha feito uso do sistema (cold start), concentrando-se apenas em usuários que visualmente percebam as imagens de forma similar. This work presents a study on the use of information of visual perception in the image recommendation. Thus, it proposed a method that makes the grouping of users through your visual perception and their similarity. This method was denominated VP-Similarity. The VP-Similarity is implemented by extending the system PrefRec to use of visual perception data in conjunction with preference data item and the recommendation task, thereby forming the VP-PrefRec. For the validation of the system a database was created. This database contains preference and visual perception data of users. In addition, VP-Similarity was also applied on a social recommendation system, providing a visual perception network. The purpose of this network is to minimize the user cold start problem, which in most recommender systems. The objective of purpose of this paper is to show that the recommendation of images with data items and contextual preferences for a target user has better quality when considering only those users who have similar visual perceptions that target user, considering some prior evaluations of that user target. And it also shows that it is possible to improve the quality of images of recommendations for a new user who has never made use of the system (cold start), focusing only on users to visually perceive the similar images. Dissertação (Mestrado)

Submitted by Ana Rebelo (amsr@isep.ipp.pt) on 2016-11-14T15:36:26Z No. of bitstreams: 1 DM_BrunoFerreira_2016_MEI.pdf: 5189408 bytes, checksum: 84cf14439b3bfd8adc4cfa716b20ed06 (MD5) Approved for entry into archive by Ana Rebelo (amsr@isep.ipp.pt) on 2016-11-14T15:37:12Z (GMT) No. of bitstreams: 1 DM_BrunoFerreira_2016_MEI.pdf: 5189408 bytes, checksum: 84cf14439b3bfd8adc4cfa716b20ed06 (MD5) Made available in DSpace on 2016-11-14T15:37:13Z (GMT). No. of bitstreams: 1 DM_BrunoFerreira_2016_MEI.pdf: 5189408 bytes, checksum: 84cf14439b3bfd8adc4cfa716b20ed06 (MD5) Previous issue date: 2016

A modalidade de ensino a distância (EaD) se expande cada vez mais no Brasil, incentivada pela evolução das tecnologias de informação e comunicação (TIC). Apesar da disseminação da EaD, essa modalidade de ensino ainda apresenta altas taxas de evasão. Esse fato ocorre, na maioria das vezes, pelos seguintes motivos: sentimento de isolamento enfrentado pelos discentes, uma vez que a presença física e social do aluno em ambientes educacionais virtuais é mínima; dificuldade em colaborar com os pares e falta de adaptação às metodologias utilizadas na EaD. Diversos trabalhos desenvolvidos na área da computação afetiva indicam que aspectos psicológicos humanos como personalidade, afetividade e emoção, quando empregados em ambientes virtuais de aprendizagem, influenciam na interação e aumentam a colaboração entre os alunos. Com base na literatura e nas entrevistas efetuadas com professores e alunos do Instituto Federal da Paraíba (IFPB), este trabalho apresenta a análise e o desenvolvimento de um sistema para a recomendação de pessoas (monitores e tutores), observando o contexto e os fatores da personalidade/temperamento dos alunos, a fim de melhorar o processo de colaboração na EaD. Os experimentos realizados com alunos dos cursos técnicos em meio ambiente, pesca e segurança do trabalho do IFPB, comprovaram que o software desenvolvido neste trabalho foi eficiente quando as recomendações foram geradas com base na afinidade da personalidade/temperamento entre os alunos. Dessa forma, os resultados gerados pelas recomendações foram bem avaliados pelos participantes desta pesquisa e revelaram que o índice de satisfação e a colaboração no ambiente virtual de ensino melhoraram com o uso do Affinity. Distance Education has increasingly expanded in Brazil due to the evolution of information and communication technologies (ICT). Despite of this dissemination, distance education still has high evasion rates. This occurs, in most cases, due to the sense of isolation faced by the students, for the physical and social presence of the student in virtual educational environments is minimal; the difficulty in collaborating with pairs and the lack of adaptation to methodologies used in distance education. Several studies developed in the area of affective computing indicate that human psychological aspects such as personality, affection and emotion, when used in virtual learning environments, influence the interaction and increase collaboration among students. Based on the literature as well as on interviews conducted with teachers and students of the Instituto Federal da Paraíba (IFPB), this dissertation presents the analysis and the development of a system for recommending people (monitors and tutors) that takes into consideration the context and personality/temperament factors of the students to improve the process of collaboration in distance education. The experiments conducted with students of technical courses in environment, fishing and work safety at IFPB, have shown that the software developed in this work was efficient when the recommendations were generated considering the similarity of personality/temperament among students. Therefore, the results generated by the recommendations were highly rated by participants in this study and revealed that the level of satisfaction and the collaboration in virtual teaching environment improved significantly with the use of Affinity.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior The management of problems occurred in environments that make use of Information Technology (IT), coupled with the need for a rapid response support teams, makes organizations require systems to manage these incidents. The Service Desk presents itself as a good solution to centralize these records. Concepts based computing context, recommender systems, mobile computing can enhance these applications. Therefore, the aim of this work is to design and implement a system of Service Desk Mobile, called Mobile Service Desk (MSD), which adds context awareness features such as user location, technical experience and temporal context. Moreover, the tool is integrated into a recommendation system, which stores past interactions and suggests as a possible solution for new similar incidents occurring in the managed environment. As contributions of this work, in addition to system design that aims to reduce unnecessary time-shift and optimize the allocation of technical, algorithms were compared for similarity analysis and applied to NBR 9241-11 for usability evaluation of some products Service Desk. A gerência dos problemas ocorridos em ambientes que fazem uso da Tecnologia da Informação (TI), aliada a necessidade de uma resposta rápida das equipes de suporte, faz com que organizações necessitem de sistemas para gerenciamento desses incidentes. O Service Desk apresenta-se como uma boa solução para centralizar estes registros. Conceitos de computação baseada em contexto, sistemas de recomendação, computação móvel podem incrementar estes aplicativos. Portanto, o objetivo deste trabalho é projetar e implementar um sistema de Service Desk móvel, denominado Mobile Service Desk (MSD), que agrega funcionalidades de sensibilidade ao contexto, tais como localização do usuário, experiência do técnico e contexto temporal. Além disso, está integrado à ferramenta um sistema de recomendação, que armazena interações passadas e as sugere como possível solução para novos incidentes similares ocorridos no ambiente gerenciado. Como contribuições deste trabalho, além do projeto do sistema que visa redução de tempo com deslocamentos desnecessários e otimização do alocamento de técnicos, foram comparados algoritmos para análise de similaridade e aplicado a norma NBR 9241-11 para avaliação de usabilidade de alguns produtos de Service Desk.

Submitted by William Justo Figueiro (williamjf) on 2015-06-18T23:11:45Z No. of bitstreams: 1 33.pdf: 1765508 bytes, checksum: d921fbdef8015531446e414c52c66bf9 (MD5) Made available in DSpace on 2015-06-18T23:11:45Z (GMT). No. of bitstreams: 1 33.pdf: 1765508 bytes, checksum: d921fbdef8015531446e414c52c66bf9 (MD5) Previous issue date: 2012 Nenhuma Este trabalho elabora de uma arquitetura de software que contempla dentro de dispositivos móveis na plataforma Android, a coleta de informações de contexto físico de localização (informações que são apenas coletadas em ambientes externos) e geração de contexto lógico de localização (informações que precisam de um processamento dos dados para ser encontradas em ambientes internos), estas informações são armazenadas em uma estrutura Web Semântica a qual sofrerá inferências para gerar mais um contexto lógico de recomendação de uso de recursos disponíveis no dispositivo móvel e anteriormente utilizados pelo usuário em um dado instante e local. A funcionalidade desta arquitetura será verificada com a construção de um protótipo na plataforma Android. Um dos desafios deste trabalho será coletar o contexto lógico de localização do dispositivo em locais internos, como prédios e casas, onde a intensidade do sinal do sistema de posicionamento global (GPS) é insuficiente para ser identificada, portanto neste trabalho será utilizado sensores acelerômetro e giroscópio presentes nos dispositivos móveis para calcular seu deslocamento. A localização interna será integrada a localização externa, formando um percurso contínuo. As informações coletadas no contexto físico são armazenadas em uma ontologia dentro do dispositivo móvel e sincronizadas com um servidor remoto. Outro desafio deste trabalho é o desenvolvimento de um agente de software que através dos dados armazenados na ontologia local, faz inferências nos dados armazenados na forma de Web Semântica e disponibiliza recomendações de uso de um determinado recurso, fundamentado apenas nos dados históricos de utilização destes recursos, relacionando a aproximação em determinado local com a frequência no tempo em relação ao mesmo horário do dia ou ao mesmo dia da semana e ao mesmo dia do mês. O armazenamento do contexto coletado, em uma estrutura Web Semântica, possibilita a união destas informações com demais informações coletadas de outros dispositivos contendo contextos que caracterizem um equipamento, um indivíduo ou uma sociedade. O resultado esperado da arquitetura apresentada neste trabalho, será o maior grau possível de precisão na posição geográfica identificada e a coerência das recomendações de uso de recursos disponíveis no dispositivo móvel em um dado instante e local. This paper elaborates a software architecture that addresses within mobile devices on the Android platform, collecting information from the physical context of location (only information that is collected outdoors) and generation of logical context of location (information they need processing of the data to be found indoors) and stores this information in a Semantic Web structure which suffer inferences to generate a context logical of recommendation to use resources available on the mobile device and used previously by the user at a given time and local. The functionality of this architecture will be test by construction a prototype on the Android platform. One of the challenges of this work will be to collect the context of logical device location in indoor locations such as buildings and houses where the signal strength of the Global Positioning System (GPS) is insufficient to be identified, so this work will be used and accelerometer sensors gyroscope present in mobile devices to calculate your speed and direction. The location will be integrated inside the external location, forming a continuous path. The information collected in the physical context is stored in the ontology within the mobile device and synchronized with a remote server. Another challenge of this work is the development of a software agent that through data stored in the ontology on device, makes inferences on the data stored in the form of Web Semantic and provides recommendations for use of a given resource, based only on historical data of these resources by relating the approach in a certain place with the frequency in time over the same time of day or the same day of the week and the same day of the month. The architecture of this work is being called and Context Manager is integrated with the other two studies did not present this work: a Semantic Desktop with the task of identifying a resource that is being used to send and manager context; and Context's Federation, serving as a remote server, with the task of receiving context data collected by the context manager. The storage of context collected in a Web Semantic structure enables the union of this information with other context information that characterize a device, an individual or a society. The expected outcome of the architecture presented here will be the greatest possible degree of accuracy in the identified geographical position and consistency of recommendations for the use of resources available on the mobile device at a given time and place.

A massificação de serviços de música online democratizou o acesso a milhões de músicas. No entanto, é impossível para os utilizadores ouvirem e conhecerem todas essas músicas. De modo a auxiliar na sugestão sobre o que ouvir num dado momento, foram desenvolvidos sistemas que recomendam músicas ao utilizador. A técnica de Collaborative Filtering gera recomendações com base nas músicas ouvidas por utilizadores com gostos semelhantes. Apesar de apresentar um bom desempenho, vários investigadores propuseram melhoramentos aos mesmos. Um dos mais referidos é a utilização de informação contextual sobre o utilizador. A relação entre a utilização desta informação em sistemas de recomendação e o aumento da satisfação dos utilizadores foi provada por diversos investigadores. O trabalho desenvolvido nesta dissertação focou-se na comparação entre um algoritmo de recomendação por Collaborative Filtering tradicional e outro baseado em determinados elementos do contexto. Para isso foi proposto e implementado um sistema de recomendação online que integra estas duas abordagens, apoiado numa revisão da literatura. Por fim, este sistema foi utilizado numa experiência de campo online em que qualquer utilizador pôde fazer pedidos de recomendação. Estes pedidos foram servidos alternadamente por cada um dos algoritmos de recomendação, e foram registadas as avaliações dos utilizadores às músicas recomendadas de modo a aferir a sua satisfação com ambas as abordagens. Os resultados obtidos demonstram que a recomendação baseada no contexto foi superior ao Collaborative Filtering, exceção apenas para a fase inicial do funcionamento do sistema em que existiam poucos dados acerca das interações dos utilizadores com as músicas disponibilizadas The massification of online music services democratized the access to millions of songs. Nevertheless, it is impossible for the users to enjoy and know all those songs. In order to assist in the suggestion about what to listen in a given moment, there have been developed systems which recommend music to the user. The well-known Collaborative Filtering technique generates recommendations based on the interests of users with similar tastes. Despite presenting a good performance, several investigators proposed improvements to it. One of the most mentioned is the use of contextual information about the user. The relationship between the use of this information in recommendation systems and increased user satisfaction has been proven by several investigators. The work developed in this thesis was focused on the comparison between a Collaborative Filtering recommendation algorithm and a Context-based one. In order to achieve that, an online recommendation system that integrates these two approaches was proposed and implemented, supported by a literature review. Finally, this system was used in an online study in which any user could make music recommendation requests. These requests were served alternately by each one of the implemented algorithms and the user’s ratings to the recommendations were recorded in order to assess their satisfaction with both approaches. The results showed that the Context-based recommendation approach was superior to the Collaborative Filtering algorithm, except only for the initial phase of the system operation where there was little music ratings data.

Submitted by Ana Rebelo (amsr@isep.ipp.pt) on 2016-02-04T12:48:18Z No. of bitstreams: 1 DM_JoseAdegas_2013_MEI.pdf: 10462891 bytes, checksum: 475dca4109e52a178c53e39ce1c6208b (MD5) Approved for entry into archive by Ana Rebelo (amsr@isep.ipp.pt) on 2016-02-04T12:49:02Z (GMT) No. of bitstreams: 1 DM_JoseAdegas_2013_MEI.pdf: 10462891 bytes, checksum: 475dca4109e52a178c53e39ce1c6208b (MD5) Made available in DSpace on 2016-02-04T12:49:02Z (GMT). No. of bitstreams: 1 DM_JoseAdegas_2013_MEI.pdf: 10462891 bytes, checksum: 475dca4109e52a178c53e39ce1c6208b (MD5) Previous issue date: 2013

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.

Submitted by Manuel Brandão (msa@eu.ipp.pt) on 2013-11-08T12:18:23Z No. of bitstreams: 1 DM_MarcioSoares_2011_MEEC.pdf: 3994162 bytes, checksum: c528c24fbc2ba1bf8a11a22fca34cd17 (MD5) Made available in DSpace on 2013-11-08T12:18:23Z (GMT). No. of bitstreams: 1 DM_MarcioSoares_2011_MEEC.pdf: 3994162 bytes, checksum: c528c24fbc2ba1bf8a11a22fca34cd17 (MD5) Previous issue date: 2011

Made available in DSpace on 2015-02-02T12:39:21Z (GMT). No. of bitstreams: 0 Previous issue date: 2007-12-01Bitstream added on 2015-02-02T13:08:05Z : No. of bitstreams: 1 S0103-37862007000300005.pdf: 161168 bytes, checksum: 7e3eab5d0d2332c26daa8936afe5ca15 (MD5) Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) A grande quantidade de informações no ambiente digital dificulta a sua organização e recuperação. Recursos de personalização podem direcionar e recomendar informações mais específicas para determinado tipo de usuário. Nesse contexto, é apresentado um conjunto de recursos de personalização que podem auxiliar o desenvolvedor/projetista de websites na escolha e na implantação de tais recursos, bem como auxiliar os usuários na busca e na aquisição de informação. Além disso, apresenta-se também como a personalização pode auxiliar no processo de comunicação e produção científica em ambiente digital, mostrando seu funcionamento, características e benefícios. Os recursos de personalização foram identificados por meio de análise em websites comerciais e acadêmicos. Na literatura científica, poucos trabalhos apresentam opções de recursos de personalização em base conceitual única. The large amount of information in digital environment makes it difficult to organize and retrieve such information. Customization resources can guide and recommend more specific information to specific kinds of users. In this context, a resource set that can help the websites developer/designer in the choice and implementation of these resources, as well as help the users in the search and acquisition of information is presented. Besides, it is presented how the customization can help in the communication process and scientific production in digital environment, showing its operation, features and benefits. The resources presented here were identified by means of an analysis in several types of websites. In the scientific literature few papers present options of customization techniques in unique conceptual base. Universidade Estadual Paulista Departamento de Ciência da Informação, Prograna de Pós-Graduação em Ciência da Informação Universidade Estadual Paulista Departamento de Ciência da Informação, Prograna de Pós-Graduação em Ciência da Informação

Submitted by Ana Rebelo (amsr@isep.ipp.pt) on 2020-03-16T15:14:16Z No. of bitstreams: 1 DM_HugoSoares_2019_MEI.pdf: 8302564 bytes, checksum: bc551cc1b125fd8b0cec53c7552afc58 (MD5) Approved for entry into archive by Ana Rebelo (amsr@isep.ipp.pt) on 2020-03-16T15:15:02Z (GMT) No. of bitstreams: 1 DM_HugoSoares_2019_MEI.pdf: 8302564 bytes, checksum: bc551cc1b125fd8b0cec53c7552afc58 (MD5) Made available in DSpace on 2020-03-16T15:15:02Z (GMT). No. of bitstreams: 1 DM_HugoSoares_2019_MEI.pdf: 8302564 bytes, checksum: bc551cc1b125fd8b0cec53c7552afc58 (MD5) Previous issue date: 2019