AwARE : an approach for adaptive recommendation of resources

Detalhes bibliográficos
Autor(a) principal: Machado, Guilherme Medeiros
Data de Publicação: 2018
Tipo de documento: Tese
Idioma: eng
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/175081
Resumo: Sistemas de recomendação foram propostos no início da década de 1990 com o objetivo de auxiliar seus usuários a lidar com a sobrecarga cognitiva criada com o advento da internet e o aumento constante de documentos. De lá para cá tais sistemas passaram a assumir vários outros papéis, tais como “auxiliar usuários a explorar”, “melhorar a tomada de decisão”, ou até mesmo “entreter”. Para atingir tais novos objetivos, o sistema necessita olhar para características do usuário que auxiliem no entendimento da tarefa desempenhada pelo usuário e como a recomendação pode auxiliar tal tarefa. Nesse sentido, propõe-se nessa tese uma integração entre estratégias de recomendação e de adaptação para criar um novo processo de recomendação adaptativa. É mostrado que tal integração pode melhorar a acurácia da recomendação, e dar bons resultados na retenção de usuários, e na interação destes com os sistemas. Para validar a abordagem, é implementado um protótipo para recomendação de filmes a serem utilizados em sala de aula. São também coletadas estatísticas de 78 usuários que participaram do experimento de avaliação da abordagem.
id URGS_33531ed21f8b2f299129a12f249fa269
oai_identifier_str oai:www.lume.ufrgs.br:10183/175081
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Machado, Guilherme MedeirosOliveira, Jose Palazzo Moreira de2018-04-26T02:33:31Z2018http://hdl.handle.net/10183/175081001065386Sistemas de recomendação foram propostos no início da década de 1990 com o objetivo de auxiliar seus usuários a lidar com a sobrecarga cognitiva criada com o advento da internet e o aumento constante de documentos. De lá para cá tais sistemas passaram a assumir vários outros papéis, tais como “auxiliar usuários a explorar”, “melhorar a tomada de decisão”, ou até mesmo “entreter”. Para atingir tais novos objetivos, o sistema necessita olhar para características do usuário que auxiliem no entendimento da tarefa desempenhada pelo usuário e como a recomendação pode auxiliar tal tarefa. Nesse sentido, propõe-se nessa tese uma integração entre estratégias de recomendação e de adaptação para criar um novo processo de recomendação adaptativa. É mostrado que tal integração pode melhorar a acurácia da recomendação, e dar bons resultados na retenção de usuários, e na interação destes com os sistemas. Para validar a abordagem, é implementado um protótipo para recomendação de filmes a serem utilizados em sala de aula. São também coletadas estatísticas de 78 usuários que participaram do experimento de avaliação da abordagem.Recommender systems were proposed in early 90’s with the goal to help users deal with cognitive overload brought by the internet and the constant increase of documents. From there to now such systems have assumed many other roles like “help users to explore”, “improve decision making”, or even “entertain”. To accomplish such new goals, the system needs to look to user characteristics that help in understand what the user task is and how to adapt the recommendation to support such task. In this direction, it is proposed in this thesis an integration between recommender and adaptive strategies into a new process of adaptive recommendation. It is shown that such integration can improve recommendation accuracy and give good results to user retention, and interaction with the systems. To validate the approach, it is implemented a prototype to recommend movies to be used in a classroom. It is also collected some statistics about the 78 users who have participated of the experiment for evaluation of the new approach.application/pdfengBanco de dadosProcessadores de textoRecommender SystemsAdaptive SystemsLearning ResourcesAccuracyAwARE : an approach for adaptive recommendation of resourcesAwARE: an Approach for Adaptive Recommendation of rEsourcesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2018doutoradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL001065386.pdf001065386.pdfTexto completo (inglês)application/pdf2650970http://www.lume.ufrgs.br/bitstream/10183/175081/1/001065386.pdfbaa10f78ff4888789d6c617e9cbe826eMD51TEXT001065386.pdf.txt001065386.pdf.txtExtracted Texttext/plain176731http://www.lume.ufrgs.br/bitstream/10183/175081/2/001065386.pdf.txt6c5c0821cc281aabef2ab49e6d2127eaMD52THUMBNAIL001065386.pdf.jpg001065386.pdf.jpgGenerated Thumbnailimage/jpeg1068http://www.lume.ufrgs.br/bitstream/10183/175081/3/001065386.pdf.jpg028d3ade96be503faf654d5e37f74dc2MD5310183/1750812021-05-26 04:41:29.924402oai:www.lume.ufrgs.br:10183/175081Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532021-05-26T07:41:29Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv AwARE : an approach for adaptive recommendation of resources
dc.title.alternative.en.fl_str_mv AwARE: an Approach for Adaptive Recommendation of rEsources
title AwARE : an approach for adaptive recommendation of resources
spellingShingle AwARE : an approach for adaptive recommendation of resources
Machado, Guilherme Medeiros
Banco de dados
Processadores de texto
Recommender Systems
Adaptive Systems
Learning Resources
Accuracy
title_short AwARE : an approach for adaptive recommendation of resources
title_full AwARE : an approach for adaptive recommendation of resources
title_fullStr AwARE : an approach for adaptive recommendation of resources
title_full_unstemmed AwARE : an approach for adaptive recommendation of resources
title_sort AwARE : an approach for adaptive recommendation of resources
author Machado, Guilherme Medeiros
author_facet Machado, Guilherme Medeiros
author_role author
dc.contributor.author.fl_str_mv Machado, Guilherme Medeiros
dc.contributor.advisor1.fl_str_mv Oliveira, Jose Palazzo Moreira de
contributor_str_mv Oliveira, Jose Palazzo Moreira de
dc.subject.por.fl_str_mv Banco de dados
Processadores de texto
topic Banco de dados
Processadores de texto
Recommender Systems
Adaptive Systems
Learning Resources
Accuracy
dc.subject.eng.fl_str_mv Recommender Systems
Adaptive Systems
Learning Resources
Accuracy
description Sistemas de recomendação foram propostos no início da década de 1990 com o objetivo de auxiliar seus usuários a lidar com a sobrecarga cognitiva criada com o advento da internet e o aumento constante de documentos. De lá para cá tais sistemas passaram a assumir vários outros papéis, tais como “auxiliar usuários a explorar”, “melhorar a tomada de decisão”, ou até mesmo “entreter”. Para atingir tais novos objetivos, o sistema necessita olhar para características do usuário que auxiliem no entendimento da tarefa desempenhada pelo usuário e como a recomendação pode auxiliar tal tarefa. Nesse sentido, propõe-se nessa tese uma integração entre estratégias de recomendação e de adaptação para criar um novo processo de recomendação adaptativa. É mostrado que tal integração pode melhorar a acurácia da recomendação, e dar bons resultados na retenção de usuários, e na interação destes com os sistemas. Para validar a abordagem, é implementado um protótipo para recomendação de filmes a serem utilizados em sala de aula. São também coletadas estatísticas de 78 usuários que participaram do experimento de avaliação da abordagem.
publishDate 2018
dc.date.accessioned.fl_str_mv 2018-04-26T02:33:31Z
dc.date.issued.fl_str_mv 2018
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/175081
dc.identifier.nrb.pt_BR.fl_str_mv 001065386
url http://hdl.handle.net/10183/175081
identifier_str_mv 001065386
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/175081/1/001065386.pdf
http://www.lume.ufrgs.br/bitstream/10183/175081/2/001065386.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/175081/3/001065386.pdf.jpg
bitstream.checksum.fl_str_mv baa10f78ff4888789d6c617e9cbe826e
6c5c0821cc281aabef2ab49e6d2127ea
028d3ade96be503faf654d5e37f74dc2
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1810085437848420352