AwARE : an approach for adaptive recommendation of resources
Autor(a) principal: | |
---|---|
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 |