Personalify: uma estrutura para implementação de agentes MBTI.

Detalhes bibliográficos
Autor(a) principal: Luiz Fernando Braz
Data de Publicação: 2023
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://doi.org/10.11606/D.3.2023.tde-01032024-102209
Resumo: O uso da Inteligência Artificial para evolução do estudo do comportamento humano vêm recebendo grande atenção dos pesquisadores ao longo dos anos. O estudo de técnicas que permitam a simulação de características humanas com o uso de computadores têm contribuído para um melhor entendimento de diversos fatores, entre eles os tipos de personalidade e preferências comportamentais das pessoas. Neste sentido, instrumentos como o Myers-Briggs Type Indicator (MBTI) têm sido utilizados, buscando classificar e categorizar as preferencias comportamentais dos indivíduos como forma de descrever suas particularidades e apoiar em uma maior compreensão do fator humano em diferentes contextos, como por exemplo no trabalho. Estudos demonstram que o capital humano é um dos recursos mais críticos para as organizações que apesar disso ainda carecem de meios que lhes permitam compreender de forma ampla os fatores associados à formação de times de alto desempenho. O uso de ferramentas que permitam aos indivíduos um maior auto-conhecimento de suas preferências e características pode ajudar em adaptações que criem ambientes mais harmônicos e propícios ao trabalho em equipe, impactando positivamente os resultados dos times. Neste trabalho, buscou-se explorar através do uso de simulações baseadas em agentes a observação de aspectos comportamentais que possam influenciar as decisões e consequente desempenho de times de agentes artificiais. Em particular, foi proposto uma estrutura denominada Personalify que estende a arquitetura Belief-Desire-Intentions (BDI) de modo a incorporar múltiplos atributos de decisão projetados com características descritas no modelo MBTI. O Personalify foi implementado na plataforma Gama, e testado em diversos cenários de compra e venda de produtos, que apresentam similaridades com contextos de trabalho visando proporcionar simulações mais próximas às realidades organizacionais. Desta forma, espera-se que o estudo contribua de forma significativa para um melhor entendimento de elementos que possam influenciar o comportamento de agentes modelados com personalidades inspiradas na teoria do MBTI, observando como certas características podem ter maior impacto nas decisões tomadas pelos agentes e como estas poderiam ter relação com os resultados gerais apresentados pelo time.
id USP_3033447a3962efa282a17d6b5e761f1e
oai_identifier_str oai:teses.usp.br:tde-01032024-102209
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis Personalify: uma estrutura para implementação de agentes MBTI. Personalify: a framework for implementing MBTI agentes. 2023-12-11Jaime Simão SichmanDiana Francisca AdamattiSigmar MalvezziLuiz Fernando BrazUniversidade de São PauloEngenharia ElétricaUSPBR Agent-based simulations BDI BDI Capital humano Formação de times Frameworks Human behavior Team building MBTI MBTI Multiagent systems Simulação baseada em agentes Sistemas multiagentes O uso da Inteligência Artificial para evolução do estudo do comportamento humano vêm recebendo grande atenção dos pesquisadores ao longo dos anos. O estudo de técnicas que permitam a simulação de características humanas com o uso de computadores têm contribuído para um melhor entendimento de diversos fatores, entre eles os tipos de personalidade e preferências comportamentais das pessoas. Neste sentido, instrumentos como o Myers-Briggs Type Indicator (MBTI) têm sido utilizados, buscando classificar e categorizar as preferencias comportamentais dos indivíduos como forma de descrever suas particularidades e apoiar em uma maior compreensão do fator humano em diferentes contextos, como por exemplo no trabalho. Estudos demonstram que o capital humano é um dos recursos mais críticos para as organizações que apesar disso ainda carecem de meios que lhes permitam compreender de forma ampla os fatores associados à formação de times de alto desempenho. O uso de ferramentas que permitam aos indivíduos um maior auto-conhecimento de suas preferências e características pode ajudar em adaptações que criem ambientes mais harmônicos e propícios ao trabalho em equipe, impactando positivamente os resultados dos times. Neste trabalho, buscou-se explorar através do uso de simulações baseadas em agentes a observação de aspectos comportamentais que possam influenciar as decisões e consequente desempenho de times de agentes artificiais. Em particular, foi proposto uma estrutura denominada Personalify que estende a arquitetura Belief-Desire-Intentions (BDI) de modo a incorporar múltiplos atributos de decisão projetados com características descritas no modelo MBTI. O Personalify foi implementado na plataforma Gama, e testado em diversos cenários de compra e venda de produtos, que apresentam similaridades com contextos de trabalho visando proporcionar simulações mais próximas às realidades organizacionais. Desta forma, espera-se que o estudo contribua de forma significativa para um melhor entendimento de elementos que possam influenciar o comportamento de agentes modelados com personalidades inspiradas na teoria do MBTI, observando como certas características podem ter maior impacto nas decisões tomadas pelos agentes e como estas poderiam ter relação com os resultados gerais apresentados pelo time. The use of Artificial Intelligence for the evolution of the study of human behavior has been receiving great attention from researchers over the years. The study of techniques that allow simulation of human characteristics using computers has contributed to a better understanding of several factors, including peoples personality types and behavioral preferences. In this sense, instruments such as the Myers-Briggs Type Indicator (MBTI) have been used, seeking to classify and categorize individuals behavioral preferences to describe their particularities and support a greater understanding of human factors in different contexts, such as in work. Studies show that human capital is one of the most critical resources for organizations that, despite this, still lack means that allow them to broadly understand the factors associated with the formation of high-performance teams. The use of tools that allow individuals greater self-knowledge of their preferences and characteristics can help in adaptations that create more harmonious environments and are favorable to teamwork, positively impacting teams results. In this work, we sought to explore, through agent-based simulations, the observation of behavioral aspects that can influence decisions and the consequent performance of artificial agent teams. In particular, we propose a framework called Personalify, which extends the Belief-Desire- Intentions (BDI) architecture in order to incorporate multiple decision attributes designed with characteristics described in MBTI model. The Personalify was implemented on the Gama platform, and tested in various buyers and sellers scenarios, which have similarities with work contexts, aiming to provide simulations closer to organizational realities. In this way, it is expected that the study will contribute significantly to a better understanding of elements that can influence modeled agent behavior with personalities inspired by MBTI theory, observing how certain characteristics can have a greater impact on the decisions made by agents and how these could be related to overall results presented by the team. https://doi.org/10.11606/D.3.2023.tde-01032024-102209info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USP2024-03-15T13:21:19Zoai:teses.usp.br:tde-01032024-102209Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-03-05T12:24:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.pt.fl_str_mv Personalify: uma estrutura para implementação de agentes MBTI.
dc.title.alternative.en.fl_str_mv Personalify: a framework for implementing MBTI agentes.
title Personalify: uma estrutura para implementação de agentes MBTI.
spellingShingle Personalify: uma estrutura para implementação de agentes MBTI.
Luiz Fernando Braz
title_short Personalify: uma estrutura para implementação de agentes MBTI.
title_full Personalify: uma estrutura para implementação de agentes MBTI.
title_fullStr Personalify: uma estrutura para implementação de agentes MBTI.
title_full_unstemmed Personalify: uma estrutura para implementação de agentes MBTI.
title_sort Personalify: uma estrutura para implementação de agentes MBTI.
author Luiz Fernando Braz
author_facet Luiz Fernando Braz
author_role author
dc.contributor.advisor1.fl_str_mv Jaime Simão Sichman
dc.contributor.referee1.fl_str_mv Diana Francisca Adamatti
dc.contributor.referee2.fl_str_mv Sigmar Malvezzi
dc.contributor.author.fl_str_mv Luiz Fernando Braz
contributor_str_mv Jaime Simão Sichman
Diana Francisca Adamatti
Sigmar Malvezzi
description O uso da Inteligência Artificial para evolução do estudo do comportamento humano vêm recebendo grande atenção dos pesquisadores ao longo dos anos. O estudo de técnicas que permitam a simulação de características humanas com o uso de computadores têm contribuído para um melhor entendimento de diversos fatores, entre eles os tipos de personalidade e preferências comportamentais das pessoas. Neste sentido, instrumentos como o Myers-Briggs Type Indicator (MBTI) têm sido utilizados, buscando classificar e categorizar as preferencias comportamentais dos indivíduos como forma de descrever suas particularidades e apoiar em uma maior compreensão do fator humano em diferentes contextos, como por exemplo no trabalho. Estudos demonstram que o capital humano é um dos recursos mais críticos para as organizações que apesar disso ainda carecem de meios que lhes permitam compreender de forma ampla os fatores associados à formação de times de alto desempenho. O uso de ferramentas que permitam aos indivíduos um maior auto-conhecimento de suas preferências e características pode ajudar em adaptações que criem ambientes mais harmônicos e propícios ao trabalho em equipe, impactando positivamente os resultados dos times. Neste trabalho, buscou-se explorar através do uso de simulações baseadas em agentes a observação de aspectos comportamentais que possam influenciar as decisões e consequente desempenho de times de agentes artificiais. Em particular, foi proposto uma estrutura denominada Personalify que estende a arquitetura Belief-Desire-Intentions (BDI) de modo a incorporar múltiplos atributos de decisão projetados com características descritas no modelo MBTI. O Personalify foi implementado na plataforma Gama, e testado em diversos cenários de compra e venda de produtos, que apresentam similaridades com contextos de trabalho visando proporcionar simulações mais próximas às realidades organizacionais. Desta forma, espera-se que o estudo contribua de forma significativa para um melhor entendimento de elementos que possam influenciar o comportamento de agentes modelados com personalidades inspiradas na teoria do MBTI, observando como certas características podem ter maior impacto nas decisões tomadas pelos agentes e como estas poderiam ter relação com os resultados gerais apresentados pelo time.
publishDate 2023
dc.date.issued.fl_str_mv 2023-12-11
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://doi.org/10.11606/D.3.2023.tde-01032024-102209
url https://doi.org/10.11606/D.3.2023.tde-01032024-102209
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade de São Paulo
dc.publisher.program.fl_str_mv Engenharia Elétrica
dc.publisher.initials.fl_str_mv USP
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv Universidade de São Paulo
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1794502346847289344