Personalify: uma estrutura para implementação de agentes MBTI.
Autor(a) principal: | |
---|---|
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 |