Modelando brainstorming com sistemas quadro-negro
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | https://www.teses.usp.br/teses/disponiveis/76/76131/tde-09092021-115733/ |
Resumo: | Os sistemas quadro-negro são modelos computacionais de trabalho em grupo que incorporam a noção popular de brainstorming, na qual especialistas (agentes) escrevem ideias promissoras (dicas) para resolver um dado problema em um quadro negro central ao qual todos os membros do grupo têm acesso. Usaremos esse ambiente cooperativo para resolver problemas discretos de satisfação de restrições muito simples, as charadas cripto-aritméticas. Uma charada cripto-aritmética é uma operação algébrica (adição, por exemplo) em que os dígitos dos números são representados por letras, de modo que cada letra represente um dígito único, e o objetivo é encontrar a correspondência dígito-letra que torna a operação soma válida pelas regras da aritmética. As dicas exibidas no quadro-negro são correspondências parciais dígito-letra que tornam a soma módulo 10 dos dígitos das colunas individuais correta. Os resultados mostram que o sistema quadro-negro sempre é mais eficiente do que a busca cega, onde os agentes geram atribuições dígito-letra aleatórias até encontrarem a solução da charada. Como no caso de um único agente o quadro-negro pode ser usado como uma memória externa para armazenar as dicas descobertas, podemos usar os sistemas quadro-negro para estudar as vantagens da cooperação, ou seja, de formar equipes com dois ou mais agentes. Encontramos que a vantagem da cooperação é maior quando as charadas são desafiadoras (têm mais letras distintas e menos soluções) ou quando o tamanho do quadro é muito restrito, o que limita o seu uso como memória externa dos agentes. Entretanto, mostramos que o aumento da equipe não resulta necessariamente em melhora de desempenho, o que aponta a existência de um tamanho de grupo que otimiza o desempenho do sistema quadro-negro. Um resultado contraintuitivo de nosso modelo é a melhora do desempenho da equipe para quadros limitados, que não tem capacidade de exibir todas as dicas possíveis, evidenciando nesse contexto restrito a questão da sobrecarga de informação que afeta a resolução de problemas no mundo real. |
id |
USP_ece4a809147ef70f6ec5bf77458bc80f |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-09092021-115733 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Modelando brainstorming com sistemas quadro-negroModeling brainstorming with blackboard systemsAgent-based modelBlackboard systemsCollective intelligenceCooperative modelsInformation overloadInteligência coletivaModelo baseado em agentesModelos cooperativosSistemas quadro-negroSobrecarga de informaçãoOs sistemas quadro-negro são modelos computacionais de trabalho em grupo que incorporam a noção popular de brainstorming, na qual especialistas (agentes) escrevem ideias promissoras (dicas) para resolver um dado problema em um quadro negro central ao qual todos os membros do grupo têm acesso. Usaremos esse ambiente cooperativo para resolver problemas discretos de satisfação de restrições muito simples, as charadas cripto-aritméticas. Uma charada cripto-aritmética é uma operação algébrica (adição, por exemplo) em que os dígitos dos números são representados por letras, de modo que cada letra represente um dígito único, e o objetivo é encontrar a correspondência dígito-letra que torna a operação soma válida pelas regras da aritmética. As dicas exibidas no quadro-negro são correspondências parciais dígito-letra que tornam a soma módulo 10 dos dígitos das colunas individuais correta. Os resultados mostram que o sistema quadro-negro sempre é mais eficiente do que a busca cega, onde os agentes geram atribuições dígito-letra aleatórias até encontrarem a solução da charada. Como no caso de um único agente o quadro-negro pode ser usado como uma memória externa para armazenar as dicas descobertas, podemos usar os sistemas quadro-negro para estudar as vantagens da cooperação, ou seja, de formar equipes com dois ou mais agentes. Encontramos que a vantagem da cooperação é maior quando as charadas são desafiadoras (têm mais letras distintas e menos soluções) ou quando o tamanho do quadro é muito restrito, o que limita o seu uso como memória externa dos agentes. Entretanto, mostramos que o aumento da equipe não resulta necessariamente em melhora de desempenho, o que aponta a existência de um tamanho de grupo que otimiza o desempenho do sistema quadro-negro. Um resultado contraintuitivo de nosso modelo é a melhora do desempenho da equipe para quadros limitados, que não tem capacidade de exibir todas as dicas possíveis, evidenciando nesse contexto restrito a questão da sobrecarga de informação que afeta a resolução de problemas no mundo real.Blackboard systems are computational models of group work that incorporate the popular notion of brainstorming, in which experts (agents) write promising ideas (hints) to solve a given problem on a central blackboard to which all group members have access. We will use this cooperative environment to solve very simple discrete constraint satisfaction problems, viz., crypto-arithmetic riddles. A crypto-arithmetic riddle is an algebraic operation (addi- tion, for example) in which the digits of the numbers are represented by letters, so that each letter represents a single digit, and the goal is to find the digit-letter correspondence that makes the operation sum valid under the rules of the arithmetic. The hints displayed on the blackboard are partial digit-letter matches that make the sum modulo 10 of the digits of the individual columns correct. The results show that the blackboard system is always more efficient than the blind search, where agents generate random digit-letter assignments until they find the solution to the puzzle. Since in the case of a single agent the blackboard can be used as an external memory to store the discovered hints, we can use the blackboard systems to study the advantages of cooperation, i.e., of forming teams with two or more agents. We found that the advantage of cooperation is greater when the riddles are challenging (they have more distinct letters and fewer solutions) or when the size of the blackboard is very restricted, which limits its use as an external memory for the agents. However, we have shown that increasing the team size does not necessarily result in an improved performance, which points to the existence of a group size that optimizes the performance of the blackboard system. A counterintuitive result of our model is the improvement of the team´s performance for limited blackboards that do not have enough space to display all possible hints, highlighting in this restricted context the issue of information overload that affects problem-solving in the real world.Biblioteca Digitais de Teses e Dissertações da USPFontanari, Jose FernandoSalhani, Jorge Augusto Salgado2021-06-30info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/76/76131/tde-09092021-115733/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2021-09-16T13:53:02Zoai:teses.usp.br:tde-09092021-115733Biblioteca 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:27212021-09-16T13:53:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Modelando brainstorming com sistemas quadro-negro Modeling brainstorming with blackboard systems |
title |
Modelando brainstorming com sistemas quadro-negro |
spellingShingle |
Modelando brainstorming com sistemas quadro-negro Salhani, Jorge Augusto Salgado Agent-based model Blackboard systems Collective intelligence Cooperative models Information overload Inteligência coletiva Modelo baseado em agentes Modelos cooperativos Sistemas quadro-negro Sobrecarga de informação |
title_short |
Modelando brainstorming com sistemas quadro-negro |
title_full |
Modelando brainstorming com sistemas quadro-negro |
title_fullStr |
Modelando brainstorming com sistemas quadro-negro |
title_full_unstemmed |
Modelando brainstorming com sistemas quadro-negro |
title_sort |
Modelando brainstorming com sistemas quadro-negro |
author |
Salhani, Jorge Augusto Salgado |
author_facet |
Salhani, Jorge Augusto Salgado |
author_role |
author |
dc.contributor.none.fl_str_mv |
Fontanari, Jose Fernando |
dc.contributor.author.fl_str_mv |
Salhani, Jorge Augusto Salgado |
dc.subject.por.fl_str_mv |
Agent-based model Blackboard systems Collective intelligence Cooperative models Information overload Inteligência coletiva Modelo baseado em agentes Modelos cooperativos Sistemas quadro-negro Sobrecarga de informação |
topic |
Agent-based model Blackboard systems Collective intelligence Cooperative models Information overload Inteligência coletiva Modelo baseado em agentes Modelos cooperativos Sistemas quadro-negro Sobrecarga de informação |
description |
Os sistemas quadro-negro são modelos computacionais de trabalho em grupo que incorporam a noção popular de brainstorming, na qual especialistas (agentes) escrevem ideias promissoras (dicas) para resolver um dado problema em um quadro negro central ao qual todos os membros do grupo têm acesso. Usaremos esse ambiente cooperativo para resolver problemas discretos de satisfação de restrições muito simples, as charadas cripto-aritméticas. Uma charada cripto-aritmética é uma operação algébrica (adição, por exemplo) em que os dígitos dos números são representados por letras, de modo que cada letra represente um dígito único, e o objetivo é encontrar a correspondência dígito-letra que torna a operação soma válida pelas regras da aritmética. As dicas exibidas no quadro-negro são correspondências parciais dígito-letra que tornam a soma módulo 10 dos dígitos das colunas individuais correta. Os resultados mostram que o sistema quadro-negro sempre é mais eficiente do que a busca cega, onde os agentes geram atribuições dígito-letra aleatórias até encontrarem a solução da charada. Como no caso de um único agente o quadro-negro pode ser usado como uma memória externa para armazenar as dicas descobertas, podemos usar os sistemas quadro-negro para estudar as vantagens da cooperação, ou seja, de formar equipes com dois ou mais agentes. Encontramos que a vantagem da cooperação é maior quando as charadas são desafiadoras (têm mais letras distintas e menos soluções) ou quando o tamanho do quadro é muito restrito, o que limita o seu uso como memória externa dos agentes. Entretanto, mostramos que o aumento da equipe não resulta necessariamente em melhora de desempenho, o que aponta a existência de um tamanho de grupo que otimiza o desempenho do sistema quadro-negro. Um resultado contraintuitivo de nosso modelo é a melhora do desempenho da equipe para quadros limitados, que não tem capacidade de exibir todas as dicas possíveis, evidenciando nesse contexto restrito a questão da sobrecarga de informação que afeta a resolução de problemas no mundo real. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-06-30 |
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://www.teses.usp.br/teses/disponiveis/76/76131/tde-09092021-115733/ |
url |
https://www.teses.usp.br/teses/disponiveis/76/76131/tde-09092021-115733/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
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_ |
1809090556358295552 |