Using Mobile Phones to Nurture Social Networks

Matheus Ricardo Uihara Zingarelli

(zinga@icmc.usp.br)ICMC – USP São Carlos – 01/09/2010

Daniele Quercia / MIT (Massachusetts Institute of Technology)Jonathan Ellis / UCL (University College London)Licia Capra / UCL

Sobre os autores

Daniele Quercia Pesquisador MIT Interesses em ciência da computação social,

computação social e redes sociais móveis. Quercia, D.; Hailes, S.; Licia, C. “Lightweight

distributed trust propagation”. Proceeding of IEEE ICDM, Omaha, USA, Outubro 2007.Trust propagation: processo de formação de opinião

baseada em uma rede de confiança do usuário

2

Sobre os autores

Jonathan Ellis Estudante de Ciência da Computação da UCL Interesses em computação móvel, redes sociais e

computação pervasiva Sem outros artigos publicados

3

Sobre os autores

Licia Capra Professora sênior do Departamento de Ciência da Computação

da UCL Interesses em sistemas móveis, computação pervasiva e redes

sociais Capra, L.; Emmerich, W.; Mascolo, C. “CARISMA: Context-

Aware Reflective mIddleware System for Mobile Applications”. IEEE Transactions on Software Engineering, Outubro 2003 Políticas de como tratar mudanças de contexto e discussão de conflitos

entre elas

4

Outline

Resumo Contexto Problema identificado Objetivo Metodologia adotada Resultados obtidos Avaliação dos resultados Conclusão Trabalhos futuros Análise crítica pelo apresentador

5

Resumo

Tecnologias envolvendo celular e redes sociais

Recomendação/manutenção de amigos e monitoramento de humor

Coleta de dados: encontros, ligações, SMS Criação de padrões

6

Contexto

Comunicação dos adolescentes através de redes sociais pelo celular

7

Problema Identificado

Como ampliar o círculo social do adolescente e ajudá-lo a cultivar suas amizades?

8

Objetivo

Encontrar relações de amizade baseado nas atividades que o usuário realiza pelo celular

Detectar padrões e desvios como forma de alerta para possíveis mudanças de humor e comportamento

9

Metodologia Adotada

FriendSensing Análise de “encontros”, frequência e duração de chamadas Criação de uma rede social de encontros Teste de algoritmos para recomendar amigos

SensingHappiness Análise dos (re)tweets feitos pelo usuário via celular

Implantação e teste em Blackberry Captura Processamento

10

Resultados Obtidos

FriendSensing Gráficos comparativos

Duração vs Frequência Cadeias de Markov vs Menor Caminho

SensingHappiness Análise em estudo

Implantação Privacidade Desempenho

11

Avaliação dos Resultados

Combinação de duração e algoritmo do menor caminho apresentando os melhores resultados

Modelo thin client-thick server

12

Conclusão

Bons resultados obtidos com a recomendação de amigos

13

Trabalhos Futuros

Portabilidade Estudo de utilidade

14

Análise Crítica

Idéia de monitoramento de amizadesPúblico específico de países desenvolvidos

15

A Collaborative Recommender System Based on Space-Time Similarities

Matheus Ricardo Uihara Zingarelli

(zinga@icmc.usp.br)ICMC – USP São Carlos – 01/09/2010

Mario Muñoz-Organero / Carlos III University of MadridGustavo A. Ramírez-González / Carlos III University of Madrid e University of CaucaPedro J. Muñoz-Merino / Carlos III University of MadridCarlos Delgado Kloos / Carlos III University of Madrid

Sobre os autores

Mario Muñoz-Organero Professor da Carlos III University of Madrid. Interesses em e-learning, m-learning, arquiteturas abertas para

sistemas de e-learning, plataformas abertas para criação de ambientes para redes da próxima geração, sistemas de comunicação móvel avançados, computação pervasiva e redes convergentes.

Munoz-Merino, P. J.; Kloos, C. D.; Munoz-Organero, M. "Enhancement of Student Learning Through the Use of a Hinting Computer e-Learning System and Comparison With Human Teachers“. IEEE Transactions on Education, v.PP, no.99, p.1-1, 2010

Divisão de uma turma em duas, sendo que uma possuía uma professora dando dicas e a outra um computador dando dicas. Estudo comparativo.

17

Sobre os autores

Gustavo A. Ramírez-González Estudante de Doutorado da Carlos III University of Madrid e

professor na University of Cauca, Colômbia. Membro da Telematics Engineering Research Group. Interesse em tecnologias de m-learning. Ramírez-González, G.; Muñoz-Organero, M.; Kloos, C.D.

"Exploring Touching Learning Environments". International Federation for Information Processing, V. 281/2008, p.93-96, 2008.

Uso de celulares com interface touch e protocolo NFC para o m-learning

18

Sobre os autores

Pedro J. Muñoz-Merino Professor visitante da Carlos III University of Madrid. Interesse em e-learning. Munoz-Organero, M.; Munoz-Merino, P.J.; Kloos, C.D. "Student

Behavior and Interaction Patterns With an LMS as Motivation Predictors in E-Learning Settings" IEEE Transactions on Education, v.53, no.3, p.463-470, Ago. 2010

Estudo de padrões de comportamento do usuário de um sistema de e-learning para predizer sua motivação em continuar e completar o curso

19

Sobre os autores

Carlos Delgado Kloos Professor da Carlos III University of Madrid, na qual foi o diretor

fundador do departamento de Engenharia Telemática e é atualmente vice-chanceler, diretor de dois programas de mestrado, sendo um à distância, e diretor da Nokia Chair.

Interesse em educação tecnológica. Garcia, R.M.C.; Kloos, C.D.; Gil, M.C. "Game based spelling

learning" Frontiers in Education Conference FIE 2008, p.S3B-11-S3B-15, 22-25, out. 2008

Uso de um Pac-man adaptado para aprendizado de ortografia e vocabulário de língua estrangeira.

20

Outline

Resumo Contexto Problema identificado Objetivo Metodologia adotada Resultados obtidos Avaliação dos resultados Conclusão Trabalhos futuros Análise crítica pelo apresentador

21

Resumo

Sistemas de recomendação colaborativos Preferências do usuário Avaliações de outros usuário Não levam em questão o local nem o momento

Exploração do conceito de IoT (Internet of Things)

22

Contexto

IoT: dispositivos interconectados e fornecedores de informação relevante

Uso de dispositivos móveis: conteúdo dinâmico, muda de acordo com o espaço/tempo

23

Problema Identificado

Sistemas de recomendação existentes não levam em conta o espaço nem o tempo em que o usuário se encontra

Preferências do usuário podem mudar

24

Objetivo

Aliar as informações de espaço-tempo para melhorar os sistemas de recomendação

25

Metodologia Adotada

Alterar a equação de cálculo de coeficiente de similaridade (coeficiente de correlação de Pierson

Teste comparativo da equação original vs. nova equação

26

Resultados Obtidos

Média do desvio do resultado da equação com o valor real

27

Avaliação dos Resultados

Melhores pontuações com a nova equação

28

Conclusão

O uso de informações de localidade e tempo são mais relevantes para os processos de recomendação do que apenas a avaliação de outros usuários

29

Trabalhos Futuros

Não mencionado

30

Análise Crítica

Uso de etiquetas RFID para informações sobre objeto e localidade

Requer muita interação do usuário

31