Using Mobile Phones to Nurture Social Networks
Matheus Ricardo Uihara Zingarelli
([email protected])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
([email protected])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
