IHC -Avaliação 2 - Barbara, KIM, Leina, Luís

Prévia do material em texto

Interação Humano Computador e os Sistemas de
Recomendação
Bárbara Jones F. Santos , Kim Costa Ferro, Flávio Leina Caroline A. Rodrigues,
Luís Augusto S. da Cruz Júnior.
Instituto de Educação, Ciência e Tecnologia do Maranhão (IFMA) - São Luís -MA -
Brazil
leina.caroline@acad.edu.ifma.com.br,bjones@acad.edu.ifma.com.br
Abstract. This work presents some concepts of Recommender Systems from its
emergence to its development process and how Information Architecture together with
Findability were very important in the creation of these systems that are so important in
current times.
Resumo. Este trabalho apresenta alguns conceitos de Sistemas de
Recomendação desde seu surgimento até seu processo de desenvolvimento e
como a Arquitetura de Informação juntamente com a Encontrabilidade da
Informação foram muito importantes na criação desses sistemas tão
importantes nos tempos atuais.
1.Introdução
Diversas plataformas famosas possuem milhares de conteúdos disponíveis para
consumo porém, para conectar os usuários para os conteúdos desejados foi necessário
que surgisse os sistemas de recomendação, os sistemas de recomendação tem como
objetivo oferecer a partir de grandes quantidades de informações algo que vá interessar
ao usuário, em geral o sistema depende da contribuição de indivíduos para avaliar a
informação, a ideia seria como “se o conteúdo é relevante para mim então, ele também
pode vir a ser relevante para outra pessoa ou seja, é um anúncio personalizado onde
aparece um conteúdo desejável para o usuário, a ideia por trás do sistema é entregar
entre um quantidade enorme de possibilidades de seleção de conteúdo sugestões precisas
que levem a um aumento de interação, conversão e por conseguinte, satisfação dos
usuários, por isso esse tipo de sistema cumpre funções essenciais em plataformas de
E-commerce, redes sociais e em outras plataformas com catálogos enormes, pois quanto
mais itens presentes na plataforma mais difícil é manter e atrair a atenção do usuário e
conectar ele diretamente ao que ele se interessa.Exemplos do uso desse tipo de sistema
podem ser vistos em empresas famosas como a Netflix que consegue gerar uma receita
de R$ 1 Bilhão de reais anualmente, sendo que o sistemas de recomendação responsável
por 80% dos conteúdos vistos na plataforma, outra grande empresa também é a Amazon
no setor de E-commerce e seu sistema se baseia em números simples de elementos como
onde e o que o usuário comprou, ou o que está guardado na lista de desejos dele, itens
que este usuário qualificou e gostou e quais outros clientes que viram ou compraram
aquele produto, a Amazon chama esse sistema de “filtro colaborativo item a item” e é
muito usado para trazer a melhor experiência ao consumidor na plataforma que retorna
para adquirir outro produto.
2. Desenvolvimento
Sem muita complicação, o usuário atual cria, compartilha e acessa uma
quantidade imensa de informações, essa aparente facilidade generalizou a possibilidade
de administrar todo conteúdo que ia surgindo com o decorrer do tempo. O que se
observou logo após com essa geração e manipulação de informações foi um gigantesco
acúmulo de informações que trouxe consigo um caos informacional, isso porque antes
disso não se atentaram para elementos importantes como usabilidade, acessibilidade e
representatividade da informação, o que complica ainda mais o usuário de encontrar a
informação que estava à procura. Em contraste disso, no comércio eletrônico esse
desenvolvimento foi mais organizado, pois observaram que dessa forma havia um
aumento significativo de interação e experiência do usuário e trazia muitos benefícios
para a empresa.
A princípio, dois pontos precisam ser observados para diminuir esse problema, o
primeiro deles seria a Arquitetura da informação, onde seu objetivo é organizar a
estrutura da informação disponibilizada, fazendo com que o usuário utilize o mínimo de
esforço na procura da informação desejada que está ligado ao segundo ponto que seria a
Encontrabilidade da informação satisfazendo a necessidade do usuário em encontrar
uma resposta para sua busca. Muitas vezes esses mecanismos não vão ajudá-lo a
encontrar o que estava procurando, em muitos casos durante uma busca o usuário
encontra coisas que nem sabia que precisava, a partir daí temos o início de uma nova
maneira no que chamamos busca e navegação. Pensando nisso, desenvolvedores de
sistemas investem em Sistemas de Recomendação, usados para oferecerem serviços ou
itens que ainda de início não estavam procurando.
2.1 Sistemas de Recomendação
Podemos dizer que os Sistemas de Recomendação se tornaram uma ferramenta
facilitadora em processos de busca, apresentando ao usuário coisas que podem estar
relacionados às suas necessidades e preferências, porém, para que vemos seu pleno
funcionamento, esses sistemas precisam de muito conhecimento sobre os usuários que
interagem. A parte fundamental aqui é a coleta , o processamento e armazenamento dos
dados que os usuários deixam durante essa interação, dados que foram seus perfis e
auxiliam no oferecimento de produtos e serviços que mais tem a ver com suas
características.
A forma de coletar dados acontecem de duas maneiras, de forma explícita, onde
o usuário informa claramente ao sistema sua preferência ou não por determinado item,
um exemplo disso são as avaliações e curtidas, e implicitamente quando o sistema
lembra os gostos por observar suas ações, aqui abre discussões sobre questões éticas e
até legais, mas no que diz respeito à coleta de informação são essas apresentadas.
Para a entrega da resposta da recomendação é necessário uma variedade de
processos que chamamos de “filtragem de informação” , a qual podemos descrevê-las
em três etapas:
Filtragem baseada em conteúdo: Essa filtragem se baseia em uma análise de
conteúdo de itens e no perfil do usuário. (figura 1)
Figura 1
Filtragem colaborativa: O fundamento dessa filtragem é a troca de informações entre
usuários que possuem interesses em comum.(Figura 2)
Figura 2
Figura 2
Filtragem híbrida: Procura unir os pontos fortes das duas filtragens anteriores para
criar um sistema mais assertivo na entrega de sugestões de recomendações.
Uma vez filtrados os dados, se aproxima o momento de oferecer itens coerentes a cada
perfil individual. Trouxemos três estratégias de recomendação utilizadas por esses
sistemas:
Listas de recomendação: São listas de itens por tipo de interesse.
Avaliações de usuários: Recomendação apoiada em avaliações em produtos feitas
pelos usuários.
Suas recomendações: Uma sessão onde ficam recomendações feitas com informações
coletadas de maneira explícita e implicitamente.
“Usuários X também tem preferências por Y”: Aqui são empregadas técnicas que
encontram vínculos entre itens avaliados por usuários.
Associação por conteúdo: Recomendações firmadas na análise de conteúdo de um
dado item.
Como mencionado anteriormente, os Sistemas de Recomendação formam uma parte
essencial para o e-commerce, uma área que recebe muitos investimentos e que
atualmente explora e utiliza esses sistemas com o objetivo de conquistar mais pessoas
através de recomendações, um exemplo disso são sistemas como Amazon.com e
Pandora mais conhecidos entre os sites de vendas online.
3. Impactos Sociais
Os títulos da seção devem estar em negrito, 13pt, alinhado à esquerda. Deve haver
um espaço extra de 12 pontos antes de cada título. A numeração da seção é opcional. O
primeiro parágrafo de cada seção não deve ser recuado, enquanto que as primeiras linhas
de parágrafos subseqüentes deverem ser recuadas em 1.27 cm.
4. Conclusão
Este trabalho foi pensado no sentido de colaborar para maior entendimento
sobre sistemas de recomendação, o conceito geral, seu funcionamento básico. De acordo
com os objetivos pretendidos, apresentamos algumas técnicas comumente utilizadas por
estes sistemas, formas de mineração de dados, técnicas de recomendação.
Foi discutido também como os sistemas de recomendação visamentregar aos
usuários de uma plataforma o que é relevante para eles. A abordagem do tipo de técnica
de filtragem depende do tipo de informação que será coletado e de que forma será
utilizado.
Por fim é apresentado que quanto mais se consome de um tipo de conteúdo, mais
as plataformas no geral vão te recomendar conteúdo parecidos e que pessoas com um
gosto parecido com o seu consideraram relevantes. É isso que torna um sistema de
recomendação cada vez mais funcional sendo inserido em mais aplicações nos dias
atuais.
5. Referências
Peireira, B. Alysson (2016) “Sistemas de recomendação baseados em contexto físico e
social”,
http:/repositorio.ufpe.br/bitstream/123456789/19521/1/risethesis.pdf, Setembro.
Figueira Filho, Fernando M., De Geus, Paulo Lício., Porto De Albuquerque, João.,
(2008) “Sistemas de recomendação e interação na web social”
https:/https://www.academia.edu/20273864Sistemas_de_recomendação_e_intera
ção_na_web_social, Setembro.
Cazella, Sílvio César; Nunes, M. A. S. N.; Reategui, Eliseo. A Ciência da Opinião:
Estado da arte em Sistemas de Recomendação. André Ponce de Leon F. de Carvalho;
Tomasz Kowaltowski..(Org.). Jornada d e Atualização de Informática-JAI, p. 161-216,
2010.
Souza, Evandro F., (2018)“Sistemas de recomendação. Os dados que conhecem o
usuário”
https://medium.com/tech-grupozap/sistemas-de-recomendação-5bd1626326fe,
Setembro.
Da Motta, Claudia Lage Rebell., Garcia, Ana Cristina Bicharra., Vivacqua, Adriana
Santarosa; Santoro, Flávia Maria; Sampaio, Jonice De Oliveira . (2011). “Sistemas de
recomendação”
https://sistemascolaborativos.uniriotec.br/wp-content/uploads/sites/18/2019/06/S
C-cap15-recomendacao.pdf. Setembro.