Using Mobile Phones to Nurture Social Networks Matheus Ricardo Uihara Zingarelli 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 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 Reective 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 amizades Público específico de países desenvolvidos 15

A Collaborative Recommender System Based on Space-Time Similarities Matheus Ricardo Uihara Zingarelli ICMC – USP São Carlos – 01/09/2010 Mario Muñoz-Organero / Carlos III University of Madrid Gustavo A. Ramírez-González / Carlos III University of Madrid e University of Cauca Pedro J. Muñoz-Merino / Carlos III University of Madrid Carlos 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, 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 , Ago 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 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