Affective-recommender: um sistema de recomendação sensível ao estado afetivo do usuário
Resumo
Sistemas de Computação Pervasiva buscam melhorar a interação humano-computador
através do uso de variáveis da situação do usuário que definem o contexto. A explosão da Internet
e das tecnologias de informação e comunicação torna crescente a quantidade de itens
disponíveis para a escolha, impondo custo para o usuário no processo de tomada de decisão.
A Computação Afetiva tem entre seus objetivos identificar o estado emocional/afetivo do usuário
durante uma interação computacional, para automaticamente responder a ele. Já Sistemas
de Recomendação auxiliam a tomada de decisão, selecionando e sugerindo itens em situações
onde há grandes volumes de informação, tradicionalmente, utilizando as preferências dos usuários
para a seleção e sugestão. Esse processo pode ser melhorado com o uso do contexto (físico,
ambiental, social), surgindo os Sistemas de Recomendação Sensíveis ao Contexto. Tendo em
vista a importância das emoções em nossas vidas, e a possibilidade de tratamento delas com a
Computação Afetiva, este trabalho utiliza o contexto afetivo do usuário como variável da situação,
durante o processo de recomendação, propondo o Affective-Recommender um sistema
de recomendação que faz uso do estado afetivo do usuário para selecionar e sugerir itens. O
sistema foi modelado a partir de quatro componentes: (i) detector, que identifica o estado afetivo,
utilizando o modelo multidimensional Pleasure, Arousal e Dominance e o instrumento
Self-Assessment Manikin, solicitando que o usuário informe como se sente; (ii) recomendador,
que escolhe e sugere itens, utilizando uma abordagem baseada em filtragem colaborativa,
em que a preferência de um usuário para um item é vista como sua reação estado afetivo
detectado após o contato ao item; (iii) aplicação, que interage com o usuário, exibe os itens
de provável maior interesse definidos pelo recomendador, e solicita que o estado seja identificado,
sempre que necessário; e (iv) base de dados, que armazena os itens disponíveis para
serem sugeridos e as preferências de cada usuário. Como um caso de uso e prova de conceito,
o Affective-Recommender é empregado em um cenário de e-learning, devido à importância
da personalização, obtida com a recomendação, e das emoções no processo de aprendizagem.
O sistema foi implementado utilizando-se como base o AVEA Moodle. Para expor o funcionamento,
estruturou-se um cenário de uso, simulando-se o processo de recomendação. Para
verificar a aplicabilidade real do sistema, ele foi empregado em três turmas de cursos de graduação
da UFSM, sendo analisados dados de acesso e aplicado um questionário para identificar
as impressões do alunos quanto a informar como se sentem e receber recomendações. Como
resultados, percebeu-se que os alunos conseguiram informar seus estados afetivos, e que houve
uma mudança em neste estado com base no item acessado, embora não tenham vislumbrado
melhorias com as recomendações, em virtude da pequena quantidade de dados disponível para
processamento e do curto tempo de aplicação.