Horário: 14h
Palestrante: Geovana Ramos Sousa Silva (mestrado)
Orientadora: Profa Edna Canedo
Title: Human Factors in the Design of Chatbot Interactions: Conversational Design Practices
Abstract: Chatbots are intelligent agents that mimic human behavior to carry on meaningful conversations. The conversational nature of chatbots poses challenges to designers since their development is different from other software and requires investigating new practices in the context of human-AI interaction and their impact on user experience. Since chatbots usually act as a brand's representative, improving the conversational experience for users directly impacts how users perceive the organization the chatbot represents. Objective: The objective of this work is to identify textual, visual, or interactive elements of text-based chatbot interactions and how these elements can potentiate or weaken some perceptions and feelings of users, such as satisfaction, engagement, and trust, for the creation of the Guidelines for Chatbot Conversational Design (GCCD) guide. Method: We used multiple research methods to generate, validate and verify the guide. First, we conducted a Systematic Literature Review (SRL) to identify conversational design practices and their impacts. These practices were used in the GCCD guide through qualitative analysis and coding of SLR results. Then, the guide was validated through a survey to implement improvements regarding its presentation. Results: The guide's validation by software developers with different levels of experience showed that they strongly agreed that the guide could induce greater user satisfaction and engagement. Furthermore, they also strongly agreed that the guide is clear and understandable, as well as easy and flexible to use. Although participants suggested some improvements, they reported that the guide's main strengths are objectivity and clarity. Conclusion: The guide proved to be useful for developers with different levels of knowledge, with the potential to become a strong ally for developers in the conversational design process.
Horário: 14h20
Palestrante: Aurélio Ribeiro Costa (doutorado)
Orientadora: Profa Célia Ghedini Ralha
Title: Adaptive Model to Community Detection in Dynamic Social Networks
Abstract: A vital problem tackled in network analysis is community structure identification. However, the current use of network analysis techniques concentrates on analyzing static community structures, which generates a gap in not considering the dynamic aspects. Some solutions for the community detection problem adapted to the dynamicity of the networks present limitations on the resulting performance, and others do not fit such contexts. This situation aggravates when considering the demand to analyze constantly growing social networks. This research aims to fulfill this gap by focusing on the topology change along a time frame and applying deep reinforcement learning methodology as an alternative solution to the problem of community detection on dynamic social networks. We propose an adaptive model to maximize the local modularity density of a community structure. Our model includes actor-critic reinforcement learning-based architecture with a graph neural network to cope with changing aspects of large social networks. Experiments conducted using the proposed architecture with synthetic and real-world dynamic social network datasets show accuracy comparable to the state-of-art solutions. Although the results indicate that the architecture copes well with dynamic real-world social networks, further investigation is necessary to improve the architecture with computational performance aspects.
Horário: 14h40
Palestrante: Aldo Henrique Dias Mendes (doutorado)
Orientadora: Profa Célia Ghedini Ralha
Título: Adaptive Model to Community Detection in Dynamic Social Networks
Resumo: A computação em nuvem oferece diversos desafios de pesquisa relacionados ao gerenciamento otimizado de recursos, mais especificamente referente à instanciação dinâmica de máquinas virtuais (MVs) sob demanda, referentes as diversas configurações de CPU, memória e disco. Existem diversas pesquisas que definem modelos com as melhores estratégias de gerenciamento de recurso utilizando a visão do provedor de nuvem. Considerando a visão do usuário, existem questões importantes envolvidas na instanciação de MVs, tais como, tempo de execução, custo e garantia da qualidade de serviço (Quality of Service - QoS). O uso de sistema multiagente com a tomada de decisão autônoma de agentes pode oferecer alternativa de gerenciamento de recurso dinâmico e otimizado determinando as MVs necessárias para garantir o menor custo com o melhor desempenho, reduzindo o desperdício de recursos e mantendo QoS para cumprimento do acorde de serviço (Service Level Agreement - SLA). Neste sentido, esse trabalho apresenta uma proposta arquitetural multiagente para monitorar, predizer e provisionar recursos de computação em nuvem com a visão do usuário. A arquitetura MAS-Cloud+ apresenta agentes com um modelo híbrido de racionalidade para o gerenciamento de recursos com uso de heurística, otimização linear e meta-heurística. As tomadas de decisões dos agentes priorizam o tempo de execução das aplicações e o custo com foco no usuário para instanciar as MVs independente de plataforma de nuvem (e.g., AWS EC2 e Microsoft Azure). Foi realizado um estudo de caso na área de Bioinformática comparando sequências de DNA de diferentes tamanhos para avaliar o desempenho e as ocorrências de violação de SLA. Comparando as escolhas do modelo híbrido de provisionamento verificou-se que o modelo otimizado apresenta uma melhoria de 23, 50% no desempenho e 21, 04% no custo quando comparado ao heurístico, e 19, 27% no desempenho com 6, 53% no custo comparado ao meta-heurístico.
Horário: 15h
Palestrante: Natan de Souza Rodrigues (doutorado)
Orientadora: Profa Célia Ghedini Ralha
Title: Author Name Disambiguation Literature Review with Consolidated Meta-Analytic Approach
Abstract: Name ambiguity is a common problem in many bibliographic repositories affecting data integrity and validity. This work presents an integrative model of Author Name Disambiguation (AND) literature. The Theory of Consolidated Meta-analytic Approach with an exploratory methodology including quantitative techniques and bibliometric aspects is applied. The study includes information from 201 documents from the Web of Science and Scopus databases from 2003 to 2022. We identified that the most widely used approaches for solving the AND issue are probabilistic algorithms, graph-oriented computation, classification, and training algorithms, including other recent alternatives. A proposed taxonomy, based on the literature stratification, helped to organize the identified approaches. The countries that publish most in AND area are the USA, China, and Germany, with 22%, 19%, and 11% of the total papers, respectively. The study provides an overview of AND state-of-the-art research and can direct further investigation based on the quantified information from the past.
Horário: 15h20
Palestrante: Rubens Marques Chaves (mestrado)
Orientador: Prof Luis Paulo Faina
Título: Predição de falência em fluxo de dados desbalanceados
Resumo: As previsões de falência corporativas são importantes para empresas, investidores e autoridades regulatórias. No entanto, como a maioria dos modelos de previsão de falência em estudos anteriores foram baseados em uma única dimensão de tempo, eles tendem a ignorar as duas principais características de dados de dificuldades financeiras, conjuntos de dados desequilibrados e desvio de conceito do fluxo de dados. Para superá-los, este estudo tenta identificar as técnicas mais adequadas para o tratamento desses problemas em demonstrações financeiras fornecidas trimestralmente à CVM, utilizando um sistema de janelas deslizantes e com mecanismo de esquecimento para evitar a degradação do modelo preditivo. Um experimento empírico foi realizado em uma amostra de dados coletados do portal de dados abertos da CVM, em um período de 10 anos (2011 a 2020), com 905 corporações distintas, 23.468 registros com 102 indicadores cada, sendo 21.750 de empresas sem dificuldade financeira e 1.718 de empresas com dificuldade financeira. Devido a características do problema, em especial, o desbalanceamento, o desempenho do modelo foi medido através de AUC (área sob a curva ROC), G-measure e F-measure.
Local: Teams- Equipe PPGI-316415 Seminário, Canal 2-2022
https://teams.microsoft.com/l/channel/19%3a05900df7390e45edaa77283171cbb44b%40thread.tacv2/Semin%25C3%25A1rios%25202-2022?groupId=93b66213-b249-467a-bcbe-dcd4255edf95&tenantId=ec359ba1-630b-4d2b-b833-c8e6d48f8059
Profa Célia Ghedini Ralha (Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo.)
Coordenadora Seminários de Pós-Graduação em Informática 2-2022