Usuários confiáveis em comunidades online: um estudo empírico envolvendo análise de métricas e aprendizado de máquina

Procaci, Thiago Baesso

DSpace Home
→
Centro de Ciências Exatas e Tecnologia (CCET)
→
Informática Aplicada
→
INAP - Dissertações de Mestrado
→
View Item

dc.contributor.advisor	Andrade, Leila Cristina Vasconcelos de
dc.contributor.author	Procaci, Thiago Baesso
dc.date.accessioned	2018-07-10T22:20:10Z
dc.date.available	2018-07-10T22:20:10Z
dc.date.issued	2014-08-27
dc.identifier.citation	PROCACI, Thiago Baesso. Usuários confiáveis em comunidades online: um estudo empírico envolvendo análise de métricas e aprendizado de máquina. 2014. 101 f. Dissertação (Mestrado em Informática) - Universidade Federal do Estado do Rio de Janeiro. Rio de Janeiro, 2014.	pt_BR
dc.identifier.uri	http://hdl.handle.net/unirio/11921
dc.description	Dissertação também disponível em formato impresso, com o número de chamada CCET MI 2014/02.	pt_BR
dc.description.sponsorship	FAPERJ	pt_BR
dc.language.iso	Portuguese	pt_BR
dc.rights	openAccess	pt_BR
dc.title	Usuários confiáveis em comunidades online: um estudo empírico envolvendo análise de métricas e aprendizado de máquina	pt_BR
dc.type	masterThesis	pt_BR
dc.contributor.advisor-co	Siqueira, Sean Wolfgand Matsui
dc.contributor.referee	Andrade, Leila Cristina Vasconcelos de
dc.contributor.referee	Siqueira, Sean Wolfgand Matsui
dc.contributor.referee	Revoredo, Kate Cerqueira
dc.contributor.referee	Sampaio, Jonice de Oliveira
dc.contributor.referee	Nunes, Bernardo Pereira
dc.degree.department	CCET	pt_BR
dc.degree.grantor	Universidade Federal do Estado do Rio de Janeiro - UNIRIO	pt_BR
dc.degree.level	Mestrado Acadêmico	pt_BR
dc.degree.local	Rio de Janeiro, RJ.	pt_BR
dc.degree.program	Programa de Pós-Graduação em Informática	pt_BR
dc.subject.cnpq	CIÊNCIAS EXATAS E DA TERRA	pt_BR
dc.subject.cnpq	CIÊNCIA DA COMPUTAÇÃO	pt_BR
dc.subject.en	Collaborative learning	pt_BR
dc.subject.en	Online communities	pt_BR
dc.subject.en	Experts	pt_BR
dc.subject.en	Reputation	pt_BR
dc.subject.en	Bow Tie structure	pt_BR
dc.subject.en	Machine learning	pt_BR
dc.description.abstracten	Online communities have become important places for users to exchange information and build knowledge. In these communities, people ask and answer questions, learn with each other, but some problems may occur such as not getting an answer or getting contradictory ones. In order to increase the responsiveness of the communities, it would be important to identify people who are willing to help and who provide good answers in such communities, whom we call reliable users. We investigated various components of online communities and users’ attributes looking for a correlation between these characteristics and the users’ reputation in these communities. After that, we proposed the usage of two machine learning approaches, artificial neural network and clustering algorithm, with the users’ attributes for finding reliable sources. The results show that the usage of an artificial neural network is a good approach as around 90% of the users were correctly identified while the clustering algorithm makes to find groups of reliable users more easily.	pt_BR
dc.degree.country	Brasil	pt_BR
dc.description.sponsordocumentnumber	n/a	pt_BR
dc.description.abstractpt	As comunidades online tornaram-se lugares importantes para usuários trocarem informações e construírem novos conhecimentos. Nessas comunidades, os participantes geralmente enviam e respondem perguntas, possibilitando aos usuários aprender uns com os outros. Contudo, alguns problemas podem ocorrer, tais como não obter respostas ou mesmo receber respostas erradas. Uma das alternativas para minimizar tais problemas é identificar pessoas que estão dispostas a ajudar e que são capazes de fornecer boas respostas, que neste trabalho as chamamos de usuários confiáveis. Foram investigados vários atributos (métricas) relacionados aos usuários de cinco comunidades online reais, com o objetivo de encontrar quais são as evidências ou dados que permitem dizer quais são os usuários mais confiáveis. Além disto, foi proposto o uso de um modelo e um algoritmo de aprendizado de máquina (uma rede neural artificial e um algoritmo de agrupamento) utilizados com os atributos dos usuários para encontrar os confiáveis das comunidades. Os resultados mostram que a utilização de uma rede neural artificial é uma boa abordagem, pois, cerca de 90% dos usuários foram corretamente identificados como confiáveis. Por outro lado, o algoritmo de agrupamento possibilita encontrar grupos de usuários confiáveis com mais facilidade.	pt_BR
dc.subject.pt	Aprendizagem colaborativa	pt_BR
dc.subject.pt	Especialistas	pt_BR
dc.subject.pt	Comunidades online	pt_BR
dc.subject.pt	Reputação	pt_BR
dc.subject.pt	Estrutura Bow Tie	pt_BR
dc.subject.pt	Aprendizado de máquina	pt_BR