Processo de Construção do Modelo do Usuário

O processo de modelagem do usuário e a respectiva representação dos dados no modelo devem seguir as seguintes etapas: i) identificar os propósitos de utilização do modelo (pode auxiliar na especificação); ii) definir as propriedades do modelo; iii) definir os dados que deverão ser coletados; iv) determinar o método de coleta dos dados; e v) representar os dados no MU.

Segundo Pohl (1999), um sistema que utiliza o MU como processo de representação do usuário, deve ter como meta os seguintes propósitos: formar suposições sobre os usuários a partir de seu comportamento; representar e armazenar suas suposições; ter habilidade de inferir novas sentenças (ou suposições) a partir das já existentes; ter conhecimento suficiente para lidar com inconsistências entre as suposições; e fornecer as informações constantes do modelo para o sistema.

Uma vez definidas as metas do processo de representação do usuário, faz-se necessário definir as propriedades do Modelo do Usuário. Kass e Finin (1988) descrevem estas propriedades como:

• Especialização – o MU pode ser genérico, representando as propriedades e características de um grupo de usuários, ou específico, representando apenas as informações de um individuo;

• Modificabilidade – se o MU é modificado durante a interação do usuário, ele é considerado um modelo dinâmico, caso contrário, é denominado estático;

• Extensão temporal – um modelo pode abranger os interesses de curto prazo (short- term) do usuário, de longo prazo (long-term), ou ambos. Os modelos de curto prazo descartam o modelo do usuário assim que a interação termina. Os modelos individuais e os modelos estáticos refletem as propriedades do usuário e, portanto são considerados de longo prazo; e

• Método de uso – o MU pode ser descritivo (com dados armazenados em um BD) ou prescritivo (o sistema interpreta os comportamentos do usuário, extraindo informações para compor o modelo).

Outro fator importante para a construção do modelo é definir quais as características do usuário que serão utilizadas, considerando o que será necessário para o processo de adaptação: suas habilidades cognitivas, crenças, preferências e objetivos, por exemplo. Neste sentido, Jameson (1999) propõe os seguintes tipos de dados do usuário que devem ser incluídos no MU:

• Características Pessoais – nome, sexo e idade, por exemplo, são sempre importantes para identificação do usuário. Em ambientes virtuais de ensino, o grau de escolaridade, por exemplo, pode ser importante para a definição do nível de complexidade do conteúdo a ser apresentado;

• Interesses e Preferências – em um sistema de navegação em um AV, conhecer as preferências do usuário sobre apresentação de conteúdos em 3D ou 2D, ou a intensidade de iluminação no ambiente, pode contribuir para uma melhor interação do usuário;

• Habilidades – identificar a capacidade que o usuário tem na utilização de um determinado ambiente ou no conhecimento de um determinado conteúdo, permite ao sistema reduzir algumas etapas na interação com o ambiente ou apresentar informações mais detalhadas sobre o assunto;

• Objetivos – conhecer os objetivos do usuário auxilia o sistema a determinar as inferências necessárias para gerar soluções mais adequadas (por exemplo, se o objetivo é encontrar um trajeto entre os pontos A e B, sem necessariamente ser o mais curto, o sistema poderá propor rotas alternativas para atingir o objetivo do usuário);

• Crenças – o comportamento do sistema adaptativo será influenciado em função do conhecimento que o usuário tem sobre o domínio da aplicação;

• Padrões de Comportamento – identificar o padrão de comportamento do usuário durante a interação é um fator importante, pois ajuda o sistema a definir a sua adaptação, tendo em vista o seu interesse em melhorar a motivação do usuário e tornar a interação mais rica e interessante.

A próxima etapa no processo de construção do MU consiste na escolha do tipo de coleta dos dados. Diversos métodos têm sido apresentados na literatura. Em geral, eles podem ser agrupados em explícitos e implícitos [Papatheodorou, 2001].

A coleta explícita obtém as informações diretamente do usuário, por exemplo, questionando-o sobre os seus interesses, preferências e necessidades. Este tipo de coleta geralmente é feito através do uso de formulários que requisitam informações típicas, tais como sexo e ano de nascimento, e algumas informações específicas, como interesses e preferências (em um sistema de recomendação de produtos, por exemplo, poderão ser solicitadas as categorias de interesse). Em um ambiente virtual de ensino, o nível de conhecimento do usuário sobre o conteúdo, familiaridade com a ferramenta e estilo de aprendizado, são informações que também podem ser obtidas na coleta explícita.

A identificação dos interesses do usuário não deve estar baseada somente na avaliação explícita, mas deve ser adquirida também de forma implícita, através de observações da interação do usuário com o sistema.

A coleta implícita infere informações dos usuários através do monitoramento do seu comportamento durante a interação com o sistema. Em um AV, a coleta dos dados pode considerar para análise a aproximação do usuário a um objeto e a seleção desse objeto, como também os ambientes visitados ou caminhos percorridos. Em ambientes de ensino ou simulação, podem ser incluídas as respostas do usuário ou as decisões tomadas por ele.

Em contraste com os métodos explícitos, os métodos implícitos têm a vantagem de coletar as informações com menor custo, em maior quantidade e sem a necessidade de sobrecarregar o usuário para a obtenção de informações. Entretanto, os métodos implícitos que coletam informações do usuário são mais difíceis de interpretar e são passíveis de ruídos [Joachims et al., 2007].

Em trabalhos tais como o de Chittaro e Ranon (2002a), Santos (2004) e Joachims et al. (2005), os métodos explícitos são utilizados para compor um modelo inicial do usuário e os implícitos aplicados para a atualização do modelo. Desta forma, os métodos implícitos e explícitos são complementares, permitindo obter um conjunto mais completo de informações sobre o usuário.