UFF UNIVERSIDADE FEDERAL FLUMINENSE
REINALDO GABRIEL MESQUITA
COMPUTAÇÃO HUMANA: ABORDAGEM DOS
CONCEITOS ATRAVÉS DA CONCEPÇÃO DE UM
SOFTWARE
NITERÓI 2015UFF UNIVERSIDADE FEDERAL FLUMINENSE
REINALDO GABRIEL MESQUITA
COMPUTAÇÃO HUMANA: ABORDAGEM DOS
CONCEITOS ATRAVÉS DA CONCEPÇÃO DE UM
SOFTWARE
Monografia apresentada ao Departamento de Computação da Universidade Federal Fluminense como parte dos requisitos para obtenção do grau de Bacharel em Sistemas de Informação. ORIENTADOR: Profª. Isabel Cafezeiro. NITERÓI 2015REINALDO GABRIEL MESQUITA
COMPUTAÇÃO HUMANA: ABORDAGEM DOS
CONCEITOS ATRAVÉS DA CONCEPÇÃO DE UM
SOFTWARE
Monografia apresentada ao Departamento de Computação da Universidade Federal Fluminense como parte dos requisitos para obtenção do grau de Bacharel em Sistemas de Informação. Aprovada em 27 de Janeiro de 2015. BANCA EXAMINADORA _______________________________________________________ Profª. Isabel Cafezeiro / IC UFF (Orientadora) _______________________________________________________ Prof. Leonardo Cruz da Costa / IC UFF _______________________________________________________ Prof. Rodrigo Salvador Monteiro / IC UFF
AGRADECIMENTOS
À Deus por ter me dado saúde e determinação para superar as dificuldades.
À Universidade Federal Fluminense e todos os professores que me instruíram e auxiliaram durante o decorrer do curso.
À minha orientadora Professora Isabel Cafezeiro, pela seu auxílio, pelas suas correções e por sua orientação ao realizar este projeto.
Aos professores Leonardo Cruz da Costa e Rodrigo Salvador Monteiro que aceitaram fazer parte desta banca.
Aos meus pais, pelo suporte, incentivo e apoio incondicional.
Aos meus colegas de curso, que fizeram parte da minha trajetória, dividindo momentos de descontração, estudos, discussões e conquistas.
E a todos que direta ou indiretamente fizeram parte da minha formação, o meu muito obrigado.
RESUMO
Classificação musical é algo desafiador, devido a quantidade de músicas que foram criadas, juntamente com a quantidade de novas músicas que surgem a cada dia no mundo. Utilizando a classificação musical como plano de fundo, este projeto busca aplicar os conceitos da computação humana para idealizar um software que utilize o conhecimento das pessoas para criar uma grande base de dados. O enfoque é conceber uma ferramenta que permita explorar os conceitos da computação humana com o foco na questão da divisão de tarefas entre o computador e o humano. O software a ser concebido é o Quiz Band, uma ferramenta para dispositivos móveis que pode receber e validar as informações para enriquecer uma base de dados.
Palavraschave: Computação Humana, Classificação Musical, Aplicativo para dispositivo móvel, Validação de informação, Jogos com um propósito.
ABSTRACT
Music classification is a challenger because the amount of songs that were created, adding with the amount of new songs that appear every day in the world. Using the musical classification as background, this project wants to apply the concepts of human computation to idealize a software that uses the knowledge of the people to create a large database. The focus is to design a tool to explore the concepts of human computation with the focus on the issue of the division of tasks between the computer and the human. The software that is created is called Quiz Band, a tool for mobile devices that can receive and validate information to enrich a database.
Keywords: Human Computation, Music Classification, Mobile app, Information validation, Games with a purpose.
LISTA DE FIGURAS Figura 1 “O que” “Quem” “Como” (What Who How). Figura 2 Imagem ESP. Figura 3 Imagem ReCAPTCHA. Figura 4 Figura “O que” (What). Figura 5 Imagem de busca de música. Figura 6 Preenchimento dos dados fundamentais. Figura 7 Preenchimento de perguntas livres. Figura 8 Pergunta com escolha de resposta errada. Figura 9 Tela de Contestação. Figura 10 Figura “Quem” (Who). Figura 11 Bases de dados. Figura 12 Representação de algorítimo para acertar questão. Figura 13 Representação de algorítimo para errar questão. Figura 14 Representação de algorítimo para cadastrar questão. Figura 15 Representação de algorítimo para contestar questão. Figura 16 Resolução de duplicidade. Figura 17 Figura “Como” (How).
SUMÁRIO 1. INTRODUÇÃO ………. 10 2. COMPUTAÇÃO HUMANA ……… 12 3. QUIZ BAND ……….………. 17 4. FUNCIONAMENTO DO MODO CADASTRO ……… 18 5. FUNCIONAMENTO DO MODO JOGO ….….….……… 21 6. FUNCIONAMENTO DO PROGRAMA PARA ORGANIZAÇÃO DE CATALOGO DE MÚSICAS ………. 23 6.1 MODO CADASTRO ……….. 23 6.2 MODO JOGO ………. 24 7. VALIDAÇÕES ……….. 25 7.1 INDICADORES UTILIZADOS NAS VALIDAÇÕES ………. 26 7.1.1 Experiência e Nível ……….…….…….… 26 7.1.2 Ranking de Ritmo ………. 27 7.1.3 Ranking de Banda ………. 27 7.1.4 Índice de Confiança Base ………. 28 7.1.5 Índice da Questão ………. 29 7.2 VALIDAÇÕES REALIZADAS NAS OPERAÇÕES DO QUIZ BAND ………. 30 7.2.1 Acertar uma questão no Modo Jogo ……….….. 31 7.2.2 Errar uma questão no Modo Jogo ……….. 32 7.2.3 Cadastrar uma questão no Modo Cadastro ……….….. 32 7.2.4 Contestar uma questão ………. 33 7.2.5 Condições de análise de informações ……….. 34 8. RESOLUÇÃO DE DUPLICIDADES ………. 36 9. MECANISMOS DE INCENTIVO AO USUÁRIO ……… 38 9.1 PONTOS DE EXPERIÊNCIA E NÍVEL ……….. 38 9.2 RANKING DE RITMO ………. 39 9.3 RANKING DE BANDA ……… 39 10. MONETIZAÇÃO ……… 40 11. RESULTADOS ESPERADOS ……….….. 40
11.1 REPENSANDO A COMPUTAÇÃO HUMANA A PARTIR DO QUIZ BAND ……….. 41 12. CONSIDERAÇÕES FINAIS ……….. 42 REFERÊNCIAS BIBLIOGRÁFICAS ……….….. 44
1. INTRODUÇÃO
Desde os primórdios da humanidade, no momento em que o homem primitivo começou a emitir sons e sequenciálos, começou a existir música. Juntamente com a evolução da humanidade, a música também evoluiu. Hoje a música está em toda a parte.
Atualmente é comum encontrar usuários com coleções gigantescas de músicas em seus smartphones, músicas essas, em sua maior parte, comercializadas digitalmente. Desse modo não é mais necessário ao usuário ir uma loja física. Ele também não fica mais limitado ao acervo musical dessa loja. Digitalmente o usuário tem um acervo musical quase ilimitado a sua escolha. Porém com toda essa variedade ficou complicado separar o que é de interesse em meio a um catálogo musical quase ilimitado.
A classificação de música tem se tornado algo cada vez mais desafiador. À medida em que aumenta a quantidade de música disponível aumenta também a necessidade de classificação e catalogação. Essa catalogação pode ser feita das mais diversas formas: por gênero musical, por artista, por época, por nacionalidade, por instrumento(s), por tipo de voz, por contexto em que se insere (por exemplo, música pertencente à banda sonora de um filme), etc. Desde sempre a classificação tem sido feita manualmente. Contudo esse tipo de classificação tem se tornado inviável, devido ao volume de música existente e produzido diariamente.
Outro problema é o grau de subjetividade associado a cada classificação, já que os resultados da classificação dependem de um grupo limitado (e pequeno) de pessoas que classificam, tendo por base o seu conhecimento musical.
Até hoje não conhecemos um sistema que classifique músicas automaticamente. É comum encontrar em sites informações imprecisas sobre músicas e seus interpretes, mesmo nos sites mais acessados.
Mas se essa classificação fosse realizada por centenas ou por milhares de pessoas, com experiências musicais diferentes, com conhecimentos diferentes? Poderia ser essa a solução?
Observando as dificuldades apresentadas no tema classificação musical, identificamos a oportunidade de aplicar conceitos de uma área relativamente nova de conhecimento, a computação humana.
O objetivo desse projeto é aplicar os conceitos de computação humana de modo a compreender melhor este novo paradigma. Para isso idealizamos um software que realize uma
classificação musical utilizando um conjunto de usuários como peça fundamental no processamento e na aquisição de informações para preencher uma base de dados. Basicamente, a computação humana propõe a utilização do processamento humano em situações que a máquina não é capaz de resolver por si só. O software a ser descrito aqui propõe utilizar a computação humana para classificar músicas, uma tarefa de alta complexidade para o computador, embora muito fácil para algumas pessoas. Além disso, a computação humana aborda os mecanismos de convencimento de modo a recrutar pessoas para efetuar o trabalho necessário pela máquina. O software que será descrito aqui utiliza para isto um sistema de pontuação. Finalmente, a computação humana propõe a utilização de grandes massas de pessoas (a multidão) para validar informações. Este conceito estará também presente na concepção do software, mas foge do foco desta proposta desenvolver um estudo mais detalhado sobre ele.
Este projeto está organizado da seguinte forma: no capítulo 2, será feita uma introdução sobre o conceito de computação humana, base de todo o projeto. No capítulo 3, será apresentado o software idealizado nesse projeto. Nos capítulos 4 ao 10 serão mostradas as características do software e seus mecanismos de funcionamento. Nos capítulos 11 e 12 serão discutidos os resultados esperados e as conclusões obtidas.
2. COMPUTAÇÃO HUMANA
Segundo Edith Law e Luis von Ahn (2011) “computação humana é simplesmente computação que é realizada por um ser humano”. Da mesma forma, os sistemas de computação humana podem ser definidos como sistemas inteligentes que organizam explicitamente os esforços humanos para realizar o processo de cálculo, seja esse esforço empregado para executar as operações básicas, ou assumir o comando do processo de controle em si (por exemplo, especificando quais as operações precisam ser realizadas e em que ordem). O objetivo de um sistema de computação humana é o de encontrar uma solução com um grau satisfatório de precisão para um problema computacional préespecificado de uma maneira mais eficaz.
Segundo o portal Criativante (2012):
Computação Humana, ou Computação Baseada em Humanos, é uma nova técnica da ciência da computação em que um processo computacional desempenha sua função ao terceirizar certas etapas para humanos. Este enfoque usa diferenças em habilidades e custos alternativos entre agentes humanos e computadores para atingir uma interação simbiótica humanacomputador.
De acordo com Edith Law e Luis von Ahn (2011, p. 4):
Computação humana é a simples computação feita por humanos. Semelhantemente, sistemas de computação humana são sistemas inteligentes que organizam humanos para realizar o processo de computação. Seja fazendo operações básicas, assumindo o comando do processo, ou sintetizando o próprio programa.
A ideia da computação humana é ter o auxilio de pessoas para fazer uma determinada tarefa que, embora difícil para um programa de computador, seja fácil para um ser humano. Ou seja, atribuir a pessoas tarefas que são simples para pessoas mas complexas para um computador. Aproveitase assim o fator humano como parte do processamento de uma informação.
Figura 1 O que Quem Como (What Who How).
Fonte: Law & Ahn, 2011 (original em inglês)
De acordo com Law & Ahn (2011), existem três pontos que devem ser planejados ao desenvolver um sistema de computação humana: “O que”, “quem” e “como”.
O primeiro ponto, “O que” ( What ), significa identificar qual é a tarefa que será dada a pessoa. Ao utilizar pessoas no processamento de uma informação, deve ser definido o que a pessoa deve fazer e o que o software deve fazer, o que é mais adequado para uma maquina e o que é mais adequado para uma pessoa, dessa forma aproveitando da melhor maneira as características de cada um.
O segundo ponto, “Quem” ( Who), significa identificar quem possui o conhecimento necessário para realizar a tarefa. Ao conhecer quais tarefas devem ser desempenhadas, o passo seguinte é selecionar pessoas para realizar cada tarefa da melhor maneira possível. Por exemplo, se a tarefa for reconhecer uma planta, pessoas ligadas a botânica ou a agricultura serão mais aptas a identificar a planta do que os outros indivíduos.
Nesse ponto se fazem necessários algorítimos que sejam capazes de dividir as tarefas, além de identificar as aptidões dos usuários. O objetivo nesse ponto é atribuir a tarefa certa à pessoa certa.
O terceiro ponto: “Como” ( How ). Como convencer uma pessoa a fazer uma tarefa para você?
Normalmente pessoas não trabalham de graça. Como conseguir que pessoas realizem essas tarefas que são simples para elas e tão difíceis para os softwares? Como conseguir que muitas pessoas ingressem em um projeto?
Alguns sistemas de computação humana utilizam o pagamento financeiro, ou algum tipo de crédito, como o Amazon Mechanical Turk que paga centavos de dólares pela execução de micro ações de processamento ( https://www.mturk.com). Mas também podese utilizar algum outro artificio para convencer pessoas a realizarem a tarefa necessária, ou seja, oferecer “algo de valor” a essas pessoas: diversão, conhecimento, reconhecimento, ou qualquer outro artificio que venha motivar a realização da tarefa desejada. Uma vez que, obter esse “algo de valor” é o motivo para a utilização do software. Muitas vezes é omitido da pessoa que colabora o motivo do processamento para o qual colabora, por exemplo, em sistemas de digitalização de livros como os RECAPTCHAS (Ahn et al, 2008) quem colabora não sabe qual é o livro ao qual está contribuindo na digitalização e consequente divulgação.
Contudo inserir o inconstante fator humano na exatidão exigida nos processos computacionais é uma tarefa complexa, pois como saber se uma pessoa está falando a verdade ao fornecer uma informação, ou está cumprindo os critérios esperados ao realizar uma determinada tarefa? Ou como saber se uma pessoa apenas cometeu um erro?
Luis von Ahn (2005) em sua tese introduziu um paradigma para utilizar o poder de processamento humano para resolver problemas que os computadores ainda não podem (ou precisariam de um tempo muito extenso para) resolver. Os enfoques tradicionais para solução de tais problemas focalizam a melhoria do software. Ele advoga um novo enfoque: construtivamente canalizar o poder cerebral humano usando jogos de computadores.
Por exemplo, o jogo ESP, que foi apresentado na tese de Luis von Ahn, era um jogo online bem agradável (muitas pessoas jogavam mais de 40 horas por semana) em que as pessoas davam nomes à imagens da Web com palavras chave descritivas (https://en.wikipedia.org/wiki/Google_Image_Labeler). Essas palavras chave eram usadas para melhorar a acurácia de busca de imagens. As pessoas jogavam este jogo não com o propósito de legendar imagens da web, mas porque elas gostavam de jogar.
Figura 2 Imagem ESP.
Fonte: http://www.iis.sinica.edu.tw/~swc/pub/social_verification_model.html
Adicionalmente, ele introduziu/inventou o CAPTCHA (Ahn, Blum, e Langford ,2004) – um acrônimo baseado na palavra “capture” e que é a contração de Completely Automated Public Turing test to tell Computers and Humans Apart. São testes automáticos em que a tarefa a ser executada consiste em decifrar um conjunto de letras distorcidas. Humanos podem passar, mas programas de computadores não podem. O CAPTCHA faz uso da vantagem do poder do processamento humano de forma a diferenciar humanos dos computadores, uma habilidade que tem importantes aplicações práticas.
Posteriormente Ahn criou o ReCAPTCHA que é a ideia de aproveitar o processamento humano na identificação de imagens do CAPTCHA. Toda vez que ReCAPTCHAs são resolvidos, o esforço humano é aproveitado para digitalizar texto, anotações em imagens, e construir conjuntos de dados de aprendizado de máquina. Os objetivos são preservar os livros, melhorar mapas e resolver problemas de IA.
Figura 3 Imagem ReCAPTCHA.
Fonte: http://super.abril.com.br/blogs/planeta/recaptchaoquevocedigitanainternetpode ajudaradigitalizarlivros/
Atualmente existe anualmente a conferência HCOMP (http://www.humancomputation .com/2015/) que é a conferência sobre Computação Humana e Crowdsourcing. Esta conferência foi criada em 2009 como um espaço de troca de ideias e desenvolvimentos de princípios, experiências, e implementações de sistemas que dependem de acesso programático à inteligência humana para realizar algum aspecto da computação, ou onde a percepção humana, conhecimento, raciocínio, ou atividades físicas coordenadas contribuem para o funcionamento de sistemas e aplicações. Há também uma publicação científica dedicada ao tema, o Human Computation, a transdisciplinary Journal, que está agora (meados de 2015) em sua terceira edição, e que teve o primeiro volume editado em outubro de 2014. Esta publicação recebe contribuições que abordem “o projeto ou análise de sistemas de processamento de informações no qual os humanos participam como elementos computacionais” (http://hcjournal.org/ojs/index.php?journal=jhc&page=index). As datas recentes da conferência e da publicação científica indicam o quanto a Computação Humana é recente enquanto campo de estudos acadêmicos e científicos.
3. QUIZ BAND
O Quiz Band é uma proposta de aplicativo para smartphone, uma idéia de um software que utilizaria a computação humana para executar duas tarefas distintas: A primeira seria divertir o usuário, a segunda seria organizar o catalogo de música. Contudo a organização desse catalogo é algo oculto ao usuário. Sem perceber, ao se divertir com o aplicativo, as informações que o jogador inserisse no Quiz Band seriam utilizadas para expandir o catalogo musical utilizado pelo próprio Quiz Band.
De acordo com Law & Ahn (2011), jogos com computação humana são chamados de “jogos com um propósito” ( games with a purpose ) , eles são jogos online, multiplayer que geram dados úteis para um determinado propósito como um resultado do jogo. Seguindo essa definição podemos considerar o Quiz Band um jogo com propósito.
Sites como Kboing (http://www.kboing.com.br/), Som13 (http://som13.com.br/), ou qualquer outro portal de música, poderiam ser beneficiados pelos dados recolhidos pelo Quiz Band. Para isso seria necessária uma parceria com o portal. Este deveria fornecer o trecho da música ao Quiz Band, e receberia do Quiz Band as informações sobre aquela música, após as validações de veracidade e coerência que o Quiz Band realizaria.
O Quiz Band seria um jogo onde o usuário responde perguntas a respeito de músicas de acordo com a sua preferência. Seria um típico jogo de perguntas e respostas, focado em música. No Quiz Band o usuário também poderia inserir perguntas para serem respondidas por outros usuários. Ou seja, as perguntas do Quiz Band seriam inseridas pelos próprios usuários. Contudo o Quiz Band, ao mesmo tempo que entretém o usuário, utilizaria as perguntas e as respostas fornecidas pelos usuários para obter informações sobre as músicas e as bandas abordadas nas perguntas.
A computação humana seria utilizada para validar as informações inseridas pelos usuários, fazendo do próprio usuário a ferramenta fundamental para o funcionamento do software, pois além de inserir as informações seria também o usuário que iria validar as informações inseridas.
O Quiz Band funcionaria de duas maneiras distintas, em uma delas o usuário cadastraria as informações utilizadas pelo programa, esse modo de interação seria chamado de Modo Cadastro . A outra maneira de interagir o programa seria responder as perguntas
propostas pelo programa, esse modo seria chamado de Modo Jogo . Esses dois modos de jogo serão explicados nos capítulos seguintes.
Figura 4 Figura “O que” (What).
Existiria uma divisão de tarefas no Quiz Band onde certas tarefas seriam de responsabilidade do sistema e outras seriam de responsabilidade dos usuários. Caberia aos usuários criarem as perguntas no Modo Cadastro e posteriormente responderem essas perguntas. Caberia ao Quiz Band organizar essas perguntas, de modo que cada usuário interagisse no Modo Jogo com as perguntas de outros usuários, sem interagir com as suas próprias perguntas. Também seria de responsabilidade do Quiz Band armazenar os dados obtidos e controlar os índices utilizados internamente pelo Quiz Band.
4. FUNCIONAMENTO DO MODO CADASTRO
O Modo Cadastro seria a porta de entrada das informações utilizada no Quiz Band. É por este modo que seriam alimentadas as informações que o Quiz Band utilizaria no Modo Jogo.
No Modo Cadastro primeiramente o usuário escolheria uma música. Para isso ele faria uma consulta no Quiz Band. O Quiz Band faria a busca na base de dados do site de músicas e retornaria as opções de acordo com a busca do usuário, onde ele poderia escutar um trecho da música.
Figura 5 Imagem de busca de música.
Ao escolher uma música o Quiz Band iria solicitar que ele preenchesse os dados fundamentais dessa música. Os dados que seriam classificados como fundamentais para o Quiz Band são: nome, banda/artista, ritmo, álbum e ano de criação. Essas seriam informações básicas para alimentar a Base de Dados Inicial do Quiz Band.
Figura 6 Preenchimento dos dados fundamentais.
Após o preenchimento dos dados fundamentais de uma música, o usuário poderia inserir qualquer outra informação que desejasse, mas em forma de uma pergunta de múltipla escolha com uma opção certa e três opções erradas. O usuário poderia cadastrar quantas perguntas ele desejar.
Figura 7 Preenchimento de perguntas livres.
Esses dados informados alimentariam o Modo Jogo, onde seriam apresentadas perguntas tanto dos dados fundamentais quanto outras questões cadastradas pelo usuário.
5. FUNCIONAMENTO DO MODO JOGO
O Modo Jogo seria o jogo em si. Nesse modo o usuário responderia as perguntas elaboradas no Modo Cadastro.
Primeiramente o usuário escutaria um trecho de uma música. Com a música ainda executando surgiriam perguntas sobre as informações fundamentais sobre a música (nome, banda/artista, ritmo, álbum e ano de criação). Cada pergunta apareceria com quatro opções de resposta, sendo uma correta e as outras três erradas. O usuário teria 20 segundos para responder cada pergunta.
Figura 8 Pergunta com escolha de resposta errada.
Após escolher a resposta ou o tempo acabar, o Quiz Band mostra qual seria a resposta correta e mostraria a opção de “Contestar” e “Próxima”. Ao clicar em “Próxima” o Quiz Band passaria para a próxima pergunta. Ao clicar em “Contestar” o Quiz Band mostraria a tela de contestação.
Figura 9 Tela de Contestação.
Na tela de contestação o Quiz Band mostraria um campo para o usuário digitar a resposta correta da pergunta e tem também a opção “A questão ou as respostas não são referentes à música, artista ou banda que está tocando”.
6. FUNCIONAMENTO DO PROGRAMA PARA ORGANIZAÇÃO DO CATÁLOGO DE MÚSICAS
Como já foi mencionado em capítulos anteriores, o Quiz Band possuiria duas funções: divertir o usuário e organizar um catálogo de música. Nesse capítulo será explicado como ocorreriam as interações entre o usuário, o Quiz Band e o portal de músicas.
6.1 MODO CADASTRO
No Modo Cadastro o usuário insere as informações que seriam utilizadas no Quiz Band. Antes de inserir qualquer informação o usuário faria uma consulta que seria enviada ao portal de música. Esse responderia com uma lista de músicas do seu banco de dados. Seria impossível inserir uma informação de uma música que não exista no portal.
A partir desse ponto, com a música já selecionada, o Quiz Band reproduziria um trecho da música para o usuário, então o usuário responderia a cinco perguntas predefinidas sobre aquela música que seriam: Qual o nome dessa música? Qual é a banda/artista que está tocando? Qual o ritmo dessa música? A que álbum pertence essa música? Qual é o ano de criação dessa música? Essas perguntas servem para preencher os dados fundamentais sobre a música: nome, banda/artista, ritmo, álbum, ano. Após responder as perguntas predefinidas sobre os dados fundamentais ficaria livre ao usuário inserir novas perguntas, a partir desse ponto o usuário seria completamente livre para preencher o campo da pergunta, assim como acontece com o campo de resposta.
Ao preencher a resposta de uma pergunta o Quiz Band pediria para que sejam fornecidas respostas erradas para compor as opções, pedindo também que as erradas sejam parecidas com a resposta correta.
Ao receber uma informação o Quiz Band realizaria algumas validações para determinar se a informação deve ser considerada verdadeira, falsa ou indefinida. Essas validações serão explicadas no capítulo 7. Caso o dado recolhido fosse considerado falso, ele seria descartado, caso fosse considerado indefinido, ele seria salvo na Base de Dados Inicial, caso fosse considerado verdadeiro, ele seria salvo na Base de Dados Final. Dessa forma seriam preenchidas as bases de dados utilizadas pelo Quiz Band, preenchidas com informações fornecidas pelos usuários no Modo Cadastro.
6.2 MODO JOGO
No Modo Jogo o usuário escutaria o trecho de uma música, responderia perguntas sobre aquela música e caso acertasse o usuário ganharia pontos. As perguntas do Quiz Band seriam todas perguntas de múltipla escolha com uma alternativa certa e três erradas. O usuário teria vinte segundos para responder a pergunta.
Ao responder uma pergunta, acertando ou errando, o Quiz Band mostraria a resposta correta. Caso o usuário acertasse, o usuário ganharia pontos de experiência e pontos para melhorar a sua colocação nos rankings existentes no jogo. O funcionamento desses pontos será explicado no capítulo 7.
Ao mostrar a resposta também seria mostrado para o usuário o botão “Contestar” e “Próxima”. Ao clicar em “Próxima” seria mostrada uma nova pergunta. Ao clicar em “Contestar” o Quiz Band exibiria a tela de contestação. Na tela de contestação seria mostrado um campo para o usuário digitar a resposta correta da pergunta e teria também a opção “A pergunta não se refere à musica/artista/banda”.
Ao responder uma pergunta no Modo Jogo, ou mesmo contestar uma pergunta, os valores obtidos seriam utilizados para fazer algumas validações. Essas validações serviriam para estabelecer índices, para que fossem calculados e assim estabelecer o nível de confiabilidade do usuário. A partir do valor desses índices o Quiz Band decidiria se pode confiar naquele usuário e na resposta que ele deu para aquela pergunta, e ao mesmo tempo decidiria se a pergunta deve ser considerada verdadeira, indefinida ou falsa. Essas validações serão explicadas no capitulo 7. Simplificando, as respostas do usuário seriam utilizadas para validar as perguntas e ao mesmo tempo as perguntas seriam utilizadas para validar as intenções do usuário e os conhecimentos que ele possui.
7. VALIDAÇÕES
Considere as seguintes situações:
Um usuário, mal intencionado, decide fazer uma brincadeira de mal gosto no Quiz Band. Ele entra no Modo Cadastro e insere diversas questões erradas sobre músicas de pagode, pois é um ritmo que ele não gosta.
Um outro usuário não conhece nada sobre Hip Hop, mas gosta de escutar. Ele erra a maioria das questões no Modo Jogo, mas não liga pois escuta um pouco das músicas e conhece novos artistas e músicas, mesmo respondendo errado. Contudo ele conhece bastante sobre Rock e acerta bastante quando as questões são sobre esse ritmo.
Um usuário decide contestar todas as questões que ele erra a resposta, apenas por que deu vontade.
Um usuário cadastra diversas questões corretas sobre Funk, mas sem querer, cadastrou errado uma questão, não por má vontade, apenas achava que sabia quando não sabia a informação correta.
Avaliando os cenários descritos acima, como saber se um usuário estaria inserindo uma informação correta no Quiz Band? Como saber se a questão inserida pelo usuário seria verdadeira ou falsa? Como saber se pode confiar em um usuário ou não?
Para contornar os problemas observados nos cenários acima seria necessário que o Quiz Band fizesse algumas validações. Através dessas validações o Quiz Band decidiria se deve ou não confiar em um usuário, acreditar que ele estaria jogando de maneira séria. Através dessas validações o Quiz Band decidiria se deve ou não considerar uma questão como verdadeira. Resumindo, o objetivo das validações seria apenas responder duas perguntas. Primeira pergunta: Posso confiar nesse usuário? Segunda pergunta: Essa informação cadastrada é verdadeira?
7.1 INDICADORES UTILIZADOS NAS VALIDAÇÕES
Uma parte importante de um sistema de computação humana é atribuir a tarefa para a pessoa que seja capaz de desempenhála, ou seja, é definir “Quem” possui o conhecimento necessário para realizar a tarefa da melhor maneira possível.
Figura 10 Figura “Quem” (Who).
Para que o Quiz Band possa tomar as suas decisões seria necessário medir e quantificar o comportamento do usuário. Essas medições preencheriam índices que corresponderiam aos conhecimentos do usuário e o comportamento dele no jogo. Nesse capitulo será mostrado cada indicador que o Quiz Band utilizaria, o motivo de sua criação e seu funcionamento.
7.1.1 Experiência e Nível
A utilização de nível e experiência é algo muito comum em jogos. Os usuários possuem nível, e esse nível aumenta conforme o usuário avança no jogo. Habitualmente nos jogos cada tarefa recompensa o jogador com pontos de experiência, que o usuário ganha quando completa a tarefa. Com uma determinada quantidade de pontos de experiência o usuário ganha um ponto de nível. No caso do Quiz Band, cada resposta correta no Modo Jogo o usuário ganharia 1 ponto de experiência, ao juntar 100 pontos o usuário ganharia 1 ponto de nível.
7.1.2 Ranking de Ritmo
As pessoas possuem gostos musicais diferentes. É normal que uma pessoa goste de um ritmo de música e não goste de outro. É algo comum que uma pessoa que goste de sertanejo possua mais conhecimento sobre esse estilo musical. Portanto, para poder fazer uma distinção entre os usuários é necessário quantificar o quanto um usuário se identifica com um ritmo. Para isso vamos utilizar um Ranking de Ritmo. Esse Ranking funcionará da seguinte forma: o usuário ganharia 1 ponto de ritmo ao responder corretamente uma questão sobre um ritmo no Modo Jogo; o usuário perderia 1 ponto de ritmo ao errar uma questão sobre um ritmo no Modo Jogo. Contudo os ritmos seriam tratados separadamente. Um usuário poderia ter uma pontuação alta em Hard Rock e uma pontuação baixa em MPB.
A quantidade de ritmos existentes no Quiz Band não seria algo predeterminado, os ritmos seriam cadastrados no Quiz Band através das questões cadastradas pelos usuários no Modo Jogo. Poderiam existir N ritmos cadastrados pelos usuários, e para cada ritmo que o usuário tenha respondido uma resposta correta, ele possuiria um valor no Ranking de Ritmo para aquele ritmo.
Seria possível ao usuário ver qual é a sua pontuação no Ranking de Ritmo, ver os usuários que estão com uma pontuação perto da sua e ver a pontuação de seus amigos que estiverem cadastrados no Quiz Band.
Esse ranking teria três objetivos muito importantes. O primeiro seria fornecer ao
usuário uma sensação de evolução e recompensa dentro do jogo. O segundo seria estimular a competição com os seus amigos ou pessoas que tenham uma pontuação perto da sua no Ranking de Ritmo. A terceira seria quantificar o conhecimento do usuário em cada ritmo, para que ao cadastrar uma questão de um ritmo em que ele tenha um valor alto no Ranking de Ritmo, essa questão fosse aproveitada pelo Quiz Band, caso contrário, maior seria a chance dessa questão ser descartada.
7.1.3 Ranking de Banda
Mesmo dentro de um determinado ritmo, é normal pessoas gostarem muito de uma banda e não gostar nem um pouco de outra. Existem muitas pessoas que se declaram fãs de
uma determinada banda, que sentem orgulho de dizer que conhecem a fundo um grupo ou artista musical. Essas pessoas têm um conhecimento muito grande sobre o artista que são fãs. Também existe o caso de uma pessoa gostar muito de uma banda e não gostar de outra, mesmo quando as duas bandas tocam o mesmo ritmo. Utilizar somente o Ranking de Ritmo não possibilitaria quantificar esse tipo de particularidade, por isso também seria necessário o Ranking de Banda.
Para fazer a distinção do conhecimento dos usuários a nível de banda/artista seria utilizado o Ranking de Banda. O Ranking de Banda funcionaria da seguinte de forma: ao responder corretamente uma questão no Modo Jogo o usuário ganharia um ponto para o Ranking de Banda; ao errar uma questão no Modo Jogo o usuário perderia 1 ponto no Ranking de Banda.
Assim como ocorre com o Ranking de Ritmo, seria possível ao usuário ver qual é a sua pontuação no Ranking de Banda, ver os usuários que estão com uma pontuação perto da sua e ver a pontuação de seus amigos que estiverem cadastrados no Quiz Band.
Da mesma forma que acontece com o Ranking de Ritmo, o Ranking de Banda também seria utilizado para dar uma sensação de evolução e recompensa dentro do jogo, estimularia a competição entre os usuários e quantificaria o conhecimento do usuário em relação a cada banda.
7.1.4 Índice de Confiança Base
Independente dos Ritmos e das Bandas cada usuário possui um comportamento dentro do jogo. Existem pessoas que ao utilizar o Quiz Band vão jogar de maneira séria, fazendo o possível para aumentar o seu nível e sua posição nos rankings existentes no jogo. Por outro lado vão existir pessoas que jogarão mais casualmente, sem se importar muito se vão acertar ou errar uma questão. Ainda existirão outros usuários que responderão às questões do Quiz Band errado de propósito. Para que possa ser feita uma distinção entre esses usuários, seria utilizado o Índice de Confiança Base. Esse índice tem por objetivo atribuir um valor de confiança ao usuário, para que o Quiz Band possa saber se poderia confiar nas informações fornecidas por esse usuário ou não.
Para que o Índice de Confiança Base fosse alterado, uma situação especifica deve ocorrer ao responder uma questão: o usuário que possuir um Ranking de Banda alto (isso
significa que o usuário conhece a banda) e a questão deve ser uma questão verdadeira (com um alto índice Índice da Questão). Essas duas condições evitariam alterar a Confiança Base caso o usuário não conhecesse a banda da questão e caso a questão estivesse incorreta. Com essas duas condições satisfeitas, caso o usuário acertasse a questão, seu Índice de Confiança Base aumentaria, caso erre o índice diminuiria.
O Índice de Confiança Base variaria de 0 a 100. Caso um usuário alcançasse 70%, o usuário passaria a ser um usuário confiável. Suas respostas seriam consideradas confiáveis caso possua um uma alta posição no Ranking de Banda e Ranking de Ritmo. Esse índice, diferente do Ranking de Ritmo e do Ranking de Banda, não seria visível para o usuário, ele seria utilizado internamente pelo Quiz Band.
7.1.5 Índice da Questão
O Índice da Questão seria utilizado para saber se o Quiz Band pode confiar naquela questão, seria um indicador que diz se a questão deveria ser considerada verdadeira, indeterminada ou falsa. Cada questão possuiria seu próprio Índice de Questão. O Índice da Questão seria atualizado conforme as interações entre os usuários e a questão. Se uma questão fosse respondida corretamente por um usuário confiável, essa questão teria um aumento no seu Índice de Questão, caso fosse respondida incorretamente por um usuário confiável, o Índice da Questão diminuiria, caso o usuário não fosse confiável o índice não seria alterado.
O Índice de Questão variaria de 0 a 100. Caso uma questão alcançasse 70%, a questão passaria a ser uma questão confiável. Assim como ocorreria com o Índice de Confiança Base o Índice da Questão não seria visível para o usuário, ele seria utilizado internamente pelo Quiz Band.
7.2 VALIDAÇÕES REALIZADAS NAS OPERAÇÕES DO QUIZ BAND
Antes de explicar as validações do Quiz Band é necessário explicar a separação que ele realizaria nos dados. O Quiz Band poderia tratar uma questão como verdadeira, falsa ou indefinida.
Quando uma questão fosse inserida no Modo Cadastro ela seria considerada indefinida. questões indefinidas seriam guardadas na Base de Dados Inicial. Quando uma questão indefinida passasse pelo Modo Jogo uma quantidade de vezes e seu índice de questão chegasse a um valor alto, essa questão passaria a ser considerada verdadeira. Questões verdadeiras seriam guardadas na Base de Dados Final. Quando uma questão indefinida passasse pelo Modo Jogo uma quantidade de vezes e seu índice de questão chegasse a um valor muito baixo, essa questão passaria a ser considerada falsa. Questões falsas seriam excluídas da Base de Dados Inicial.
Figura 11 Bases de dados.
O Quiz Band possuiria 3 operações básicas: responder uma questão no Modo Jogo; cadastrar uma questão no Modo Cadastro; contestar uma questão após responder. A operação de responder uma questão se divide em duas situações distintas, acertar ou errar a questão. Ao realizar alguma dessas operações os índices seriam manipulados pelo Quiz Band com a
intenção de validar o usuário e validar a questão. Cada alteração dos índices que ocorre em cada uma das operações serão explicadas a seguir.
7.2.1 Acertar uma questão no Modo Jogo
O usuário ganha 1 ponto de experiência. Caso já possua 99, ganha 1 ponto de nível e sua experiência volta pra 0.
O usuário ganha 1 ponto no ranking de ritmo do ritmo que se refere a questão. O usuário ganha 1 ponto no ranking de banda da banda que se refere a questão.
Se o usuário possuir a confiança base maior que 70% e tiver sua posição no ranking de banda for acima de 70% (esses dois índices altos indicam que a resposta do usuário é confiável) então: o índice da questão aumenta em 1%.
Se a questão tiver um índice de questão maior que 70% (isso significa que a questão é confiável) e sua posição no ranking de banda for acima de 70% (isso indica regularidade de acertos do usuário a respeito da banda) então: aumenta a confiança base do usuário em 1%.
Figura 12 Representação de algorítimo para acertar questão.
7.2.2 Errar uma questão no Modo Jogo
O usuário perde 1 ponto no ranking de ritmo do ritmo que se refere a da questão. O usuário perde 1 ponto no ranking de banda da banda que se refere a questão.
Se o usuário possuir a confiança base maior que 70% e tiver sua posição no ranking de banda for acima de 70% (esses dois índices altos indicam que a resposta do usuário é confiável) então: o índice da questão é reduzido em 1%.
Se a questão tiver um índice de questão maior que 70% (isso significa que a questão é confiável) e sua posição no ranking de banda for acima de 70% (isso indica regularidade de acertos do usuário a respeito da banda) então: diminui a confiança base do usuário em 1%. Figura 13 Representação de algorítimo para errar questão. 7.2.3 Cadastrar uma questão no Modo Cadastro
Se a questão inserida já existir com mais de 70% de índice de questão, com a mesma resposta (ou seja, é uma copia de uma questão confiável) então: aumenta em 1% a confiança base do usuário.
Se algo da questão, seja pergunta ou seja resposta, existir no dicionário de palavras pejorativas então: diminui a confiança base de usuário em 5% e descarta a questão.
Se o usuário tiver mais de 70% de confiança base (o usuário é confiável) e sua posição for acima de 70% no ranking de ritmo (o usuário conhece sobre o ritmo) então: a questão é cadastrada com índice de questão = 20%.
Se o usuário tiver menos de 70% de confiança base (o usuário não é confiável) ou sua posição for abaixo de 70% no ranking de ritmo (o usuário não conhece sobre o ritmo) então: a questão é cadastrada com índice de questão = 10%.
Se a questão não for sobre o ritmo da música:
Se o usuário tiver mais de 70% de confiança base (o usuário é confiável) e sua posição no ranking de banda for acima que 70% (o usuário conhece sobre a banda) então: a questão é cadastrada com índice de questão = 20%.
Se o usuário tiver menos de 70% de confiança base (o usuário não é confiável) ou sua posição for abaixo 70% de ranking de banda (o usuário não conhece sobre a banda) então: a questão é cadastrada com índice de questão = 10%. Figura 14 Representação de algorítimo para cadastrar questão. 7.2.4 Contestar uma questão
Se o usuário tiver mais de 70% de confiança base (o usuário é confiável) e sua posição for acima de 70% no ranking de banda (o usuário conhece sobre a banda) então:
Se a questão tiver o índice da questão acima de 70% então: reduz em 1% o índice da questão e reduz em 1% a confiança base do usuário (são reduzidos ambos os índices pois não é possível saber quem está realmente certo, a questão ou o usuário);
Se a questão tiver o índice da questão abaixo de 70% então: diminui em 3% o índice da questão.
Se o usuário tiver menos de 70% de confiança base (o usuário não é confiável) ou sua posição for abaixo de 70% no ranking de banda (o usuário não conhece sobre a banda) então:
Se a questão tiver o índice da questão acima de 70% então: reduz em 3% a confiança base do usuário (pois um usuário que não é confiável está tentando contestar uma questão confiável).
Se a questão tiver o índice da questão abaixo de 70% então: nada acontece (pois nem a questão e nem o usuário são confiáveis). Figura 15 Representação de algorítimo para contestar questão. 7.2.5 Condições de análise de informações
Existem condições limites para tratar uma informação, são as condições que definem uma questão como verdadeira ou falsa. Quando uma questão, seja ela uma questão para obter um dado fundamental (nome, banda/artista, ritmo, álbum e ano de criação) ou uma questão
para obter um dado opcional (questões inseridas pelos usuários), alcança 90% de Índice de Questão, a questão é considerada verdadeira e sai da Base de Dados Inicial e passa a compor a Base de Dados Final. Contudo quando uma questão chega a 0% no Índice de questão, ela é excluída da Base de Dados Inicial.
8. RESOLUÇÃO DE DUPLICIDADES
No modo cadastro os usuários seriam livres para preencherem as perguntas da maneira que quiserem. Mesmo as questões para obter os dados fundamentais, que são questões predefinidas pelo Quiz Band, o usuário seria livre para colocar o que quiser como resposta. Obviamente surgiriam duplicidades nas questões. Um usuário poderia dizer que o nome de uma música é uma coisa, e outro usuário poderia dizer que o nome da mesma música é outra coisa. Como resolver esse problema?
O Quiz Band resolveria as duplicidades da seguinte forma:
Caso a questão possuísse a mesma resposta correta de uma questão que já existisse e que possua menos de 70% de Índice de Questão, o Quiz Band deixaria as duas versões da questão na Base de Dados Inicial.
Caso a questão possuísse a mesma resposta correta de uma questão que já existisse e que possua mais de 70% de Índice de Questão, o Quiz Band não iria inserir a questão, pois já possuiria uma versão confiável da mesma, mas iria atribuir 1% de Confiança Base ao usuário;
Caso a questão já existisse com 70% de Índice de Questão, mas o usuário atribuísse uma resposta diferente, e a resposta da versão de 70% de Índice de Questão aparecesse nas opções incorretas, então a questão seria descartada e o usuário perderia 1% de Confiança Base;
Caso a questão já existisse com 70% de Índice de Questão, mas o usuário atribuísse uma resposta diferente, e a resposta da versão de 70% de Índice de Questão não aparecesse nas opções incorretas, então a questão seria criada e armazenada na Base de Dados Inicial. Se a questão se mostrar correta, seu Índice de Questão irá aumentar. Se essa versão também alcançar 70% de Índice de Questão, o Quiz Band iria mesclar as duas questões. Passaria a mostrar as duas respostas corretas das duas versões da questão. Para efeito de jogo. Caso o usuário escolhesse qualquer uma das respostas corretas o Quiz Band iria mostrar a que o usuário escolheu como correta. Contudo o Quiz Band iria contar qual resposta correta seria escolhida mais vezes por usuário confiáveis (usuários com mais de 70% de Confiança Base e posição acima de 70% no Ranking de Banda).
Figura 16 Resolução de duplicidade.
9. MECANISMOS DE INCENTIVO AO USUÁRIO
Um dos grandes desafios da computação humana é fazer com que o sistema realize a sua tarefa, utilizando o usuário em seu processo de computação, sem fazer com que ele perca o interesse por utilizar o sistema.
Figura 17 Figura “Como” (How).
O sistema precisa do usuário, ele é uma engrenagem muito importante para o processamento, então é fundamental que o sistema seja o mais interessante possível para o usuário.
O fato do Quiz Band ser idealizado como um jogo sobre música colaboria para que o usuário permanecesse a jogar por mais tempo, pelo fato que diariamente surgem novas músicas, novas bandas e novos artistas. Entretanto o Quiz Band teria mais alguns artifícios que seriam utilizados para manter o interesse do usuário no jogo, eles serão vistos a seguir.
9.1 PONTOS DE EXPERIÊNCIA E NÍVEL
Como já foi mencionado no capitulo 7.1.1 o Quiz Band utilizaria o sistema de nível e experiência. Os usuários possuiriam nível, e esse nível aumentaria conforme o usuário avançasse no jogo. Com uma determinada quantidade de pontos de experiência o usuário ganharia um ponto de nível.
Essa metodologia seria utilizada no Quiz Band pois estimularia ao jogador permanecer mais tempo jogando, pois cada acerto no Modo Jogo faria ele ser recompensado com pontos, esses pontos se tornariam níveis e isso geraria uma sensação de evolução dentro do jogo. Também ficaria visível o progresso do usuário e consequentemente seria visível também o quanto os outros usuário já progrediram. Os níveis seriam visíveis entre os usuários exatamente para possibilitar a competição entre eles.
9.2 RANKING DE RITMO
O Ranking de Ritmo teria três objetivos muito importantes: mostrar ao usuário que ele está evoluindo dentro do jogo; estimular a competição entre os usuários; e quantificar o conhecimento do usuário em cada ritmo, para que esse usuário seja utilizado para validar informações daquele ritmo.
Como Ranking de Ritmo seria visível entre os usuários, isso favoreceria a competição entre eles, alem do fato de que o usuário veria a sua posição no ranking melhorar a cada acerto no Modo Jogo. Como existiria um ranking para cada ritmo o usuário poderia tentar aumentar seu ranking em diversos ritmos, o que levaria o usuário a jogar o Quiz Band por mais tempo.
9.3 RANKING DE BANDA
Existem muitas pessoas que se declaram fãs de uma determinada banda, que sentem orgulho de dizer que conhece sobre um determinado artista. Por causa dessas pessoas foi existiria o Ranking de Banda. No Ranking de Banda esses fãs poderiam se destacar por possuírem conhecimento sobre a sua banda favorita e consequentemente iriam validar as informações no Quiz Band.
Seriam possíveis muitas outras opções para prender a atenção dos usuários, como utilização de avatares que poderiam ser personalizados, definir conquistas a serem alcançadas ao jogar o Quiz Band (exemplo: inserir 10 questões no Modo Cadastro ou conseguir 10 pontos no Ranking de Banda com 5 bandas diferentes), ter alguns itens de personalização de avatar exclusivos caso alcance uma conquista, pode ser criado um modo de jogo em que dois
usuários respondam as mesmas questões e depois verifiquem qual teve o melhor desempenho. Porém esse não é o foco deste trabalho portanto não vamos nos aprofundar nesse assunto.
10. MONETIZAÇÃO
Em sua concepção o Quiz Band não foi pensado para obter lucro, apenas obter informação. Contudo o projeto se tornaria muito mais viável se ele fosse capaz de pagar pelos seus custos de desenvolvimento e manutenção e ainda fosse capaz de produzir lucro.
Monetizar o Quiz Band seria algo relativamente simples, bastando a criação um mecanismo que permitisse ao usuário comprar as músicas que ele estivesse ouvindo no Modo Jogo, lembrando que a música ficaria tocando enquanto o usuário respondesse as questões. Como o Quiz Band colocaria o usuário em contato com diversas músicas de diversos ritmos, Quiz Band funcionaria como uma “vitrine musical”, bastaria apenas dar ao usuário a oportunidade de comprar a música que ele estivesse respondendo uma questão no Modo Jogo.
Os dados conseguidos pelo Quiz Band também poderiam ser negociados com o portal de música separadamente.
11. RESULTADOS ESPERADOS
A ideia do Quiz band surgiu ao tentar aplicar os conceitos da computação humana em para obter informações das pessoas sem que fosse através de perguntas diretas, sem que parecesse um trabalho ou uma tarefa a ser realizada. Através dessa ideia chegamos ao Quiz Band, que tem o objetivo de obter informações sobre musicas, artistas e bandas de maneira indireta.
Alem de obter informações seria esperado do Quiz Band que essas informações fossem validadas de forma automática, através das validações do sistema que ocorreriam nas interações dos usuários com o jogo. Seria esperado conseguir uma base de dados confiáveis sobre as músicas existentes no sistema.
Existe a possibilidade de que o aplicativo caísse no gosto dos usuários, pois se trata de um jogo a respeito de música, mas isso dependeria de muitos fatores que vão além deste trabalho acadêmico, portanto seria impossível dizer se o aplicativo faria sucesso.
11.1 REPENSANDO A COMPUTAÇÃO HUMANA A PARTIR DO QUIZ BAND
O Quiz Band foi pensado como um software que possui uma proposta diferente ao utilizar a computação humana. Ao comparar com outros softwares que utilizam computação humana como por exemplo o Doulingo (pt.duolingo.com), onde após algum tempo de uso, o software pede para que o usuário traduza trechos de um texto para obter a tradução daquele usuário, ou ao comparar com o Amazon Mechanical Turk (www.mturk.com), onde sistema pede ao usuário para realizar determinada tarefa em troca de dinheiro. Podemos perceber que esses sistemas pedem abertamente que os usuários colaborem como um determinado objetivo. O Quiz Band utilizaria a computação humana de forma diferente. O Quiz Band propõe um desafio ao usuário, que seria acertar as questões para melhorar seu nível e sua posição nos rankings. Desta forma estimulando a competição entre os usuários.
Normalmente softwares com computação humana pedem para que os usuários colaborem entre si para realizar um objetivo. No Quiz Band o objetivo do usuário seria ser melhor que os outros usuários, e ao fazer isso o objetivo do Quiz Band seria realizado em segundo plano. Ou seja, o objetivo do Quiz Band não seria o mesmo objetivo dos usuários. Enquanto os usuários competiriam para serem os melhores nos rankings, o Quiz Band obteria as informações geradas pelos usuários para enriquecer a sua base de dados. Sendo assim, ao contrário dos outros sistemas de computação humana, que normalmente possuem uma proposta colaborativa, o Quiz Band possuiria uma proposta competitiva.
Para fazer uma comparação, de acordo com a matéria “Site de Bicos da Amazon” encontrado no site da revista Super Interessante (http://super.abril.com.br/tecnologia /ositedebicosdaamazon) existe uma tarefa no Amazon Mechanical Turk em que o usuário completa as informações de canções, de maneira semelhante ao que ocorre no Quiz Band, com a diferença que o usuário é pago pela sua contribuição. Enquanto o Amazon Mechanical Turk busca obter a cooperação do usuário através de uma compensação financeira, enquanto que o Quiz Band obteria a cooperação do usuário oferecendo a chance de competir com outros usuários.
A computação humana pode ser utilizada de maneiras diferentes e ainda assim continuar sendo útil tanto ao usuário quanto ao proprietário do software. Utilizar a computação humana de maneiras diferentes fará que ela melhore e seja cada vez mais
12. CONSIDERAÇÕES FINAIS
Antes de iniciar esse projeto foram estudados os trabalhos de sobre computação humana de Luis von Ahn e Edith Law . Foram vistos os softwares ESP Game, Duolingo e Amazon Mechanical Turk . Esses softwares foram estudados, observados os seus pontos positivos e negativos e seu funcionamento. Após esses estudos surgiu a ideia de aplicar o conhecimento adquirido para idealizar um software que utilizasse computação humana.
O objetivo desse projeto foi aplicar os conceitos da computação humana na idealização de um software para catálogo musical, de modo que esse software utilizasse o conjunto de usuários como peça fundamental no processamento e na aquisição de informações para preencher a sua base de dados.
No decorrer desse projeto foi possível observar que trabalhar com a aleatoriedade e a diversidade de usuários é algo desafiador, chegamos a conclusão que seria necessário tratar cada usuário individualmente, atribuindo índices que avaliassem essas individualidades. De certa forma, é como se o Quiz Band precisasse observar o usuário, conhecer o seu comportamento e depois formar uma opinião sobre ele, para só então confiar ou não nas informações inseridas por ele. Cabe ressaltar que outros sistemas de computação humana se utilizam de estratégias para captar a inteligência coletiva: é a frequência com que uma resposta se repete em uma grande quantidade de usuários que indica o seu grau de confiança.
Elaborar uma metodologia para avaliar o usuário foi um desafio para a realização desse projeto. A elaboração dos índices e a maneira de manipulálos de acordo com o comportamento do usuário foi alterada algumas vezes no decorrer do projeto. Contudo essa metodologia ainda carece de testes e provavelmente sofrerá alterações no futuro caso o software seja desenvolvido.
Como resultado deste projeto temos a ideia de uma metodologia de software de aquisição de informações de usuários. Nesse projeto tivemos o assunto música como tema, mas essa metodologia pode ser aplicada a qualquer assunto que seja necessário uma catalogação, por exemplo, catalogo de plantas, catalogo de aves, catálogo de vida marinha, ou qualquer outra coisa que possa ser organizada e catalogada.
Para um projeto futuro, fica o desenvolvimento de um protótipo do Quiz Band aplicando os conceitos mostrados nesse projeto. Podendo haver mecanismos de incentivo ao
usuário mais elaborados e com uma provável melhoria nos algoritmos que manipulam os índices utilizados pelo Quiz Band.
REFERÊNCIAS BIBLIOGRÁFICAS AHN, L.; BLUM, M.; LANGFORD, J. Telling Human and Computers apart. Communications of the ACM. Vol. 47, No. 2 , 5860. 2004. AHN, L.; MAURER, B.; MCMILLER, C.; ABRAHN, D.; BLUM, M.: reCAPTCHA: HumanBased Character Recognition via Web Security Measure. Science v321. 2008.
LAW, E. AHN, L. Human Computation. Morgan & Claypool Publishers. 2011.
LAW, E. Defining (Human) Computation. Carnegie Mellon University Pittsburgh. 2011. Disponível em: <http://crowdresearch.org/chi2011workshop/papers/law.pdf>. Acesso em: 23 de Abril de 2015.
CRUZ, Renato. Computação Humana. Estadão. Disponível em:
<http://economia.estadao.com.br/noticias/geral,computacaohumanaimp,1033316>. Acesso em: 11 de agosto 2014.
CRIATIVANTE. Computação Humana. Criativante.com. Publicado em: 23 de setembro de 2012. Disponível em:
<http://creativante.com/new/index.php/20130203193605/20130204181901/15human computationcomputacaohumana> Acesso em: 20 de Setembro 2014
AHN, L. Human Computation. Carnegie Mellon University Pittsburgh, 2005.
Disponível em: <http://www.creativante.com.br/download/Ahn.pdf>. Acesso em 20 de Setembro 2014.
HCOMP 2015. Conference on Human Computation & Crowdsourcing.
Disponível em: <http://www.humancomputation.com/2015/>. Acesso em: 20 de Maio de 2015.
AAAI.ORG. Proceedings of the AAAI Conference on Human Computation and Crowdsourcing. Descrição sobre HCOMP.
Disponível em: <http://www.aaai.org/Library/HCOMP/hcomplibrary.php>. Acesso em: 28 de Setembro de 2015.
GOOGLE. Google ReCAPTCHA. Disponível em:
<https://www.google.com/recaptcha/intro/index.html>. Acesso em: 5 de Outubro de 2015.
WIKIPÉDIA. ReCAPTCHA. Atualizado em: 19 de maio de 2014. Disponível em: <https://pt.wikipedia.org/wiki/ReCAPTCHA>. Acesso em: 5 de Outubro de 2015.
HO, ChienJu; CHEN, KuanTa. On Formal Models for Social Verification. Figura do ESP Game. Atualizado em: 19 de outubro de 2015.
<http://www.iis.sinica.edu.tw/~swc/pub/social_verification_model.html>. Acesso em: 08 de novembro de 2015.
MACIEL, Marina. ReCaptcha: o que você digita na internet pode ajudar a digitalizar livros. Super Interessante. Figura sobre o ReCAPTCHA. Atualizado em: 02 de setembro de 2013. <http://super.abril.com.br/blogs/planeta/recaptchaoquevocedigitanainternetpodeajudar adigitalizarlivros/>. Acesso em: 5 de outubro de 2015.
DUOLINGO. Disponível em: <https://pt.duolingo.com/>. Acesso em 20 de junho 2014.
AMAZON MECHANICAL TURK. Disponível em: <https://www.mturk.com>. Acesso em: 22 de junho 2014.
SUPER INTERESSANTE. O site de bicos da Amazon. Disponível em:
<http://super.abril.com.br/tecnologia/ositedebicosdaamazon>. Acesso em 16 de novembro de 2015.
