Título: Modelo para predição de ações e inferência de situações de risco em ambientes sensíveis ao contexto.
Aluno: ALFREDO DEL FABRO NETO
Orientadora: IARA AUGUSTIN
Data: 31/07/15
Horário: 14h
Local: Sala 321 do Centro de Tecnologia
Banca:
Drª. IARA AUGUSTIN UFSM Presidente – Orientador
Dr. LUIZ ANGELO STEFFENEL URCA Examinador
Drª. ROSECLEA DUARTE MEDINA UFSM Examinador
Dr. JOAO VICENTE FERREIRA LIMA UFSM Suplente
Resumo: A popularização de sensores de baixo custo e de dispositivos móveis permitiu diversos avanços nas pesquisas da área de computação ubíqua e pervasiva. Com a captura dos dados contextuais providas pelos sensores acoplados a estes dispositivos é possível obter informações do estado do usuário e do ambiente, e dessa forma mapear a relação entre ambos. Uma das possíveis abordagens para mapear essas relações são as atividades executadas pelo usuário, que inclusive são parte constituinte do próprio contexto. Entretanto, mesmo que as atividades humanas possam causar danos físicos, não há muita discussão na academia de como a computação ubíqua poderia avaliar esse risco relacionado a elas. Neste sentido, o projeto Activity Project objetiva determinar situações de risco no momento da realização de atividades desempenhadas por pessoas em um ambiente sensível ao contexto, através de um middleware sensível ao contexto que considera o risco nas ações que compõe uma atividade e o desempenho do usuário enquanto executa uma atividade. Esta dissertação tem por objetivo especificar a camada Activity Manager do middleware proposto para o Activity Project, cujo objetivo é tratar as questões referentes à predição de ações e atividades e a detecção de situações de risco em ações. O modelo desenvolvido para tratar a composição das atividades e a predição das mesmas baseia-se na Teoria da Atividade, enquanto que o risco em ações é determinado pelas mudanças no contexto fisiológico do usuário ocasionadas pelas ações executadas por ele, modeladas através do modelo Hiperespaço Análogo ao Contexto. Testes foram realizados em datasets públicos e privados, e os modelos desenvolvidos superaram as propostas encontradas até o momento para a predição de ações, bem como para a determinação de situações de risco, demonstrando a eficácia da solução proposta.
