Tese de Doutorado de Gabriel Machado Lunardi

Aluno: Gabriel Machado Lunardi

Orientador: Prof. Dr. Jose Palazzo Moreira de Oliveira

Título: Diversificação multi-atributo para diminuir o efeito “bolha de filtro” em sistemas de recomendação de notícias
Linha de Pesquisa: Mineração, Integração e Análise de Dados

Data:04/03 /2021
Horário: 15h30min
Esta banca ocorrerá excepcionalmente de forma totalmente remota. Interessados em assistir a defesa poderão acessar a sala virtual através do link: https://mconf.ufrgs.br/webconf/00002511

Banca Examinadora:
– Profª. Drª. Mirella Moura Moro (UFMG)
– Profª. Drª. Renata de Matos Galante (UFRGS)
– Prof. Dr. Silvio César Cazella (UFCSPA)

Presidente da Banca: Prof. Dr. Jose Palazzo Moreira de Oliveira

Resumo: Os Sistemas de Recomendação nasceram com o propósito de auxiliar as pessoas a encontrarem itens que satisfaçam suas preferências nos mais variados domínios, como músicas, notícias, vídeos, produtos, dentre outros. Entretanto, as abordagens de recomendação têm sido alvo de críticas ao longo do tempo por entregarem itens que são, muitas vezes, óbvios e redundantes, privando o usuário de outras possibilidades. Isso abre precedentes para o efeito da “bolha de filtro”, um termo cunhado em 2011, por Eli Pariser, que remete ao isolamento do usuário em relação a uma diversidade de conteúdos, o que limita suas possibilidades de novas experiências. Tal efeito se torna ainda mais crítico no domínio de notícias, uma vez que são fontes de informação e de formação de opinião, porque o usuário estando em uma “bolha” pode ficar sujeito à polarização de opiniões, à desinformação sobre diferentes assuntos, dentre outros malefícios. Nesse sentido, a diversificação de recomendação surge como uma estratégia para suavizar tal efeito, buscando entregar itens novos e diferentes aos usuários. Nesta tese, é apresentada uma abordagem para a diversificação de recomendação, baseada em múltiplos atributos, aplicada ao domínio de notícias eletrônicas. Além disso, é apresentada uma forma de medir o efeito de “bolhas de filtro” através do grau de homogeneidade dos itens consumidos e/ou entregues aos usuários. A avaliação compreende um estudo de usuário, utilizando um protótipo de recomendação de notícias sobre política. A partir desse, busca-se verificar se a estratégia de diversificação multi-atributo é capaz de suavizar o efeito de “bolha de filtro” quando comparada à recomendação convencional, empregando a metodologia de teste A/B e testes de diferença estatística entre os grupos de usuários. Os resultados para essa avaliação sugerem uma diminuição da homogeneidade para todos os casos, considerando apenas os itens entregues, isto é, sem qualquer tipo de interação. Além disso, a abordagem de diversificação multi-atributo foi comparada com uma abordagem de diversificação da literatura. Os resultados sugerem melhorias para alguns casos.

Palavras-chave: Diversificação. Recomendação. Bolhas de Filtro. Notícias.