Um Modelo de Recomendação Sensível ao Contexto para Auxiliar Estudantes em Ambientes Virtuais de Aprendizagem

Transcrição

1 Um Modelo de Recomendação Sensível ao Contexto para Auxiliar Estudantes em Ambientes Virtuais de Aprendizagem Savyo Igor da Nóbrega Santos PPGCC-UFCG Evandro de Barros Costa IC-UFAL ABSTRACT The amount growth of information available on Web, especially in Virtual Learning Environment, complicated the search process and access to specialized knowledge about a specific subject. In order to solve this problem, Expert Recommender Systems were created for assist and recommend suitable users to answer a subject. However, there is a difficulty at performing a recommendation of experts that finds the user's interests, taking into account the information about the educational environment in which it is contained in addition to the conditions which the target user recommendation and the expert that will be recommended are inserted. This work presents a model of Expert Recommender System context information-sensitive to the user and expert in discussion forums on AVA. RESUMO O volume crescente de informações disponíveis na Web, especialmente em Ambientes Virtuais de Aprendizagem (AVA), dificultou o processo de busca e acesso por um conhecimento especializado sobre um assunto especifico. Para resolver esse problema, surgiram os Sistemas de Recomendação de Especialistas (SRE) que auxiliam e recomendam usuários aptos a responder sobre um assunto. Entretanto, existe uma dificuldade em realizar uma recomendação de especialistas que atenda aos interesses do usuário levando em consideração as informações sobre o ambiente educacional no qual ele está contido, além das condições as quais o usuário-alvo da recomendação e o especialista que será recomendado estão inseridos. Neste trabalho, é apresentado um modelo de SRE sensível a informações do contexto do usuário e do especialista em fóruns de discussão de AVA. Palavras Chaves Sistema de Recomendação, Busca por Especialistas, Contexto, Ambientes Virtuais de Aprendizagem. 1. INTRODUÇÃO Em meio ao volume crescente de informações disponíveis na Web atualmente, o qual dificulta a busca e o acesso a um conhecimento Permission to make digital or hard copies of all or part of this work for personal or classroom use is granted without fee provided that copies are not made or distributed for profit or commercial advantage and that copies bear this notice and the full citation on the first page. To copy otherwise, or republish, to post on servers or to redistribute to lists, requires prior specific permission and/or a fee. XXXXXXXXXXXXX As informações serão preenchidas no proceso de edição dos Anais. especializado e relevante que os usuários não possuem, surgem os Sistemas de Recomendação de Especialistas (SRE) com o objetivo de auxiliar os usuários recomendando especialistas que possam ajudar esses indivíduos na realização das suas tarefas e na solução de seus problemas [11], ou seja, eles são capazes de identificar pessoas como especialistas em determinado domínio. No entanto, a escolha dos critérios que caracterizam uma pessoa como especialista é um dos grandes desafios dos SRE, uma vez que essa escolha pode e geralmente muda dependendo do contexto no qual o sistema está inserido [16]. Além disso, alguns SRE existentes na literatura são centrados apenas nas ações do especialista, em vez do usuário [5, 17], e não levam em consideração o contexto dos envolvidos nesse processo de recomendação. Essa sensibilidade ao contexto é importante na localização de especialistas, pois permite entender o perfil do usuário e a situação do ambiente para ajustar os resultados a suas necessidades. É preciso, portanto, que o SRE conheça o contexto do usuário que receberá a recomendação e, também, do especialista que será recomendado, de modo a buscar, dentre os especialistas existentes, os mais adequados para recomendar e auxiliar o usuário [10]. A presente pesquisa surgiu diante da dificuldade em realizar uma recomendação de especialistas que atenda aos interesses do usuário, levando em consideração as informações sobre o ambiente educacional no qual ele está contido, além das condições as quais o usuário-alvo da recomendação e o especialista que será recomendado estão inseridos, isto é, o contexto. O objetivo desta pesquisa é propor um modelo de SRE sensível ao contexto do usuário/aluno e do especialista que permita fazer recomendações mais próximas às necessidades do usuário/aluno em fóruns de discussão dentro de um Ambiente Virtual de Aprendizagem (AVA), facilitando, assim, a colaboração entre eles. O restante do artigo está estruturado da seguinte forma: na Seção 2 é apresentada uma fundamentação teórica sobre SRE, AVA e informações sobre Contexto; na Seção 3 são mostrados os trabalhos relacionados; na Seção 4 é exposto o modelo sensível ao contexto de recomendação de usuários especialistas em AVA; e nas Seções 5 e 6 são relatados, respectivamente, a análise dos resultados e as considerações finais deste trabalho. 800

2 2. FUNDAMENTAÇÃO TEÓRICA 2.1. SRE Sistemas de Recomendação coletam informações das preferências de seus usuários para recomendar itens, e.g. filmes, músicas e livros, conteúdos ou ainda para recomendar pessoas [1]. Este último tipo de recomendação possui um subtipo especial, i.e. a de especialistas de domínio. De acordo com Wu et al. [17], Sistemas de Recomendação de Especialistas (SRE) têm o objetivo de identificar uma lista de pessoas com uma especialidade considerada relevante dentro de um contexto. Além disso, eles podem ser usados como ferramenta de apoio à colaboração informal por meio da identificação de especialistas, para fornecer suporte e ajudar pessoas na solução dos seus problemas [11]. Um especialista é considerado, nesta pesquisa, como um usuário (aluno, tutor ou professor) que detém habilidade e conhecimento sobre algum assunto específico e que responde perguntas sobre sua especialidade, seja em ambientes acadêmicos, i.e. em fóruns de discussão, ou em serviços de perguntas e respostas. Os SRE utilizam, em suas abordagens, diversas técnicas de construção de perfis, algoritmos de recomendação e critérios para determinar se uma pessoa é um especialista e em qual área do conhecimento. No entanto, alguns desafios nesse tipo de SR estão relacionados à recomendação de especialistas propriamente dita. Questões como (i) encontrar uma função quantificadora da probabilidade de um indivíduo ser especialista em um determinado tópico [4] e (ii) definição de quando uma pessoa pode ser especialista em uma determinada área [14] fazem com que os pesquisadores busquem técnicas e critérios personalizados para caracterizar o especialista de acordo com o contexto ao qual ele está inserido. Esta pesquisa lida com a identificação de especialistas num subconjunto de todos os usuários/alunos de AVA. Em outras palavras, o SRE proposto será usado dentro de um contexto específico, i.e. no âmbito acadêmico Contexto e AVA O contexto é caracterizado por [3] como qualquer informação que pode ser utilizada para caracterizar a situação de entidades (como uma pessoa, lugar ou objeto), que são consideradas relevantes para a interação entre um usuário e uma aplicação, incluindo o usuário e a aplicação, em si. Contexto é tipicamente a localização, identidade e estado de pessoas, grupos e objetos físicos e computacionais.. Nesta pesquisa, decidiu-se utilizar como contexto as informações contidas dentro de um espaço educacional de Educação à Distância, i.e. dentro de um AVA. Com relação aos AVA, eles são espaços computacionais que integram diversas mídias e dão suporte à educação a distância online, além de impulsionarem a criação de uma grande quantidade de informações, as quais geralmente circulam e são armazenadas em bases de dados acadêmicas [13]. Essas informações, também chamadas de recursos educacionais, podem ser documentos de texto, áudios, vídeos, entre outros materiais didáticos, que auxiliam o ensino e a aprendizagem dos alunos. Dessa forma, o contexto é considerado aqui como a combinação das condições em que o usuário está inserido, i.e. o assunto que está sendo perguntado dentro dos fóruns de discussão, os interesses e habilidades do usuário, além de sua reputação, disponibilidade, grau de especialidade sobre um assunto específico e informações históricas sobre o que foi perguntado e respondido dentro do ambiente. Essas informações estão relacionadas com as condições citadas anteriormente, além das relações que são criadas entre ele e outros usuários no ato de perguntar e responder dentro de um AVA. 3. TRABALHOS RELACIONADOS Nesta seção, são apresentados alguns trabalhos de SRE aplicados no âmbito educacional e outros Sistemas de Recomendação (SR) que utilizam informações de contexto (do usuário e/ou do especialista) em suas abordagens SRE no âmbito educacional Müller e Silveira [8] apresentaram uma pesquisa com o objetivo de integrar as técnicas usadas por sistemas de recomendação aos sistemas de ajuda em pares, visando apoiar a formação destes pares usando recomendação de pessoas (combinação social), e tentando, dessa forma, auxiliar os usuários para que estes consigam sanar suas dúvidas. O processo proposto para formação de pares foi implementado em um protótipo de sistema de ajuda focado em ambientes colaborativos de ensino, permitindo analisar a formação dos pares e assim obter informações sobre a efetividade de seu uso. Bremgartner e Netto [2] desenvolveram uma estratégia que utiliza um sistema multiagente a fim de auxiliar alunos que apresentem dúvidas ou erros ao executarem as atividades propostas pelo professor. O auxílio é a recomendação personalizada de alunos com um perfil adequado baseado em suas habilidades e competências específicas que ajudariam os estudantes com dúvidas ou erros em atividades. Os testes realizados para validar o modelo proposto pelos autores mostraram que o processo de recomendação sugerido aumentou o nível de interação entre estudantes, aumentando, também, o nível de conhecimento dos aprendizes e uma maior corretude das atividades respondidas. Lopes et al. [6] elaboraram o CORALS, um SRE no âmbito de redes sociais acadêmicas que considera tanto a parte da estrutura quanto a de conteúdo da rede. A estrutura da rede está relacionada com a análise da existência de relacionamentos prévios entre os pesquisadores, enquanto o conteúdo envolve a correlação entre os pesquisadores por áreas de pesquisa. A evidência de especialidade está relacionada aos relacionamentos entre os usuários, aspectos temporais e correlação das áreas de pesquisa. A técnica de recomendação usada se baseia em três métricas: cooperação, proximidade social e correlação. Na validação do modelo proposto pelos autores, os resultados apontaram que a abordagem híbrida sugerida por eles produziu melhorias no processo de recomendação. Santos, Salvador e Cruzes [13] propuseram o FindYourHelp, um módulo que possibilitou a identificação automática de especialistas que mais contribuíam em fóruns de discussão do AVA Moodle. O diferencial da solução desenvolvida consistia em aplicar técnicas de mineração de textos usando informações semânticas (e.g. categorização de textos) como forma complementar à análise de participação dos estudantes já existente no ambiente. Zaïane, Chen e Goebel [18] apresentaram o DBConnect, um protótipo que explora uma rede social acadêmica e utiliza uma abordagem de recomendação de usuários colaboradores que considera o perfil do usuário-alvo da recomendação explorando 801

3 similaridade entre tópicos de conversas e experiências em conferências entre pesquisadores. Com relação à validação, não foi apresentado, no trabalho, qualquer análise e avaliação dos resultados da abordagem sugerida pelos autores SR e contexto Muniz et al. [9] desenvolveram um sistema multiagente com objetivo de recomendar Objetos de Aprendizagem (OA) para TVs digitais de acordo com o contexto dos usuários. Para isso, eles fizeram uso do padrão T-SCORM para classificar os objetos de aprendizagem e seguiram uma abordagem utilizando Algoritmos Genéticos (AG) para realizar as recomendações dos OA. As características levadas em consideração para realizar as recomendações foram as seguintes: nível de conhecimento, afinidade com o curso e palavras-chave sobre o assunto do OA. Petry et al. [11] apresentaram o ICARE (Intelligent Context Awareness for Recommending Experts), um sistema de recomendação de especialistas para o ambiente corporativo que utiliza o contexto do usuário e do especialista de modo a realizar recomendações mais próximas às necessidades do usuário, facilitando, assim, a colaboração entre eles. O sistema utiliza o contexto do usuário para determinar a especialidade do que é perguntado dentro de um ambiente corporativo e, somado a isso, usa o contexto do especialista para recuperar os especialistas mais aptos a ajudar o usuário. Alguns fatores que influenciam nessa recuperação são os seguintes: grau de especialidade, proximidade física, reputação e disponibilidade. Silva et al. [15] propuseram o SWEETS, um SRE aplicado a uma rede social privada que, entre outras funcionalidades e objetivos, aproxima usuários com especialidades em comum, ora pelos seus conhecimentos ou por seus interesses. O processo de recomendação é baseado em técnicas de contexto, tais como folksonomia e uso e ontologias, que são fundamentais para identificar os especialistas das pessoas de forma mais eficaz. Essa ontologia é refletida por meio da co-ocorrência de tags (conceitos) em relação aos itens (instâncias). Diante dos trabalhos que foram expostos neste documento, percebe-se que, no contexto educacional, existem poucas pesquisas sobre recomendação de especialistas que utilizam informações do contexto tanto do usuário que precisa da recomendação quanto daquele que está mais apto a ajudá-lo. Além disso, as pesquisas que utilizam informações contextuais em suas abordagens não são aplicadas no contexto educacional, que possui suas especificidades, p.e. dúvidas com o professor sobre algum assunto visto em sala de aula ou envio de material didático para outro aluno. Além disso, o SRE inserido dentro de um AVA se torna eficaz, uma vez que, facilitando a colaboração entre professores e alunos [6], pode ser gerado, a partir dessa interação, um grupo de trabalho organizado com foco em um interesse comum, descoberto de maneira informal [11]. 4. MODELO SENSÍVEL AO CONTEXTO PARA RECOMENDAÇÃO DE USUÁRIOS EM AVA Diante da dificuldade dos alunos em encontrar a ajuda necessária para solucionar seus problemas, em fóruns de discussão dentro de um ambiente virtual educacional, que satisfaça os seus interesses, é apresentado, neste documento, o modelo sensível ao contexto para recomendação de usuários em AVA. Uma visão geral do modelo é vista na Figura 1. Esse modelo sensível ao contexto visa identificar o conjunto de especialistas que atenda aos interesses do usuário de forma eficiente, levando em consideração as informações sobre o AVA no qual ele está contido, além das condições que os usuários envolvidos nessa colaboração estão inseridos. Figura 1. Visão geral do SRE proposto Conforme é visto na Figura 1, o sistema apresentado aqui possui quatro módulos principais. São eles: Construção e povoamento da Base de Especialistas, Determinação da especialidade, Identificação dos especialistas e Recomendação dos especialistas. Eles serão descritos nas subseções que seguem, juntamente com o funcionamento do sistema Construção e povoamento da Base de Especialistas Antes de dar início ao processo de recomendação, é necessário povoar uma base de especialistas com dados sobre os usuários, de forma que no momento em que um especialista seja requerido, é possível recuperar todas as suas informações. Além disso, essa base de especialistas é atualizada ao final de todo o processo, de modo a manter as recomendações sempre próximas dos interesses do usuário. As quatro condições para que um usuário seja considerado especialista num determinado assuntos estão relacionadas aos seguintes aspectos: Tempo de contribuição no sistema; Número de contribuições no sistema em determinado assunto; Quantidade de feedbacks recebidos pelo usuário; Relação que ele tem com o usuário. 802

4 Portanto, quanto mais antigo o usuário for dentro do sistema, quanto maior for o número de contribuições do usuário em determinado assunto, quanto maior for o número de feedbacks positivos, quanto menos feedbacks negativos ele receber e quanto mais próximo ele for do usuário, maior será sua chance de ajudalo naquele assunto que foi perguntado Determinação da especialidade A primeira etapa no processo de recomendação de especialistas é encontrar a especialidade que se deverá buscar, ou seja, definir a área do conhecimento humano especializado em que serão buscados os especialistas que ajudarão o usuário/aluno que fez a pergunta dentro de um fórum de discussão do AVA. Nessa etapa, antes de analisar a pergunta, é feito um préprocessamento dela, em que são realizadas operações para retirar os espaços desnecessários entre as palavras e colocar toda a pergunta em minúsculo, além de remover stop-words, que são palavras consideradas irrelevantes para o conjunto de resultados a ser exibido para o usuário (e.g. artigos e preposições), e realizar stemming, que consiste no processo em reduzir as palavras que constituem a pergunta para seu radical. Após a fase de pré-processamento, ocorre a extração do assunto da pergunta. Para isso, serão usadas, neste trabalho, técnicas de semântica de modelos de tópicos. Esse tipo de abordagem constitui de modelos estatísticos que buscam extrair informações semânticas ocultas em uma grande quantidade de dados presente em bases de texto. Eles representam um documento na forma de uma mistura de tópicos onde cada tópico é uma distribuição de probabilidades sobre palavras. Cada distribuição representa um conceito semântico implícito nos dados. Portanto, num modelo de tópicos, as palavras são substituídas por tópicos que representam seu significado de forma resumida [7]. A técnica de modelos de tópicos que será utilizada nessa etapa é a Segmented Topic Model (STM), que difere das demais técnicas de modelos de tópicos por descrever cada documento analisado como uma distribuição diferente e separada de tópicos, o que a faz apresentar um desempenho melhor que as outras técnicas de modelos de tópicos [12]. A saída desse módulo consiste no assunto extraído da pergunta, que servirá para buscar o conjunto de especialistas mais adequados para responder ao que foi questionado Identificação dos especialistas Uma vez que a especialidade requerida foi conhecida, o próximo passo é buscar a lista com os especialistas correspondente. Em outras palavras, essa etapa tem o objetivo de descobrir as pessoas que possivelmente são especialistas no assunto requerido. Portanto, é responsável por varrer uma lista de pessoas cujas especialidades são conhecidas, calculadas ou inferidas pelo sistema e identificar quais são os especialistas no assunto em questão. Primeiro, é preciso definir as informações do contexto do usuário/aluno e do especialista que serão utilizadas nessa etapa, pois é por meio delas que as recomendações se tornam mais próximas aos anseios do usuário que está com dúvida e fez a pergunta. Os critérios escolhidos para recuperar as informações do contexto dos envolvidos nesse tipo de colaboração são os seguintes: Grau de especialidade, para verificar se o usuário possui ou não especialidade no assunto; Reputação do especialista, que é calculada em função das recomendações anteriores e do número de feedbacks positivos/negativos que ele recebeu; Interesses e habilidades do usuário, que estão relacionados às informações que ele disponibiliza no seu perfil (p.e. os assuntos que ele mais gosta de responder) e, também, em função dos assuntos que ele respondeu anteriormente; Disponibilidade, que indica se o usuário está disposto a ajudar naquele momento o usuário; Distância social, que mede o quão próximo o usuário é do outro na rede social acadêmica. Esses critérios são utilizados na composição do vetor de características do usuário candidato a ser um dos especialistas para responder à pergunta 4.4. Recomendação dos especialistas A última etapa desse processo diz respeito à recomendação dos especialistas para o usuário. Uma vez encontrados todos os usuários candidatos a serem especialistas e que, consequentemente, serão recomendados, é necessário classificá-los. Afinal, a ordem de apresentação é importante. Portanto, é necessário dar prioridade aos especialistas mais adequados ao usuário, gerando, assim, um ranking dos especialistas mais aptos a ajudarem o usuário. Essa classificação ocorrerá por meio de uma soma ponderada, em que cada valor do vetor de características terá um peso associado a ele, de modo a obter, no final do processo, um valor que corresponde ao grau de aptidão do usuário a responder à pergunta feita no fórum de discussão pelo aluno. O ranking dos especialistas com os maiores graus de aptidão, portanto, é mostrado na tela do usuário. Dessa forma, ele poderá escolher qual especialista deseja fazer a pergunta diretamente. Ao final do processo de recomendação, as informações do usuário e dos especialistas recomendados servirão para realimentar tanto a Base de Especialistas quanto as informações de contexto 5. RESULTADOS Os resultados até o momento do trabalho aqui descrito são voltados às etapas de revisão bibliográfica e análise dos requisitos do SRE proposto. Em se tratando da revisão bibliográfica do trabalho, foram desenvolvidos dois trabalhos: um Mapeamento Sistemático (MS) e uma Revisão Sistemática (RS) relativos a Sistemas de Recomendação Educacionais, considerando as publicações em eventos do Brasil da área de Informática na Educação nos últimos anos. Os dados obtidos no MS indicaram a evolução histórica das publicações nessa área, que é mostrado na Figura 2, as instituições envolvidas, as técnicas de recomendação mais utilizadas, os principais recursos recomendados, entre outros aspectos. Já os dados obtidos na RS mostraram a forma de avaliação e as métricas utilizadas na validação dos modelos propostos. Com relação à análise dos requisitos do SRE proposto, foi feito estudo sobre a viabilidade do uso da abordagem de Algoritmos Genéticos (AG) no modelo de busca por especialistas. O estudo indicou, na maioria dos trabalhos pesquisados, que o uso de AG ocorre de forma conjunta com as técnicas tradicionais de 803

5 Filtragem de Informação usadas em SR, i.e. Filtragem Baseada em Conteúdo (FBC) e Filtragem Colaborativa (FC). Figura 2. Evolução das pesquisas por ano e fonte de busca 6. CONSIDERAÇÕES FINAIS Este trabalho apresentou a proposta de um modelo de SRE sensível ao contexto do usuário, que faz uma pergunta dentro de um fórum de discussão no âmbito educacional, e também do especialista que pode responder à questão feita. A importância dessa colaboração informal entre aluno e especialista está no início de uma interação que, num primeiro momento pode parecer simples e inofensiva, mas que pode incentivar o surgimento de um grupo de trabalho organizado com foco em um interesse comum, descoberto de forma informal. Como trabalhos futuros, estão a finalização do algoritmo de recomendação de especialistas e a avaliação do modelo sensível ao contexto utilizando ambientes de educação informais, p.e. o Stackoverflow. Portanto, os resultados do trabalho aqui proposto têm a intenção de ajudar à comunidade discente de Ensino à Distância, após a utilização do modelo de recomendação de especialistas que será desenvolvido, além de auxiliar, de forma geral, no processo de ensino e aprendizagem dos alunos. 7. REFERÊNCIAS [1] Bobadilla, J., Ortega, F., Hernando, A., and GutiérrezZ, A. (2013) Recommender systems survey. In Knowledge Based Systems, v. 46, p [2] Bremgartner, V. & Netto, J. F. M. (2011) An Adaptive Strategy to Help Students in e-learning Systems Using Competency-Based Ontology and Agents. In Proceedings of IEEE International Conference on Intelligent Systems Design and Application, ISDA [3] Dey, A. K., and Abowd, G. D. (2001) A Conceptual Framework and a Toolkit for Supporting the Rapid Prototyping of Context-Aware Applications. In Human- Computer Interaction (HCI) Journal, v.16, p [4] Fu, Y., Xiang, R., Liu, Y., Zhang, M., and Ma, S. (2007) Finding Experts Using Social Network Analysis. In Proceedings of IEEE/WIC/ACM International Conference on Web Intelligence, p [5] Horowitz, D., and Kamvar, S. D. (2010) The Anatomy of a Large-Scale Social Search Engine. In Proceedings of International World Wide Web Conference, Raleigh, North California, EUA. [6] Lopes, G. R., Moro, M. M., Wives, L. K., and Oliveira, J. P. M. (2010) Collaboration recommendation on academic social networks, In Proceedings of International Conference on Advances in Conceptual Modeling: Applications and Challenges, November 01-04, Vancouver, Canada. [7] Mauá, D. (2009) Modelos de Tópicos na Classificação Automática de Resenhas de Usuários. Dissertação de Mestrado, Universidade de São Paulo. [8] Müller, L., e Silveira, M. S. (2013) Podes me ajudar? Apoiando a formação de pares em sistemas de ajuda através de técnicas de recomendação. In Anais do XXIV Simpósio Brasileiro de Informática na Educação (SBIE), Campinas, São Paulo. [9] Muniz, R. C., de Sousa, R. C., Neto, F. M. M., e Burlamaqui, A. M. F. (2013) Um Sistema Multiagente para Recomendação de Conteúdos Educacionais para TV Digital Interativa. In Anais do XXIV Simpósio Brasileiro de Informática na Educação (SBIE), Campinas, São Paulo. [10] Petry, H. (2007) ICARE: Um Sistema de Recomendação de Especialistas Sensível a Contexto. Dissertação de mestrado. CIN/UFPE, Recife, Pernambuco. [11] Petry, H., Vieira, V., Tedesco, P, and Salgado, A. C. (2008) ICARE: A Context-Sensitive Expert Recommendation System. In Proceedings of Workshop on Recommender Systems, p , ECAI [12] Riahi, F., Zolaktaf, Z., Shafiei, M., and Milios, E. (2012) Finding expert users in community question answering. Proceedings of 21st International Conference Companion on World Wide Web, WWW 12, Lyon, França. [13] Santos, M. L., Salvador, L. N., e Cruzes, D. (2010) FindYourHelp: an expert search module on Moodle. In Anais do Simpósio Brasileiro de Informática na Educação, v.20, João Pessoa, Paraíba, [14] Shanteau, J., Weiss, D. J., Thomas, R. P., and Pounds, J. C. (2002) Performance Based Assessment of Expertise: How to Decide If Someone is An Expert or Not. In European Journal of Operational Research, vol. 132, n. 2, p [15] Silva, E. M., Costa, R. A., Schmitz, L. R. B., e Meira, S. R. L. (2011) SWEETS: um Sistema de Recomendação de Especialistas aplicado a uma plataforma de Gestão de Conhecimento. In Revista de Informática Teórica e Aplicada (Impresso), v.18, p [16] Souza, C. C. (2011) Um Modelo para o Direcionamento de Perguntas no Contexto de Redes Sociais. Dissertação de mestrado, Universidade Federal de Campina Grande. [17] Wu, C. J., Chung, J. M., Lu, C. Y., Lee, H. M., and Ho, J. M. (2011) Using Web-Mining for Academic Measurement and Scholar Recommendation in Expert Finding System. In Proceedings of International Conference on Web Intelligence and Intelligent Agent Technology, v.1, Lyon, França, p [18] Zaïane, O. R., CHen, J., and Goebel, R. (2009) Mining Research Communities in Bibliographical Data. In Proceedings of Advances in Web Mining and Web Usage Analysis, Berlin, Heidelberg. 804