Sistema de Recomendação Para a Área de Turismo

Sistema de Recomendação Para a Área de Turismo Pedro Pires Gazzana, Sidnei Renato Silveira Faculdade de Informática Centro Universitário Ritter dos Reis (UNIRITTER) CEP 98840-440 Porto Alegre RS Brasil pedrogazzana@terra.com.br, sidnei@uniritter.edu.br Resumo. Este artigo apresenta o desenvolvimento de um protótipo de Sistema de Recomendação, na plataforma web, para a recomendação de pacotes turísticos a usuários. Essa idéia foi elaborada com o intuito de auxiliar usuários a efetivarem uma busca mais precisa por pacotes turísticos, evitando o recebimento de sugestões que não venham lhe interessar. Com a utilização de técnicas de filtragem baseada em conteúdo e informações coletadas de forma explícita e implícita, são sugeridos ao usuário pacotes turísticos que se encaixem no seu perfil. Abstract. This paper presents the development of a recommender system prototype, in the web platform, to the recommendation of tour packages to users. This idea was elaborated in order to help users to give effect to a more precise search for tour packages, avoiding the receipt of suggestions that will not interest you. With the use of filtering techniques based on content and information collected on an explicit and implicit, will be suggested to the User package tours that fit your profile. 1. Introdução Este artigo apresenta o desenvolvimento de um sistema inteligente para a área de turismo - RecomenTur - Sistema de recomendação para área de turismo. A extração dos dados para construção do perfil do usuário foi realizada de forma explícita e implícita e para que sejam geradas as recomendações, utilizou-se a técnica da filtragem baseada em conteúdo. Essa idéia foi elaborada com o intuito de auxiliar usuários com uma busca mais prática e precisa por pacotes turísticos, evitando muitas vezes o recebimento de sugestões que não venham lhe interessar. Com o auxílio das técnicas de Inteligência Artificial esse sistema recomendará pacotes turísticos aos usuários, baseando-se nas informações coletadas através de questionários ou pela própria navegação no sistema, fazendo as recomendações somente de pacotes turísticos que se encaixem no perfil criado pelo sistema. Para a implementação desse trabalho utilizou-se a linguagem de programação PHP juntamente com o banco de dados MySQL, também foram utilizadas outras tecnologias, tais com, JavaScript, Ajax e a biblioteca jquery. O texto deste artigo está dividido em 6 seções. A seção 2 apresenta um breve referencial teórico das áreas envolvidas no trabalho - Sistemas de Recomendação e Turismo. A seção 3 apresenta o Estado da arte, destacando algumas ferramentas

voltadas ao Turismo. A seção 4 descreve a solução implementada. A seção 5 mostra a forma de o sistema será validado. Finalizando o artigo, a seção 6 apresenta as considerações finais sobre o trabalho. 2. Referencial Teórico Esta seção apresenta um breve referencial teórico sobre as áreas envolvidas neste trabalho. Foram estudados conceitos e técnicas de Inteligência Artificial, Sistemas de Recomendação e Turismo. 2.1. Inteligência Artificial e Sistema de Recomendação A Inteligência Artificial (IA) é uma das ciências mais recentes, seus estudos e pesquisas tiveram início logo após a Segunda Guerra Mundial juntamente com os estudos da biologia molecular. Regularmente a IA é citada por cientistas de outras disciplinas como o campo em que mais gostaria de estar pelo simples fato de ser um estudo relativamente novo e ainda ter espaço para novas descobertas (RUSSELL e NORVIG, 2003). Atualmente, sistemas que utilizam técnicas de Inteligência Artificial estão em todas as áreas, podendo atuar em uma grande variedade de campos desde áreas de uso geral, até tarefas específicas, como jogos de xadrez que necessitam de raciocínio ou até tomada de decisões de sistemas complexos que necessitam de um alto grau de segurança. Segundo Russel e Norvig (2003), a IA sistematiza e automatiza tarefas intelectuais, portanto é muito relevante para qualquer área de atividade intelectual humana, podendo ser aplicada em qualquer campo do universo. Entre as áreas de aplicação da IA encontram-se os Sistemas de Recomendação (SR). Estes sistemas têm como objetivo fazer uma personalização individual para cada usuário ou grupo de usuários. Um exemplo para o funcionamento desta personalização seria o casamento entre o perfil do cliente e os produtos ou serviços de uma loja, de tal forma que somente os itens mais interessantes ao cliente sejam recomendados a ele (TORRES, 2004). Segundo Torres (2004) a utilização de sistemas de recomendação gera uma satisfação a todos os clientes que utilizam esse serviço, pois o cliente sente-se único e reconhecido. Outro fator positivo na utilização de sistemas de recomendação é o fato de que os clientes satisfeitos recomendam a loja ou o sistema para amigos, resultando no aumento de seus clientes e posteriormente o lucro. Com o surgimento do comércio eletrônico a internet se tornou um ambiente ideal para a utilização da personalização. Antigamente quando a internet não era tão popularizada a principal ferramenta de marketing eram os catálogos impressos, sendo inviável a personalização, tendo em vista o alto custo de impressão para diversos tipos diferentes de catálogos ou revistas. A partir do alto nível de popularização da internet e o surgimento do comércio eletrônico a internet se tornou um ponto forte na utilização do marketing voltado à personalização. Essa grande vantagem que a internet trouxe, tornou-se capaz pelo fato das suas páginas não terem o mesmo problema que páginas impressas, como custo de impressão e disposição de anúncios. Além disso, o rastreamento dos hábitos dos

usuários torna-se mais fácil pela internet, o que seria praticamente inviável em outros meios de comunicação. A figura 1 apresenta a arquitetura proposta por Schafer (apud BARCELLOS et. al., 2007), que é considerada uma das mais completas. Figura 1 Estrutura de um SR (SCHAFER, 2000 apud BARCELLOS et. al., 2007) Em um sistema de recomendação o processo de identificação do usuário é opcional, porém, quando realizado, constitui a primeira etapa a ser feita, coletando os dados do usuário. Depois de coletados os mesmo são armazenados em uma base de dados, para posteriormente serem utilizados nas recomendações. De posse dos dados dos usuários são criadas as recomendações através de uma estratégia de recomendação definida pelo projetista do sistema. As recomendações criadas são enviadas ao usuário, neste caso através de um web site. Para que um site torne possível que seu conteúdo seja personalizado de acordo com o perfil do usuário é necessário reconhecer esse usuário quando ele acessa o mesmo, existem basicamente duas formas de identificá-lo, por meio de cookie ou login. Quando utilizada a identificação por cookie o usuário e reconhecido automaticamente e na utilização do login é necessário que o usuário informe seus dados de identificação. Para identificar o tipo de perfil do usuário existem duas técnicas possíveis, sendo que se deve escolher uma delas ou utilizar as duas em conjunto; essas técnicas são: Extração Implícita: A criação do perfil do usuário na forma implícita ocorre de uma maneira bem simples, o usuário deve apenas utilizar o sistema e suas informações são coletadas de uma forma transparente, informações do tipo, histórico de compras, itens procurados, menus navegados entre outras. Depois de coletadas essas informações são armazenas em um banco de dados, para posterior utilização (TORRES, 2004). Extração Explícita: Diferente da forma implícita nesse método é necessário que o próprio usuário informe seus conteúdos de interesse, esses interesses podem ser extraídos através de questionários no momento do cadastro de um site, na avaliação de produtos de diferentes áreas, ou diversas outras formas. Depois desses dados coletados cria-se o primeiro perfil e o qual pode ser alterado pelo

próprio usuário ou através de outras perguntas que o sistema poderá fazer diariamente, semanalmente, mensalmente, ou etc. (TORRES, 2004). Depois do usuário identificado e suas informações coletadas é necessário que o sistema gere as possíveis recomendações. Para tal existem duas técnicas principais: Filtragem Colaborativa: A filtragem colaborativa é uma das técnicas de recomendação mais utilizada, empregando a similaridade entre os usuários para gerar as recomendações (TORRES, 2004). O princípio dessa técnica é fazer com que pessoas tenham condições de ajudar outras no processo de tomadas de decisões, na forma que, pessoas com perfil semelhantes são agrupadas (Vizinhos) e os produtos altamente avaliados são recomendados para o grupo (CAZELLA, 2005). Filtragem Baseada em Conteúdo: Diferente da Filtragem Colaborativa a Filtragem Baseada em Conteúdo (FBC) mede a similaridade de produtos para recomendá-los em vez de utilizar a similaridade entre usuários, leva em consideração produtos ou serviços adquiridos anteriormente e recomenda para o usuário itens que sejam similares a esses (TORRES, 2004). 2.2. Turismo Turismo é movimento de pessoas, é um fenômeno social, econômico e cultural que envolve pessoas. É um ramo das ciências sociais e não das ciências econômicas, apesar de que esta última pode ser a razão de tal movimento, o turismo transcende as esferas das meras relações da balança comercial (DUTRA, 2003). O termo turismo é originário da palavra francesa tour que quer dizer viagem circular, derivada do latim tornare girar, arredondar. O fenômeno turístico está relacionado com as viagens, com a visita a um local diverso de residência das pessoas. Assim, o turismo em termos históricos se iniciou quando o homem deixou de ser sedentário e passou a viajar, principalmente motivado pela necessidade de comércio com outros povos. É aceitável, portanto admitir que o turismo de negócios antecedeu o turismo de lazer. Como se vê, o hábito de viagens para outras localidades, por inúmeros motivos, é um fenômeno antigo na história da humanidade. Alguns autores constatam que o turismo teve início na Grécia no século VIII a.c. com a locomoção de pessoas aos jogos olímpicos, outros acreditavam terem sido os fenícios (por serem os criadores da moeda e do comércio), e na antiga Roma (com a criação de estrada no século II a.c.) (SOUSA, 2006.). 3. Estado da Arte Nesta seção são apresentados alguns sistemas que utilizam técnicas de Inteligência Artificial para efetuar recomendações. Nas pesquisas realizadas não foram encontrados sistemas de recomendação específicos que atuem na área de turismo, porém foram encontrados projetos voltados ao assunto. 3.1. SADTUR O SADTUR é um sistema de Apoio à Decisão em Inventário e Diagnóstico Turístico. Esse sistema tem como proposta desenvolver um protótipo de Sistema Especialista (SE)

capaz de organizar diversas informações específicas da área de turismo e, posteriormente, auxiliar tanto os profissionais quanto os graduandos em turismo na definição de etapas de inventários e diagnósticos no planejamento turístico de uma localidade. Para o seu desenvolvimento foram utilizadas cadeias de crenças Bayesianas ou também conhecidas como cadeias de decisão (diagramas de influência). Estas cadeias de decisão, através de dados probabilísticos têm o objetivo auxiliar o usuário/decisor na busca de um desempenho operacional satisfatório ao diagnóstico turístico, considerando os inúmeros parâmetros e restrições operacionais, tais como, ambiente, recursos, finalidade entre outros (MARCONDES, 2003). 3.2. SISTEMA DE RECOMENDAÇÃO BASEADO NA ARQUITETURA MULTIAGENTES (SRBAM) O SRBAM tem como objetivo realizar a construção de uma ferramenta baseada na arquitetura multiagente que seja capaz de recomendar o melhor pacote turístico para um usuário, levando em consideração itens como transporte, hospedagem e atrações. Para que seja realizada a recomendação dos pacotes turísticos são levados em consideração os dados de preferência informados pelo usuário. A partir desses dados o sistema organiza e processa as informações. Quando essa etapa estiver concluída apresenta a recomendação. Depois de receber a recomendação o usuário irá analisá-la e, posteriormente, informar ao sistema através de uma página de avaliação qual foi seu grau de satisfação referente ao pacote turístico recomendado (BURIN, 2007). 3.3. ADS DIGITAL A empresa ADS Digital é especializada no desenvolvimento de assistentes virtuais (AV) também conhecidos como cérebros eletrônicos, que são capazes de interagir com pessoas através de mensagens escritas. Os assistentes virtuais foram desenvolvidos a partir do conceito dos chatterbots, espécie de robôs de conversação que respondem textualmente a perguntas escritas, buscando informações em um banco de dados, mas à medida que os programadores incluíam mais dados no cadastro, mais lento e menos preciso se tornava o chatterbot, resultando algumas vezes em respostas incorretas. Para que seja possível a utilização de AVs são utilizadas inúmeras técnicas de IA, a empresa não divulga tais técnicas, informa apenas que para se chegar a uma resposta o AV procura na base de dados questões semelhantes à efetuada pelo usuário. A principal vantagem da utilização de AVs é que podem ser utilizados em Suporte 24 horas, onde não seria necessária a presença de uma pessoa para informar as respostas ao usuário/cliente (ADS Digital, 2009). 3.4 COMPARATIVO ENTRE OS SISTEMAS Após a apresentação das características dos ambientes estudados, traçou-se um estudo comparativo entre os sistemas encontrados na área de turismo e a solução implementada. Esta comparação é apresentada no quadro 1.

Quadro 1: Comparativo entre os sistemas estudados. Características Sistemas Comparados SADTUR SRBAM ADS Digital Solução Proposta Sistema de Recomendação X X Sistema Especialista X Extração Explicita X X X X Extração Implícita X X Sistema Multiagente Raciocínio baseado em casos Mineração de dados Filtragem baseada em conteúdo X X Filtragem Colaborativa X X X X 4. Solução Implementada Esta seção apresenta de uma forma mais detalhada as etapas que foram necessárias para realizar a implementação do projeto descrito nesse artigo. Também são apresentadas as ferramentas utilizadas e as tecnologias que foram necessárias para o seu desenvolvimento. 4.1 Modelagem do Sistema Nessa seção serão apresentados os diagrama de Use Case (UC) e Entidade- Relacionamento (ER), ambos os diagramas foram utilizados como ferramentas de auxilio no desenvolvimento do sistema RecomenTur. A figura 2 ilustra o diagrama de UC, que tem por finalidade demonstrar as ações que um humano, nesse caso, os atores do UC, podem realizar dentro de um sistema. Para a elaboração deste diagrama foi utilizada a notação UML (Unified Modeling Language).

Figura 2 - Diagrama de UC A figura 3 apresenta o modelo ER do sistema, onde é possível visualizar as tabelas onde ficam armazenadas as informações pertencentes ao sistema, tais como, dados do usuário, respostas do questionário, interesses, dados dos pacotes turísticos entre outros.

Figura 3 Modelo de Entidade Relacionamento

4.2. Ferramentas e Tecnologias Para o desenvolvimento do RecomenTur foram utilizados alguns softwares para auxilio, tais como o Dreamweaver CS4 e Notepad++. O sistema foi desenvolvido utilizando-se a plataforma web e, por esse motivo, a linguagem de programação escolhida foi o PHP (Hypertext Preprocessor Personal Home Page). Como o sistema desenvolvido necessita guardar um grande número de informações, utilizou-se o banco de dados MySQL para realizar essa tarefa. O MySQL foi escolhido por ser um software de livre distribuição e principalmente por apresentar um excelente desempenho e estabilidade. Algumas outras tecnologias foram utilizadas para auxiliar no desenvolvimento do sistema, tais como, a linguagem de marcação HTML (Hypertext Markup Language), a linguagem de script JavaScript, Ajax e a outra tecnologia que foi utilizada e facilitou muito no desenvolvimento foi a biblioteca jquery. Essa última tecnologia citada foi muito importante no desenvolvimento do sistema, sendo utilizada para facilitar o desenvolvimento de técnicas de Ajax pois ela possui muitas funções já pré-definidas, otimizando o desenvolvimento e a visualização do código. A tecnologia Ajax foi utilizada no login do sistema e envio de formulários, pois quando utilizada, evita-se o recarregamento completo das páginas quando alguma ação for solicitada pelo usuário, tornando a desempenho do sistema mais rápido. 4.3. Extração do Perfil do Usuário A criação do perfil do usuário foi dividida em duas partes, através da coleta de forma explícita e implícita. Essas duas formas trabalham em conjunto, ou seja, somente será possível recomendar um pacote turístico ao usuário quando esses dois perfis tiverem sido criados. Para a extração explícita é solicitado que o usuário preencha um questionário no momento em que for se cadastrar no sistema. Após todas as perguntas serem respondidas o questionário é submetido e armazenado no banco de dados, é então criado o primeiro perfil explícito do usuário. É importante ressaltar que esse perfil pode ser alterado a qualquer momento pelo usuário, basta acessar o link correspondente a essa ação no menu do sistema. Quando é realizada alguma alteração o usuário precisa refazer o login no sistema. A figura 3 apresenta a interface contendo o questionário que deve ser preenchido pelo usuário.

Figura 3 Questionário aplicado ao usuário Quando realizado o cadastro no sistema o usuário automaticamente recebe valores padrões em seu questionário. Neste caso as recomendações serão realizadas, porém, de forma incorreta. Sendo assim, no término da primeira etapa do cadastro onde é informado o nome, data de nascimento e e-mail, entre outros dados, solicita-se ao usuário que efetue o preenchimento do questionário, caso ele não efetue, ficará sendo apresentado para ele um aviso em todas as telas do sistema. Diferentemente da primeira forma de extração de dados, a implícita é realizada a partir da interação do usuário com o sistema, de forma que todas as ações que o usuário realizar quando estiver logado são armazenadas e depois utilizadas para gerar as recomendações. Essas informações não podem ser alteradas pelo usuário. O sistema se encarrega de manter as informações atualizadas, ficando todos os interesses do usuário armazenados no banco de dados, sendo que, somente os 3 últimos interesses serão utilizados para gerar as recomendações. Essa extração de informação na forma implícita é realizada através dos cliques no menu ou através das palavras que foram digitas no campo de busca. Caso o usuário não esteja identificado no sistema e clique nos links ou busque alguma palavra nada será armazenado. 4.4. Recomendações ao Usuário Para que a recomendação gerada pelo sistema possa ser informada para o usuário existem duas formas de apresentação. Uma delas é feita a partir da solicitação do próprio usuário e a outra forma é realizada pelo próprio sistema, através da classificação dos pacotes encontrados em uma determinada localidade. A primeira forma de recomendação ocorre quando o usuário está logado no sistema e faz a solicitação de recomendação clicando no link Pacotes Recomendados no menu principal, então, o sistema aplica o algoritmo de recomendação, que será explicado na próxima seção e apresenta os resultados ao usuário. Cabe ressaltar que só

são indicados pacotes ao usuário caso o grau de similaridade seja igual ou superior a 85%, para essa forma de recomendação o sistema leva em consideração as 3 últimas palavras chaves-armazenadas nos interesses do usuário. A figura 4 mostra a forma como as palavras-chave são armazenadas. Figura 4 Armazenamento das palavras-chave Nota-se que, no exemplo da figura 4 o usuário logado tem os destinos Três Coroas, Bento Gonçalves e Chuí armazenados nos seus itens de interesses. Desta forma, para gerar a recomendação, o sistema aplicará o algoritmo de recomendação nesses três destinos e caso encontre um ou mais pacotes que tenham similaridade acima de 85% recomendará os mesmos ao usuário. A forma de recomendação por classificação não leva em consideração as palavras armazenadas nos itens de interesse e, sim, a cidade que o usuário está consultando naquele momento no site. O sistema aplica o algoritmo de recomendação nos pacotes encontrados nesse destino e os classifica de acordo com as preferências do usuário. Para um melhor esclarecimento a figura 5 mostra como é apresentada a recomendação por classificação. Figura 5 Recomendação por classificação

A figura 5 mostra os pacotes turísticos encontrados na cidade de Cambará do Sul, classificados de acordo com o perfil do usuário. Pode-se perceber que a classificação dos pacotes ficou dividida entre Recomendados para você e Outros pacotes. Para realizar essa divisão definiu-se que, com um percentual acima ou igual a 65% o pacote é indicado para o usuário. As etapas do algoritmo para geração das recomendações são descritas a seguir: Identificar a seção do site em que o usuário está navegando; Aplicar o algoritmo de recomendação utilizando a área atual que o usuário está navegando (destino) e os dados contidos no perfil explícito do usuário; Verificar qual o percentual para recomendação estipulada no sistema, no caso todos os pacotes que tiverem uma similaridade superior a 65% serão classificados como recomendados a esse usuário; Apresentar os pacotes ao usuário. Independentemente se a forma de recomendação ao usuário for por classificação ou por solicitação existe a opção do usuário solicitar mais informações, sendo apresentados mais detalhes sobre o pacote solicitado, podendo o usuário contratar ou não tal pacote. Essas informações, então, ficam armazenadas no histórico do usuário e são utilizadas nas próximas recomendações, compondo o perfil do mesmo. 4.5. Algoritmo de recomendação O algoritmo de recomendação do sistema consiste basicamente em 3 etapas principais: consulta ao banco de dados, processamento e apresentação da recomendação ao usuário. Primeiramente, quando o usuário efetua o login no sistema, todas as informações contidas em seu perfil explícito são carregadas para variáveis de sessão. Essas variáveis ficam armazenadas em memória e evitam que a cada solicitação seja necessária uma nova conexão com o banco de dados, tornando essa etapa relativamente mais rápida. Esses dados são armazenados em variáveis porque serão utilizados no momento em que for realizada a comparação dos dados do usuário com os dados contidos no pacote turístico. Para uma melhor compreensão, a figura 6 demonstra as etapas necessárias para gerar as recomendações. Figura 6 Etapas seguidas para gerar a recomendação.

Para realizar o processamento das informações e posteriormente as recomendações, foram definidas algumas regras junto aos especialistas da área de turismo, dividindo-se a lógica do algoritmo de recomendação em 3 sequências principais: histórico, fatores eliminatórios e fatores de classificação. Quando solicitada uma recomendação, o sistema verifica se o pacote já foi recomendado ao usuário, caso conste e tenha sido recusado ele não é recomendado novamente. A qualquer momento o usuário poderá alterar seu histórico de recomendações através do link histórico, localizado no menu principal. Os fatores eliminatórios são as características do pacote que devem ser exatamente iguais às características contidas no perfil explícito do usuário; caso ao menos uma dessas características seja diferente o algoritmo é encerrado para esse pacote e a recomendação é classificada como não recomendada ao usuário. As características classificadas como eliminatórias são: 1. Valor do pacote: não deve ultrapassar o limite estabelecido pelo usuário; 2. Tipo de viagem: se o usuário não gosta de praia, não são recomendados pacotes desse tipo. 3. Compras: se o usuário não gosta de fazer compras em suas viagens, não deve ser mandado para um destino que conte somente com esse apelo. No item número 1 estipulou-se uma tolerância de 10% sobre o valor que o usuário destina a suas viagens. Os fatores classificatórios são numerados de 1 a 4, tanto no perfil do usuário como no pacote turístico. Os dados são comparados através da diferença entre os dois valores e depois é gerada uma média entre todos os valores para saber o grau de similaridade. Para que fique mais claro seu funcionamento o quadro 2 apresenta um exemplo. Pacote Turístico Nível de Esporte: 1 Nível de gastronomia: 3 Nível de festas: 4 Quadro 2: Fatores Classificatórios Perfil do Usuário Você gosta de esporte: 3 Você aprecia gastronomia: 2 Você gosta de festas: 4 O quadro 2 mostra como as informações são armazenadas no banco de dados para o cliente ou o profissional de turismo, elas estão em forma de mensuração do seguinte modo: 1. Não gosto / Não presente 2. Gosto / Presente 3. Mais ou menos 4. Gosto muito / Muito Presente A informação só é comparada com o perfil do usuário caso ela esteja presente no pacote turístico. Para chegar aos valores de diferença apresentados no quadro 2 aplica-se a seguinte lógica:

Esporte: (1 3) = -2 este valor não será utilizado, pois, essa característica não estar presente no pacote turístico. Gastronomia: (3-2) = 1 Festa: (4-4) = 0 Todos os valores são utilizados na forma positiva (+), caso o valor seja negativo (-) é aplicada uma função específica para convertê-lo. Depois das diferenças encontradas os valores são transformados em percentual, seguindo a lógica da tabela 1. Tabela 1: Percentuais correspondentes Diferença Percentual 0 100% 1 80% 2 50% 3 30% Por fim, o cálculo final é feito através da formula padrão para se calcular a média, sendo realizado da seguinte forma: ( 80% + 100% ) 2 = Similaridade de 90%. Todos os cálculos, fórmulas e os percentuais apresentados, tiveram seu desenvolvimento acompanhado pela especialista da área de turismo que acompanhou o desenvolvimento desse sistema. 5. Validação Esta seção apresenta a forma aplicada na validação do sistema implementado, bem como os resultados obtidos nas avaliações realizadas pelos usuários convidados a participar deste processo. 5.1 Processo de Validação Para tornar possível a validação, o sistema implementado foi hospedado em um servidor web, sendo que os usuários e especialistas convidados para fazer parte da validação do sistema receberam o link para acesso. Primeiramente os avaliadores precisaram realizar o cadastro para acesso ao sistema, além de preencherem o questionário responsável pela coleta dos dados de forma explicita. Depois de concluírem estas etapas, puderam acessar o sistema e posteriormente avaliá-lo. Foram criados dois grupos de usuários, sendo o primeiro grupo composto pela especialista que acompanhou o desenvolvimento desse projeto e mais dois especialistas da área de Turismo. O segundo grupo foi composto por usuários escolhidos de forma aleatória, desde que não possuíssem um conhecimento mais específico sobre a área de Turismo. Após a utilização do sistema foi aplicado a cada um dos grupos um questionário de avaliação, sendo esse composto por perguntas diferentes para cada um dos grupos. Ambos os questionários foram compostos por perguntas de múltipla escolha. Os questionários são apresentados nos Anexos A e B.

5.2 Perfil dos(as) Especialistas Nesta seção apresenta-se o perfil dos especialistas que avaliaram o sistema, incluindo sua formação e algumas experiências profissionais na área de Turismo. A primeira especialista a fazer parte da validação formou-se em Turismo no ano de 2003, tendo atuado na área de turismo estudantil por 2 anos; foi estagiária na empresa na qual trabalha hoje e posteriormente ficou afastada da área de turismo por 6 anos. Em abril desse ano voltou para a área de turismo sendo contratada pela empresa Macchi Viagens & Turismo. A declaração de sua participação na validação do sistema pode ser vista no anexo C. A segunda especialista que participou da validação do sistema concluiu sua graduação em Turismo com ênfase em hotelaria no ano 2007, trabalhou na Business Line Agência de Viagens e Turismo como agente de viagens, trabalhou como atendente na Tam Viagens Operadora, entre outras experiências. Atualmente trabalha como turismóloga e empresária na empresa Sinal Viagens e Turismo. A declaração de sua participação na validação do sistema pode ser vista no anexo D. A terceira especialista que participou da validação do sistema é formada em Turismo com ênfase em hotelaria, graduando-se em 2003. Como experiências profissionais citam-se as atuações na Business Line Agência de Viagens, Costa Bella Agência de Viagens e, atualmente, na Villa Travel Agência de Viagens. Nas referidas experiências, a especialista atuou no cargo de agente de viagens. A declaração de sua participação na validação do sistema pode ser vista no anexo E. 5.3 Resultados Obtidos Participaram da avaliação um total de 15 usuários, sendo 3 especialistas e 12 usuários sem conhecimento específico na área de Turismo. Para os 12 usuários foram aplicadas 6 perguntas de múltipla-escolha e no final do questionário foi reservado um espaço para criticas e sugestões. O questionário aplicado pode ser visto no nexo A. Com relação à pergunta: Você leu a explicação contida na página inicial do sistema? Caso tenha lido, você entendeu qual o objetivo principal do sistema? 91,67% dos usuários responderam que leram e entenderam o objetivo principal do sistema e apenas 8,33% responderam que não leram a explicação, mas entenderam o objetivo principal do sistema. A segunda pergunta apresentada foi dividida em sub-perguntas e teve como objetivo avaliar a interface do sistema, facilidade de navegação, questionário de perguntas e por fim as recomendações fornecidas. Com relação à interface do sistema 33,33% dos usuários consideraram-na ótima, 41,67% responderam muito bom e 25% responderam bom. Referente à facilidade na navegação 75% dos usuários responderam ótimo e 25% responderam muito bom. Quando solicitado avaliar o questionário de perguntas 50% responderam ótimo, 33,33% responderam muito bom e 16,67% responderam bom. Com relação à avaliação da recomendação gerada pelo sistema os resultados obtidos podem ser vistos na figura 7.

Avalie as recomendações fornecidas a você 8% 8% 33% Ótimo Muito Bom Bom Regular Péssimo 51% Figura 7 Resultados obtidos referente às recomendações geradas para os usuários Como se vê no gráfico da figura 6, a maioria dos usuários (51%) respondeu que as avaliações fornecidas foram muito boas, 33% responderam que foram ótimas, 8% responderam boas e também 8% responderam que foram regulares. Com relação às perguntas: Você realizou o preenchimento do questionário sobre as suas preferências de forma correta para você? e Caso o sistema RecomenTur deixasse de ser apenas um protótipo, você se tornaria usuário dele? 100% dos usuários responderam Sim, realizei de forma correta e Sim me tornaria usuário, respectivamente. Com relação à pergunta: Você considera que as recomendações fornecidas pelo sistema RecomenTur foram realizadas de forma correta? 83,33% dos usuários responderam Sim, as recomendações foram realizadas de forma correta e 16,67% responderam Sim, em parte. Por fim, foi perguntado aos usuários: De forma geral, o que você achou do sistema RecomenTur?, os resultados obtidos nesta questão podem ser vistos na figura 8. De forma geral, o que você achou do sistema RecomenTur? 67% 33% Ótimo Muito Bom Bom Regular Péssimo Figura 8 Resultados obtidos na pergunta: De forma geral, o que você achou do sistema RecomenTur?

No gráfico apresentado na figura 8, pode-se notar que 67% dos usuários que responderam o questionário classificaram o sistema RecomenTur como muito bom e 33% o classificaram como ótimo. Para os especialistas que avaliaram o sistema foram aplicadas 5 perguntas, também de múltipla-escolha. O questionário aplicado aos especialistas pode ser visto no anexo B. Com relação à primeira pergunta aplicada aos especialistas: A maioria dos clientes que procuram a sua agência de Turismo sabe realmente o tipo de pacote turístico que deseja contratar? Todos os especialistas responderam: A maioria dos clientes procuram algum agente de viagem e solicitam uma sugestão. Com relação à pergunta: Você achou interessante a idéia principal do sistema? todos responderam achei interessante e pode auxiliar muito os clientes. Na terceira pergunta feita aos especialistas, se as recomendações estão sendo gerada de forma correta com base nas informações fornecidas pelos usuários através do questionário, 2 especialistas responderam Sim, as recomendações estão sendo geradas de forma correta e 1 respondeu Em parte. Com relação à pergunta: Você acha que o sistema RecomenTur poderia ser utilizado como uma ferramenta de auxílio dentro das agências de turismo? todos os especialistas avaliaram positivamente: Sim, acho que ele poderia ser perfeitamente adaptado a uma agência de turismo. Para essa pergunta foi deixada uma sugestão, onde um dos especialistas sugeriu que o sistema RecomenTur fosse adaptado no próprio site da empresa de turismo que se interessasse pelo sistema. A última pergunta feita aos especialistas foi De forma geral, o que você achou do sistema RecomenTur?, dos 3 especialistas que participaram da avaliação 2 avaliaram como ótimo e 1 como muito bom. 6. Considerações Finais O desenvolvimento deste trabalho de conclusão teve início na disciplina de TCC I, no primeiro semestre de 2009 e teve como principal objetivo a criação de um projeto, composto por definições e modelagem. Foram realizados estudos, pesquisas voltadas ao turismo e levantamento de requisitos necessário para seu desenvolvimento. Nesta primeira parte do trabalho foram aplicados diversos conceitos e teorias estudadas no decorrer destes cinco anos de estudo para a concretização do Bacharelado em Sistemas de Informação no Centro Universitário Ritter dos Reis. Todas as pesquisas foram realizadas através de livros didáticos e materiais encontrados na internet, como, artigos, teses e trabalhos de conclusão, também foram utilizados sites que aplicam técnicas de Sistemas de Recomendação para seu funcionamento. No inicio do segundo semestre de 2009, já na disciplina de TCC II o projeto anteriormente proposto foi implementado, e por fim concluído. Durante a sua implementação todas as pesquisas realizadas na disciplina de TCC I foram utilizadas e algumas novas pesquisas tiveram que ser realizadas. Destaca-se que, no decorrer de todo este projeto, muitos novos conhecimentos na área de turismo foram adquiridos, algumas

áreas que já eram mais conhecidas tiveram seu conhecimento ampliado e outras em que o conhecimento era quase nulo foram descobertas e aprofundadas. Como a Inteligência Artificial é um assunto relativamente novo quando comparado com outras tecnologias, a principal dificuldade encontrada para o desenvolvimento desse projeto envolveu o levantamento de materiais bibliográficos, destacando-se que não foi encontrado nenhum sistema que atue com turismo e IA para recomendar pacotes turísticos. Além disso, outras dificuldades encontradas foram: Definição do algoritmo de recomendação: por ser um algoritmo bem complexo, foram necessários muitos ajustes até o seu perfeito funcionamento; A época de validação do sistema tornou difícil a comunicação e avaliação junto aos especialistas, muitas pessoas procuram essa época do ano para viajar e os agentes de viagem acabam ficando sem tempo para realizar outras atividades; Pelo fato do sistema ser um protótipo, destinando-se, neste momento, somente ao Rio Grande do Sul, foi encontrada uma pequena dificuldade no cadastro dos pacotes turísticos, por não existirem muitas cidades turísticas nessa região; Padronização do sistema, ou seja, tornar o sistema acessível em todos os browser. Essa etapa não foi totalmente concluída, o sistema só tem perfeito funcionamento no Internet Explorer 7 ou superior e Firefox 3 ou superior, ambos na resolução 1024x768 ou 1280x800. Quando se aplicou o questionário de avaliação aos usuários e especialistas, algumas sugestões foram trazidas para o melhoramento do sistema. Algumas foram escolhidas como melhorias a serem implementadas futuramente no sistema: Maior detalhamento no cadastro do pacote turístico; Inclusão de fotos para os pacotes turísticos; Adaptar o sistema para perfeito funcionamento em todos os browsers; Envio automático das recomendações via e-mail; Otimizar o algoritmo responsável pela classificação e recomendação dos pacotes turísticos, tornando seu processamento mais rápido; Aperfeiçoar a parte destinada aos administradores do sistema; Por fim, acredita-se que todos os objetivos proposto para esse projeto foram alcançados, mediante muita pesquisa e dedicação e considera-se que o sistema é totalmente aplicável à área de turismo. Referências Bibliográficas ADS Digital, 2009. Site da ADS Digital; Disponível em: <http://www.adsdigital.com.br>. Consultado em 02 de Junho de 2009. BARCELLOS et. al. 2007. Sistema de Recomendação Acadêmico para Apoio a Aprendizagem. Disponível em: < <http://www.cinted.ufrgs.br/ciclo10/artigos/3fdaniela.pdf> Consultado em 18 de Maio de 2009.

BURIN, Paulo; LORENZI, Fabiana. 2007. Sistema de Recomendação Baseado na Arquitetura Multiagente. Disponível em: <http://guaiba.ulbra.tche.br/pesquisas/2007/artigos/sistemas/230.pdf> Consultado em 21 de Junho de 2009. CAZELLA, Eliseo. 2005. Sistemas de Recomendação. Disponível em: <http://www.inf.unisinos.br/~cazella/papers/enia2005.pdf> Consultado em 18 de Maio de 2009. DUTRA, Wagner. 2003. Turismo é. Disponível em: <http://www.revistaturismo.com.br/materiasespeciais/turismoe.html> Consultado em 18 de Maio de 2009. MARCONDES, Jorge. 2003. SADTUR Sistema Especialista De Apoio À Decisão Em Inventário E Diagnóstico Turístico. Disponível em: < http://www.tede.ufsc.br/teses/pcad0587.pdf> Consultado em 22 de Junho de 2009. RUSSEL, Stuart; NORVIG, Peter. Inteligência artificial. Rio de Janeiro, RJ: Campus, 2004. SOUSA, Luziana. 2006. Desenrolo Histórico do Turismo no Mundo e no Brasil. Disponível em < http://www.eumed.net/libros/2006c/194/1b.htm> Consultado em: 18 de Maio. 2009. TORRES, Roberto. Personalização na Internet. São Paulo, SP: Novatec, 2004.

ANEXO A

ANEXO B

ANEXO C

ANEXO D

ANEXO E