Recuperação de informação em sistemas de recomendação : análise da interação mediada por computador e dos efeitos da filtragem colaborativa na seleção de itens no website da Amazon.com

Abstract

Como os interagentes selecionam conteúdo sob a influência dos sistemas de recomendação digital é o problema de pesquisa apresentado nesta tese. A abundância de dados nos repositórios digitais exige sistemas de recuperação de informação eficazes para auxiliar o usuário na gestão e na seleção de itens de informação. Desta forma, o objetivo geral deste trabalho pretende investigar o comportamento dos interagentes na seleção de itens frente ao sistema de recomendação digital do website da loja virtual Amazon. O sistema de recomendação da Amazon foi investigado com a intenção de se compreender como o usuário utiliza um sistema automatizado de listas de referências em forma de recomendação de conteúdo. O funcionamento dos sistemas de recomendação é fundamentado com a proposta de conhecer suas características e funcionalidades. Como o problema de pesquisa tem em sua temática a recomendação de itens de informação, tornou-se necessário compreender como os usuários interagem com os sistemas para perceber como as recomendações são feitas. O aporte teórico desta pesquisa aproxima os estudos dos campos da Informação e da Comunicação. As técnicas de pesquisas aplicadas envolvem métodos de pesquisa qualitativa. Ao distinguir as recomendações a partir das interações reativas e mútuas dos usuários, propõe-se nesta tese a Matriz de Recomendações de Itens de Informação constituída pelos seguintes quadrantes: Recomendações Objetivas Digitais; Recomendações Subjetivas Digitais; Recomendações Objetivas Analógicas e Recomendações Subjetivas Analógicas. Digitais; Recomendações Objetivas Analógicas e Recomendações Subjetivas Analógicas. Para analisar o comportamento dos interagentes no uso dessas recomendações, a estratégia metodológica aplicou entrevista em profundidade e observação direta. Os resultados desta pesquisa consideram que o internauta recorre a mais de um tipo de recomendação quando a seleção envolve conteúdo significativo, enquanto segue passivamente sistemas de recomendações automatizados quando o custo pessoal diretamente aplicado é baixo ou inexistente.

As the interacting select content under the influence of digital recommender systems is the research problem presented in this thesis. The abundance of data in digital repositories recovery requires effective information systems to assist the user in the management and selection of information items. Thus, the objective of this study was to investigate the behavior of the interacting in the selection of digital items across the recommendation of the Amazon’s bookshop website. The Amazon's recommendation system was investigated with the aim of understanding how the user uses an automated reference lists in the form of content recommendation. The performance of recommender systems is founded with the purpose of knowing their characteristics and functionalities. As the research problem is in your subject to the recommendation of information items, it became necessary to understand how users interact with this system to understand how the recommendations are made. The theoretical contribution of this research approaches the fields of Information and Communication. The technique applied involves qualitative research methods. By distinguishing the recommendations from reactive and mutual interactions of users, is propos in this research the Model of Recommendation Information Items consist of the following quadrants: Digital Objective Recommendations; Digital Subjective Recommendations; Analog Subjective Recommendations and Analog Objective Recommendations. To analyze the behavior of interactors in the use of these recommendations, the methodological strategy applied in-depth interviews and direct observation. The results of this research consider that the Internet uses more than one type of recommendation when the selection involves significant content, while passively follows recommendations of automated systems when applied directly to the personal cost is low or nonexistent.