La descarga está en progreso. Por favor, espere

La descarga está en progreso. Por favor, espere

University of Hawaii at Manoa

Presentaciones similares


Presentación del tema: "University of Hawaii at Manoa"— Transcripción de la presentación:

1 University of Hawaii at Manoa
“Sistemas de filtrado: un puente tecnológico entre oferta y demanda de información en línea al servicio de la toma de decisiones” Luz M. Quiroga, University of Hawaii at Manoa Honolulu, HI 96822

2 Tecnologias de Comunicación e informacion
Biblioteca digital, bases de datos de especialistas Incrementan intercambio, transferencia de información Filtrado individual o colaborativo; redes virtuales / redes de conocimiento (knowledge networking) Producción del conocimiento

3 Sistemas de Filtrado: algunos conceptos
Sistemas de Filtrado versus sistemas de recuperacion Modelado del usuario: Perfiles de interes Tipos de filtrado: basado en conocimiento, basado en comportamiento, filtrado colaborativo / social Fuentes para el filtrado: repositorios formales (e.g. bibliotecas) e informales (redes de conocimiento) Ventajas y riesgos de estas tecnologias: privacidad

4 Recuperación de información (RI) Filtrado de información (FI)
Búsqueda Usuario activo; estrategia de búsqueda Necesidad de información inmediata, temporal FI: Sistema mantiene un perfil de interés de la persona Sistema entrega información Usuario pasivo; recibiendo información Necesidad de informacion permanente

5 Filtrado de información (FI)
Propósito del filtrado de información: Reducir la sobrecarga de información (information overload) Reducir la carga cognocitiva (cognitive load)

6 Perfiles de interés Preocupación principal del FI: Adquisición y modelamiento de los intereses de los usuarios Contenido: Hábitos de consumo de información; temas, autores que lee; datos demográficos Información contextual; situación y responsabilidades laborales, proyectos; región; eventos, etc. Condición de salud, ej. enfermedad, intolerancias, propensión a enfermedades, discapacidades Malone; Ram; Belkin & Croft, Oard & Marchionini; Quiroga

7 Tipos de filtrado 1. Basado en el conocimiento
Perfiles definido explícitamente por y para un individuo (mayor esfuerzo) Filtran información de repositorios formales (e.g. bibliotecas digitales; bases de datos) Aceptados por el control que la persona ejerce en la creación del perfil, quien los considera confiables Ejemplos; Sifter: Indiana Univerisity / noticias en salud; Axiom: servicio de “Institute of Physics Publishing” – alerta para bases de datos bibliograficas Personalized Text, sistema que ajusta hypertexto a las preferencias, metas y antecedentes del estudiante (Kay & Kummerfeld)

8 Tipos de filtrado 2. Basado en el comportamiento del individuo
Perfiles definido por el sistema, quien observa el comportamiento e interacción usuario – información (sitios que visita, tiempo de la visita, mensajes que lee o descarta, libros que compra Filtran información de repositorios informales (e.g. web, redes y foros virtuales de conocimiento) Aplicación típica: correo electrónico, comercio electrónico

9 Tipos de filtrado: 3. Filtrado colaborativo
Basado en el comportamiento de personas afines, pares: Filtrado colaborativo Encuentra pares y basa sus recomendaciones en los gustos de los paree; basado en “agentes”: software que actúa por el usuario, buscando, seleccionando y entregando información priorizada [Maes] Perfiles definido por el sistema, usando generalmente técnicas de minería de datos (reconocimiento de asociaciones y patrones) Filtran información de repositorios informales (e.g. web, redes y foros virtuales de conocimiento / community of practices) Ejemplos: Amazom. com MIT: ExpertFinder, Yenta: encuentra grupos de personas con intereses comunes

10 Fuentes y recursos propicios para el filtrado
Fuentes formales: bibliotecas digitales, bases de datos conocimiento explicito Fuentes informales: espacios de discusión, Conocimiento implícito Permite discutir fracasos Mentores, community of practice / red de conocimiento Weblog, bookmarks Maarek & Shael: “Siteseer” infiere comunidades de usuarios con intereses similares a partir de comportamientos comunes al agrupar “bookmarks” Kanawati & Malek: “CoWing” (Collaborative Web Indexing system); un agente interactúa con otros agentes a fin de conseguir nuevos “bookmarks” para sus clientes

11 Sistemas de reputacion
Relacionado con el filtrado colaborativo Ayudan a las personas y a los agentes virtuales a contar con información sobre desempeño de pares; confiabilidad Ejemplos: Amazon: reseñas de libros hechos por usuarios; motores de búsqueda: links a un sitio Ideas provenientes de técnicas bibliometricas; evaluación de pares (peer review)

12 Elementos de un sistema que integre busqueda y filtrado
Ontología general (3) Sistema de filtrado (5) Biblioteca digital (1) Directorio expertos (2) Perfiles, ontología personal (6) Sistema de recuperación (4) WEB Diarios (weblogs), favoritos (bookmarks) (8) Foros virtuales (7)

13 Tecnologias de filtrado: ventajas y riesgos
Reducion de la sobrecarga de informacion Ahorro tiempo y esfuerzos Ayuda a descubrir recursos creados por otros Aumenta la visibilidad de recursos que nosotros creamos

14 Tecnologías de filtrado: ventajas y riesgos
Riesgos: Privacidad Se refiere al deseo de los individuos de que, en general, la información sobre ellos no se haga disponible a otras personas u organizaciones y que cuando ellos hayan decidido dar información, tengan un buen nivel de control sobre sus datos. Llenar formularios en linea; Cookies; necesario para filtrado pero se puede perder anonimato

15 Tecnologías de filtrado: ventajas y riesgos
Riesgos: Privacidad Técnicas de protección: encriptado, firmas digitales, contraseñas: no 100% confiables Principio de la publicidad Moor aplicado a mineria de datos: Responsabilidad debe recaer en los creadores de los sitios web y no en los usuarios: deben informar cuando se usa mineria de datos de modo que el usuario o los agentes virtuales tenga opción de usar o no el sistema Avance: P3P: plataform for privacy preference: un protocolo sugerido por el W3C que permite a los creadores de un sitio web seguir el principio de Moor, al llenar una forma explicitando sus politicas de privacidad Fomento de valores éticos puede ser mas efectivo. Cyber ethics: campo de estudio interdisciplinario a ciencias de la computación, ciencias de la información, sociología, economía, psicología social y del comportamiento, filosofía, leyes, entre otras (Tavani, 2004).


Descargar ppt "University of Hawaii at Manoa"

Presentaciones similares


Anuncios Google