Tendncias Tomada de Deciso computacional

Maria Augusta Silveira Netto Nunes Universidade Federal de Sergipe DCOMP. Cidade Universitria So Cristovo-SE Christian Nunes Aranha Cortex Intelligence CortexLabs. Rio de Janeiro-RJ gutanunes@dcomp.ufs.br; christian.aranha@cortex-intelligence.com

RESUMO
Este artigo descreve aspectos da tomada de deciso computacional implementadas atravs de uma tcnica de Inteligncia Artificial intitulada Sistemas de Recomendao. Os Sistemas de Recomendao, so responsveis pela personalizao de informaes, produtos e servios aos humanos na web. No entanto, infelizmente, a personalizao baseada em aspectos psicolgicos humanos tm sido negligenciado pelos projetistas e desenvolvedores de sistemas Web. Esse artigo apresenta um estudo que demonstra indcios importantes de como esses fatores psicolgicos influenciam tomada de deciso computacional, incluindo algumas potenciais aplicaes em Sistemas de Recomendao.

informaes adicionais relacionadas a habilidades sociais e psicolgicas humanas, tais como, Traos de Personalidade e Emoo. Esse artigo organizado como segue: apresenta-se um breve estado da arte de como os aspectos psicolgicos vem sendo tratados pela Cincia da Computao. Seguido de definies sobre Personalidade e a abordagem adotada nesse trabalho. Define-se Identidade Virtual atravs do uso de Perfil de Usurio e Reputao. A seguir, apresenta-se, brevemente, Sistemas de Recomendao e Combinao Social juntamente com seus potenciais cenrios de aplicao. Finalmente, apresenta-se algumas referncias sobre Estudo de Casos j implementados que usam essa nova abordagem, seguido pelas concluses e referncias bibliogrficas.

Palavras-Chave
Sistemas de Recomendao, Identidade, Traos de Personalidade, Tomada de Deciso, Markup Language.

2. ASPECTOS PSICOLGICOS
Atualmente, como descrito anteriormente, Perfis de usurio com detalhes psicolgicos humanos no so a principal preocupao de projetistas e desenvolvedores de sistemas Web. Estudos recentes de psiclogos, neurologistas, antroplogos e cientistas computacionais [6], [34], [11], [26], [27], [28], [37], [35] tem demonstrado quo importante os aspectos psicolgicos humanos, tais como Traos de Personalidade e Emoes, so durante o processo de tomada de deciso humana. Felizmente, algumas pesquisas vem sendo realizadas por cientistas, principalmente, de Computao Afetiva focando na identificao e na modelagem da Emoo do usurio em sistemas computacionais ([25], [20], [27], [28], [26]). Pesquisadores pertencentes ao W3C Emotion Incubator Group [38] tm ampliado esforos para definio de uma padronizao de uma Markup Language para representar Emoes. Entretanto, esse mesmo esforo no tem sido aplicado Personalidade. Existem alguns trabalhos incipientes nessa linha em [23].

1. INTRODUO
Atualmente a Web como uma fonte de entretenimento, cultura, servios e produtos indispensvel e essencial para as atividades dirias humanas. Algumas vezes ela considerada pelas pessoas como uma vida paralela (como no www.secondlife.com), onde tudo pode ser encontrado, feito e, onde tudo disponvel. Nesse tipo de ambiente, onde os humanos podem virtualmente viver e usar qualquer recurso real/virtual para alcanar o desejado, a personalizao das informaes, produtos e servios oferecidos aos usurios fundamental. No importa que tipo de recurso na Web seja utilizado, em todos casos, o computador estar potencialmente tomando decises e trabalhando com, e, para as pessoas. Assim, para o computador, o entendimento da natureza psicolgica humana extremamente relevante e necessria para que possa melhorar seu nvel de personalizao ao usurio, otimizando a interao homemmquina. No percurso para se atingir a mnima compreenso dessa otimizada interao tem-se observado como os humanos procedem nos seus processos de recomendao na vida real. Nota-se que humanos usam em suas recomendaes informaes mais complexas que informaes efetivamente usadas por um computador. Isto , usualmente, sistemas computacionais usam informaes tais como competncias, preferncias, informaes demogrficas dos usurios, entre outras, para a tomada de deciso e posterior recomendao de uma informao, produto ou servio. Em contraste, humanos, quando tomam decises, recomendam e personalizam informaes, produtos e servios para outros humanos, alm de usar as informaes convencionais usadas pelos sistemas computacionais tendem, tambm, a usar

2.1 Personalidade
Na Psicologia no existe um consenso para a definio de Personalidade. Burger [3] define Personalidade como um padro de comportamento consistente e processo intrapessoal que originado internamente no individuo. A Personalidade mais que apenas as aparncias superficiais e fsicas, ela relativamente estvel e previsvel em um individuo, porm ela no necessariamente rgida e imutvel (geralmente ela permanece estvel por um perodo de 45 anos iniciando na fase adulta). A Personalidade pode ser definida segundo muitas abordagens. Uma abordagem interessante a de Traos de Personalidade. Essa abordagem permite diferenciar psicologicamente pessoas usando traos mesurveis e

conceituveis, chamados Traos de Personalidade. Traos de Personalidade so formados por um conjunto de caractersticas humanas factveis de modelagem e implementao em computadores. Os Traos de Personalidade foram historicamente definidos por Allport [1] que criou 17.953 Traos (Traos comuns e individuais) para descrever a personalidade de um indivduo. Considerando que a maioria das diferenas individuais (representadas pelos Traos individuais) eram insignificantes nas interaes dirias humanas, objetivando limitar exponencialmente o nmero de definies de Traos, os pesquisadores assumiram que todos os homens eram identificveis como algum outro homem. Considerando isso, pesquisadores reduziram mais de 99% dos Traos pois eles consideraram que somente cinco fatores eram replicveis. Como resultado, o modelo Big Five [15] foi criado. Mesmo se o Big Five representasse grande eficincia na representao da estrutura de Personalidade, ele no garantia exaustivamente todas as dimenses de personalidade. Dessa forma, facetas tambm foram criadas e usadas pelos psiclogos para dotar o Big Five de caractersticas mais detalhadas. Para extrair Traos humanos (baseado nas dimenses do Big Five e suas respectivas facetas) psiclogos geralmente usam questionrios baseados em computador intitulados de Testes de Personalidade. Existem diversos testes validados, como apresentado em [23]. Porm um Teste de Personalidade bastante interessante o NEO-IPIP [16], [17]. Ele permite medir as cinco dimenses do Big Five incluindo mais seis facetas para cada dimenso (30 facetas no total) usando um descrio detalhada dos Traos de Personalidade humanos e por conseqncia propiciando uma grande preciso na representao da Personalidade das mesmas.

usurio definida por ele prprio similar (ou idealizada) a como ele se v no mundo real. A Identidade Interna e Social armazenada no Perfil do Usurio. Perfis de Usurios so conceitos aproximados, eles refletem o interesse do usurio com relao a vrios assuntos em um momento particular. Cada termo que um Perfil de Usurio expressa , num certo grau, caractersticas de um usurio particular [29] incluindo todas informaes diretamente solicitadas a ele e aprendidas implicitamente durante sua interao na Web [5]. Fisicamente, o Perfil do Usurio pode ser visto como uma base de dados onde a informao sobre o usurio, incluindo seus interesses e preferncias, armazenado [33]. Na Web encontra-se muitos tipos de Perfis de Usurio com diferentes graus de complexidade. Eles so desenvolvidos no contexto de e-commerce, e-learning e e-community, por exemplo. Kobsa em [19] cria uma Modelagem Genrica de Usurio para ser usada como uma shell para a criao de categorias de informao sobre o usurio objetivando personalizar as aplicaes Web. Considerando ainda definies de Modelo de usurio, Heckmann [13], [14] props uma Ontologia de um Modelo de usurio Geral, (GUMO), o qual um modelo completo de modelo de usurio incluindo muitos aspectos bsicos de usurio, partindo desde de informao de contato, demogrficos, habilidades fisiolgicas e psicolgicas, estado emocional, estado mental e nutrio. A ontologia de Heckmann muito rica e pode ser implementada de acordo com o interesse do projetista de um shell de perfil de usurio. Mesmo se os Traos de Personalidade foram aparentemente definidos por Heckmann, infelizmente, eles ainda no foram implementados nos atuais Perfis/Modelos de Usurio existentes e nem efetivamente usados em Sistemas de Recomendao. Isto acontece principalmente porque: (i) aspectos psicolgicos humanos so extremamente difceis de serem extrados intencionalmente do usurio; (ii) os dados dos perfis convencionais dos produtos e servios disponveis na Web no esto preparados nem para receber e, nem para interpretar os aspectos psicolgicos do usurio / produtos/servios. Assim sendo, a Identidade Interna do usurio, como descrito, definida pelo Perfil de Usurio e, a Identidade Social definida pela Reputao do usurio, como apresentado a seguir.

3. IDENTIDADE
Segundo os pesquisadores de Teoria da Personalidade, o desenvolvimento da Identidade pessoal recebe uma importante influncia da Personalidade humana. Segundo a viso da psicologia clssica, Identidade definida pela autoconscincia/viso que cada pessoa possui de si mesma, enquanto que na Psicologia Social e Sociologia, Identidade pode ser definida como a forma que cada pessoa usa para ser vista sob os olhos da sociedade [2], [10]. Boyd [2] descreve dois aspectos diferentes da Identidade: a noo internalizada do eu (Identidade Interna) e a verso projetada da internalizao do eu (Identidade Social). Nessa mesma linha, acredita-se que Identidade (EGO) tem uma representao pessoal interna (Identidade Interna) bem como uma representao social (Identidade Social) . Considerando a Identidade como um canal importante onde a personalidade das pessoas aparece, seus Traos de Personalidade (Individual e/ou Social) do pistas sobre seus futuros comportamentos e necessidades em um ambiente, por exemplo. Em Cincia da Computao, a tecnologia usada para formalizar a Identidade em um dado ambiente computacional pelo uso do Perfil do Usurio e Reputao do Usurio.

3.2 Reputao do Usurio

Reputao pode ser definida como o retorno social recebido sobre a personalidade de algum, geralmente utilizado em Redes Sociais e/ou e-commerce. Note que a Reputao pode ser compatvel ou no com a descrio do usurio no Perfil de Usurio. Josang et al in [18] descreve Reputao como a informao normalmente dita ou credvel sobre as caractersticas de uma pessoa ou coisa e seus estados. Aqui, convenciona-se Reputao como uma extenso de um Perfil de Usurio. Ele usa o mesmo tipo de informao armazenada no Perfil de Usurio, porm o conjunto de informaes informada por outro algum (amigo, cliente do usurio, ...). Nesse caso, a Identidade determinada pelos Traos de Personalidade e outras caractersticas do usurio informados por ele mesmo para Perfil

3.1 Perfil do Usurio

Donath [7] afirma que para a formao de uma comunidade os membros devem ter definida sua Identidade (Interna) e sua Reputao (Social). Em Redes Sociais a Identidade virtual do

de Usurio e informados por uma outra pessoa para Reputao de Usurio. Perfil de Usurio e Reputao de Usurio so muito importantes para definir a Identidade do usurio. Dessa forma o, Perfil de Usurio pode prever necessidades e comportamentos do usurio em um ambiente computacional, enquanto Reputao permite a criao de relao de confiana entre membros de uma sociedade em um ambiente computacional. A Identidade do usurio muito til para sua interao social no ambiente computacional. Infelizmente, como comentado anteriormente, aspectos psicolgicos, tais como Traos de Personalidade no tem sido ainda implementados em Perfil de Usurio/Reputao. Dessa forma, objetivando-se construir sistemas Web mais modernos, personalizados e capazes de interagir naturalmente com humanos, informaes de Perfil de Usurio/Reputao devem ser definidas mais claramente, considerando-se tambm os aspectos psicolgicos. A partir disso, as preferncias e necessidades futuras de cada usurio podem ser previstas por um sistema inteligente capaz de personalizar servios Web, da mesma forma que Sistemas de Recomendao o fazem.

A seguir apresenta-se vrios possveis cenrios onde o conhecimento aqui apresentado, se aplicado, pode ter impacto imediato.

5. CENRIOS DE APLICAO 5.1 Recomendao de produtos baseados nas caractersticas subjetivas dos mesmos
Este cenrio original e , futuramente, ser usado largamente em Sistemas de Recomendao comerciais (e-commerce). Atualmente os Sistemas de Recomendao convencionais usados em e-commerce oferecem produtos e servios para os seus clientes, geralmente, baseados em informaes convencionais do usurio, tais como, informao demogrfica, preferncias, entre outras. Como exemplos: livros, na Amazon.com, Submarino.com.br, musicas no MyStrands e filmes no MovieLens. Na inteno de fornecer uma melhor otimizao e personalizao nas recomendaes prestadas pelos Sistemas de Recomendao os sites comerciais deveriam mudar drasticamente a maneira que tem representado as informaes de usurios e de produtos: (i) Dados do usurio : devem ser enriquecidos com aspectos psicolgicos, tais como, Traos de Personalidade, Inteligncia Emocional e Habilidades Sociais [23]; (ii) Informaes de produtos: uma descrio mais subjetiva deve ser adicionada a descrio tradicional de dados do produto. Caractersticas subjetivas em dados convencionais podem ser descritas como meta-dados dos dados, baseados na perspectiva dos aspectos psicolgicos j medidos em humanos. Na tabela 1, apresenta-se uma hiptese de como os dados convencionais podem ser representados subjetivamente usando caractersticas psicolgicas. Tabela 1. Representao das informaes convencionais e subjetivas de produtos e usurios

4. RECOMENDAO
Recomendao um processo social deliberativo executado por pessoas quando as mesmas desejam demonstrar seu grau de apreciao sobre algum ou alguma coisa. No mundo digital, Sistemas de Recomendao [31] surgiram a partir da dcada de 90 como aplicaes que forneciam sugestes personalizadas aos usurios sobre produtos e servios que eles poderiam se interessar. Atualmente, as recomendaes, como por exemplo, sobre filmes em cartaz, livros lanados e trabalho de pessoas, etc tendem a ser bastante solicitados. Note que no processo humano de recomendao de produtos ou servios, as pessoas geradoras da recomendao tendem a utilizar no s fatores tcnicos para tomada de deciso mas tambm fatores psicolgicos. Sistemas de Recomendao so considerados como uma rica rea de pesquisa. Eles tm vrias aplicaes prticas tambm definidas como sistemas que promovem recomendao de pessoas (em Redes Sociais) to bem como promove a recomendao de produtos e servios (em e-training e e-commerce). Em 2005, Terveen [36] re-definiu esses Sistemas de Recomendao especficos, chamado-os de Sistemas de Combinao Social. Como comentado anteriormente, Sistemas de Recomendao e de Combinao Social no usam aspectos psicolgicos em suas recomendaes. Entretanto, mesmo que os aspectos psicolgicos humanos sejam difceis de extrair intencionalmente do usurio, sua relevncia altamente significante em processos de tomada de deciso para serem ignorados por Sistemas de Recomendao. Nesse contexto, em 2005, Gonzalez [12] prope um primeiro modelo baseado em aspectos psicolgicos, ele usa Inteligncia Emocional para melhorar a recomendao de cursos em um site de e-training. Em 2008, Nunes [23] [24] publica o primeiro trabalho que usa Traos de Personalidade para recomendar produtos, servios ou pessoas em Sistemas de Recomendao. Este trabalho revelou indcios de que o uso de Traos de Personalidade efetivamente proporciona uma melhora na recomendao. Um dos exemplo descritos no trabalho de Nunes [23] identifica a Reputao baseada em Traos de Personalidade como fator determinante na eficincia da recomendao.

5.2 Recomendao de membros como parte de grupos sociais

O cenrio da busca do membro certo para fazer parte de um grupo social um problema antigo e freqente na vida em comunidade. A formao de grupos comea j no inicio da vida social humana, quando somos convidados a participar e compartilhar atividade social com outras pessoas que tem comportamentos similares ou complementares aos nossos. A diversidade humana de extrema valia em grupos sociais. Perfis humanos similares/complementares so fundamentais para atingir sucesso em atividades sociais compartilhadas em ambientes como comunidades virtuais, comunidades reais, escolas, universidades e empresas.

5.2.1 Recomendao de novos amigos em Redes Sociais

A Teoria de atrao interpessoal pode predizer a maneira como personalidades humanas interagem entre si. Nass [22] tem demonstrado um extenso estudo na literatura psicolgica que indica forte relacionamento entre similaridade e atrao, isto significa que pessoas preferem interagir com outros (estranhos ou no) que tenham personalidade similar a interagir com outros que tenham personalidade diferente. Normalmente, as pessoas preferem outras que tenham a personalidade similar a sua [32]. Sistemas de Recomendao aplicado a Redes Sociais podem ser considerados com uma alternativa em potencial para encontrar amigos com Traos de Personalidade, bem como, outros interesses, similares. Para alcanar recomendaes promissoras de potencias futuros amigos, os usurios de Redes Sociais (como o Orkut, por exemplo) deveriam melhorar seus Perfis de Usurio incluindo suas caractersticas psicolgicas, tais como Traos de Personalidade. A efetividade dessa suposta recomendao poder ser medida pelo grau de satisfao do usurio aps a criao de novas e potenciais amizades.

5.2.4 Recomendao de casais em Sites de Relacionamento

Sistemas de Recomendao baseadas em Traos de Personalidade aplicada em Sites de Relacionamentos podem ser um alternativa para pessoas que procuram por parceiros romnticos em cujo relacionamento exista compatibilidade. Existem pesquisas que comprovam que sites de relacionamentos que consideram aspectos psicolgicos na busca de pares compatveis tem gerado um maior numero de pessoas (casais) satisfeitas que os sites tradicionais de relacionamento [8], [9]. Note que exemplos ilustrativos de Sistemas de Recomendao que utilizam Personalidade para no auxilio tomada de deciso computacional so apresentados na forma de Estudo de Caso em [24], [23] e [30]. Esses trabalhos tambm descrevem como ocorreu a modelagem da Personalidade no Perfil do Usurio.

6. CONCLUSES
Do ponto de vista mercadolgico, a identificao do comportamento social assim como a interao entre as pessoas sempre foi algo valioso a ser explorado pela rea de marketing das empresas. Saber identificar o pblico alvo e a disseminao viral de uma informao pode significar altas margens de lucro. Com a Internet, essas informaes comearam a ser mais facilmente mapeadas digitalmente. No demorou para aparecer ferramentas como IRC, ICQ, MSN que centralizam a comunicao das pessoas em um nico mapa. Logo depois ParPerfeito comea a relacionar as pessoas segundo afinidades conjugais. O MySpace encontrou a msica como um grande fio condutor de relacionamentos afetivos e popularizou o conceito. O Orkut e o Facebook deram continuidade e aproximaram pessoas com afinidades perdidas no tempo. O ltimo chegou a ser avaliado em 15 bilhes de reais. O fenmeno chamou tanta ateno para as redes sociais que iniciativas simples como o sistema Geni que faz a disseminao viral traando um mapa genealgico global foi logo em seguida avaliado em 100 milhes de reais. Encontrar afinidades psicolgicas continuam entre os itens de maior valor. Os novos nichos so LinkedIn -afinidade profissional, CineDica-afinidades por filmes e GoodReads-afinidades por livros. Como as iniciativas comearam a se proliferar, as novas tendncias so novamente de centralizao. O forte crescimento do Twitter que abrange qualquer informao e o lanamento do Google Wave como unificador de Gmail e MSN. A grande vantagem do Twitter que ele partidrio de servios abertos, sendo assim, todos tero acesso s informaes para construir sua prpria aplicao de afinidades psicolgicas sem se preocupar na divulgao do canal. Dessa forma, conclui-se que existe uma tendncia e necessidade de que os programas web se utilizem na essncia de seus processos internos de tomada de deciso de tecnologias que permitam incorporar a extrao, modelagem e uso de caractersticas psicolgicas do usurio, produtos ou servios em questo nos processos recomendatrios. Sem dvida, essas novas representaes criaro uma nova perspectivas de como essas informaes sero tratadas, representadas e manipuladas na web em um futuro muito prximo. Nesse contexto sero criadas novas tcnicas de minerao que possam contextualizar conhecimento afetivo, seja atravs de web-mining na anlise de clickstreams associados a smbolos de conotao afetiva, ou seja atravs de

5.2.2 Recomendao em Ambiente Educacional

Nos cenrios universitrios, estudantes tendem a construir grupos para interao e realizao de trabalhos extra classe,. Esses grupos so criados, principalmente, baseados em empatia, similaridade e atrao [21]. Os estudantes nem mesmo consideram compatibilidade como um atributo srio. Estudantes esto muito mais interessados em parceria e amizade do que na eficincia de um grupo de trabalho. Dessa forma, estudantes universitrios tendem muito mais a procurar parceiros com personalidades similares (como fariam em comunidades virtuais e Redes Sociais, como apresentado anteriormente).

5.2.3 Recomendao em Ambiente Empresarial

Em escolas e universidades a constituio de um grupo/equipe eficiente de trabalho, se desejado, realizado mais facilmente que em empresas. Isto acontece porque em uma escola/universidade cada aluno na sala de aula possui, a priori, o mesmo background e o mesmo nvel de conhecimento que seus colegas. Por isso que, nesse caso, o principal diferencial usado para a criao dos grupos so as caractersticas psicolgicas dos alunos. Nesse contexto, traos psicolgicos so mais importantes que informaes demogrficas e competncias. Em empresas, competncia extremamente relevante bem como traos psicolgicos. Para construir Sistemas de Recomendao capazes de gerar grupo/times de trabalho eficientes em empresas deve-se combinar os membros considerando competncias e Traos de Personalidade complementares. A similaridade e/ou complementaridade na composio de grupos/equipes pode prever a performance no trabalho. Psiclogos tem estudado como Traos de Personalidade fazem a diferena na performance da equipe. Uma equipe que construda considerando se valores de complementaridade aumenta o nvel de colaborao, pois, normalmente, as pessoas tm diferentes backgrounds, pontos de vista, personalidade complementar e conseqentemente contribuies diferentes em um mesmo contexto. Geralmente, complementaridade em equipes de trabalho saudvel e so usadas para atingir metas organizacionais especficas.

text-mining analisando o sentimento do autor expresso em um texto. Essas tecnologias inteligentes, juntamente com novas markup languages criadas para representar caractersticas psicolgicas, seguindo-se o exemplo da W3C [38] que padroniza Emoes, podem ajudar a enriquecer os textos na web com informaes relevantes para a tomada de deciso. Finalmente, tudo isso, aparecer como uma febre viral que potencializar e, muito, os lucros empresariais.

7. REFERNCIAS
[1] Allport, Gordon W.. Concepts of trait and personality.Psychological
Bulletin, (24):284293, 1927.

[2] Boyd, D. Faceted id/entity: Managing representation in a digital

world. Masters thesis, Cambridge, MA, August 2002.

[3] Burger, J.M. Personality. Wadsworth, fifth edition, 2000. [4] Burke, R. Hybrid recommender systems: Survey and experiments.
User Modeling and User-Adapted Interaction, 12(4):331370, 2002.

[5] Carreira, R., Crato, J.M., Gonalves, D. and Jorge, J. A. Evaluating

adaptive user profiles for news classification. In IUI 04: Proceedings of the 9th international conference on Intelligent user interfaces, pages 206212, New York, NY, USA, 2004. ACM Press. [6] Damasio, A.R. Descartes Error: Emotion, Reason, and the Human Brain. Quill, New York, 1994. [7] Donath, J.S. Identity and Deception in the Virtual Community. In M. A. Smith and P. Kollock, editors, Communities in Cyberspace, chapter 2, pages 2959. Routledge, London, first edition, 1999. [8] Fiori. A. and Donath, J.. Online personals: an overview. In CHI04: extended abstracts on Human factors in computing systems, pages13951398, New York, NY, USA, 2004. ACM Press. [9] Fiori. A. Romantic regressions: An analysis of behavior in online dating systems. Masters thesis, MIT Media Lab, 2004. [10] Giddens, A. Modernity and Self-Identity. Self and Society in the Late Modern Age. Stanford university Press, Stanford, California, 1991. [11] Goleman, D. Emotional Intelligence - Why it can matter more than IQ? Bloomsbury, London, first edition, 1995. [12] Gonzalez, G., de la Rosa, J.L., and Montaner, M. Embedding Emotional Context in Recommender Systems. In The 20th International Florida Artificial Intelligence Research Society Conference-FLAIRS, Key West, Florida, May 2007. [13] Heckmann, D. Ubiquitous User Modeling. Phd thesis, Technischen Fakultlaten der Universitlat des Saarlandes, Saarbrucken-Germany, November 2005. [14] Heckmann, D. and Kruger, A. A user modeling markup language (UserML) for ubiquitous computing. In 8th International Conference on User Modeling, LNAI 2702, page 393U-397, Johnstown, PA, USA, 2003. Springer, Berlin Heidelberg. [15] John, O.P. and Srivastava, S. The big five trait taxonomy: History, measurement, and theoretical perspectives. In L. A. Pervin and O. P. John, editors, Handbook of Personality: Theory and Research, pages 102138. The Guilford Press, New York, second edition, 1999. [16] Johnson, J.A. Web-based personality assessment. In 71st Annual Meeting of the Eastern Psychological Association, Baltimore, USA, 2000. (Available at http://www.personal.psu.edu/ j5j/vita.html). [17] Johnson, J.A. Ascertaining the validity of individual protocols from web-based personality inventories. Journal of research in personality, 39(1):103129, 2005. [18] Jsang, A., Ismail, R. and Boyd, C. A survey of trust and reputation systems for online service provision. Decision Support Systems, 43(2):618644, 2007. [19] Kobsa, A. Generic user modeling systems. In P. Brusilovsky, A. Kobsa, and W. Nejdl, editors, The Adaptive Web, volume 4321 of

Lecture Notes in Computer Science, chapter 4, pages 136154. Springer Verlag, 2007. [20] Lisetti, Christine L.. Personality, affect and emotion taxonomy for socially intelligent agents. In Proceedings of the Fifteenth International Florida Artificial Intelligence Research Society Conference, pages 397401. AAAI Press, 2002. [21] Nass, C and Lee, K. M.. Does computer-generated speech manifest personality? an experimental test of similarity-attraction. In CHI 00: Proceedings of the SIGCHI conference on Human factors in computing systems, pages 329336, N Y, USA, 2000. ACM. [22] Nass, C et al. Can computer personalities be human personalities? International Journal Human-Computer Studies, 43(2):223239, August 1995. [23] NUNES, M. A. S. N. . Recommender Systems based on Personality Traits:Could human psychological aspects influence the computer decision-making process?. 1. ed. Berlin: VDM Verlag Dr. Mller, 2009. v. 1. 140 p. [24] Nunes, M. A. S. N. ; CERRI, Stefano A. ; BLANC, N. . Improving recommendations by using Personality Traits in. In: International Conference on Knowledge Management-In: International Conference on Knowledge Management-I.KNOW08, 2008, GrazAustria. International Conference on Knowledge ManagementI.KNOW08, 2008. v. 1. p. 92-100. [25] Ortony, Andrew. On Making Believable Agents Believable. In R. Trappl, P. Petta, and S. Payr, editors, Emotions in humans and artefacts, chapter 6, pages 189211. A Bradford Book - MIT Press, Cambridge, Massachusetts, 2002. [26] Paiva, A. Affective interactions: towards a new generation of computer interfaces. Springer-Verlag New York, Inc., New York, NY, USA, 2000. [27] Picard, R.W. Affective computing. MIT Press, Cambridge, MA, USA, 1997. [28] Picard, R.W. What does it mean for a computer to have emotions? In R. Trappl, P. Petta, and S. Payr, editors,Emotions in humans and artefacts, chapter 7, pages 213235. A Bradford Book - MIT Press, Cambridge, Massachusetts, 2002. [29] Poo, D., Chng, B. and Goh, J.M. A hybrid approach for user profiling. In HICSS 03: Proceedings of the 36th Annual Hawaii International Conference on System Sciences (HICSS03) - Track 4, page 103.2, Washington, DC, USA, 2003. IEEE Computer Society. [30] Prada, R., MA, S., Nunes, M. A. S. N. Personality in Social Group Dynamics In: International Conference on Computational Science and Engineering- CSE '09, 2009, Vancouver. International Conference on Computational Science and Engineering- CSE '09. , 2009. v.4. p.607 612.

[31] Resnick, R. Recommender systems. Communications of the ACM,

40(3):5658, 1997.

[32] Reeves, B. and Nass, C.. The media equation: how people treat

computers, television, and new media like real people and places. Cambridge University Press, New York, NY, USA, 1996. [33] Rousseau, B., Browne, P. , Malone, P. Foster, P. and Mendis, V. Personalised resource discovery searching over multiple repository types: Using user and information provider profiling. In ICEIS (5), pages 3543, 2004. [34] Simon, H.A. Reason in Human Affairs. Stanford University Press, California, 1983. [35] Thagard, Paul. Hot Thought: Machanisms and Applications of Emotional Cognition.A Bradford Book- MIT Press, Cambridge, MA, USA, 2006. [36] Terveen, Loren and McDonald, David W.. Social matching: A framework and research agenda. ACM Transactions CompututerHuman Interaction, 12(3):401434, 2005. [37] Trappl, Robert; Payr, Sabine and Petta, Paolo editors. Emotions in Humans and Artifacts. MIT Press, Cambridge, MA, USA, 2003. [38] W3C - emotion incubator group, 2007. (Available at http://www.w3.org/2005/Incubator/emotion).