@PHDTHESIS{ 2017:1337315212,
 	title = {Um Mecanismo Baseado em Lógica Nebulosa para a Identificação de Situações de Usuários Aplicado à Privacidade em Redes Sociais Móveis},
 	year = {2017},
 	url = "http://tedebc.ufma.br:8080/jspui/handle/tede/1250",
 	abstract = "Esta pesquisa primeiramente investiga os requisitos de privacidade de
 usuários em Redes Sociais Móveis (RSMs) através de um estudo com 164 brasileiros,
 o qual indicou que seus requisitos são normalmente dinâmicos e contextuais.
 Em seguida, a pesquisa aplica o paradigma de Computação Situacional para o
 desenvolvimento de uma solução para atendê-los. Esta solução é chamada de SelPri,
 desenvolvida como prova de conceito em forma de uma aplicação social móvel para
 adaptar com autonomia as configurações de privacidade de postagens em RSMs de
 acordo com a situação do usuário. O SelPri utiliza um modelo conceitual que faz
 uso de lógica nebulosa como base para a construção de um motor de inferência para
 identificar as situações de usuários móveis a partir das seguintes informações de
 contexto: localização, período do dia, dias da semana, e co-localização. O SelPri é
 implementado integrado ao Facebook. Adicionalmente, para mostrar a flexibilidade
 do modelo conceitual, ele é também usado para a construção de um motor de
 inferência para ser utilizado em um domínio de aplicação diferente, o de saúde mental.
 Esse motor de inferência identifica situações de usuários a partir de informações
 contextuais diferentes: não utiliza a co-localização e passa a usar a atividade do
 usuário. A solução originada no domínio de saúde mental é chamada de SituMan.
 Dois experimentos foram realizados com ambas soluções, em que objetivaram verificar
 a acurácia do motor de inferência nebulosa para identificação de situações, e avaliar
 a satisfação do usuário. A avaliação da experiência de uso realizada com o SelPri
 destacou que a abordagem para atender os requisitos dinâmicos e dependentes de
 contexto de privacidade teve uma boa aceitação pelos participantes e provou ser de
 uso prático. As avaliações de experiência de uso também mostraram que ambas
 soluções foram bem avaliadas com relação a usabilidade. As avaliações de acurácia
 mostraram uma taxa de acerto elevada dos motores de inferência para identificar
 situações: ≈94,6% e ≈92,04%, para o SelPri e SituMan, respectivamente",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET},
 	note = {DEPARTAMENTO  DE ENGENHARIA DA ELETRICIDADE/CCET}
}