Nesta quinta-feira (5), o Programa de Pós-Graduação em Ciência da Computação terá a defesa da dissertação “RecSC - Um Progressive Web App para Recomendação Sensível ao Contexto”. A dissertação, desenvolvida por Jademir de Moura Barbosa Filho e orientada pela professora Flavia de Almeida Barros, será defendida a partir das 13h no auditório do Centro de Informática (CIn).

A banca examinadora será composta pela professora orientadora e pelas professoras Patrícia Cabral de Azedo Restelli Tedesco (CIn/UFPE) e Juliana Regueira Basto Diniz (Unidade Acadêmica de Educação a Distância e Tecnologia/UFRPE).

Resumo

Após o “boom dos aplicativos” (ca. 2008-2009), estudos apontaram que seu uso entrou em queda na década seguinte, com cerca de 20% a menos de downloads a cada ano. Além disso, muitos dos aplicativos baixados eram usados poucas vezes, e depois eram deixados no esquecimento, os usuários usam em média 05 a 10 aplicativos com frequência. Nesse cenário, surgiram as ProgressiveWebApps - PWA, baseadas em tecnologias de desenvolvimento Web (HTML, CSS e JavaScript) para criar interfaces com visual e experiência de um aplicativo nativo, podendo ser utilizadas em qualquer plataforma. Assim, as PWAs tornaram-se uma das melhores alternativas para o desenvolvimento de aplicações para dispositivos móveis, pois requerem menor investimento de recursos e facilitam a manutenção do projeto (com apenas um projeto, é possível usar o mesmo aplicativo no Android, Chrome OS, Windows, Mac OS, iOS e Linux, tudo através do navegador). PWAs também são bem aceitas pelos usuários, pois vão progressivamente adicionando as novas funcionalidades ao dispositivo (à medida que o usuário vai interagindo com a aplicação) além de garantirem uma experiência igual ao aplicativo nativo. Este trabalho teve como foco o desenvolvimento de modelo de recomendação sensível ao contexto através de uma PWA. O trabalho propõe um método geral de como captar e catalogar dados de contexto através de uma PWA, a fim de melhorar as recomendações aos usuários. Adotamos uma estratégia de recomendação híbrida, combinando técnicas de filtragem para recomendar aos usuários promoções de lojas e serviços de acordo com seu perfil, histórico, geolocalização, recomendações de amigos e outros usuários do sistema que tenham "gostos" parecidos ou que estejam na mesma região que o usuário. O protótipo implementado utilizou tecnologias Web avançadas,  recursos de APIs nativas do HTML 5 e acessos a dados do usuário via APIs de redes sociais, possibilitando um desenvolvimento Cross-Platform com custo e tempo reduzidos se comparados a outras tecnologias de desenvolvimento de aplicativos. Os testes realizados no estudo de caso levaram em consideração o perfil do usuário, categorias de interesse e geolocalização para fazer recomendação de promoções que fossem de alta relevância, bem como que estivessem ao alcance do usuário (através de geolocalização).