Özellik Yaklaşımı(Traits Approach) 48 

O Ginga-NCL foi desenvolvido pela PUC-Rio com o objetivo de prover uma infra- estrutura de apresentação para aplicações declarativas escritas na linguagem NCL (Nes- ted Context Language) [15606-2 2007] [ITU-T Recommendation H.761 2009], que é uma modelo XML com facilidades para a especificação de aspectos de interatividade, sincro- nismo espacial e temporal em sua forma mais geral, adaptabilidade de conteúdo e formas de apresentação de conteúdo, suporte a múltiplos dispositivos, dentre outros. Para alguns casos, como por exemplo a geração dinâmica de conteúdo, NCL provê o suporte de sua linguagem de script Lua [NCL.org.br 2009].

2.5.3

Ginga-J

O Ginga-J foi desenvolvido pela UFPB para suprir todas as funcionalidades necessá- rias para a implementação de aplicações baseadas na linguagem Java, com modificações

2.5. MIDDLEWARE GINGA 21

voltadas para o ambiente de TV digital, provendo APIs e ferramentas que incluem desde a manipulação de dados multimídia até protocolos de acesso. Este módulo é respon- sável pelo processamento de componentes procedurais definidos como objetos Xlet. O módulo é composto por, dentre outros, uma máquina virtual Java desenvolvida especial- mente para funcionar em sistemas embarcados com baixo poder de processamento [Melo & Araújo 2008].

Capítulo 3

Trabalhos Relacionados

Guias de Programação Eletrônicos que indicam as grades de programação das emis- soras de TV existem desde a década de 1980 e seu objetivo principal é ajudar o usuário a encontrar programas com mais rapidez. Contudo, hoje em dia, com a grande quantidade de emissoras e programas de TV, se torna difícil descobrir com facilidade um programa de televisão que seja interessante mesmo com o auxílio da grade de programação. Para diminuir a quantidade de informação gerada pelo crescimento no número de programas, muitos projetos utilizaram guias de programação personalizados baseados em predição ou recomendação. Mas considerando que um processo de decisão não é realizado apenas pe- las preferências pessoais mas também pelos relacionamentos [Berscheid & Peplau 1983], estes guias de programação personalizados não são os mais adequados para ajudar os usuários. No contexto da TV Digital Brasileira, é necessário ainda que seja possível ava- liar um programa de televisão utilizando vários dispositivos, devido a limitação de acesso à banda larga no Brasil.

Este capítulo apresenta alguns trabalhos que tentam solucionar os problemas apresen- tados anteriormente. A arquitetura TrendTV surge para solucionar esses mesmos proble- mas e será apresentada no próximo capítulo. Este capítulo também irá exibir as soluções e problemas apresentados pelos trabalhos discutidos.

3.1

PTV

Uma das primeiras tentativas de ferramenta para o direcionamento dos usuários atra- vés de um guia de programação personalizado foi o projeto PTV [Smyth & Cotter 2001]. Um sistema multidispositivo (celulares e PDAs), baseado em perfis de usuário e inteligên- cia artificial. Mas apesar de ser considerado um guia de programação personalizável, este sistema não permitia o acesso direto através da TV, funcionando apenas em clientes web. A medida que o usuário vai assistindo aos programas e alimentando o módulo Profiler do sistema, ele guarda os programas mais assistidos do usuário e traça um perfil. A partir de uma base de dados contendo programas cadastrados e o perfil do usuário, o módulo

Recommender constrói uma lista com todos os programas recomendados. Finalmente, o

módulo Guide Compiler gera um guia de programação online personalizável a partir da lista gerada pelo módulo Recommender e uma base de dados com grade de programação do momento. A figura 3.1 mostra a arquitetura do Projeto PTV.

Figura 3.1: Arquitetura do Projeto PTV

3.2

Mass Personalization

Figura 3.2: Arquitetura do Projeto Mass Personalization

Como a televisão é uma experiência social e o processo de decisão se baseia em grande parte por influência e sociabilidade, as tendências das pesquisas são a integração das redes

3.3. TRIBLER 25

sociais no contexto da televisão. Um exemplo dessa tendência é o projeto Mass Perso-

nalization [Fink et al. 2006]. Este é um framework que combina televisão com uma

experiência personalizada baseada na web. Ela unifica quatro aplicações distintas: taxas de popularidade on-line, serviços de bibliotecas de mídias virtuais, comunidades sociais ad-hoc (que é um chat com os usuários que estão assistindo o mesmo programa de TV) e camadas de conteúdo personalizado (que é uma camada extra com informações relacio- nadas a um programa de TV). Como neste trabalho, o Mass Personalization oferece um sistema de classificação de programas de TV, mas são serviços apenas baseados na web. Então o usuário tem que interagir apenas com o computador e não com uma televisão. Este único modelo de interação pode causar problemas com o usuário, pois ele precisa dividir sua atenção entre a televisão e o computador. A figura 3.2 mostra a arquitetura do Projeto Mass Personalization.

3.3

Tribler

Figura 3.3: Arquitetura do Projeto Tribler

O projeto Tribler [Wang et al. 2006] também descreve uma rede social para a TV, na qual a troca de mensagens é baseada na arquitetura de rede peer-to-peer. Ele apresenta um esquema de relacionamento, chamado de BuddyCast, que constrói uma rede social para a troca de interesses entre os perfis de usuários. Essas informações do perfil de usuário são construídas baseadas em classificações dos conteúdos pelos usuários ou por análises do histórico das mudanças de canal realizadas pelo usuário. Essas classificações e históricos são usadas então para sugerir conteúdo personalizado ao usuário. No trabalho que nós apresentamos, o comportamento do usuário é usado como um sistema de classificação comunicando a comunidade de amigos desse usuário às suas preferências, já que nossas escolhas são em sua grande maioria determinadas pelas influências de outras pessoas que

fazem parte da sua rede social. A figura 3.3 mostra a troca de mensagens do sistema

Tribler.