Com a galera da editora Senac Rio (Claudia Amorim e Manuela), na livraria da Travessa de Ipanema, no lançamento do livro sobre UX writing do amigo Bruno Rodrigues. Esta é seguramente a melhor obra sobre o tema já publicada em língua portuguesa!
UX Writing é a prática de criar textos claros e objetivos para interfaces digitais, como aplicativos e websites, visando facilitar a interação do usuário. Essa abordagem busca tornar a navegação intuitiva, ajudando os usuários a compreenderem rapidamente como utilizar um produto digital.
Em tempo — A editora Senac Rio também tem em seu catálogo o meu livro “Ergodesign e Arquitetura de Informação: Trabalhando com o Usuário“. Show!
Bruno Rodrigues e Luiz Agner em lançamento do livro Web Writing e UX Writing.
A Editora Senac Rio já está em pleno processo de distribuir nas livrarias mais importantes de todo o País (e também nas livrarias online), assim como pelas escolas e centros de formação profissional da rede Senac, a quinta edição (revista e aumentada) do livro “Ergodesign e Arquitetura de Informação — Trabalhando com o Usuário”.
Esta edição conta com novos capítulos dedicados aos sistemas de recomendação de conteúdos e ao aprendizado de máquina, assim como entrevistas, desta vez com Karen Santos, Andrei Gurgel, Janaína Pereira, e Patricia Tavares, Guilhermo Reis, e Sergio Salvador.
Registro aqui minha super gratidão à dedicação de toda a equipe da Editora Senac, principalmente a Claudia Amorim, Manuela Soares, Gypsi Canetti, e Priscila Barbosa.
Certa vez ouvi uma frase que muito me marcou: dizia que quando você publica um trabalho e o joga para o mundo, ele imediatamente deixa de serseu. O Academia (uma rede social mundial onde acadêmicos compartilham trabalhos) detecta os artigos onde cada pesquisador foi mencionado. É muito interessante para um professor verificar quais são as diferentes formas que as suas pesquisas são utilizadas na prática, por outros estudiosos, dentro ou fora do seu campo de pesquisa. Fico muito feliz que os meus textos são usados como referência…
No arquivo .pdf abaixo segue a listagem de 242 citações de trabalhos, tal qual encontradas na web pelo Academia (com os seus links) até a data de hoje.
O site Academia é uma espécie de rede social de pesquisadores de todo o mundo. Recentemente, alcancei este marco no número de citações acadêmicas ao meu trabalho de pesquisa (referências a artigos científicos que estão compartilhados no Academia.).
PS – Em 02 de julho de 2021, após uma triagem e seleção rigorosa (já na versão Premium do Academia), retirei os erros do algoritmo e os pesquisadores homônimos, perfazendo um total de 241 citações previamente checadas.
Dan Saffer enumera os mais importantes autores e artigos sobre UX/UI e design de interação de todos os tempos!! Em seu canal no Medium. Segue sua a lista:
Stephan Wensveen, Kees
Overbeeke, and Tom Djajadiningrat, But
How, Donald, Tell Us How?: On the creation of meaning in interaction design
through feedforward and inherent feedback (2002)
O aprendizado de máquina (machine learning) tem emergido como um tópico de grande interesse dentro do campo da pesquisa em inteligência artificial. Segundo Honda, Facure e Yaohao, o aprendizado de máquina ocorre quando um sistema computacional busca realizar uma tarefa aprendendo a partir de experiências, procurando assim melhorar a sua performance.
Um algoritmo de IA pode aprender a atingir seu objetivo a partir de um grande volume de dados que representam as experiências. Quanto mais dados, mais exemplos de padrões que o computador pode generalizar para tomar melhores decisões, em situações ainda não vistas. Entre as abordagens para o aprendizado de máquina podem ser citados o aprendizado supervisionado, o aprendizado não-supervisionado e o aprendizado por reforço.
O aprendizado supervisionado tem sido a área da inteligência artificial onde se concentra o maior número de pesquisas, experiências e de produtos bem sucedidos, e onde a maior parte dos problemas já estão bem definidos. A característica básica de sistemas de aprendizado supervisionado é que os dados utilizados para treiná-los contém a resposta desejada. Ou seja, os dados são previamente anotados com as respostas ou classes a serem previstas. Dentre suas técnicas mais conhecidas estão a regressão linear, regressão logística, redes neurais artificiais, árvores de decisão, entre outras.
No caso do aprendizado não supervisionado, nem todos os problemas podem ser resolvidos desta forma. Em alguns casos, conseguir dados previamente anotados é extremamente custoso ou impossível. Nesses casos, deve-se observar nos registros e dados se existem padrões repetidos que permitiriam a inferência de classes, perfis ou categorias. De uma forma geral, o aprendizado não supervisionado busca uma representação informativa maissimples dos dados, condensando a informação existente em pontos relevantes.
Exemplos de aplicações de aprendizado não supervisionado são sistemas de recomendação de filmes ou músicas, detecção de anomalias e visualização de dados. Dentre as técnicas conhecidas estão as redes neurais artificiais, expectativa-maximização, clusterização hierárquica, análise de componentes principais, entre outras. Problemas de aprendizado não supervisionado são consideravelmente complexos. Como consequência, esse modelo está na fronteira do conhecimento atual em aprendizado de máquina.
A terceira abordagem de aprendizagem de máquina é a chamada aprendizagem por reforço, em que a máquina tenta aprender qual é a melhor ação a ser tomada, dependendo das circunstâncias na qual esta ação será executada. Esta técnica leva em consideração a incerteza e incorpora eventuais mudanças no ambiente para o processo de tomada da melhor decisão. Baseia-se na psicologia behaviorista de Skinner: com o tempo e a repetição de experimentos, espera-se que o agente consiga associar as ações que geram maior recompensa para cada situação que o ambiente apresenta, e passe a evitar as ações que geram punição ou recompensa menor. Isto aplicado à realidade computacional implica que a máquina observa um “estado da natureza”, dentre um conjunto de cenários possíveis, e, com base nisso, escolhe a ação a se tomar.
Em seguida, recebe a recompensa associada a esta ação, nesse estado específico, obtendo assim a informação desta combinação. O processo se repete até que o computador seja capaz de escolher a melhor ação para cada um dos cenários possíveis.
Fred Amstel, professor de UX design da UFTPR, escreveu o prefácio da quarta edição do “Ergodesign e Arquitetura de Informação – Trabalhando com o Usuário“. Com um time de prefaceadores assim, o que este livro precisa mais para ser um sucesso? :))
Fred Amstel comenta sobre o livro “Ergodesign” no seu Linkedin
Luiz Agner 