Mostrar registro simples

dc.creatorMota, Fernanda Pinto
dc.date.accessioned2025-11-28T11:17:41Z
dc.date.available2025-11-28
dc.date.available2025-11-28T11:17:41Z
dc.date.issued2025-09-12
dc.identifier.citationMOTA, Fernanda Pinto. Moverè: Modelo Computacional Explorando Ciência de Contexto e Situação por meio de Tecnologias Persuasivas para Promover Adesão a Protocolos de Saúde de Pacientes em Healthcare. Orientador: Ana Marilza Pernas Fleischmann. 2025. 170 f. Tese (Doutorado em Ciência da Computação) – Centro de Desenvolvimento Tecnológico, Universidade Federal de Pelotas, Pelotas, 2025.pt_BR
dc.identifier.urihttp://guaiaca.ufpel.edu.br/xmlui/handle/prefix/18733
dc.description.abstractThe increasing adoption of computational devices of different profiles, connected within a ubiquitous perspective, has been transforming daily habits and driving re search in Persuasive Technologies (PT), which aim to shape behaviors through the use of technology. Despite the strong adherence to these devices, a challenge lies in leveraging this human–machine integration to effectively support adherence to health ier habits. Considering this, this thesis proposes Moverè, a ubiquitous computational model with an adaptive and personalized approach, conceived from the Ubiquitous Model for Persuasive Systems for Behavior Change (MUSPMC) and expanded with concepts such as the Internet of Things (IoT), which enables real-time data collection, and Context and Situation Science, which provides methods to interpret this informa tion. One of the methodological pillars of Moverè is the Self-Determination Theory (SDT), which offers a robust framework to understand and foster human motivation. Thus, the thesis aimed to design the Moverè model to measure user motivation in ad hering to health protocols. Its main contribution lies in the unprecedented integration of IoT, Context Science, and adaptive persuasion mechanisms capable of inducing sustainable health behavior changes. Accordingly, the research was guided by the fol lowing central question: “How can the computational model, by exploring Context and Situation Science, support adherence to Health Protocols (HP) through motivational re sources involving IoT?” To ground and validate the approach, four Systematic Literature Reviews were conducted, which revealed research gaps and guided the model’s con ception. The case study focused on Diabetes, conducted with synthetic motivational profiles generated by Artificial Intelligence, demonstrated that interventions based on sensor data influenced users’ motivational states, fostering adherence to HP. Moreover, the tool was perceived as useful and easy to use, according to the TAM evaluation.pt_BR
dc.description.sponsorshipSem bolsapt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Pelotaspt_BR
dc.rightsOpenAccesspt_BR
dc.subjectCiência de contextopt_BR
dc.subjectHealthcarept_BR
dc.subjectInternet das Coisaspt_BR
dc.subjectTecnologia persuasivapt_BR
dc.subjectTeoria da autodeterminaçãopt_BR
dc.subjectContext awarenesspt_BR
dc.subjectInternet of thingspt_BR
dc.subjectPersuasive technologypt_BR
dc.subjectSelf-determination theorypt_BR
dc.titleMoverè: Modelo Computacional Explorando Ciência de Contexto e Situação por meio de Tecnologias Persuasivas para Promover Adesão a Protocolos de Saúde de Pacientes em Healthcarept_BR
dc.title.alternativeMoverè: Computational Model Exploring Context and Situation Science through Persuasive Technologies to Promote Patient Adherence to Health Protocols in Healthcarept_BR
dc.typedoctoralThesispt_BR
dc.contributor.authorIDhttps://orcid.org/0000-0002-7884-6562pt_BR
dc.contributor.authorLatteshttp://lattes.cnpq.br/0930936874004146pt_BR
dc.contributor.advisorIDhttps://orcid.org/0000-0001-8142-817Xpt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/1435405686437314pt_BR
dc.contributor.advisor-co1Yamin, Adenauer Corrêa
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/8861113953470000pt_BR
dc.description.resumoA crescente adoção de dispositivos computacionais de diferentes perfis, conectados em uma perspectiva ubíqua, vem transformando hábitos cotidianos e impulsionando a pesquisa em Tecnologias Persuasivas (TP), que buscam moldar comportamentos por meio da tecnologia. Apesar da forte adesão a esses dispositivos, um desafio é aproveitar essa integração homem-máquina para auxiliar na adesão a hábitos mais saudáveis. Considerando isso, esta tese propõe o Moverè, um modelo computacional ubíquo com abordagem adaptativa e personalizada, concebido a partir do Modelo Ubíquo para Sistemas Persuasivos para Mudança de Comportamento (MUSPMC) e expandido com conceitos como Internet das Coisas (IoT), que facilita a coleta de dados em tempo real, e Ciência de Contexto e de Situação, que permite interpretar essas informações. Um dos pilares metodológicos do Moverè é a Self-determination Theory (SDT), que fornece arcabouço para compreender e promover a motivação humana. Assim, a tese teve como objetivo conceber o modelo Moverè para mensurar a motivação dos usuários na adesão a protocolos de saúde. Sua principal contribuição é integrar, de forma inédita, IoT, Ciência de Contexto e mecanismos de persuasão adaptativa capazes de induzir mudanças sustentáveis em saúde. Para tanto, a pesquisa foi norteada pela questão: “Como o modelo computacional explorando a Ciência de Contexto e Situação pode auxiliar na adesão aos Protocolos de Saúde (PS) por meio de recursos motivacionais envolvendo a IoT?”. Para fundamentar e validar a abordagem, realizaram-se quatro Revisões Sistemáticas da Literatura, que revelaram lacunas e orientaram a concepção do modelo. O estudo de caso voltado à Diabetes, conduzido com perfis motivacionais sintéticos gerados por Inteligência Artificial, demonstrou que as intervenções baseadas em dados sensoreados influenciaram o estado motivacional dos usuários, promovendo adesão aos PS. Além disso, verificou-se que a ferramenta é útil e de fácil utilização, conforme avaliação TAM.pt_BR
dc.publisher.programPrograma de Pós-Graduação em Computaçãopt_BR
dc.publisher.initialsUFPelpt_BR
dc.subject.cnpqCIENCIAS EXATAS E DA TERRApt_BR
dc.publisher.countryBrasilpt_BR
dc.rights.licenseCC BY-NC-SApt_BR
dc.contributor.advisor1Fleischmann, Ana Marilza Pernas
dc.subject.cnpq1CIENCIA DA COMPUTACAOpt_BR


Arquivos deste item

Thumbnail

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples