Introducción

Los entornos de computación ubicua son aquellos en los que la interacción con la tecnología ocurre en cualquier momento y lugar, a veces de manera invisible para el usuario, a través de cualquier tipo de dispositivo. Múltiples avances tecnológicos favorecen la aparición de estos entornos, como los relacionados con la domótica, los dispositivos portátiles o las ciudades inteligentes, además del enorme crecimiento en el uso de dispositivos portátiles como smartphones o tablets. Toda esta interacción produce grandes volúmenes de datos que pueden ser explotados para extraer y entender los hábitos y comportamientos del usuario. Y la adquisición de este conocimiento puede permitir que la tecnología evolucione según las necesidades del usuario.

Contexto

Entre los muchos contextos ubicuos posibles, el más amplio y arraigado es el que surge de la interacción a través de smartphones y aplicaciones móviles (o apps). Estos dispositivos, ya en uso diario, recogen una cantidad de datos de diversa naturaleza, desde el uso de interfaces de usuario hasta los historiales de geolocalización o la interacción NFC (Near Field Communication). La información registrada tiene una riqueza versátil, de la cual se pueden extraer numerosos patrones de usabilidad, movilidad y preferencias, y con el potencial de informar sobre las características de una comunidad de usuarios, alimentar sistemas de recomendación o adaptar el software a un público objetivo. Sin embargo, se requiere un tratamiento especial para un descubrimiento efectivo del conocimiento debido a las altas dimensiones y al crecimiento constante de los datos.

Objetivos del Proyecto

El objetivo de este proyecto es aprovechar los patrones de usuario que aparecen en estos entornos móviles. Para ello, se propone el uso de técnicas de aprendizaje automático y aprendizaje por observación (Learning From Observation) para la creación de modelos de comportamiento a partir del historial de interacciones. Los modelos, con capacidades predictivas y generativas, recogerán los patrones y particularidades del usuario y, posteriormente, permitirán, mediante aprendizaje no supervisado, segmentar una comunidad de usuarios en diferentes perfiles con una serie de comportamientos típicos. Con las técnicas desarrolladas, se desea obtener un sistema de software que genere especificaciones en lenguaje natural sobre los perfiles de usuario de una app. Las descripciones generadas proporcionarán una ventaja competitiva para ajustar los servicios y características de una app a su público o sus diferentes sectores, buscando así una mejora sustancial en la experiencia del usuario. Dentro de este marco, el usuario, a través de su actividad normal en una app, puede tener un papel mucho más significativo en su progreso.