Export this record: EndNote BibTex

Please use this identifier to cite or link to this item: https://tede2.pucrs.br/tede2/handle/tede/11667
Document type: Dissertação
Title: Análise do foco atencional do usuário em ambientes computacionais por meio de dados multimodais e visualização
Other Titles: Multimodal data visualization for user attention analysis in computing environments
Author: Souza, Cassiano da Silva
Advisor: Manssour, Isabel Harb
First advisor-co: Silveira, Milene Selbach
Abstract (native): A manutenção do foco atencional do usuário tornou-se uma preocupação recorrente nos últimos anos. Isso se deve a consolidação dos modelos remotos e híbridos, após serem amplamente experienciados durante o período de distanciamento social causado pela Covid-19. Essa transição repentina para ambientes virtuais trouxe à tona novos desafios, como a dificuldade de manter o foco em tarefas pessoais, profissionais e acadêmicas. Independentemente do contexto, a atenção é essencial para o sucesso dessas atividades, especialmente nesses ambientes, mais propensos a distrações, o que pode impactar na gestão do tempo e afetar o equilíbrio entre as tarefas, prejudicando o bem-estar geral. Isso ressalta a importância de se compreenderem os fatores que influenciam a atenção e se desenvolverem estratégias que auxiliem os indivíduos a mitigá-los. Assim, este estudo propõe apoiar a análise do foco atencional em ambientes computacionais, por meio do monitoramento contínuo do comportamento do usuário, utilizando dados multimodais e visualização. Para isso, foi conduzida uma revisão da literatura com foco nos estudos que utilizam dados capturados por webcam, dispositivo promissor para investigações comportamentais, a fim de mapear o estado da arte e identificar lacunas e oportunidades de pesquisa. Os achados deste estudo foram organizados e disponibilizados em um formato visual e interativo por meio da ferramenta AttentionVis Browser. Com base nas necessidades levantadas, propomos um modelo para análise atencional, considerando os tipos de dados mais relevantes para esse tipo de estudo e as principais ferramentas open source para extração de características. Para analisar essa abordagem, desenvolvemos o AttentionVis Dashboard, um protótipo capaz de identificar momentos de atenção e distração, bem como os diferentes tipos de atenção, com o intuito de apoiar a autoregulação. Testes foram conduzidos em um ambiente controlado e seguiram um roteiro estruturado para avaliar a coerência dos resultados. Os achados indicam que o protótipo, baseado no modelo, é capaz de distinguir padrões atencionais de forma consistente. No entanto, também evidenciaram algumas limitações, apontando aspectos que podem ser aprimorados em futuras iterações
Abstract (english): User attention management has become a growing concern in recent years, largely due to the consolidation of remote and hybrid work models after widespread adoption during the COVID-19 pandemic. This abrupt transition to virtual environments has introduced new challenges, particularly regarding the difficulty of maintaining focus on personal, professional, and academic tasks. Regardless of the context, attention is crucial for task performance, especially in digital environments that are more susceptible to distractions. These challenges can impact time management, task balance, and overall well-being, highlighting the need to understand the factors influencing attention and to develop strategies to mitigate distractions. This study aims to support attentional focus analysis in computational environments through continuous user behavior monitoring, leveraging multimodal data and visualization techniques. To achieve this, a literature review explored studies utilizing webcam-based data—an emerging tool for behavioral research—mapping the state of the art and identifying gaps and research opportunities. The findings of this study were structured and presented in a visual and interactive format through the AttentionVis Browser tool. Based on the identified needs, we propose a model for attentional analysis, considering the most relevant data types for this field and the leading open-source tools for feature extraction. To validate this approach, we developed the AttentionVis Dashboard, a prototype designed to detect moments of attention and distraction, as well as different attention types, with the goal of fostering self-regulation. The prototype was tested in a controlled environment following a structured protocol to ensure the consistency of the results. The findings indicate that it effectively distinguishes attentional patterns. However, some limitations were also identified, revealing areas for improvement in future iterations.
Keywords: Atenção
Foco
Visualização de Dados
Webcam
Dados Multimodais
Attention Monitoring
Focus
Data Visualization
Webcam
Multimodal Data
CNPQ Knowledge Areas: CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
Language: por
Country: Brasil
Publisher: Pontifícia Universidade Católica do Rio Grande do Sul
Institution Acronym: PUCRS
Department: Escola Politécnica
Program: Programa de Pós-Graduação em Ciência da Computação
Access type: Acesso Aberto
Fulltext access restriction: Trabalho será publicado como artigo ou livro
Time to release fulltext: 18 meses
Date to release fulltext: 09/12/2026
URI: https://tede2.pucrs.br/tede2/handle/tede/11667
Issue Date: 25-Mar-2025
Appears in Collections:Programa de Pós-Graduação em Ciência da Computação

Files in This Item:
File Description SizeFormat 
DIS_CASSIANO_DA_SILVA_SOUZA_CONFIDENCIAL.pdfCASSIANO_DA_SILVA_SOUZA_DIS404.58 kBAdobe PDFThumbnail

Download/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.