Um modelo de gerenciamento da qualidade de experiência para a provisão de serviços cientes de contexto

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia e Gestão do Conhecimento, Florianópolis, 2017.A QoE (Quality of Experience) refere-se a avaliação das percepções e expectativas dos usuários no uso do serviço. Essa avaliação pode ser influenciada por vários aspectos (e.g. funcionais, técnicos, humanos) que podem interferir na UX (User Experience). No entanto, em sistemas de comunicação de dados, a QoE tem sido estudada como uma extensão da QoS (Quality of Service), onde muitas vezes, apenas parâmetros técnicos relacionados com o desempenho da rede são usados para predizer o nível de satisfação do usuário em relação ao serviço provido. Para uma gestão bem sucedida da QoE é necessário uma compreensão profunda e abrangente das múltiplas dimensões da percepção humana sobre a qualidade e dos fatores de influência contemplados nessas dimensões. Nesta tese é proposto um modelo de gerenciamento da QoE para prover serviços cientes de contexto, em sistemas de comunicação de dados, trazendo como resultados: (i) uma taxonomia multidimensional da QoE, pautada numa abordagem interdisciplinar; (ii) um modelo ontológico de representação do conhecimento da QoE; (iii) uma aplicação de gerenciamento de rede, com características semânticas e autonômicas, que aprende a UX e provê serviços cientes de contexto; (iv) uma arquitetura de provisão de serviços orientada ao usuário, projetada para a Internet do Futuro, com o uso de SDN (Software-Defined Networking). Para verificar a viabilidade do modelo proposto foi apresentado um cenário de provisão de serviços de eHealth entre um AAL (Ambient Assisted Living) e uma unidade de atendimento remota. Na avaliação foi verificado se os componentes do modelo proposto, quando comparados com os componentes da abordagem nativa, são capazes de: (i) prover serviços cientes do contexto e (ii) detectar, planejar e desencadear ações para restaurar a QoE, usando o conhecimento disponível na KB (Knowledge Base). A análise estatística realizada sobre os dados dos resultados experimentais permitiu evidenciar, com intervalo de confiança de 95%, que todos os serviços de eHealth, usando os componentes do modelo proposto, foram providos com qualidade superior quando comparados com os componentes da abordagem nativa.Abstract : QoE (Quality of Experience) refers to the evaluation of users perceptions and expectations about the use of a service. This evaluation can be influenced by several aspects (e.g. functional, technical, human) that may interfere with UX (User Experience). However, in data communication systems, QoE has been studied as an extension of QoS(Quality of Service), where often only technical network-performanceparameters are used to predict the level of user satisfaction about theservice provided. Successful QoE management requires a deep andcomprehensive understanding of the multiple dimensions of humanperception about quality in addition to the influencing factors inherent tosuch dimensions. In this doctoral thesis, a QoE management model isproposed to provide context-aware services in data communicationsystems, resulting in: (i) a multidimensional QoE taxonomy based on aninterdisciplinary approach; (ii) an ontological model of QoE knowledgerepresentation; (iii) a network management application, with semanticand autonomic features, that learns UX and provides context-awareservices; (iv) a user-oriented service delivery architecture designed forFuture Internet using Software-Defined Networking (SDN). In order toverify the feasibility of the proposed model, a scenario for eHealthservice delivery was created between an AAL (Ambient AssistedLiving) environment and a remote service unit. The evaluation verifiedwhether the components of the proposed model, when compared to thecomponents of the native approach, were able to: (i) provide contextaware services and (ii) detect, plan and trigger actions to restore QoE, using the knowledge available in the KB (Knowledge Base). Thestatistical analysis carried out with the data of the experimental resultsshowed that, with a 95% confidence interval, all eHealth services usingthe components of the proposed model were provided with superiorquality when compared to the components of the native approach