BRPI0621159A2 - método implantado por computador e sistema - Google Patents
método implantado por computador e sistema Download PDFInfo
- Publication number
- BRPI0621159A2 BRPI0621159A2 BRPI0621159-3A BRPI0621159A BRPI0621159A2 BR PI0621159 A2 BRPI0621159 A2 BR PI0621159A2 BR PI0621159 A BRPI0621159 A BR PI0621159A BR PI0621159 A2 BRPI0621159 A2 BR PI0621159A2
- Authority
- BR
- Brazil
- Prior art keywords
- content
- screen
- attributes
- rules
- user
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000013461 design Methods 0.000 claims abstract description 98
- 230000000007 visual effect Effects 0.000 claims abstract description 86
- 230000001149 cognitive effect Effects 0.000 claims abstract description 82
- 238000011161 development Methods 0.000 claims abstract description 71
- 230000015654 memory Effects 0.000 claims abstract description 31
- 238000002474 experimental method Methods 0.000 claims description 64
- 230000004044 response Effects 0.000 claims description 15
- 230000033001 locomotion Effects 0.000 claims description 14
- 238000012986 modification Methods 0.000 claims description 12
- 230000004048 modification Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 9
- 230000002708 enhancing effect Effects 0.000 claims 2
- 238000009826 distribution Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 36
- 238000004458 analytical method Methods 0.000 description 15
- 230000011664 signaling Effects 0.000 description 15
- 230000001419 dependent effect Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 230000007613 environmental effect Effects 0.000 description 9
- 239000012634 fragment Substances 0.000 description 9
- 238000013507 mapping Methods 0.000 description 9
- 238000013459 approach Methods 0.000 description 8
- 230000003936 working memory Effects 0.000 description 8
- 238000013515 script Methods 0.000 description 7
- 238000005094 computer simulation Methods 0.000 description 6
- 238000013401 experimental design Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000007787 long-term memory Effects 0.000 description 4
- 230000016776 visual perception Effects 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000014759 maintenance of location Effects 0.000 description 3
- 238000000528 statistical test Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004883 computer application Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004438 eyesight Effects 0.000 description 2
- 238000009396 hybridization Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 102100023817 26S proteasome complex subunit SEM1 Human genes 0.000 description 1
- 101000684297 Homo sapiens 26S proteasome complex subunit SEM1 Proteins 0.000 description 1
- 101000873438 Homo sapiens Putative protein SEM1, isoform 2 Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000000546 chi-square test Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000011985 exploratory data analysis Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/186—Templates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/04842—Selection of displayed objects or displayed text elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0245—Surveys
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0246—Traffic
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Primary Health Care (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- User Interface Of Digital Computer (AREA)
- Information Transfer Between Computers (AREA)
- Electrically Operated Instructional Devices (AREA)
- Stored Programmes (AREA)
- Document Processing Apparatus (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
MéTODO IMPLANTADO POR COMPUTADOR E SISTEMA. Trata-se de métodos e sistemas implementados por computador que facilitam o desenvolvimento e a distribuição de conteúdo para apresentação em uma tela ou em uma multiplicidade de telas em rede, sendo que o conteúdo inclui elementos de conteúdo. Os elementos de conteúdo podem incluir gráficos, texto, clipes de vídeo, imagens estáticas, clipes de áudio ou páginas da web. O desenvolvimento de conteúdo é facilitado usando-se um banco de dados que compreende regras de projeto baseadas nos princípios das ciências cognitivas e visuais. O banco de dados pode incluir regras de projeto baseadas em atenção visual, memória e/ou reconhecimento de texto, por exemplo.
Description
"MÉTODO IMPLANTADO POR COMPUTADOR E SISTEMA"
Campo da Invenção
A presente invenção refere-se a métodos e sistemas para desenvolver conteúdo a ser apresentado em uma tela ou em uma multiplicidade de telas ligadas em rede.
ANTECEDENTES
Os programadores de conteúdo freqüentemente empregam programas de aplicação em computador que são capazes de importar e dispor diversos tipos de conteúdo. Anúncios, por exemplo, podem ser desenvolvidos incorporando texto, gráficos, vídeo e elementos de áudio, dentre outros. Em geral, a eficiência do teor de um anúncio é função de um especialista de projeto, ao invés da sofisticação do programa de aplicação em computador usado para gerar o conteúdo do anúncio.
Um programador de conteúdo de sucesso geralmente otimiza suas habilidades em uma forma de tentativa e erro ou contando com abordagens de tentativa e erro. Conferir as habilidades de um programador hábil a um programador menos experiente é geralmente difícil, para não dizer impossível, já que tais habilidades tendem a ser altamente estilizadas e pessoais para um programador particular. Devido ao fato de a competência dos programadores variar significativamente, a qualidade e eficácia do conteúdo que eles produzem também varia. Os programas de aplicação de computador convencionais para gerar o conteúdo, em geral, não dotam os programadores com ferramentas que permitam que o programador exceda suas habilidades para o desenvolvimento efetivo do conteúdo.
SUMARIO DA INVENCAO
A presente invenção é direcionada a sistemas e métodos para desenvolver e distribuir conteúdo através do uso de auxílio por computador. As modalidades da presente invenção são direcionadas a um método auxiliado por computador para desenvolver conteúdo a ser apresentado em uma tela, o conteúdo compreende elementos de conteúdo. Os elementos de conteúdo podem incluir gráficos, texto, clipes de vídeo e, ainda, imagens, clipes de áudio ou páginas da Internet. O método envolve, ainda, facilitar, por meio de um auxílio por computador, o desenvolvimento do conteúdo usando um banco de dados que compreende regras e modelos de projeto com base nos princípios de ciências cognitivas e visuais. O banco de dados pode incluir regras e modelos de projeto com base na atenção visual, memória e/ou legibilidade textual, por exemplo.
A facilitação do desenvolvimento do conteúdo pode envolver o desenvolvimento do conteúdo em conformidade com regras e modelos de projeto, e pode envolver o alerta a um usuário em resposta a uma violação de uma ou mais regras e modelos de projeto. A facilitação do desenvolvimento de conteúdo pode envolver a geração de recomendações perceptíveis pelo usuário para o desenvolvimento de conteúdo, sendo que as recomendações são coerentes com as regras e modelos de projeto. A facilitação de desenvolvimento do conteúdo pode envolver o ajuste automático do conteúdo através de auxílio por computador em resposta à violação de um ou mais das regras e modelos de projeto.
A facilitação do desenvolvimento de conteúdo pode envolver facilitar a seleção e/ou o Iayout dos elementos de conteúdo ou a seleção de um ou mais atributos dos elementos de conteúdo em conformidade com as regras e modelos de projeto. Os atributos dos elementos de conteúdo podem incluir um ou mais dentre: cor, brilho, tamanho, fonte, orientação, movimento, duração da apresentação ou taxa de flash, localização da tela e número dos elementos de conteúdo concomitantemente apresentados na tela, dentre outros.
A facilitação do desenvolvimento de conteúdo pode envolver a seleção facilitadora dos atributos do elemento de conteúdo com base em um ou mais atributos da tela. Os atributos da tela podem incluir um ou mais tipos de tela, tamanho da tela, formato da tela, distância média de visualização da tela, velocidade média do movimento do observador em relação à tela, tempo de permanência do observador, iluminação ambiente em um local da tela e tempo do dia da apresentação do conteúdo na tela, dentre outros.
De acordo com algumas implantações, os dados de entrada do usuário são recebidos com relação a cada elemento de conteúdo, os dados de entrada do usuário incluem informações referentes tanto às metas de conteúdo quanto à mensagem pretendida. Em tais implantações, a facilitação do desenvolvimento do conteúdo pode envolver a facilitação do desenvolvimento do conteúdo usando as regras e modelos de projeto e os dados de entrada do usuário.
O conteúdo pode ser desenvolvido para apresentação em uma multiplicidade de telas em rede, e pode envolver a seleção de atributos do elemento de conteúdo à base de um ou mais atributos de cada tela. De acordo com algumas implantações, os dados de entrada do usuário com relação a cada elemento de conteúdo são recebidos, a informação que compreende tanto a meta de conteúdo quanto a mensagem pretendida. Os atributos das telas em rede são identificados por suas alterações no desenvolvimento de conteúdo. O desenvolvimento de conteúdo é facilitado pelo uso de regras e modelos de projeto, dados de entrada do usuário e atributos da tela.
Os métodos da presente invenção podem, ainda, envolver a facilitação, por meio de auxílio de computador, modificação do conteúdo desenvolvido em conformidade com as regras e modelos de projeto. O conteúdo desenvolvido pode ser modificado em resposta a uma alteração em um ou mais atributos de uma ou mais telas de uma rede de telas, como tipo da tela, tamanho da tela, formato da tela, distância de visualização esperada da tela, iluminação ambiente em um local da tela e tempo do dia da apresentação do conteúdo na tela, por exemplo.
De acordo com outras modalidades, os sistemas da presente invenção podem incluir um banco de dados que compreende regras e modelos de projeto com base nos princípios de ciências cognitivas e visuais, uma interface de usuário que compreende uma tela e um processador acoplado ao banco de dados e à interface de usuário. O processador é configurado de modo a facilitar o desenvolvimento de conteúdo para apresentação na tela em conformidade com regras e modelos de projeto. O processador pode ser configurado de modo a implantar um ou mais dentre os métodos da presente invenção anteriormente descritos neste documento.
As modalidades da presente invenção são direcionadas, ainda, a sistemas e métodos que fornecem a análise auxiliada por computador de conteúdo por meio de um ou mais modelos de ciências cognitivas e visuais (CVS - Cognitive and Vision Sciences). O conteúdo é fornecido ou desenvolvido por um programador de conteúdo. O conteúdo é inserido em um computador que implanta um ou mais modelos de CVS, como um modelo computacional de atenção visual, um modelo de legibilidade textual ou um modo de memória humana. O modelo de CVS ou modelos executam uma análise no conteúdo e produzem uma saída com base na análise de resultados. As Informações representativas de condições ambientais nos locais de apresentação e/ou metas para o conteúdo podem ser entradas para o(s) modelo(s). Por exemplo, o tipo das telas e a distância média entre as telas e os observadores pode ser a informação da condição ambiental que é inserida ao(s) modelo(s).
A informação almejada, que pode ser inserida ao(s) modelo(s), pode incluir objetivos que são associados a cada um dos vários modelos, como modelo computacional de atenção visual, uma legibilidade textual ou um modelo de memória humana. A informação almejada típica pode incluir os elementos específicos do conteúdo a serem percebidos pelos observadores e a ordem desejada na qual tais elementos específicos são percebidos. Outra informação almejada pode incluir o aperfeiçoamento e a otimização da legibilidade do texto com base no tamanho do texto e/ou na taxa de rolagem do texto em relação à localização do observador e/ou à velocidade na qual os observadores passam por uma determinada tela. Informações almejadas adicionais podem incluir maximizar a retenção de memória e o chamamento do conteúdo pelos observadores, como pela conformação da capacidade de memória e duração das regras de um determinado modelo.
Em algumas implantações, a saída representa recomendações para alteração de conteúdo em conformidade com dadas regras e metas do modelo. As recomendações podem adotar várias formas, como uma forma narrativa ou imagens. Por exemplo, um menu de possíveis atributos do conteúdo, que pode ser alterado, pode ser apresentado para o usuário. O menu de atributos pode incluir uma faixa de valores de atributo que podem ser alterados pelo usuário, ainda em conformidade com determinadas regras e metas do modelo. Em outras implantações, a saída representa uma forma modificada do conteúdo original, produzida automaticamente com modelos ou modelos de CVS implantados pelo computador. Inúmeras variações de conteúdo modificado podem ser automaticamente produzidas, cada uma das quais satisfaz as regras ou metas dos modelos ou modelo. O usuário pode, então, selecionar uma versão desejada do conteúdo modificado para apresentação. Alternativamente, o computador pode selecionar uma ou mais versões para apresentação. Em outras implantações, as várias versões de conteúdo modificado podem estar sujeitas a um processo experimental projetado que aperfeiçoa ou otimiza a eficiência da apresentação do conteúdo para um número de telas em rede, de preferência em uma base de tela-por-tela.
De acordo com outras modalidades, o conteúdo pode ser desenvolvido e distribuído em conformidade com regras ou modelos das ciências cognitivas e visuais. Um experimento verdadeiro pode ser executado para aperfeiçoar ou otimizar a eficiência da apresentação do conteúdo. Um quase-experimento ou experimento correlacionai pode, também, ser executado para aperfeiçoar ou otimizar a apresentação da eficiência do conteúdo. Conduzir o experimento verdadeiro pode incluir identificar variáveis dependentes, como uma meta de aumentar as vendas de um produto específico. As variáveis independentes podem ser identificadas, como parâmetros associados a um ou mais modelos de CVS (por exemplo, legibilidade de texto, atenção visual e/ou parâmetros de memória). Conteúdo pode ser modificado em vista dos resultados do experimento verdadeiro ou do quase-experimento ou correlacionai. Por exemplo, conteúdo pode ser modificado em uma base tela-por-tela, com base nos parâmetros aprimorados ou otimizados para cada tela. O conteúdo modificado pode ser apresentado em cada uma das telas. Experimentos verdadeiros ou quase-experimentos ou correlacionais adicionais podem ser conduzidos para aperfeiçoar ou otimizar mais a apresentação do conteúdo, particularmente, sob alteração de condições ambientais ou alteração na mensagem de meta ou pretendida do conteúdo.
O sumário acima da presente invenção não se destina a descrever cada modalidade ou todas as implementações da presente invenção. As vantagens e as realizações, junto com uma compreensão mais completa da invenção, se tornarão aparentes e apreciadas através de referências às seguintes descrições detalhadas e reivindicações tomadas em conjunto com os desenhos em anexo.
Breve Descrição dos Desenhos
A Figura 1 ilustra vários processos associados ao desenvolvimento de conteúdo de acordo com modalidades da presente invenção;
A Figura 2 ilustra vários processos associados ao desenvolvimento de conteúdo de acordo com modalidades da presente invenção;
A Figura 3 ilustra vários processos associados ao desenvolvimento de conteúdo de acordo com modalidades da presente invenção; A Figura 4A mostra uma atribuição inicial de um programador para criar uma apresentação que inclui um número de elementos de conteúdo diferente;
A Figura 4B ilustra como o conteúdo desenvolvido mostrado na Figura 4A é disposto de forma mais apropriada, de uma maneira coerente com as regras ou modelos do projeto, que são com base nos princípios das ciências cognitivas e visuais de acordo com modalidades da presente invenção;
A Figura 5 é um diagrama de blocos de um sistema para implantação do desenvolvimento de conteúdo auxiliado por computador, usando princípios de ciências cognitivas e visuais de acordo com modalidades da presente invenção;
A Figura 6 é um diagrama de blocos de um sistema para implantação do desenvolvimento e/ou distribuição de conteúdo auxiliados por computador, de uma maneira coerente com as ciências cognitivas e visuais de acordo com modalidades da presente invenção;
A Figura 7 é um diagrama de blocos de sistema de sinalização digital, que incorpora a capacidade para desenvolver e distribuir conteúdo de acordo com modalidades da invenção;
A Figura 8 ilustra o fluxo do processo de criação e desenvolvimento de conteúdo, usando os componentes e a funcionalidade do sistema de sinalização digital mostrado na Figura 7;
A Figura 9 é um fluxograma que ilustra uma implantação exemplificadora de um sistema de sinalização de acordo com modalidades da presente invenção;
A Figura 10 é um diagrama de blocos de um sistema para desenvolver e distribuir conteúdo usando ciências cognitivas/visuais controladas por um software de acordo com modalidades da presente invenção;
A Figura 11 é um fluxograma que ilustra vários processos associados ao desenvolvimento e modificação de conteúdo, usando um ou mais modelos de ciências cognitivas/visuais de acordo com a presente invenção; e
A Figura 12 é um fluxograma que ilustra vários processos associados ao desenvolvimento e modificação de conteúdo, usando os mesmos modelos de ciências cognitivas/visuais e resultados da experimentação verdadeira, de preferência implantados por um sistema de sinalização digital de acordo com a presente invenção.
Enquanto a invenção é adaptável a diversas modificações e formas alternativas, especificidades da mesma foram mostradas a título de exemplo nos desenhos e serão descritas em detalhe. Deve-se compreender, entretanto, que a intenção não é limitar a invenção para as modalidades específicas descritas. Em oposição, a intenção é proteger todas as modificações, equivalências e alternativas contidas no escopo da invenção conforme definido pelas reivindicações em anexo.
Descrição Detalhada das Diversas Modalidades
Na descrição a seguir das modalidades ilustradas, é feita referência aos desenhos anexos que são parte desta descrição e nos quais são mostradas, por meio de ilustração, diversas modalidades nas quais a invenção pode ser praticada. Deve-se compreender que as modalidades podem ser utilizadas e alterações estruturais pode ser feitas sem que se desvie do escopo da presente invenção.
A presente invenção é direcionada a métodos e sistemas para criação de conteúdo para apresentação em uma tela ou em uma multiplicidade telas em rede, e a facilitação, por meio de um auxílio por computador, da criação de conteúdo de uma maneira coerente com os princípios baseados nas ciências cognitivas humanas e visuais. Métodos e sistemas da presente invenção são, também, direcionados para distribuir e ajustar conteúdo para apresentação em uma tela ou em uma multiplicidade de telas em rede, de uma maneira coerente com os princípios baseados nas ciências cognitivas humanas e visuais. Desenvolver e ajustar conteúdo pode, também, envolver a execução de experimentos verdadeiros ou quase-experimentos ou correlacionais, para aperfeiçoar ou otimizar a eficiência da apresentação de conteúdo. Criar, distribuir e ajustar conteúdo, de acordo com a presente invenção, acentua vantajosamente a eficiência da apresentação de conteúdo à medida que é percebida por um receptor, como um comprador potencial de bens e serviços.
A criação de conteúdo é conduzida, de preferência, de uma maneira coerente com os princípios baseados em como os sistemas perceptivos do ser humano processam informações, os mecanismos que fundamentam a atenção, como o cérebro humano armazena e representa informações na memória e a base cognitiva de linguagem e solução de problemas, por exemplo. Uma base de conhecimento que armazena as informações de ciência cognitiva e visual é, de preferência, utilizada durante o projeto de conteúdo, distribuição e/ou processos de ajuste a fim de fornecer o conteúdo que é facilmente processado pelos perceptivos do ser humano, facilmente compreendidos e facilmente armazenados na memória. A base de conhecimento pode incluir regras e moldes de projeto que podem ser implementados por um computado para desenvolver e modificar o conteúdo em conformidade com os princípios da ciência cognitiva e visual. A base de conhecimento também pode incluir modelos implementados por um computador de princípios da ciência cognitiva e visual, como modelos de atenção visual, legibilidade de texto e princípios de memória. Os métodos e sistemas auxiliados por computador da presente invenção permitem que programadores de conteúdo que tipicamente não têm o treinamento requerido para aplicar os princípios da ciência cognitiva e visual para aumentar a eficácia de projeto e distribuição de conteúdo.
Em algumas modalidades, os métodos e sistemas auxiliados por computador, da presente invenção, podem ser implementados para operarem em modo semi-automático, sendo que um usuário é conduzido pelo computador por uma ou mais sessões interativas para projetar, desenvolver, distribuir e/ou ajustar o conteúdo. Em outras modalidades, os métodos e sistemas auxiliados por computador da presente invenção podem ser implementados de forma mais automática, com interferência mínima do usuário. Em um modo completamente automático, por exemplo, um sistema baseado em computador pode criar uma apresentação com base nas partes de conteúdo selecionadas pelo usuário de uma maneira coerente com as regras ou modelos de projeto armazenadas em um banco de dados de ciências cognitivas. As partes de conteúdo selecionadas pelo usuário pode ser dispostas, dimensionadas e/ou orientadas em uma tela do usuário com base nas regras ou modelos de projeto e, ainda, devido à meta e/ou mensagem pretendida das partes de conteúdo conforme indicadas pelo usuário. Uma implementação completamente automatizada pode envolver o sistema baseado em computador que ajusta os elementos de conteúdo de uma dada apresentação com base em uma ou mais regras ou modelos de projeto, metas das partes de conteúdo e mensagem pretendida das partes de conteúdo. Estes são alguns exemplos ilustrativos dos possíveis níveis de automaticidade que podem ser obtidos de acordo com a presente invenção e não devem ser considerados como exaustivos ou limitadores.
Os aspectos da presente invenção serão genericamente discutidos na presente invenção no contexto de um sistema ou rede de sinalização digital (DSS - Digital Signage System). Um DSS conforme contemplado nas modalidades particulares aqui descritas inclui uma série de telas de exibição interconectadas (por exemplo, em rede) que são similares aos sinais tradicionais, mas que podem ser controladas a partir de um local remoto para distribuir o conteúdo dinamicamente de alteração. Estas telas ou sinais digitais podem ser configuradas de modo que as pessoas possam interagir diretamente com o conteúdo de sinalização através de telas sensíveis ao toque ou dispositivos de interface com o ser humano (por exemplo, teclado ou mouse). Entende-se que estes princípios da presente invenção podem ser aplicados em uma ampla variedade de aplicações e não se limitam às que envolvem um DSS. Além disso, entende-se que as implementações da presente invenção podem variar substancialmente em termos de complexidade, pelo fato de que algumas implementações podem usar princípios relativamente simples de ciência cognitiva e/ou ciência visual (por exemplo, percepção visual humana), enquanto outras podem ter complexidade substancial, extraídas de múltiplas disciplinas da ciência cognitiva e visual (por exemplo, atenção visual do ser humano, memória e legibilidade de texto).
A tecnologia de tela está se tornando progressivamente diversificada de modo que existam diferenças significativas nos tipos de telas que podem ser usadas no presente conteúdo através de um DSS. Por exemplo, o tamanho, formato, brilho e condições de visualização irão, em geral, variar muito ao longo de um DSS. Por exemplo, algumas telas podem ser pequenas, flexíveis e não-retilíneas, enquanto que outras telas de plasma e LCD podem ser de formato amplo padrão. Esta variação nos tipos de tela e condições de visualização significa que qualquer versão única de uma parte de conteúdo não será ótima para todas as telas ao longo de um DSS.
Para superar esse problema usando uma abordagem convencional, pode ser necessário gerar versões exclusivas de cada parte de conteúdo para cada tipo de tela e ambiente de visualização exclusivo e distribuir seletivamente estas versões exclusivas de conteúdo para suas telas correspondentes na rede. Entretanto, não é realista esperar que os programadores de conteúdo tenham este conhecimento detalhado dos tipos de tela e condições de visualização ao longo de uma grande rede telas. Além disso, mesmo se os programadores de conteúdo tiverem este conhecimento, pode ser proibitivamente demorado criar manualmente versões exclusivas de conteúdo para cada tela e programar manualmente o conteúdo para exibição em cada tela correspondente no momento adequado. Os métodos e sistemas da presente invenção permitem vantajosamente que os programadores de conteúdo sem treinamento avançado na ciência visual e cognitiva apliquem os princípios destas disciplinas durante o processo de criação de conteúdo e durante o ajuste de conteúdo, como durante a distribuição de conteúdo para uma rede de exibições a fim de otimizar a efetividade do conteúdo.
De acordo com as modalidades da presente invenção, o usuário pode ser solicitado durante o processo de criação de conteúdo a lançar uma ou ambas as metas e mensagens pretendidas para cada parte de conteúdo a ser apresentada. De acordo com diversas modalidades, o sistema pode auxiliar o usuário na identificação de atributos de chave do DSS que têm implicações para o projeto de conteúdo. O sistema pode, ainda, guiar o usuário através do processo de aplicação da ciência cognitiva e de visual no conteúdo de projeto baseado nas metas e atributos de DSS de chave. Por exemplo, o sistema pode ajudar os usuários a escolher moldes (por exemplo, o melhor layout) e os elementos (por exemplo, se os elementos precisam ser gráficos, de texto, envolvem movimento, cor, tamanho, etc.) para exibir nas telas DSS.
De acordo com outras modalidades, os sistemas e métodos da presente invenção podem implementar o software que gera automaticamente novos moldes e aplica as transformações nos elementos de conteúdo existentes. Novos moldes e elementos de conteúdo podem ser gerados por diversas razões, como otimizar a efetividade do conteúdo. As ferramentas são, de preferência, disponibilizadas para o usuário a fim de facilitar a geração de versões exclusivas de partes de conteúdo para cada tela do DSS. Por exemplo, as ferramentas de software podem ser implementadas para se obter a entrada de um usuário e/ou outros componentes de software que se referem aos atributos DSS e outros fatores que fundamentam a efetividade do conteúdo e aplicam informações a partir da ciência cognitiva e de visões (por exemplo, as regras ou modelos de projeto acessadas a partir de um banco de dados) para extrapolar, preencher e, de outro modo, explorar o espaço de informações para as partes particulares de conteúdo que o sistema deseja aprimorar ou otimizar.
Os sistemas e métodos da presente invenção fornecer uma facilidade de gerar completamente o novo conteúdo que não é simplesmente uma reconfiguração de moldes distribuídos ou elementos associados às versões distribuídas de conteúdo. Ou seja, os sistemas e métodos da presente invenção não precisam contar apenas com a hibridização/mistura de moldes e elementos distribuídos que os dados sugerem ser eficazes, embora estes sistemas e métodos sejam capazes de hibridização/mistura.
Agora, com referência à Figura 1, ilustraram-se diversos processos associados ao desenvolvimento de conteúdo de acordo com as modalidades da presente invenção. O termo conteúdo é um termo amplo que refere-se a uma ampla variedade de conteúdo informático, incluindo gráficos, texto, videoclipes, imagens estáticas, clipes de áudio, páginas da web e/ou qualquer combinação de conteúdo de vídeo e/ou áudio, por exemplo. Uma parte de conteúdo refere-se a um conjunto e configuração específicos de imagens, vídeos, elementos de texto, etc., cujo propósito é se sustentar por si, para comunicar uma mensagem específica ou um conjunto de mensagens (por exemplo, um comercial de televisão). O termo elemento de conteúdo refere-se à imagens individuais, vídeos, seqüências de texto, etc., que pode ser combinado para produzir partes de conteúdo específicas.
Cada parte de conteúdo pode ter diversas versões. Por exemplo, duas versões da mesma parte de conteúdo podem se diferenciar pelo fato de que uma versão usa o texto para representar um conceito considerando que outra versão da mesma parte de conteúdo pode usar um ícone para representar o mesmo conceito. Também podem existir muitas versões de cada elemento de conteúdo. Por exemplo, uma versão de uma seqüência de texto pode ter fonte de ponto 12 considerando-se que a mesma seqüência de texto poderia ter fonte de ponto 24.
De acordo com a modalidade da Figura 1, o conteúdo é desenvolvido 10 para a apresentação em uma tela. O desenvolvimento do conteúdo, que inclui os elementos de conteúdo, é facilitado 12, por meio de assistência de computador. Especificamente, as regras ou modelos de projeto armazenados em um banco de dados são aplicadas 14 para facilitar o desenvolvimento do conteúdo auxiliado por computador. As regras ou modelos de projeto são, de preferência, regras ou directivas que são baseadas nos princípios da ciência cognitiva e visual. As regras/modelos de projeto permitem que um programador que tem um conhecimento limitado ou nenhum conhecimento dos princípios da ciência cognitiva e visual para criar o conteúdo efetivo que é coerente com estes princípios. As regras/modelos de projeto armazenadas no banco de dados podem ser usadas para facilitar 16 o ajuste do conteúdo auxiliado por computador. Estes processos de geração e revisão de conteúdo de uma maneira coerente com os princípios da ciência cognitiva e visual são vantajosamente facilitados pela assistência de computador para melhorar a efetividade do conteúdo.
A Figura 2 ilustra vários processos associados ao desenvolvimento de conteúdo de acordo com outras modalidades da presente invenção. De acordo com a modalidade da Figura 2, o conteúdo é desenvolvido ou ajustado 20 para apresentação em uma tela. As regras ou modelos de projeto armazenadas em um banco de dados são acessados 22 durante o desenvolvimento ou ajuste de conteúdo. As regras de projeto são regras ou directivas que são baseadas nos princípios da ciência cognitiva e visual, conforme anteriormente discutido. Os modelos armazenados no banco de dados são, tipicamente, baseados em uma combinação de regras que são associadas a uma multiplicidade de princípios da ciência cognitiva e visual. Um modelo computacional de atenção visual representa, por exemplo, este modelo que abrange diversos princípios de ciência cognitiva e visual. Um modelo computacional particular de atenção visual pode ser chamado de um modelo de mapeamento de saliência, tal como é conhecido na técnica. Os exemplos úteis de modelos de mapeamento de saliência são apresentados no pedido de patente U.S. n° 2006/0215922 e na patente U.S. n° 7.130.461, cada uma das quais está aqui incorporada, a título de referência. Entende-se que uma ampla gama de modelos de ciência cognitiva e visual podem ser usados no contexto da presente invenção e não se limitam aos modelos de atenção visual humana conforme especificamente discutido acima. Estes outros modelos podem incluir aqueles que abrangem os princípios de memória do ser humano, por exemplo.
Um sistema de computador, que acessa o banco de dados que armazena as regras ou modelos de projeto, determina 24 se o desenvolvimento ou ajuste do conteúdo é coerente com as regras/modelos de projeto. Diversas operações podem ser realizadas em resposta à determinação de que as regras de projeto fora violadas. Por exemplo, uma recomendação perceptível pelo usuário pode ser gerada 26 para sugerir alterações que o usuário pode fazer durante o desenvolvimento ou ajuste de conteúdo para satisfazer as regras ou modelos de projeto. Um alerta perceptível pelo usuário que pode ser gerado 27 indica a não-conformidade com as regras ou modelos de projeto. O ajuste automático ao conteúdo desenvolvido pode ser realizado 28 para assegurar que o conteúdo é coerente com as regras ou modelos de projeto. A Figura 2 ilustra alguns dos muitos outros possíveis eventos que podem ser acionados durante o desenvolvimento ou ajuste do conteúdo se uma inconsistência com as regras/modelos de projeto tiver sido detectada. A conformidade com as regras/modelos de projeto podem ser obrigatórias ou permissivas dependendo da aplicação e conhecimento do usuário.
A Figura 3 ilustra vários processos associados ao desenvolvimento de conteúdo de acordo com modalidades adicionais da presente invenção. De acordo com a modalidade da Figura 3, o conteúdo é desenvolvido 30 para a apresentação em uma multiplicidade de telas, como uma rede de exibições em um DSS. A multiplicidade de telas é, de preferência, aquela associada a um DSS1 porém podem ser telas associadas a qualquer rede de exibições, como exibições de computador doméstico acopladas à Internet. As regras ou modelos de projeto armazenadas em um banco de dados são aplicadas 32 durante o desenvolvimento de conteúdo, às regras/modelos de projeto baseados nos princípios da ciência cognitiva e visual, conforme anteriormente discutido.
Os atributos de cada exibição da rede de exibição são determinados 34. Estes atributos incluem tipicamente o tipo de tela, tamanho, formato, ambiente, iluminação ambiente, distância de visualização, velocidade de passagem de observador, entre outros. Estes atributos são determinados, de preferência, de uma maneira automatizada, lendo-se os dados de atributo armazenados na tela (por exemplo, determinados e armazenados durante a instalação de tela) ou de um banco de dados que contém informações de atributo para cada tela. Estes atributos podem, também ser determinados usando um ou mais sensores situados nos locais de visualização. Uma câmera de vídeo pode ser instalada, por exemplo, nos locais de visualização para facilitar a detecção de alteração de condições ambientais, como alterações de dia/noite, densidade de observadores e distância entre os observadores e a tela. Os sensores de proximidade, como sensores infravermelhos (IR), podem ser usados nos locais de observador para determinar o número médio de observadores por unidade de tempo e/ou distância média entre os observadores e a tela.
De acordo com uma abordagem, o conteúdo é ajustado 36 para acomodar os atributos telas em rede em conformidade com as regras/modelos de projeto. Por exemplo, os atributos de uma tela de 20,3 cm (8") diferem significativamente daqueles de uma tela de painel amplo (por exemplo, tela de LCD de 127 cm (50")). O conteúdo de uma dada apresentação é, de preferência, ajustado de modo que os elementos de conteúdo sejam apresentados 38 em cada uma das telas distintas em conformidade com as regras/modelos de projeto.
De acordo com uma abordagem adicional, tal como também é mostrado na Figura 3, o dado de entrada de usuário é recebido 35 referente aos elementos do conteúdo. O dado entrada de usuário inclui, de preferência, a meta e/ou mensagem pretendida de cada elemento de conteúdo. O conteúdo é ajustado 37 para acomodar os atributos das telas em rede e o dado de entrada de usuário de uma maneira coerente com as regras/modelos de projeto. O conteúdo ajustado é apresentado 38 de uma maneira adequada em cada uma das telas em rede 38.
As Figuras 4A e 4B ilustram como o desenvolvimento de conteúdo para a apresentação em uma tela 40 pode ser conduzido de uma maneira coerente com o projeto desenvolvido a partir dos princípios ciência cognitiva e visual. A Figura 4A mostra uma tentativa inicial de o programador criar uma apresentação para tela que inclui inúmeros elementos de conteúdo diferentes. Neste Exemplo ilustrativo, o programador selecionou os seguintes elementos de conteúdo para apresentação na tela 40 uma subida ou descida de texto 44, um anúncio de vídeo 42, um logotipo de loja 46 e um painel de clima/notícias 48. Presumindo que o programador não está bem familiarizado com os princípios da ciência cognitiva e visual, o layout destes elementos de conteúdo 42, 44, 46 e 48 conforme mostrado na Figura 4A representa aquela que programador acredita ser uma parte de conteúdo efetiva. A Figura 4B ilustra como o conteúdo desenvolvido mostrado na Figura 4A é mais adequadamente disposto de uma maneira coerente com as regras ou modelos de projeto desenvolvidos a partir dos princípios da ciência cognitiva e visual. Os locais e o tamanho dos elementos de conteúdo 42, 44, 46 e 48 mostrados na Figura 4B foram alterados de acordo com as regras/modelos de projeto desenvolvidos a partir dos princípios a ciência cognitiva e visual. Os aspectos dos elementos de conteúdo, além de ou em adição ao, local e tamanho em relação à tela 40 também podem ser modificados, como fonte do texto, orientação do texto, cores de frente e cores de fundo, intensidade de cor, proporção dos elementos de conteúdo em relação uns aos outros, brilho relativo, entre outros. O ajuste dos elementos de conteúdo podem ser implementados de uma maneira semi ou totalmente automática através da assistência de computador.
A Figura 5 é um diagrama de blocos de um sistema para implementar o desenvolvimento de conteúdo auxiliado por computador que usa os princípios ciência cognitiva e visual de acordo com as modalidades da presente invenção. O sistema mostrado na Figura 5 inclui um processador 52 acoplado em uma interface de usuário 54 e uma tela 56. A interface de usuário 54 inclui, de preferência um ou mais dispositivos de entrada de usuário, como um teclado, mouse, facilidade de reconhecimento de voz e similares. Uma apresentação 58 do conteúdo desenvolvido de acordo com a presente invenção é tipicamente apresentado na tela 56. O conteúdo da apresentação 58 é, de preferência, criado e revisado de acordo com as regras ou modelos de projeto armazenadas em um banco de dados de ciências cognitivas 50. Vários moldes (por exemplo, layouts) que são coerentes com as regras/modelos de projeto podem, também ser armazenados no banco de dados de ciências cognitivas 50.
Entende-se que o banco de dados de ciências cognitivas 50 armazena tipicamente informações, como regras de projetos, moldes e modelos, que são associadas à ciência cognitiva e ciência visual e que o uso do termo do banco de dados de ciências cognitivas não é exclusivo apenas à ciência cognitiva.
A Figura 6 é um diagrama de blocos de um sistema para implementar o desenvolvimento auxiliado por computador e/ou distribuição de conteúdo de uma maneira coerente com os princípios da ciência cognitiva e visual de acordo com as modalidades da presente invenção. O sistema mostrado na Figura 6 inclui um processador 62 acoplado em uma interface de usuário 64, uma tela 66, um banco de dados de ciências cognitivas 50 e uma interface de rede 70. A interface de rede 70 facilita a comunicação entre o processador 62 e uma multiplicidade de telas 80A-80N de um DSS. O processador 62 aplica as regras de projeto acessadas a partir de um banco de dados de ciências cognitivas 50 para formatar o conteúdo de uma maneira ajustada para cada uma das telas 80A a 80N, ao menos algumas das quais têm atributos diferentes. A efetividade das apresentações 82A a 82N distribuída para diversas telas 80A a 80N é aumentada pelos ajustes feitos no conteúdo através da aplicação das regras de projeto, modelos e moldes armazenados no banco de dados de ciências cognitivas 50, como resultado do DSS. A efetividade das apresentações 82A a 82N distribuída para as diversas telas 80A a 80N pode ser adicionalmente aumentada através da modificação dos elementos de conteúdo como resultado das metas e mensagem pretendidas indicadas pelo usuário.
A Figura 7 é um diagrama de blocos de um DSS que incorporam a capacidade de desenvolver e distribuir o conteúdo de acordo com as modalidades da invenção. O diagrama de blocos da Figura 7 ilustra uma configuração de um DSS dividido em blocos funcionais. Os versados na técnica irão avaliar que o DSS pode ser alternativamente ilustrado usando blocos de função diferentes e que diversos componentes do DSS podem ser implementados como hardware, software, firmware ou qualquer combinação de hardware, software e firmware.
O DSS ilustrado na Figura 7 é um sistema computadorizado configurado de modo a apresentar conteúdo informativo via formatos de áudio, visuais e/ou outros formatos de mídia. O DSS pode incluir a funcionalidade para gerar automática ou semi-automaticamente cronogramas, que fornecem uma lista do conteúdo de informações que será apresentado e cronogramas que definem uma ordem para a apresentação do conteúdo. Em um modo semi- automático, um usuário pode acessar um processador de controle de DSS 105 através de uma interface de usuário interativa 110. Auxiliado pelo processador de controle de DSS 105, o usuário pode desenvolver o conteúdo identificando- se os elementos de conteúdo que serão apresentados, de preferência, de acordo com as regras de projeto armazenadas em um banco de dados de ciências cognitivas 130. O processador de controle de DSS 105 pode, então, ser usado para gerar cronogramas e planos que controlam a temporização e a ordem de apresentações em um ou mais componentes DSS 115. Cada componente 115 apresenta o conteúdo para os recipientes de acordo com um cronograma e plano desenvolvido para o componente 115. Conforme anteriormente discutido, o conteúdo informativo pode compreender gráficos, texto, clips de vídeo, imagens estáticas, clips de áudio, páginas da web e/ou qualquer combinação de conteúdo de vídeo e/ou áudio, por exemplo.
Em algumas implementações, após o cronograma e o plano ser desenvolvidos, o processador de controle de DSS 105 determina o conteúdo requerido para o cronograma, baixa o conteúdo de um servidor e transfere o conteúdo juntamente com o cronograma e plano para um controlador de componente 120 que distribui o conteúdo para os componentes 115. Embora a Figura 7 mostre apenas um controlador de componente 120, múltiplos controladores de componente podem ser acoplados a um único processador de controle de DSS 105. Cada controlador de componente 120 220 pode controlar um único componente 115 ou múltiplos componentes 115. O conteúdo e/ou cronogramas e planos podem ser transferidos do processador de controle de DSS 105 para um ou mais controladores de componente 120 em um formato compactado com endereçamento adequado fornecendo informações que identificam o componente 115 ao qual o conteúdo/cronograma/plano está destinado. Em algumas aplicações, os componentes 115 podem ser distribuídos em lojas e o conteúdo apresentado nos componentes 115 pode ser notificações.
Em outras implementações, o processador de controle de DSS 105 pode transferir apenas cronogramas e planos para o controlador de componente 120. Se o conteúdo não for residente no controlador de componentes 120 o controlador de componente, o o controlador de componente 120 pode acessar o armazenamento de conteúdo 125 225 para obter o conteúdo que será apresentado. Algumas situações, um ou mais dos vários componentes do sistema de DSS, inclusive o armazenamento de conteúdo 125, podem ser acessíveis através de uma conexão de rede, como uma conexão Intranet ou Internet. O controlador de componentes 120 pode reunir o conteúdo desejado, ou, de outro modo, facilitar a exibição do conteúdo desejado nos componentes de acordo com os cronograma e planos. Os cronogramas e planos e/ou conteúdo apresentados nos componentes 115 podem ser modificados periodicamente ou como desejado pelo usuário através do controlador de componente 120 ou através do processador de controle de DSS 105, por exemplo. Estas modificações podem ser feitas de acordo com as regras de projeto, modelos ou moldes armazenados no banco de dados de ciências cognitivas 130.
Em algumas implementações, o processador de controle de DSS 105 facilita o desenvolvimento e/ou formatação de um programa de conteúdo que será reproduzido em um componente. Por exemplo, o processador de controle de DSS 105 pode facilitar a formatação de um programa audiovisual através do uso de um molde. O molde inclui formatar restrições e/ou regras que são aplicadas no desenvolvimento de um programa audiovisual que será apresentado. Por exemplo, o molde pode incluir regras associadas às porções da tela usadas para certos tipos de conteúdo, o tipo de conteúdo que pode ser reproduzido em cada segmento e a seqüência, tamanho da fonte e/ou outras restrições ou regras aplicáveis à exibição do programa. Um conjunto separado de regras e/ou restrições pode ser desejado para cada configuração de vídeo. Estas regras, moldes e restrições (por exemplo, regras/modelos de projeto/moldes) são, de preferência, armazenados e acessados a partir do banco de dados de ciências cognitivas 130. Em algumas modalidades, a formatação de um programa para telas diferentes pode ser realizada automaticamente pelo processador de controle de DSS 105 de acordo com as regras, modelos e moldes do projeto.
As informações armazenadas no banco de dados de ciências cognitivas 130 podem ser usadas automática ou semi-automaticamente para controlar, ajustar e/ou monitorar um ou mais processos do DSS incluindo a criação de moldes, projeto de conteúdo, seleção de conteúdo, distribuição de conteúdo, conjunto de programas e/ou formatação de programas para exibição. O banco de dados de ciências cognitivas 130 usado em conjunto com a programação do DSS produz anúncios ou outros programas de sinalização digital que são melhorados com os ensinamentos da ciência cognitiva, enquanto liberam o usuário de sistema da necessidade de treinamento específico no campo.
No desenvolvimento de um programa de sinalização, por exemplo, campanha de publicidade ou similares, o processador de controle de DSS 105 pode guiar um usuário em diversos processos que são melhorados usando o conhecimento adquirido através das ciências cognitivas. Por exemplo, as informações armazenadas no banco de dados de ciências cognitivas 130 podem ser aplicadas à escolha de moldes para produzir um layout de programa ótimo e/ou à seleção de conteúdo, como se os elementos de conteúdo devem ser gráficos, de texto, envolvem movimento, cor, tamanho e/ou as implementações de outros aspectos do desenvolvimento de programa. O DSS inclui, de preferência a capacidade para projetar versões alternativas de um programa de sinalização digital para acomodar diversos tipos de tela e condições de visualização de uma maneira coerente com as informações armazenadas no banco de dados de ciências cognitivas 130.
A Figura 8 ilustra o fluxo de processo de criação e aplicação de conteúdo usando os componentes e a funcionalidade do DSS descrito acima. O processo guia o usuário ao longo de uma série de ferramentas e scripts e cria 210 inúmeros moldes alternativos que especificam como as categorias de elementos de conteúdo devem aparecer na tela (por exemplo, um local, tamanho e orientação de elementos como texto, gráficos e vídeos). As ferramentas e scripts sugerem os moldes recomendados desenhando-se em três conjuntos de informações: a) os princípios das ciências cognitivas e visuais com relação à exibição eficaz de informações, b) as metas para o conteúdo (por exemplo, modo de orientação, anúncio) e c) os atributos conhecidos da rede de sinalização (por exemplo, tamanho e formato das telas diferentes, distâncias de visualização diferentes e observadores demográficos ao longo da rede).
Por exemplo, as ferramentas e scripts podem ajudar um usuário a determinar se um elemento deve ser representado graficamente ou via texto. As ferramentas e scripts também podem ajudar um usuário a determinar quais entre um grande número de moldes predefinidos são adequados dadas as condições de visualização ao longo da rede, metas para o conteúdo e se as métricas disponíveis que se referem aos tipos de moldes foram eficazes a partir das campanhas. As ferramentas e scripts podem ajudar adicionalmente um usuário a determinar se os elementos alvos e distratores do conteúdo são adequadamente posicionados, dimensionados ou, de outro modo, apresentados (por exemplo, cor apropriada, intensidade, etc.) e se a ordem desejada da atenção/reconhecimento alvo através do observador é alcançável dado o estado do conteúdo.
O processo leva o usuário através de uma série de ferramentas e scripts para gerar os elementos de conteúdo particulares 220 que serão posteriormente colocados dentro dos moldes criados no bloco 210. Os elementos de conteúdo individuais podem incluir mensagens de texto específicas, imagens estáticas, animações, clipes de filme, bips sonoros, etc. Cada elemento pode ter muitas variantes e o software ajuda o usuário a determinar quais elementos de conteúdo podem ser combinados em um molde, as regras de como estes elementos podem ser combinados e os parâmetros em que os elementos de conteúdo podem ser manipulados durante o processo de criação de conteúdo. Por exemplo, pode ser legal alterar a cor ou a intensidade de cor de uma fonte durante a disposição, porém não a cor da face de uma pessoa famosa usada no molde.
As ferramentas e scripts de software podem facilitar a geração de conteúdo desenhando-se em múltiplos conjuntos de informações, que incluem: a) dados que se referem aos tipos de elementos de conteúdo que foram eficazes nas campanhas anteriores, b) princípios a partir das ciências cognitivas e visuais e c) os atributos conhecidos da rede de sinalização digital. Após o conteúdo ser criado, neste Exemplo, a interação de usuário não é mais necessária.
A criação de conteúdo é melhorada no bloco 230. O processo pode envolver diversas restrições para combinar os elementos e moldes para criar inúmeras versões de conteúdo. As restrições, na primeira vez através deste processo, podem ser baseadas em: a) nos fatores anteriormente usados na criação de moldes e elementos de conteúdo acima, b) directivas preprogramadas de como combinar os elementos e moldes e c) metas para a parte de conteúdo que é posicionada. Em passagens subseqüentes através deste bloco, o processo pode, também usar dados de efetividade (por exemplo, dados de vendas ou inventários, dados que resultam da realização verdadeira ou quase-experimentação /correlacionai) para alterar conteúdo/moldes existentes ou criar moldes novos (através de interpolação) e elementos antes de criar novas versões de conteúdo. Devido ao fato de cada tela em uma rede poder ter diferentes atributos (por exemplo, diferentes níveis de iluminação, níveis de ruído, formato, tamanho e distância de visualização média), uma versão exclusiva do conteúdo pode ser criada para cada tela na rede. O conteúdo é distribuído 240 ao longo da rede de sinalização digital, com os ajustes feitos a isso devido aos atributos de DSS/tela.
A Figura 9 é um fluxograma que ilustra uma implementação exemplificadora do sistema DSS de acordo com uma modalidade da invenção. A implementação envolve um varejista de produtos esportivos com 200 lojas. O varejista deseja anunciar quatro produtos com estoque excessivo e quatro produtos sem estoque excessivo mas que têm margens de lucro mais altas que os produtos excessivamente estocados A meta da campanha é maximizar o lucro bruto enquanto elimina o inventário excessivo dos itens com estoque excessivo. Ou seja, uma vez que o inventário excessivo é eliminado, a meta é simplesmente reduzi-lo para manter um inventário equilibrado em cada loja.
Usando o software de acionamento de ciência cognitiva/visual, o gerente de sinalização do varejista cria 310 moldes diferentes que serão usados para desenvolver o conteúdo para cada uma das oito linhas de produtos. Estes moldes incluem o Iayout de mensagens, esquemas de cor e/ou outras variáveis que constituem o programa.
Estes moldes podem ser usados em cada uma das oito linhas de produtos e não são específicos para um único produto. Adicionalmente, os moldes preexistentes ou de estoque estão disponíveis para uso durante esta fase.
Após criar os moldes de base para esta campanha, o gerente de sinalização cria 320 elementos de conteúdo individuais que são necessários para preencher os moldes. Os elementos individuais são específicos para as linhas de produtos que são promovidas e incluem marcação de produto e mensagens para os dados produtos. Como no processo de criação de molde, a criação dos elementos individuais é guiada pelo assistente de software que usa o software de acionamento de ciência cognitiva/visual. Os moldes são automaticamente preenchidos 330 com os elementos de conteúdo individuais para gerar inúmeros pacotes de conteúdo diferentes para cada um dos oito produtos que a rede de sinalização está promovendo. Potencialmente, centenas versões diferentes de cada parte de conteúdo são criadas para cada linha de produtos fundindo-se os elementos aos moldes para acomodar a variação dos atributos de sinalização, como tamanho de tela ou distância de visualização.
Usando-se o conhecimento preexistente ou aprendido sobre a rede de sinalização, o conteúdo é distribuído 340, usando-se os algoritmos que permitem a coleta de métricas de sucesso para partes individuais de conteúdo. De acordo com algumas implementações, o conteúdo é distribuído ao longo da rede de um modo que assegure o contrabalanço, bloqueio e a medição isenta de confusão pode ser feita (por exemplo, em conformidade com a realização de um experimento verdadeiro). Adicionalmente, o algoritmo de disposição assegura que o conteúdo relevante seja enviado para os sinais adequados na rede, considerando os atributos de rede, condições demográficas de observador e de visualização entre outros.
Em algumas implementações, o ponto de venda e o dado de sensor que é usado permite que o impacto de diversos pacotes de conteúdo seja monitorado e analisado para determinar quais moldes e elementos de conteúdo e suas combinações são mais eficazes para cada tela na rede. A partir destas informações, a causa e o efeito, bem como o retorno do investimento podem ser analisados, permitindo a cobrança baseada em valor. Este Exemplo pode determinar se ao longo de todas as 200 lojas, o próprio sistema de sinalização foi responsável por X% de aumento nos lucros e Y% de redução no inventário excessivo. A análise de dados exploratórios gera novos possíveis atributos de rede. Por exemplo, há um pico nas vendas quando os clientes seleciona o produto X e quando o conteúdo Y é concomitantemente mostrado. Na próxima iteração, este novo atributo de rede será experimentalmente testado, não apenas medido a partir de um estudo de correlação. Por exemplo, o sistema pode determinar se a parte de conteúdo apresentada nas telas do tipo X é mais eficaz usando os moldes do tipo Y e que os elementos de conteúdo mais eficazes têm propriedades XYZ.
Com base nos dados de eficácia que podem ser automaticamente adquiridos (por exemplo, através de experimentos verdadeiros implementados pela rede de sinalização) ou manualmente (por exemplo, informações de vendas, níveis de inventário) 350, o sistema pode gerar automaticamente 360 novos moldes, novos elementos de conteúdo e novas combinações dos mesmos. Novamente, usando os atributos rede de sinalização (velhos e novos), o software dispõe estas novas partes de conteúdo ao longo da rede. Durante o restante da campanha, os processos descritos nos blocos 330 a 360 podem ser repetidos, por exemplo, sem a interação do usuário. O gerente de rede de sinalização é capaz de monitorar o impacto que o conteúdo tem nas vendas em qualquer dado ponto durante a campanha enquanto o sistema tenta automaticamente atingir as metas da campanha.
Mediante o término desta campanha, os moldes e elementos que foram manual ou automaticamente gerados durante a campanha também estão disponíveis para futuras campanhas. Além disso, o conhecimento do que foi ganho com relação aos tipos de moldes e elementos que são eficazes para telas particulares, fatores demográficos ou outros, é usado para criar e distribuir o conteúdo mais efetivamente ao longo da rede durante as futuras campanhas.
A determinação se um experimento é um experimento verdadeiro pode ser realizado, de maneira pró ou retroativa, com relação ao andamento do experimento. De acordo com algumas modalidades, um computador pode ser usado para determinar se um experimento que ainda está para ser realizado é um experimento verdadeiro. De acordo com outras modalidades, um computador pode ser usado para determinar se um experimento que foi previamente realizado é um experimento verdadeiro. De acordo com uma abordagem, o computador determina, com base nas informações fornecidas pelo usuário, se um projeto experimental elimina ou controla confusões. Neste Exemplo, o usuário lança informações sobre o experimento, incluindo as variáveis independentes e dependentes do experimento.
O computador identifica situações que podem produzir confusões no experimento. O usuário seleciona as situações de confusão-produção identificadas pelo computador que estão presentes no contexto do experimento.
O computador instrui o usuário a identificar as etapas adotadas para eliminar ou controlar as confusões identificadas. O computador determina se a combinação de etapas é suficiente para eliminar as confusões do experimento. Os detalhes da realização de um experimento verdadeiro no contexto da presente invenção são adicionalmente apresentados mais adiante neste documento e no Pedido de Patente U.S., de propriedade comum, N0 Serial 11/321/340, depositado em 29 de dezembro de 2005 sob a Súmula do Procurado N0 61290US002, que estão aqui incorporados, por meio deste, a título de referência.
A Figura 10 é um diagrama de blocos de um sistema para desenvolver e distribuir conteúdo usando ciências cognitivas/visuais controladas por um software de acordo com modalidades da presente invenção. O sistema mostrado na Figura 10 inclui um computador 402 acoplado a uma tela 404 e uma interface de rede 406. A interface de rede 406 é acoplada a uma rede de exibições 410, como aquelas de um DSS. O sistema de computador 402 é, também, acoplado a um banco de dados de ciências cognitivas 450.
O banco de dados de ciências cognitivas 450 inclui diversos conjuntos de regras ou modelos desenvolvidos a partir dos princípios das ciências cognitivas e visuais do ser humano. Neste Exemplo ilustrativo, as regras e modelos, também chamados na presente invenção como regras de projeto ou modelos de projeto, incluem regras de atenção e percepção visual 420, regras de legibilidade de texto 430 e regras de memória 440.
As regras de atenção e percepção visual 420 podem incluem regras ou modelos que são baseados em como os sistemas de percepção do ser humano processam as informações visuais. Um Exemplo ilustrativo de um modelo de atenção e percepção visual 420 é chamado de um modelo de mapeamento de saliência. Em temos gerais, aquelas porções de uma dada imagem que obtêm uma resposta forte, rápida e automática a partir dos observadores, independente da tarefa que elas estão tentando solucionar, podem ser chamadas de visualmente salientes. Um objeto vermelho entre objetos verdes ou linhas horizontais entre linhas verticais representam dois exemplos de locais salientes de uma imagem.
O sistema de computador 402 pode ser configurado de modo a fornecer a detecção automática de partes salientes de informações de imagem baseadas no modelo de mapeamento de saliência. A saliência pode ser computada de inúmeros modos tal como conhecido na técnica. Os exemplos destas abordagens que podem ser implementados no contexto da presente invenção são apresentados na Publicação de patente U.S. n° 2006/0215922 e na patente U.S. n° 7.130.461, as quais estão incorporadas anteriormente neste documento a título de referência. Os detalhes adicionais dos modelos de mapeamento de saliência são descritos em Koch, C. and Ullman, S. "Shifts in Selective Visual Attention: Towards the Underlying Neural Circuitry," Human Neurobiology, 4:219-227, 1985; e duas implementações de computador detalhadas: ltti, L., Koch, C. and Niebur, E., "A Model of Saliency- Based Visual Attention for Rapid Scene Analysis," IEEE Trans. Pattern Analysis & Machine InteIK (PAMI) 20:1254-1259, 1998 e Itti, L. and Koch, C.. "A Saliency-Based Search Mechanism for Overt and Covert Shifts of Visual Attention," Vision Research 40:1489-1506, 2000, cada uma das quais está aqui incorporada por meio desta a título de referência.
De acordo com uma abordagem, o sistema mostrado na Figura 10 pode ser configurado para determinar um mapa de saliência, que pode ser um mapa bidimensional que codifica objetos salientes em um ambiente visual.
O mapa de saliência de uma dada cena expressa, por exemplo, a saliência de todos os locais nesta imagem O mapa de saliência é o resultado das interações competitivas entre os mapas de característica para as características de imagem que incluem cor, orientação, textura, movimento e profundidade, entre outras, que interagem dentro e ao longo de cada mapa. A qualquer momento, o local atualmente mais forte no mapa de saliência corresponde ao objeto mais saliente. O valor no mapa representa a saliência local de qualquer local com relação à sua vizinhança. Por padrão, o sistema direciona a atenção para o local mais saliente. Um segundo local mais saliente pode ser encontrado inibindo-se o local mais saliente, faz com que o sistema mude automaticamente para o próximo local mais saliente.
A título de exemplo, o conteúdo original pode ser lançado em um modelo de mapeamento de saliência, como sob a forma de uma imagem varrida ou digitalizada do conteúdo original. O sistema de computador 402 pode produzir um mapa de saliência da imagem de conteúdo, que indica os locais mais salientes da imagem, de preferência, em ordem. A saída do modelo de mapeamento de saliência pode indicar estes locais salientes que usam uma caixa ou outro formato em combinação com um número ou letra indicando, dessa forma, os locais e a ordem de saliência da imagem. Estes indicadores de locais/ordem podem ser usados para fornecer uma comparação entre os locais de saliência/ordem pretendidos pelo programador de conteúdo e os locais de saliência/ordem reais determinados pelo sistema de computador 402.
O sistema de computador 402 pode gerar recomendações para o programador através de saída narrativa ou de imagem que pode otimizar a saliência e/ou atingir a saliência/ordem desejada de locais salientes. O sistema de computador 402 pode produzir alternativamente formas alteradas do conteúdo original, de maneira automática, que atinge os requerimentos de mapeamento/ordem de saliência desejados pelos projetistas. Desta maneira, o sistema de computador 402 pode, sem a intervenção do usuário, analisar o conteúdo original, desenvolver um mapa de saliência disso, determinar se os requisitos de saliência do usuário ou regra/modelo foram obtidos e, se não, gerar uma ou mais versões de conteúdo ajustado que satisfaçam os requisitos de saliência do usuário ou regra/modelo.
Outras regras de atenção/percepção 420 podem ser definidas para os atributos de guia de atenção visual que podem melhorar a atenção visual dos observadores para o conteúdo exibido, "guiando" efetivamente os observadores para alocar a atenção para a tela ou porções da tela. Os atributos de guia definem os aspectos dos elementos de conteúdo individuais ou relacionamentos entre múltiplos elementos de conteúdo. Os atributos de guia podem ser usados em um primeiro modo para atrair a atenção visual dos observadores para uma tela e ser usados em um segundo modo, durante a apresentação de conteúdo uma vez que o observador está presente dentro do espaço de tela. Por exemplo, pode-se definir uma regra que regula o número e a combinação espacial de atributos de guia fortes específicos que estão presentes no conteúdo exibido em qualquer momento a fim de maximizar a atratividade do conteúdo exibido para o observador, dada a combinação específica de atributos fortes que existem no ambiente visual em que a tela está situada. Uma vez que a atenção visual do observador foi atraída e está dentro do espaço de tela, conforme indicado por uma câmera ou sensor de proximidade, por exemplo, a regra pode permitir a combinação de atributos de guia fortes e fracos ou permitir o uso de combinações de atributos fortes e fracos para guiar a atenção visual do observador dentro do conteúdo de tela. Entende-se que existem duas categorias de atributos de guia, os atributos de guia fortes e fracos. Os atributos de guia fortes incluem: tamanho, cor, orientação, movimento, curvo vs. reto, profundidade estereoscópica, razão de aspecto, profundidade monocular e terminação de linha. Os atributos de guia fracos incluem: inovação, intersecção, alterações de cor, categoria semântica e faces.
Uma regra 420 que pode ser definida limita o número de atributos de guia fortes presentes na tela do conteúdo em qualquer dado momento. Entende-se que na técnica a presença de um número maior, em vez de menor, de instâncias (por exemplo, quatro instâncias) de qualquer atributo de guia forte em uma apresentação de conteúdo em qualquer dado tempo diminui a "força" deste atributo de guia forte com relação à atenção visual de guia. O sistema de computador 402 pode ser configurado de modo a rastrear atributos de guia fortes e, opcionalmente, atributos de guia fracos em uma matriz visual do conteúdo apresentado em uma tela em qualquer dado momento. Se mais que 4 instâncias de qualquer um dos atributos de guia fortes forem detectadas em qualquer dado momento, o sistema de computador 402 pode alertar o programador ou adotar a ação corretiva automática modificando-se o conteúdo para eliminar os atributo(s) de guia forte(s) duplicativos acima de 4 ou outro limite numérico.
Em um outro Exemplo ilustrativo, presume-se que o programador de conteúdo deseja aumentar a probabilidade de que o mais novo conteúdo adicionado seja visto pelo observador. O sistema de computador 402 pode varrer o conteúdo para determinar a identidade e o número de atributos de guia fortes já usado no conteúdo e o uso recomendado de um atributo de guia forte não usado (ou menos usado) para chamar a atenção para o mais novo elemento de conteúdo adicionado. Em um outro Exemplo ilustrativo, o ambiente pode ser avaliado através do uso de uma câmera ou outros sensores para determinar o tipo e o número de atributos de guia fortes presentes no ambiente de exibição. Com base neste conhecimento ambiental, o sistema de computador 402 pode recomendar a alteração (ou alterar automaticamente) do conteúdo, de modo que o número combinado de atributos de guia fortes presentes no conteúdo em qualquer momento e no ambiente de exibição ao mesmo tempo não exceda o "limite máximo de atributos de guia fortes" discutido acima. Este conteúdo pode ser ajustado dinamicamente pelo sistema de computador 402 devido ao fato de o conteúdo e os atributos visuais ambientais de exibição aumentarem a efetividade da exibição de conteúdo.
A legibilidade de texto pode ser definida em termos de uma ou mais regras de projeto ou um modelo. Por exemplo, a legibilidade de texto pode ser definida em termos de diversos parâmetros, incluindo tamanho de texto, velocidade de leitura (com base no movimento do texto e/ou na velocidade de movimento do observador, tempo de permanência do observador), estilo da fonte, luminância, contraste, cor e distância de visualização, entre outros. De acordo com uma abordagem, um tamanho mínimo de fonte ou texto como uma função de contraste de texto pode ser definido como:
tamanho de fonte = 7,434*exp(-contraste/0,6297) + 5,028, onde o tamanho da fonte é dado em tamanho angular (arco mínimo) e o contraste representa o contraste de texto definido como (Lt-Lb)/Lb, onde Lt é a luminância de texto e Lb é a luminância de fundo. Detalhes adicionais deste modelo são descritos em Krebs, W. e Ahumada, Jr., A, "A Simple Tool for Predicting the Readability of a Monitor", Proceedings of the Human Factors and Ergonomics Society 46th Annual Meeting - 2002, pp. 1659-1663, que estão aqui incorporados por meio deste a título de referência. O sistema de computador 402 pode ser configurado de modo a medir o tamanho de fonte do texto de conteúdo e determinar se o tamanho de fonte mínimo deste texto, conforme definido acima, é obtido. Se não, o sistema de computador 402 pode indicar a violação desta regra e/ou alterar o texto de uma maneira que satisfaça a regra de tamanho de fonte. Outros parâmetros de legibilidade de texto podem ser similarmente determinados e ajustados pelo sistema de computador 402.
Por exemplo, à medida que o sensor ou dado de outras fontes que se refere às distâncias dos observadores em relação a uma tela é adquirido, o sistema pode ajustar automaticamente o tamanho de texto para otimizar a legibilidade de acordo com as informações de distância. O tamanho de fonte, que é medido em minutos de arco retinais, pode ser ajustado sistematicamente em relação às alterações nas distâncias de observador a partir da tela para manter a legibilidade de acordo com a equação acima.
As regras ou modelos de memória 440 podem também ser implementadas pelo sistema de computador 402 para melhorar a codificação do observador (por exemplo, codificação visual, fonológica e/ou semântica), retenção e chamamento. As regras que se referem à memória de trabalho e a longo prazo podem ser definidas e implementadas pelo sistema de computador 402. As regras de memória 440 podem ser desenvolvidas para atingir metas particulares, como a meta de os observadores compreenderem uma comparação entre as informações e a lembrança de informações desejadas que resultam da comparação.
Entende-se bem que a duração da memória de trabalho do ser humano sem ensaio é de cerca de 2 segundos. Em outras palavras, em ensaio ou repetição ausente, as informações na memória de trabalho podem ser perdidas em cerca de 2 segundos. Presume-se que, neste Exemplo ilustrativo, um programador de conteúdo deseja projetar o conteúdo de modo que um observador codifique uma primeira parte de informação na memória de trabalho e também deseja que o observador retenha esta primeira parte de informação na memória de trabalho quando uma segunda parte de informação é apresentada. De modo a assegurar que a primeira parte de informação não seja perdida antes da apresentação da segunda parte de informação, uma regra de memória 440 pode assegurar ou recomendar que a segunda parte de informação seja apresentada em 2 segundos de apresentação da primeira parte de informação.
Por exemplo, o programador de conteúdo pode ter a meta de apresentar uma comparação entre uma taxa de interesse do banco do cliente e aquela de um banco competidor. De modo a assegurar que duas taxas de interesse sejam retidas na memória de trabalho para comparação, a segunda das duas taxas de interesse será apresentada em 2 segundos de apresentação da primeira taxa de interesse, através da regra de duração de memória de trabalho 440.
Os princípios de primazia e atualidade podem, também ser definidos em termos de regras de memória 440. Por exemplo, o sistema de computador 402 pode ser configurado de modo a ordenar ou reordenar a apresentação de uma seqüência de informações de uma maneira que aumente a probabilidade de que as informações mais importantes nesta seqüência sejam transferidas para a memória de longo prazo. Por exemplo, uma seqüência, série ou padrão de informações pode estar presente em um anúncio para exibição. As informações podem ser objetos de texto ou gráficos, como números, letras, ícones, imagens (por exemplo, do produto à venda) ou outras informações. As regras de memória de primazia e atualidade 440 podem ser aplicadas para ordenar ou reordenar os objetos informativos de modo que os objetos mais importantes fique posicionados, de preferência, no início e no fim da seqüência, sendo que os objetos menos importantes (por exemplo, menos lucrativos) ficam posicionados na porção intermediária da seqüência, série ou padrão.
O princípio de ensaio pode, também ser definido por uma ou mais regras de memória 440. Por exemplo, um produto mais importante entre diversos produtos pode ser mostrado mais freqüentemente do que outros produtos menos importantes. Deste modo, o ensaio ou repetição da apresentação dos produtos mais importantes em um anúncio aumenta a probabilidade de que os produtos mais freqüentemente apresentados sejam lembrados pelo observador. O princípio de capacidade de memória pode ser definido em termos de uma ou mais regras de memória 440. Entende-se na técnica que a capacidade da memória de trabalho é de cerca de quatro "fragmentos" de informação. Um "fragmento" de informação representa qualquer coisa que tenha uma representação unitária em uma memória de longo prazo. Quatro fragmentos podem ser representados por quatro letras ou números que tenham pouca associação. Entretanto, uma multiplicidade de letras, números, objetos e similares que tenha uma forte associação pode definir um fragmento. Por exemplo, o acrônimo NATO é formado a partir de múltiplas letras, mas é definido como um fragmento, à medida que NATO tem uma representação unitária na memória de longo prazo da maioria dos adultos, por exemplo.
Uma regra de memória 440 que pode ser definida limita o número de fragmentos que são apresentados em qualquer dado tempo a fim de maximizar a probabilidade de que os fragmentos apresentados sejam processados pelo observador e transferidos para a memória de longo prazo.
Por exemplo, o sistema de computador 402 pode varrer os fragmentos e notificar o programador de conteúdo se mais de quatro fragmentos forem apresentados em qualquer dado momento.
Estes e outros princípios da ciência cognitiva e visual podem ser definidos em termos de regras ou modelos, inclusive aqueles descritos em Goldstein, E. Bruce, "Cognitive Psychology, Connecting Mind, Research and Everyday Experience", Thompson/Wadsworth 2005, que estão aqui incorporados, por meio deste, a título de referência.
Conforme anteriormente discutido, a complexidade do banco de dados de ciências cognitivas pode variar de relativamente simples para muito complexa. Entende-se que as regras e modelos mostrados na Figura 10 servem apenas para propósitos ilustrativos e que um banco de dados de ciências cognitivas da presente invenção pode incorporar um ou mais aspectos de uma ou mais destas regras e modelos. Estas e outras regras e modelos podem ser desenvolvidos para associar um princípio de ciência cognitiva/visual particular ou conjunto de princípios para uma regra ou modelo de desenvolvimento de conteúdo que pode ser implementado por um computador para detectar ou assegurar a adesão desta regra/modelo. Os versados na técnica irão avaliar que os princípios de ciência cognitiva/visual, além de ou em adição a, aqueles aqui descritos podem ser incorporados em um banco de dados de ciências cognitivas para uso no desenvolvimento e distribuição de conteúdo de acordo com a presente invenção.
A Figura 11 é um fluxograma que ilustra diversos processos associados ao desenvolvimento e modificação de conteúdo que usa um ou mais modelos de ciência cognitiva/visual de acordo com a presente invenção. A Figura 11 é direcionada a métodos que permitem a análise de conteúdo auxiliada por computador por um ou mais modelos de ciência cognitiva e visual (CVS). O conteúdo é fornecido ou desenvolvido 502 por um programador de conteúdo. O conteúdo é lançado 504 em um sistema de computador que implementa um ou mais modelos CVS, como um modelo computacional de atenção visual, um modelo de legibilidade de texto ou um modelo de memória de ser humano. O modelo ou modelos CVS realizam uma análise 506 no conteúdo e produzem 512 uma saída com base nos resultados de análise. As Informações representativas das condições ambientais nos locais de apresentação e/ou metas para o conteúdo podem ser entradas 508, 510 para o(s) modelo(s). Por exemplo, o tipo e a configuração das telas, as distâncias médias entre as telas e observadores, as velocidades médias ou tempos de permanência entre observadores e telas podem ser as informações de condição ambiental 508 que são lançadas no(s) modelo(s).
As informações almejadas 510 que podem ser lançadas no(s) modelo(s) podem incluir metas que são associadas a cada um dos diversos modelos, como um modelo computacional de atenção visual, um modelo de legibilidade de texto ou um modelo de memória de ser humano. As informações almejadas típicas podem incluir metas de mapeamento de saliência, como elementos específicos do conteúdo que serão percebidos pelos observadores e a ordem desejada em que estes elementos específicos serão percebidos.
Outras informações almejadas 510 podem incluir o aprimoramento ou a otimização da legibilidade de texto com base no tamanho de texto e/ou taxa de de texto de rolagem em relação ao local de observador e/ou velocidade na qual os observadores passam por uma dada tela. As informações almejadas adicionais 510 podem incluir a codificação de memória de maximização, retenção e/ou chamamento de conteúdo por observadores, adaptando-se a capacidade de memória e as regras de duração de um dado modelo.
Em algumas implementações, a saída representa as recomendações de alteração 516 do conteúdo em conformidade com dadas regras ou metas do modelo. As recomendações podem adotar várias formas, como uma forma narrativa ou imagens. Por exemplo, um menu de atributos possíveis do conteúdo que pode ser alterado 514 pode ser apresentado ao usuário. O menu de atributos pode incluir uma faixa de valores de atributo que podem ser alterados pelo usuário, ainda em conformidade com determinadas regras e metas do modelo.
Em outras implementações, a saída representa uma forma modificada do conteúdo original produzido automaticamente 518 pelo modelo ou modelos CVS implementados por computador. Inúmeras variações de conteúdo modificado podem ser automaticamente produzidas, cada uma das quais satisfaz as regras ou metas dos modelos ou modelo. O usuário pode, então, selecionar uma versão desejada do conteúdo modificado 514 para a apresentação 520. Alternativamente, o computador pode selecionar uma ou mais versões para apresentação. Em outras implementações, as diversas versões de conteúdo modificado podem estar sujeitas a um processo experimental projetado que aprimora ou otimiza a efetividade de apresentação de conteúdo para inúmeras telas em rede, de preferência, em uma base de tela-por-tela, tal como é discutido em maiores detalhes com referência à Figura 12 abaixo.
A Figura 12 é um fluxograma que ilustra vários processos associados ao desenvolvimento e modificação de conteúdo, usando os mesmos modelos de ciências cognitivas/visuais e resultados da experimentação verdadeira, de preferência implantados por um sistema de sinalização digital de acordo com a presente invenção. De acordo com a modalidade mostrada na Figura 12, o conteúdo pode ser desenvolvido e distribuído 602 em conformidade com as regras ou modelos de ciência cognitiva e visual, como da maneira discutida anteriormente neste documento.
Um experimento verdadeiro pode ser realizado 604 para aprimorar ou otimizar a efetividade de apresentação do conteúdo. A condução do experimento verdadeiro pode incluir a identificação 606 das variáveis dependentes, como uma meta para aumentar as vendas de um produto particular. As variáveis independentes podem ser identificadas 608, como os parâmetros associados a um ou mais modelos CVS (por exemplo, legibilidade de texto, atenção visual e/ou parâmetros de memória). O conteúdo pode ser modificado 610 devido aos resultados do experimento verdadeiro. Por exemplo, o conteúdo pode ser modificado 612 em uma base de tela-por-tela, com base nos parâmetros aprimorados ou otimizados para cada tela. O conteúdo modificado pode estar presente 614 em cada uma das telas de uma maneira otimizada para cada tela.
A experimentação verdadeira adicional pode ser conduzida para aprimorar ou otimizar adicionalmente a apresentação de conteúdo, particularmente sob a alteração de condições ambientais ou uma alteração nas metas ou mensagens pretendidas do conteúdo. Entende-se que os quase- experimentos e experimentos correlacionais podem ser realizados, em adição a ou até a exclusão de, um experimento verdadeiro. Os detalhes dos métodos experimentais quase-/correlacionais que podem ser adaptados de acordo com a presente invenção são apresentados na publicação de patente U.S. n° 2005/039206, que está aqui incorporada, por meio desta a título de referência.
De acordo com diversas modalidades, um sistema especialista pode ser configurado de modo a implementar um experimento verdadeiro no contexto da presente invenção. O sistema especialista pode incluir um processador de projeto que tem diversos componentes de hardware incluindo uma unidade de processamento central (CPU) e memória, entre outros componentes. A memória armazena instruções de computador que controlam os processos para projetar o experimento e armazenar as informações adquiridas a partir do usuário que são necessárias para o projeto experimental. Sob o controle do software, a CPU seleciona ou gera algoritmicamente questões para obter informações de um usuário. As questões são apresentadas ao usuário através de um dispositivo de saída de uma interface de usuário que é acoplada ao processador de projeto. Por exemplo, a interface de usuário inclui tipicamente um dispositivo de exibição, como uma tela de cristal líquido (LCD) ou outro tipo de dispositivo de exibição para apresentar as questões para o usuário. A interface de usuário inclui, também um ou mais dispositivos de entrada, como uma tela sensível ao toque responsiva a um dedo ou caneta de toque, um mouse, teclado, reconhecimento de voz ou outro tipo de dispositivo de entrada. O usuário lança respostas para as questões através de um ou mais dispositivos de entrada da interface de usuário. O processador de projeto pode determinar as estatísticas descritivas e deduzíveis adequadas para o experimento com base no projeto experimental e nas características das variáveis independentes e dependentes.
O processador de projeto pode ser configurado de modo a identificar as informações requeridas para projetar um experimento verdadeiro e selecionar ou gerar uma série de questões que obtêm respostas do usuário que fornece as informações requeridas. As questões são apresentadas para o usuário através de uma interface de usuário. As respostas de usuário para as questões são recebidas através da interface de usuário e são transferidas para o processador de projeto. O processador de projeto extrai informações das respostas de usuário e projeta um experimento verdadeiro com base nas informações. O sistema especialista tem a capacidade de coletar informações em etapas específicas que são relevantes para outras etapas. Por exemplo, o conhecimento de que a variável dependente é contínua na etapa X significa que um tipo particular de análise estatística deveria ser usado na etapa Υ. O sistema usa dados das etapas anteriores para completar as últimas etapas. Por exemplo, se os dados já foram adquiridos, o sistema não poderia perguntar ao usuário a mesma informação novamente. O usuário não precisaria saber que as informações eram relevantes em ambas as etapas. Se os dados não estiverem disponíveis a partir da etapa anterior, o sistema poderia perguntar para o usuário os dados necessários.
Um experimento verdadeiro inclui o desenvolvimento de uma hipótese ou objetivo. As variáveis dependentes e independentes são identificadas e ao menos dois níveis com uma ou mais variáveis independentes são usados. Um grupo de controle e grupos de tratamento são formados e amostras são aleatoriamente atribuídas aos níveis da variável independente. Existem alguns tipos de método para controlar ou eliminar variáveis de confusão. Por exemplo, em um experimento de sinalização digital, o sistema poderia guiar o usuário através do processo de controlar os efeitos de persistência de resíduos ao 1) equilibrar e contrabalançar a ordem na qual as partes de conteúdo são mostradas em locais ao longo da rede; e/ou 2) assegurar que duas partes de conteúdo experimental não sejam mostradas em um bloco de tempo no qual os observadores poderiam ver ambas as partes de conteúdo enquanto estiverem na loja; e/ou 3) assegurar que tempo suficiente tenha decorrido antes que os dados sejam coletados quando o conteúdo comuta entre uma versão do conteúdo experimental e outra versão do conteúdo experimental de modo que ao menos 95% de possíveis observadores que estavam na loja no momento da alteração de conteúdo tenham saído da loja. Se todos estes elementos forem adequadamente aplicados, o experimento produz os resultados que podem ser usados para efetuar inferências estatísticas sobre o relacionamento entre as variáveis dependentes e independentes. O sistema especialista aqui descrito permite que um usuário que não está atualizado nas complexidades do projeto experimental verdadeiro para projetar um experimento que produz resultados substancialmente isentos de confusão e pode ser usado para determinar e quantificar qualquer relacionamento causai entre as variáveis independentes e dependentes.
As modalidades da invenção são direcionadas a um sistema especialista que tem a capacidade de projetar um experimento verdadeiro com base na entrada de usuário. Conforme anteriormente mencionado, o uso do sistema especialista libera o usuário da necessidade de ter qualquer base na teoria ou prática do projeto experimental. Um experimento verdadeiro tem ao menos dois níveis de uma variável independente. O sistema especialista obtém informações de um usuário requerido para escolher variáveis independentes e dependentes para o experimento. Por exemplo, em um experimento de sinalização digital, o sistema especialista pode perguntar ao usuário questões como: "Se o conteúdo X (onde X é qualquer parte de conteúdo que o usuário deseja avaliar experimentalmente) for eficaz, quais são as alterações no universo que você esperaria que acontecesse como um resultado do conteúdo mostrado X? O sistema forneceria inúmeras alterações possíveis como: as vendas de um produto particular irão aumentar; o tráfego a pé em um local particular na loja irá aumentar; os consumidores irão inquirir a equipe com relação às características de um produto particular; os consumidores irão selecionar um produto particular fora da prateleira; e outros, sendo que outros significa qualquer outra alteração que não está incluída no conjunto armazenado de possíveis alterações do sistema. Os versados na técnica irão avaliar que cada uma destas possíveis "alterações no universo" corresponde a uma possível variável dependente que poderia ser medida em um experimento projetado para testar a efetividade do conteúdo X. Da mesma maneira, o sistema especialista poderia guiar o usuário através do processo de selecionar o conteúdo de controle análogo a um placebo em um estudo de fármaco. Por exemplo, o sistema especialista poderia pedir o usuário para identificar o conteúdo que poderia não ser relacionado de nenhuma maneira com a meta do conteúdo X. Com relação às ameaças à validade interna, o sistema especialista, através da seqüência de questões e respostas de usuário, identifica ameaças à validade interna e pode iniciar os processos para controlar estas ameaças, como através do equilíbrio, contrapeso e/ou bloqueio e/ou aleatorização.
O sistema especialista, com base na entrada de usuário, é capaz de implementar os processos para atribuir aleatoriamente amostras para os grupos de modo que cada amostra em um experimento seja provavelmente igualmente atribuída aos níveis da variável independente. O sistema especialista é, também, capaz de projetar um experimento que inclui aleatorização, contrapeso e/ou bloqueio. O sistema pode ajudar o usuário na seleção de variáveis independentes ou níveis de variáveis independentes e ajudar o usuário na seleção de variáveis dependentes com base nos fatores associados à validade interna e/ou externa do experimento. Por exemplo, o sistema poderia obter as informações necessárias para conduzir a análise de energia em diversas combinações de variáveis independentes e dependentes, dotar o usuário com os resultados das diversas análises de energia, os termos específicos de domínio e os valores que o usuário entende ("Usar os dados de vendas para medir a efetividade desta parte de conteúdo poderia levar 8 semanas e custar $1400 considerando que usar os dados de sensor poderia levar 2 semanas e custar $800").
Em algumas configurações, além de projetar o experimento verdadeiro, o sistema especialista pode auxiliar o usuário na realização de um ou mais experimentos verdadeiros de condução, dados de coleta, analisar estatisticamente os dados e interpretar os resultados dos experimentos. Além do processador de projeto de experimento e da interface de usuário anteriormente descrita, o sistema especialista pode, também incluir um processador de controle de experimento configurado de modo a controlar automática ou semi-automaticamente a execução do experimento. Um processador de análise de experimento pode, também ser incluído, ou seja, configurado de modo a analisar os dados experimentais e/ou interpretar os resultados do experimento. As funções do processador de controle e do processador de análise são melhoradas através do conhecimento de como o experimento foi projetado pelo processador de projeto.
Por exemplo, devido ao fato de o processador de análise ter recebido as informações referentes às variáveis dependentes e independentes (por exemplo, se as variáveis independentes (IVs) e as variáveis dependentes (DVs) são contínuas ou distintas), o processador de análise teria muitas das informações necessárias para escolher o teste estatístico adequado para aplicar aos dados do experimento. Por exemplo, se existe uma IV com dois níveis distintos e uma DV contínua, então, um Teste T pode ser selecionado pelo processador de análise para o teste estatístico deduzível considerando que se existe uma IV com dois níveis distintos e uma DV com dois níveis distintos, então, um teste de Qui-Quadrado pode ser usado no teste estatístico deduzível. Da mesma maneira, devido ao processador de análise ter acesso às informações do processador de projeto que se referem a quais condições experimentais são diagnósticos de hipóteses particulares, o processador de análise pode ter todas ou quase todas as informações necessárias para determinar quais condições experimentais e de controle podem ser estatisticamente comparadas e relatadas para o usuário. Os detalhes adicionais que se referem aos métodos e sistemas para projetar e implementar os experimentos verdadeiros no contexto da presente invenção são apresentados no pedido de patente U.S. N0 Serial 11/321/340, de propriedade comum, depositado em 29 de dezembro de 2005 sob a Súmula de Procurador N0 61290US002, que está aqui incorporado, por meio deste, a título de referência anteriormente neste documento.
A aplicação da ciência cognitiva e visual, sozinha ou em combinação com o projeto e a implementação de experimentos verdadeiros de acordo com a presente invenção, permite que os usuários com pouco ou nenhum fundamento na ciência cognitiva e visual (ou projetar experimentos verdadeiros) para aplicar estas disciplinas a fim de criar conteúdos mais eficazes. Esta funcionalidade pode ser usada em um ambiente com uma tela ou múltiplas telas. Em um sistema de nível amplo, a pedido da ciência cognitiva e visual fornece entrada e restrições para o sistema de conteúdo automatizado a fim de adaptar o conteúdo a uma base de tela-por tela. Por exemplo, se a distância de visualização média é conhecida para cada sinal de rede, então, o componente para aplicar uma ciência cognitiva e visual irá determinar o tamanho de fonte ideal para cada tela e esta informação será usada pelo componente de projeto de conteúdo automatizado para gerar o texto com estes parâmetros de tamanho de fonte.
O projeto e desenvolvimento de conteúdo automatizado de acordo com a presente invenção pode, também permitir a geração automática de novos moldes e a aplicação de transformação nos elementos existentes. Os novos moldes e elementos podem ser gerados para otimizar a efetividade de conteúdo. As ferramentas de desenvolvimento de conteúdo da presente invenção podem, também ser usadas para gerar versões exclusivas de partes de conteúdo para cada componente no sistema.
Em algumas implementações, os usuários podem ser avisados para fornecer entrada ou podem usar informações fornecidas a partir de outros componentes que se referem aos atributos e fatores de rede que fundamentam a efetividade de conteúdo. O conhecimento da ciência cognitiva e visual pode ser usado para extrapolar, preencher e, de outro modo, explorar o espaço de informações para as partes particulares de conteúdo que o sistema deseja melhorar. A funcionalidade das ferramentas de desenvolvimento de conteúdo fornece a capacidade de gerar conteúdos completamente novos que não são simplesmente uma reconfiguração dos moldes distribuídos ou elementos associados às versões distribuídas de conteúdo.
A descrição anteriormente mencionada de várias modalidades da invenção foi apresentada com propósitos de ilustração e descrição. Elas não tem a intenção de serem completas ou até limitar a invenção à forma precisa apresentada. Muitas modificações e variações são possíveis à luz da instrução acima. Por exemplo, as modalidades da presente invenção podem ser implementadas em uma ampla variedade de aplicações. Entende-se que o escopo da invenção não seja limitado por essa descrição detalhada, mas sim pelas reivindicações aqui anexadas.
Claims (43)
1. MÉTODO IMPLANTADO POR COMPUTADOR, caracterizado por compreender: desenvolver um conteúdo para apresentação em uma tela, sendo que o conteúdo compreende elementos de conteúdo; fornecer informações sobre a exibição e o ambiente de exibição; facilitar, por meio de assistência por computador, o desenvolvimento de conteúdo usando as informações de tela e um banco de dados que compreende regras ou modelos de projeto baseadas nos princípios de ciências cognitivas e visuais.
2. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de que facilitar o desenvolvimento de conteúdo compreende gerar recomendações, perceptíveis pelo usuário, para o desenvolvimento de conteúdo, consistentes com as regras ou modelos do projeto.
3. MÉTODO, de acordo com a reivindicação 1, caracterizado por compreender alertar um usuário em resposta à violação de uma ou mais regras ou modelos do projeto.
4. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de que facilitar o desenvolvimento do conteúdo compreende ajustar automaticamente o conteúdo em resposta a não-conformidades com as regras ou modelos do projeto.
5. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de que facilitar o desenvolvimento do conteúdo compreende facilitar o layout dos elementos do conteúdo em conformidade com as regras ou modelos do projeto.
6. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de que facilitar o desenvolvimento do conteúdo compreende facilitar a seleção dos elementos de conteúdo em conformidade com as regras ou modelos do projeto.
7. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de que facilitar o desenvolvimento do conteúdo compreende facilitar a seleção de um ou mais atributos dos elementos de conteúdo em conformidade com as regras ou modelos do projeto.
8. MÉTODO, de acordo com a reivindicação 7, caracterizado pelo fato de que um ou mais atributos dos elementos de conteúdo compreendem um ou mais atributos de cor, brilho, tamanho, orientação, fonte, movimento, duração ou taxa de flash da apresentação, local de exibição e número de elementos de conteúdo simultaneamente apresentados na tela.
9. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de que facilitar o desenvolvimento do conteúdo compreende facilitar a seleção de atributos de elementos de conteúdo com base em um ou mais atributos da tela ou do ambiente de exibição.
10. MÉTODO, de acordo com a reivindicação 9, caracterizado pelo fato de que um ou mais atributos compreendem um ou mais dentre: tipo de tela, tamanho de tela, formato de tela, distância de visualização média a partir da tela, velocidade média do movimento de observador em relação à tela, tempo de permanência do observador, luz ambiente em um local da tela e período do dia de apresentação de conteúdo na tela.
11. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende receber dados de entrada de usuário que compreendem informações referentes a cada elemento de conteúdo, sendo que as informações compreendem as metas de conteúdo, as mensagens pretendidas ou ambas, sendo que facilitar o desenvolvimento do conteúdo compreende facilitar o desenvolvimento do conteúdo usando as regras ou modelos de projeto e os dados fornecidos pelo usuário.
12. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de que os elementos de conteúdo compreendem gráficos, texto, videoclipes, imagens estáticas, clipes de áudio ou páginas da web.
13. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de que facilitar o desenvolvimento do conteúdo compreende facilitar o desenvolvimento do conteúdo para uma pluralidade de telas em rede, sendo que o método compreende, ainda, facilitar a seleção de atributos de elementos de conteúdo com base em um ou mais atributos de cada uma das telas.
14. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de que facilitar o desenvolvimento do conteúdo compreende facilitar o desenvolvimento do conteúdo para uma pluralidade de telas em rede, sendo que o método compreende: receber dados do usuário que compreendem informações referentes a cada elemento de conteúdo, sendo que as informações compreendem as metas de conteúdo, as mensagem pretendidas ou ambas; facilitar a identificação, pelo usuário, dos atributos das telas em rede ou dos ambientes de exibição que têm implicações no desenvolvimento de conteúdo; e facilitar o desenvolvimento do conteúdo usando as regras ou modelos do projeto, os dados fornecidos pelo usuário e os atributos de tela.
15. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende, ainda, facilitar, por meio de assistência por computador, a modificação do conteúdo desenvolvido em conformidade com as regras ou modelos do projeto.
16. MÉTODO, de acordo com a reivindicação 15, caracterizado pelo fato de que o conteúdo desenvolvido é modificado em resposta a uma alteração em um ou mais atributos das telas ou ambientes de exibição.
17. MÉTODO, de acordo com a reivindicação 16, caracterizado pelo fato de que um ou mais atributos compreendem um ou mais dentre: tipo de tela, tamanho de tela, formato de tela, distância de visualização média a partir da tela, velocidade média de movimento de observador em relação à tela, tempo de permanência de observador, luz ambiente em um local da tela e hora do dia da apresentação de conteúdo na tela.
18. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de que facilitar o desenvolvimento do conteúdo compreende facilitar o desenvolvimento do conteúdo para uma pluralidade de telas em rede, sendo que o método compreende, ainda, modificar, por meio de assistência por computador, o conteúdo desenvolvido para telas particulares da pluralidade de telas em rede em resposta à alteração de um atributo das telas ou ambientes particulares associados às telas particulares.
19. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de que o banco de dados compreende regras ou modelos de projeto baseados em um ou mais dos atributos de: atenção visual do usuário, memória do ser humano e legibilidade de texto.
20. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende realizar um experimento verdadeiro que produz resultados úteis para aprimorar ou otimizar a efetividade de apresentação de conteúdo.
21. SISTEMA, caracterizado pelo fato de compreender: um banco de dados que compreende regras ou modelos de projeto baseados nos princípios das ciência cognitivas e visuais; uma interface de usuário que compreende uma tela; e um processador acoplado ao banco de dados e à interface de usuário, sendo que o processador é configurado para facilitar o desenvolvimento de conteúdo para a apresentação na tela usando as regras ou modelos de projeto e as informações sobre a tela ou o ambiente de exibição, sendo que o conteúdo compreende elementos de conteúdo.
22. SISTEMA, de acordo com a reivindicação 21, caracterizado pelo fato de que o processador é configurado para gerar recomendações perceptíveis pelo usuário para desenvolver conteúdo, consistentes com as regras ou modelos do projeto.
23. SISTEMA, de acordo com a reivindicação 21, caracterizado pelo fato de que o processador é configurado para gerar um alerta para um usuário em resposta à violação de uma ou mais regras ou modelos do projeto.
24. SISTEMA, de acordo com a reivindicação 21, caracterizado pelo fato de que o processador é configurado para ajustar automaticamente o conteúdo em resposta a uma não-conformidade com as regras ou modelos do projeto.
25. SISTEMA, de acordo com a reivindicação 21, caracterizado pelo fato de que o processador é configurado para facilitar o Iayout dos elementos de conteúdo em conformidade com as regras ou modelos do projeto.
26. SISTEMA, de acordo com a reivindicação 21, caracterizado pelo fato de que o processador é configurado para facilitar a seleção de elementos de conteúdo em conformidade com as regras ou modelos do projeto.
27. SISTEMA, de acordo com a reivindicação 21, caracterizado pelo fato de que o processador é configurado para facilitar a seleção de um ou mais atributos dos elementos de conteúdo em conformidade com as regras ou modelos do projeto.
28. SISTEMA, de acordo com a reivindicação 27, caracterizado pelo fato de que um ou mais atributos dos elementos de conteúdo compreendem um ou mais dentre: atributos de cor, brilho, tamanho, orientação, fonte, movimento, duração ou taxa de flash da apresentação, local de exibição e número de elementos de conteúdo simultaneamente apresentados na tela.
29. SISTEMA, de acordo com a reivindicação 21, caracterizado pelo fato de que o processador é configurado para facilitar a seleção de um ou mais atributos dos elementos de conteúdo com base em um ou mais atributos da tela ou ambiente de exibição.
30. SISTEMA, de acordo com a reivindicação 29, caracterizado pelo fato de que um ou mais atributos compreendem um ou mais dentre: tipos de tela, tamanho de tela, formato de tela, distância de visualização média a partir da tela, velocidade média de movimento do observador em relação à tela, tempo de permanência do observador, luz ambiente em um local da tela e hora do dia de apresentação de conteúdo na tela.
31. SISTEMA, de acordo com a reivindicação 21, caracterizado pelo fato de que o processador é configurado para receber dados de um usuário que compreendem informações referentes a cada elemento de conteúdo, sendo que as informações compreendem as metas de conteúdo, ou a mensagem pretendida ou ambas, sendo que o processador é configurado, ainda, para facilitar o desenvolvimento do conteúdo usando as regras ou modelos de projeto e os dados fornecidos pelo usuário.
32. SISTEMA, de acordo com a reivindicação 21, caracterizado pelo fato de que os elementos de conteúdo compreendem gráficos, texto, videoclipes, imagens estáticas, clipes de áudio ou páginas da web.
33. SISTEMA, de acordo com a reivindicação 21, caracterizado pelo fato de que o processador é configurado para facilitar o desenvolvimento de conteúdo para uma pluralidade de telas em rede, sendo que o processador é configurado, ainda, para facilitar a seleção de atributos de elemento de conteúdo com base em um ou mais atributos de cada uma das telas.
34. SISTEMA, de acordo com a reivindicação 21, caracterizado pelo fato de que o processador é configurado para facilitar o desenvolvimento de conteúdo para uma pluralidade de telas em rede, sendo que o processador é configurado, ainda, para: receber dados de um usuário que compreendem informações referentes a cada elemento de conteúdo, sendo que as informações compreendem metas de conteúdo, ou mensagem pretendidas ou ambas; facilitar a identificação, pelo usuário, dos atributos das telas em rede ou ambientes de exibição que têm implicações no desenvolvimento de conteúdo; e facilitar o desenvolvimento de conteúdo usando regras ou modelos de projeto, dados fornecidos pelo usuário e atributos de tela.
35. SISTEMA, de acordo com a reivindicação 21, caracterizado pelo fato de que o processador é configurado para facilitar a modificação do conteúdo desenvolvido em conformidade com as regras ou modelos do projeto.
36. SISTEMA, de acordo com a reivindicação 35, caracterizado pelo fato de que o processador é configurado para modificar o conteúdo desenvolvido em resposta a uma alteração em um ou mais atributos das telas ou ambientes de exibição.
37. SISTEMA, de acordo com a reivindicação 36, caracterizado pelo fato de que um ou mais atributos compreendem um ou mais dentre: tipo de tela, tamanho de tela, formato de tela, distância de visualização média a partir da tela, velocidade média de movimento do observador em relação à tela, tempo de permanência de observador, luz ambiente em um local da tela e hora do dia para apresentação de conteúdo na tela.
38. SISTEMA, de acordo com a reivindicação 21, caracterizado pelo fato de que o processador é configurado para facilitar o desenvolvimento do conteúdo para uma pluralidade de telas em rede, sendo que o processador é configurado, ainda, para facilitar a modificação do conteúdo desenvolvido para telas particulares dentre a pluralidade de telas em rede em resposta à alteração de um atributo das telas ou ambientes particulares associado às telas particulares.
39. SISTEMA, de acordo com a reivindicação 21, caracterizado pelo fato de que o banco de dados compreende regras ou modelos de projeto baseados em um ou mais dos atributos de: atenção visual do usuário, memória do ser humano e legibilidade de texto.
40. SISTEMA, de acordo com a reivindicação 21, caracterizado pelo fato de que o processador é configurado para realizar um èxperimento verdadeiro que produz resultados úteis para aprimorar ou otimizar a efetividade de apresentação de conteúdo.
41. SISTEMA, de acordo com a reivindicação 21, caracterizado pelo fato de que compreende um ou mais sensores para detectar um ou mais atributos do ambiente de exibição.
42. SISTEMA, de acordo com a reivindicação 41, caracterizado pelo fato de que um ou mais sensores compreendem uma câmera de vídeo.
43. SISTEMA, de acordo com a reivindicação 41, caracterizado pelo fato de que um ou mais sensores compreendem um ou mais sensores de proximidade.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US11/321,340 US20070156382A1 (en) | 2005-12-29 | 2005-12-29 | Systems and methods for designing experiments |
| US11/321,340 | 2005-12-29 | ||
| PCT/US2006/049662 WO2007079256A2 (en) | 2005-12-29 | 2006-12-29 | Content development and distribution using cognitive sciences database |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| BRPI0621159A2 true BRPI0621159A2 (pt) | 2011-11-29 |
Family
ID=38225630
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| BRPI0621157-7A BRPI0621157A2 (pt) | 2005-12-29 | 2006-12-14 | método e sistema para projetar experimentos |
| BRPI0621158-5A BRPI0621158A2 (pt) | 2005-12-29 | 2006-12-29 | método implantado por computador, sistemas e mìdia que pode ser lida por computador |
| BRPI0621159-3A BRPI0621159A2 (pt) | 2005-12-29 | 2006-12-29 | método implantado por computador e sistema |
Family Applications Before (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| BRPI0621157-7A BRPI0621157A2 (pt) | 2005-12-29 | 2006-12-14 | método e sistema para projetar experimentos |
| BRPI0621158-5A BRPI0621158A2 (pt) | 2005-12-29 | 2006-12-29 | método implantado por computador, sistemas e mìdia que pode ser lida por computador |
Country Status (10)
| Country | Link |
|---|---|
| US (6) | US20070156382A1 (pt) |
| EP (4) | EP1969504A4 (pt) |
| JP (5) | JP2009522651A (pt) |
| KR (4) | KR101397745B1 (pt) |
| CN (3) | CN101379496B (pt) |
| AU (3) | AU2006333040C1 (pt) |
| BR (3) | BRPI0621157A2 (pt) |
| CA (3) | CA2634877A1 (pt) |
| RU (3) | RU2409859C2 (pt) |
| WO (3) | WO2007078897A2 (pt) |
Families Citing this family (93)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070156382A1 (en) | 2005-12-29 | 2007-07-05 | Graham James L Ii | Systems and methods for designing experiments |
| US20080306848A1 (en) * | 2007-06-05 | 2008-12-11 | Bank Of America Corporation | Lead Generation Platform |
| JP5276099B2 (ja) | 2007-07-03 | 2013-08-28 | スリーエム イノベイティブ プロパティズ カンパニー | タイムスロットサンプルにコンテンツの複数小片を割り当てて、その割り当てられたコンテンツの効果を測定するためのシステム及び方法 |
| KR101605919B1 (ko) | 2007-07-03 | 2016-03-24 | 쓰리엠 이노베이티브 프로퍼티즈 컴파니 | 배정된 컨텐츠의 효과를 측정하기 위해 컨텐츠가 배정될 수 있는 시간 슬롯 샘플을 발생시키는 시스템 및 방법 |
| WO2009006542A2 (en) * | 2007-07-03 | 2009-01-08 | 3M Innovative Properties Company | System and method for assessing effectiveness of communication content |
| WO2009020605A2 (en) * | 2007-08-06 | 2009-02-12 | Thomson Licensing | Method and system for product services analysis and optimization |
| US20110191153A1 (en) * | 2007-09-13 | 2011-08-04 | Motorola, Inc. | Method and system for presenting advertisements |
| US8214244B2 (en) | 2008-05-30 | 2012-07-03 | Strategyn, Inc. | Commercial investment analysis |
| JP4934861B2 (ja) * | 2008-01-28 | 2012-05-23 | 日本電気株式会社 | 表示システム、表示方法、表示効果測定システム、及び、表示効果測定方法。 |
| US8775113B2 (en) * | 2008-01-29 | 2014-07-08 | Apple Inc. | Automated portable media device testing system |
| CA2622824A1 (en) * | 2008-03-27 | 2009-09-27 | Mark Hemphill | System and method for ranking participating venues in a network according to advertisers needs for targeted advertising |
| US9639505B2 (en) | 2008-07-03 | 2017-05-02 | Ebay, Inc. | System and methods for multimedia “hot spot” enablement |
| US10282391B2 (en) | 2008-07-03 | 2019-05-07 | Ebay Inc. | Position editing tool of collage multi-media |
| US8893015B2 (en) | 2008-07-03 | 2014-11-18 | Ebay Inc. | Multi-directional and variable speed navigation of collage multi-media |
| US8494894B2 (en) * | 2008-09-19 | 2013-07-23 | Strategyn Holdings, Llc | Universal customer based information and ontology platform for business information and innovation management |
| US8577156B2 (en) | 2008-10-03 | 2013-11-05 | 3M Innovative Properties Company | Systems and methods for multi-perspective scene analysis |
| JP5563580B2 (ja) * | 2008-10-03 | 2014-07-30 | スリーエム イノベイティブ プロパティズ カンパニー | シーンを最適化するシステム及び方法 |
| CN102227753B (zh) | 2008-10-03 | 2018-01-19 | 3M创新有限公司 | 用于评估稳健性的系统和方法 |
| KR20100040236A (ko) * | 2008-10-09 | 2010-04-19 | 삼성전자주식회사 | 시각적 관심에 기반한 2차원 영상의 3차원 영상 변환기 및 변환 방법 |
| US8458103B2 (en) * | 2009-01-07 | 2013-06-04 | 3M Innovative Properties Company | System and method for concurrently conducting cause-and-effect experiments on content effectiveness and adjusting content distribution to optimize business objectives |
| US8808195B2 (en) * | 2009-01-15 | 2014-08-19 | Po-He Tseng | Eye-tracking method and system for screening human diseases |
| US8666977B2 (en) * | 2009-05-18 | 2014-03-04 | Strategyn Holdings, Llc | Needs-based mapping and processing engine |
| JP5399834B2 (ja) * | 2009-09-15 | 2014-01-29 | 正生 中村 | 有意性評価プログラム及び記録媒体 |
| US8539067B2 (en) | 2009-12-31 | 2013-09-17 | Google Inc. | Multi-campaign content allocation based on experiment difference data |
| US8346710B2 (en) * | 2010-01-29 | 2013-01-01 | Google Inc. | Evaluating statistical significance of test statistics using placebo actions |
| US8583469B2 (en) * | 2010-03-03 | 2013-11-12 | Strategyn Holdings, Llc | Facilitating growth investment decisions |
| US9174775B2 (en) | 2010-06-03 | 2015-11-03 | Elix, Llc | Actuator-driven dispenser |
| CN102271262B (zh) * | 2010-06-04 | 2015-05-13 | 三星电子株式会社 | 用于3d显示的基于多线索的视频处理方法 |
| JP2012014597A (ja) * | 2010-07-02 | 2012-01-19 | Nippon Telegr & Teleph Corp <Ntt> | 注意領域表示システム、注意領域表示方法、および注意領域表示プログラム |
| CA2804484A1 (en) | 2010-07-07 | 2012-01-12 | Brian E. Brooks | Systems and methods for improving visual attention models |
| US9323418B2 (en) * | 2011-04-29 | 2016-04-26 | The United States Of America As Represented By Secretary Of The Navy | Method for analyzing GUI design affordances |
| US11062328B2 (en) | 2011-07-21 | 2021-07-13 | 3M Innovative Properties Company | Systems and methods for transactions-based content management on a digital signage network |
| US8195799B1 (en) | 2011-10-26 | 2012-06-05 | SHTC Holdings LLC | Smart test article optimizer |
| EP2777008A4 (en) | 2011-11-11 | 2015-09-02 | Wetpaint Com Inc | DYNAMIC GAME BOOK: EXPERIMENTAL PLATFORM FOR SOCIAL NETWORKS |
| US10354213B1 (en) * | 2011-12-27 | 2019-07-16 | Applied Predictive Technologies, Inc. | Natural experiment finder system and method |
| US9208661B2 (en) * | 2012-01-06 | 2015-12-08 | Panasonic Corporation Of North America | Context dependent application/event activation for people with various cognitive ability levels |
| WO2013109457A2 (en) * | 2012-01-16 | 2013-07-25 | 3M Innovative Properties Company | Systems and methods for rule-based content optimization |
| US9811608B2 (en) | 2012-01-16 | 2017-11-07 | 3M Innovative Properties Company | Systems and methods for rule-based content generation |
| US9202227B2 (en) * | 2012-02-07 | 2015-12-01 | 6 Sense Insights, Inc. | Sales prediction systems and methods |
| US9197512B2 (en) * | 2012-02-17 | 2015-11-24 | Wetpaint.Com, Inc. | Optimizing content production based upon distribution channel metrics |
| US8769400B1 (en) * | 2012-03-26 | 2014-07-01 | Google Inc. | Accelerating view transitions |
| US8990364B2 (en) * | 2012-04-26 | 2015-03-24 | Qualcomm Innovation Center, Inc. | Architecture for content awareness and control among peer-to-peer communication devices |
| CN103488646B (zh) * | 2012-06-13 | 2017-11-14 | 腾讯科技（深圳）有限公司 | 一种移动终端浏览器弱光源下浏览网页的方法及装置 |
| JP2014052399A (ja) * | 2012-09-05 | 2014-03-20 | Toshiba Tec Corp | 情報配信サーバおよびプログラム |
| US9265458B2 (en) | 2012-12-04 | 2016-02-23 | Sync-Think, Inc. | Application of smooth pursuit cognitive testing paradigms to clinical drug development |
| WO2014099380A1 (en) * | 2012-12-21 | 2014-06-26 | 3M Innovative Properties Company | Systems and methods for rule-based animated content generation |
| US20150379906A1 (en) * | 2012-12-21 | 2015-12-31 | 3M Innovative Properties Company | Systems and methods for rule-based animated content optimization |
| WO2014123337A1 (en) * | 2013-02-06 | 2014-08-14 | Samsung Electronics Co., Ltd. | System and method for providing object via which service is used |
| US9380976B2 (en) | 2013-03-11 | 2016-07-05 | Sync-Think, Inc. | Optical neuroinformatics |
| WO2014200743A1 (en) | 2013-06-13 | 2014-12-18 | 3M Innovative Properties Company | Systems and methods for delivering content to mobile devices |
| US9965721B2 (en) * | 2013-09-16 | 2018-05-08 | Moresteam Development, Llc | Computer-implemented system and method of performing a design of experiment, generating a product thereof, generating designed experiment options, and a graphical user interface |
| EP3084652A1 (en) * | 2013-12-20 | 2016-10-26 | Koninklijke Philips N.V. | Control device and method for controlling a display |
| CN103745056A (zh) * | 2014-01-06 | 2014-04-23 | 中国人民解放军第二军医大学 | 卫勤力量模块化测算方法 |
| WO2015116614A1 (en) * | 2014-01-29 | 2015-08-06 | 3M Innovative Properties Company | Systems and methods for spacial and temporal experimentation on content effectiveness |
| WO2015116610A1 (en) * | 2014-01-29 | 2015-08-06 | 3M Innovative Properties Company | Conducting multivariate experiments |
| CN104882145B (zh) * | 2014-02-28 | 2019-10-29 | 杜比实验室特许公司 | 使用音频对象的时间变化的音频对象聚类 |
| GB201404234D0 (en) * | 2014-03-11 | 2014-04-23 | Realeyes O | Method of generating web-based advertising inventory, and method of targeting web-based advertisements |
| US20150348278A1 (en) * | 2014-05-30 | 2015-12-03 | Apple Inc. | Dynamic font engine |
| JP6459231B2 (ja) * | 2014-06-11 | 2019-01-30 | 富士ゼロックス株式会社 | テンプレート管理装置及びプログラム |
| ZA201407620B (en) * | 2014-08-26 | 2015-11-25 | Musigma Business Solutions Pvt Ltd | Systems and methods for creating and evaluating experiments |
| CN104301556B (zh) * | 2014-09-26 | 2017-12-29 | 小米科技有限责任公司 | 电话交互方法、装置和系统 |
| JP2018500621A (ja) * | 2014-10-01 | 2018-01-11 | ジーユーアイ グローバル プロダクツ，リミテッド | 分散広告システム及び使用方法 |
| US10354192B2 (en) * | 2014-11-19 | 2019-07-16 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Recommender system for exploratory data analysis |
| CN104851063A (zh) * | 2015-05-14 | 2015-08-19 | 上海知汇云信息技术股份有限公司 | 实验考评系统及其进程管理方法 |
| US10997512B2 (en) * | 2015-05-25 | 2021-05-04 | Microsoft Technology Licensing, Llc | Inferring cues for use with digital assistant |
| US20160357173A1 (en) * | 2015-06-08 | 2016-12-08 | Evidation Health | Evidence Generation and Data Interpretation Platform |
| US9990414B2 (en) | 2015-06-15 | 2018-06-05 | International Business Machines Corporation | Cognitive architecture with content provider managed corpus |
| AU2016287730A1 (en) | 2015-06-30 | 2018-02-22 | Emerald Cloud Lab, Inc. | System and method for management, execution, and analysis of laboratory experiments |
| US10394323B2 (en) * | 2015-12-04 | 2019-08-27 | International Business Machines Corporation | Templates associated with content items based on cognitive states |
| CN105446744A (zh) * | 2015-12-15 | 2016-03-30 | 北京中网易企秀科技有限公司 | 基于互联网的展示物料系统及展示物料制作方法 |
| BR112018074312A2 (pt) | 2016-05-29 | 2019-03-12 | Wix.Com Ltd. | método para um sistema de construção de website, e sistema de construção de website |
| US10685070B2 (en) | 2016-06-30 | 2020-06-16 | Facebook, Inc. | Dynamic creative optimization for effectively delivering content |
| US20200050625A1 (en) * | 2016-09-28 | 2020-02-13 | Hewlett-Packard Development Company, L.P. | Virtual presentation |
| US11093207B1 (en) * | 2016-10-28 | 2021-08-17 | Assa Abloy Ab | Visual verification of virtual credentials and licenses |
| US20180137464A1 (en) * | 2016-11-16 | 2018-05-17 | Jabil Circuit, Inc. | Apparatus, system and method for providing a design for excellence engine |
| EP3559849B1 (en) | 2016-12-22 | 2020-09-02 | Assa Abloy AB | Mobile credential with online/offline delivery |
| US10922713B2 (en) | 2017-01-03 | 2021-02-16 | Facebook, Inc. | Dynamic creative optimization rule engine for effective content delivery |
| US10572908B2 (en) * | 2017-01-03 | 2020-02-25 | Facebook, Inc. | Preview of content items for dynamic creative optimization |
| US10871876B2 (en) | 2018-03-02 | 2020-12-22 | Justin David Woodward | 3-dimensional dipolar modular assessment of perceived change |
| CN110390396B (zh) | 2018-04-16 | 2024-03-19 | 日本电气株式会社 | 用于估计观测变量之间的因果关系的方法、装置和系统 |
| CN108921829A (zh) * | 2018-06-20 | 2018-11-30 | 广州晖恒广告策划有限公司 | 一种基于视觉注意机制的广告设计客观评价方法 |
| EP3619672A1 (en) * | 2018-07-11 | 2020-03-11 | Google LLC | Improving accuracy of experimental results through geo selection |
| JP6601988B1 (ja) * | 2018-11-30 | 2019-11-06 | 株式会社Ｓｐｌｉｎｋ | 情報生成システム及び情報生成方法 |
| US11927926B2 (en) | 2019-03-15 | 2024-03-12 | 3M Innovative Properties Company | Determining causal models for controlling environments |
| JP6967822B2 (ja) * | 2019-10-17 | 2021-11-17 | 株式会社オプティム | コンピュータシステム、広告コンテンツ配信方法及びプログラム |
| CN112711739B (zh) * | 2019-10-25 | 2024-05-28 | 腾讯科技（深圳）有限公司 | 一种数据处理方法、装置及服务器、存储介质 |
| CN110851980B (zh) * | 2019-11-11 | 2021-01-29 | 中国人民解放军火箭军工程大学 | 一种设备剩余寿命预测方法及系统 |
| US11302291B1 (en) * | 2019-11-27 | 2022-04-12 | Amazon Technologies, Inc. | Device agnostic user interface generation |
| US11048532B1 (en) * | 2019-11-27 | 2021-06-29 | Amazon Technologies, Inc. | Device agnostic user interface generation based on device input type |
| KR20210143464A (ko) * | 2020-05-20 | 2021-11-29 | 삼성에스디에스 주식회사 | 데이터 분석 장치 및 그것의 데이터 분석 방법 |
| US11086954B1 (en) | 2020-07-09 | 2021-08-10 | Bank Of America Corporation | Method and system for data testing |
| US20220245653A1 (en) * | 2021-01-31 | 2022-08-04 | Walmart Apollo, Llc | Systems and methods for cross-channel marketing experimentation management |
| JPWO2022254865A1 (pt) * | 2021-06-02 | 2022-12-08 |
Family Cites Families (124)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4973952A (en) * | 1987-09-21 | 1990-11-27 | Information Resources, Inc. | Shopping cart display system |
| US5309174A (en) | 1987-10-13 | 1994-05-03 | Motorola, Inc. | Electronic display system |
| US5253331A (en) * | 1991-07-03 | 1993-10-12 | General Motors Corporation | Expert system for statistical design of experiments |
| US5474385A (en) * | 1992-03-02 | 1995-12-12 | Ta Instruments, Inc. | Method and apparatus for parsed dynamic differential analysis |
| JPH06131168A (ja) * | 1992-10-20 | 1994-05-13 | Fuji Xerox Co Ltd | ユーザインタフェース作成支援装置 |
| JP3234059B2 (ja) * | 1993-08-11 | 2001-12-04 | 株式会社東芝 | 画面デザイン評価装置 |
| KR950016161A (ko) * | 1993-11-17 | 1995-06-17 | 김광호 | 사설교환 시스템의 부재중 메세지 표시방법 |
| US5513342A (en) * | 1993-12-28 | 1996-04-30 | International Business Machines Corporation | Display window layout system that automatically accommodates changes in display resolution, font size and national language |
| JPH07200662A (ja) * | 1994-01-07 | 1995-08-04 | Hitachi Ltd | 設計知識ベースを有する実験計画作成支援システム |
| JP2947704B2 (ja) * | 1994-03-04 | 1999-09-13 | 株式会社ピーエフユー | 表示画面の作成方法および表示画面作成装置 |
| JP2697646B2 (ja) * | 1994-12-15 | 1998-01-14 | 日本電気株式会社 | マルチメディア編集装置 |
| JPH08241191A (ja) * | 1995-03-02 | 1996-09-17 | Matsushita Electric Ind Co Ltd | Ｇｕｉ自動評価装置 |
| DE69610926T2 (de) * | 1995-07-25 | 2001-06-21 | Horus Therapeutics Inc | Rechnergestütztes verfahren und anordnung zur diagnose von krankheiten |
| JP2994996B2 (ja) * | 1995-12-01 | 1999-12-27 | 松下電器産業株式会社 | マルチメディア編集装置 |
| JPH1049508A (ja) * | 1995-12-27 | 1998-02-20 | Toshiba Corp | データ処理システム、システム構築装置、システム構築方法、及びシステム構築プログラムを記録した媒体 |
| JPH09212349A (ja) * | 1996-01-31 | 1997-08-15 | Mitsubishi Electric Corp | コンテンツ作成支援システム |
| US5812134A (en) * | 1996-03-28 | 1998-09-22 | Critical Thought, Inc. | User interface navigational system & method for interactive representation of information contained within a database |
| WO1997046929A2 (en) * | 1996-06-04 | 1997-12-11 | Werbos Paul J | 3-brain architecture for an intelligent decision and control system |
| BR9712092A (pt) * | 1996-07-12 | 1999-08-31 | Edwin C Iliff | Sistema computadorizado para diagnóstico clínico e aconselhamento de tratamento incluindo acesso a rede. |
| JPH1091412A (ja) * | 1996-07-25 | 1998-04-10 | Toshiba Corp | 表示部品選択装置及び表示部品選択方法 |
| JP2998652B2 (ja) * | 1996-09-20 | 2000-01-11 | 日本電気株式会社 | Ｇｕｉ画面レイアウト設計方式 |
| US7848948B2 (en) * | 1996-10-25 | 2010-12-07 | Ipf, Inc. | Internet-based product brand marketing communication network configured to allow members of a product brand management team to communicate directly with consumers browsing HTML-encoded pages at an electronic commerce (EC) enabled web-site along the fabric of the world wide web (WWW), using programable multi-mode virtual kiosks (MMVKS) driven by server-side components and managed by product brand management team members |
| JPH10154070A (ja) * | 1996-11-26 | 1998-06-09 | Toshiba Corp | ユーザインタフェース設計装置及び方法 |
| US6023714A (en) | 1997-04-24 | 2000-02-08 | Microsoft Corporation | Method and system for dynamically adapting the layout of a document to an output device |
| JPH10301761A (ja) * | 1997-04-28 | 1998-11-13 | Matsushita Electric Ind Co Ltd | ユーザインタフェースの作成方法及びその管理装置 |
| JPH1185439A (ja) * | 1997-09-05 | 1999-03-30 | Toshiba Corp | ユーザインタフェース制御装置及びユーザインタフェース制御方法 |
| JPH1185729A (ja) * | 1997-09-08 | 1999-03-30 | Matsushita Electric Ind Co Ltd | マルチメディアコンテンツ作成装置 |
| US6374271B1 (en) * | 1997-09-26 | 2002-04-16 | Fuji Xerox Co., Ltd. | Hypermedia document authoring using a goals outline and a presentation outline |
| US6529940B1 (en) * | 1998-05-28 | 2003-03-04 | David R. Humble | Method and system for in-store marketing |
| RU2134457C1 (ru) | 1998-08-04 | 1999-08-10 | Григорьев Михаил Николаевич | Система распространения информации |
| JP2000090079A (ja) * | 1998-09-08 | 2000-03-31 | Toshiba Corp | コンテンツ作成装置及び方法並びにプログラムを記録したコンピュータ読み取り可能な記録媒体 |
| US6448983B1 (en) * | 1999-01-14 | 2002-09-10 | General Electric Company | Method for selection of a design of experiment |
| US6604092B1 (en) * | 1999-02-26 | 2003-08-05 | Lisa E. Stewart | Expert system utilizing a knowledge base and design of experiment (DOE) techniques |
| KR20010052410A (ko) * | 1999-03-26 | 2001-06-25 | 요트.게.아. 롤페즈 | 진화적 알고리즘을 통한 진화 광고 |
| AUPQ246899A0 (en) * | 1999-08-26 | 1999-09-16 | Memetrics | An automated communications management agent |
| WO2001014952A2 (en) * | 1999-08-26 | 2001-03-01 | Memetrics Inc. | On-line experimentation |
| US7089322B1 (en) * | 1999-10-28 | 2006-08-08 | Motient Communications Inc. | System and method of aggregating data from a plurality of data generating machines |
| US6317700B1 (en) * | 1999-12-22 | 2001-11-13 | Curtis A. Bagne | Computational method and system to perform empirical induction |
| US7130808B1 (en) | 1999-12-29 | 2006-10-31 | The Product Engine, Inc. | Method, algorithm, and computer program for optimizing the performance of messages including advertisements in an interactive measurable medium |
| CN1214349C (zh) * | 2000-02-17 | 2005-08-10 | 英国电讯有限公司 | 处理视觉图像的方法和装置以及图像压缩方法 |
| JP2001236443A (ja) | 2000-02-24 | 2001-08-31 | Nec Corp | 広告情報の提供方法及びその広告効果の把握方法ならびにシステム |
| US8799208B2 (en) | 2000-03-07 | 2014-08-05 | E-Rewards, Inc. | Method and system for evaluating, reporting, and improving on-line promotion effectiveness |
| JP2001256322A (ja) * | 2000-03-10 | 2001-09-21 | Cross Head Kk | オンライン・コンテンツ製作・表示・対価支払いシステム、オンライン・コンテンツ製作・表示・対価支払い方法、及びコンテンツ製作ツールを記憶した情報記憶媒体。 |
| US20020026478A1 (en) | 2000-03-14 | 2002-02-28 | Rodgers Edward B. | Method and apparatus for forming linked multi-user groups of shared software applications |
| JP2001265904A (ja) * | 2000-03-17 | 2001-09-28 | Dentsu Inc | 広告表現調査システム及び広告表現調査方法 |
| JP4066613B2 (ja) | 2000-04-05 | 2008-03-26 | 富士ゼロックス株式会社 | 表示制御装置、画像形成装置、及び表示制御プログラム |
| US7216092B1 (en) * | 2000-04-14 | 2007-05-08 | Deluxe Corporation | Intelligent personalization system and method |
| US6604094B1 (en) * | 2000-05-25 | 2003-08-05 | Symbionautics Corporation | Simulating human intelligence in computers using natural language dialog |
| WO2001093083A2 (en) | 2000-05-26 | 2001-12-06 | Naylor, Inc. | Computer-implemented method and apparatus for creating advertising media |
| JP2002123288A (ja) * | 2000-10-12 | 2002-04-26 | Canon Inc | 携帯電話、ユーザインタフェース装置、コンテンツ表示方法、記憶媒体 |
| US20040015399A1 (en) | 2000-10-12 | 2004-01-22 | Maggio Frank S. | Method and system for verifying exposure to message content delivered via outdoor media or in a concentrated format |
| US20020112035A1 (en) | 2000-10-30 | 2002-08-15 | Carey Brian M. | System and method for performing content experience management |
| JP2002175290A (ja) * | 2000-12-07 | 2002-06-21 | Fuji Xerox Co Ltd | ドキュメントデザイン評価システム、ドキュメントデザイン評価方法、記録媒体 |
| US7406434B1 (en) | 2000-12-15 | 2008-07-29 | Carl Meyer | System and method for improving the performance of electronic media advertising campaigns through multi-attribute analysis and optimization |
| JP4665312B2 (ja) | 2000-12-26 | 2011-04-06 | 日本電気株式会社 | Ｗｅｂコンテンツの可読性評価システム、Ｗｅｂコンテンツの配色支援システム、その方法、記録媒体 |
| US20040015401A1 (en) | 2001-02-08 | 2004-01-22 | In Lee | Systems and methods for distributing template-based multimedia presentations over a network |
| JP3881179B2 (ja) * | 2001-02-14 | 2007-02-14 | 三菱電機株式会社 | ユーザインタフェース設計装置 |
| US20020129367A1 (en) * | 2001-03-02 | 2002-09-12 | Koninklijke Philips Electronics N.V. | Method and apparatus for personalized presentation of television/internet contents |
| US20020154833A1 (en) * | 2001-03-08 | 2002-10-24 | Christof Koch | Computation of intrinsic perceptual saliency in visual environments, and applications |
| JP2002330415A (ja) * | 2001-05-02 | 2002-11-15 | Star Collaboration Kk | コンテンツ制作装置、方法、コンピュータプログラム、記録媒体 |
| US7219309B2 (en) * | 2001-05-02 | 2007-05-15 | Bitstream Inc. | Innovations for the display of web pages |
| EP2246799A1 (en) * | 2001-05-15 | 2010-11-03 | Psychogenics Inc. | Systems and methods for monitoring behaviour informatics |
| US6569096B2 (en) * | 2001-06-06 | 2003-05-27 | International Business Machines Corporation | System and method of automating multidimensional scaling for psychophysics |
| JP2003044737A (ja) * | 2001-07-26 | 2003-02-14 | E Stage Inc | 企業情報の広域認知システム |
| US20040205116A1 (en) * | 2001-08-09 | 2004-10-14 | Greg Pulier | Computer-based multimedia creation, management, and deployment platform |
| TW523697B (en) | 2001-08-29 | 2003-03-11 | Synq Technology Inc | Automatic advertisement transaction system and method therefor |
| KR100868852B1 (ko) | 2001-09-29 | 2008-11-14 | 주식회사 케이티 | 웹로그 분석 시스템에서의 방문시간 측정 방법 |
| US7136871B2 (en) | 2001-11-21 | 2006-11-14 | Microsoft Corporation | Methods and systems for selectively displaying advertisements |
| US20030220830A1 (en) * | 2002-04-04 | 2003-11-27 | David Myr | Method and system for maximizing sales profits by automatic display promotion optimization |
| US7283981B2 (en) * | 2002-04-30 | 2007-10-16 | Deluxe Corporation | Browser-based system for ordering financial products |
| US20040181435A9 (en) * | 2002-06-14 | 2004-09-16 | Reinsurance Group Of America Corporation | Computerized system and method of performing insurability analysis |
| JP2004070677A (ja) * | 2002-08-07 | 2004-03-04 | Inter-Ment Kk | ウェブサイト評価提供システム及び方法並びにウェブサイト評価提供用プログラム |
| JP4183456B2 (ja) * | 2002-08-09 | 2008-11-19 | アイシン精機株式会社 | 車両試験提供システム |
| JP4356916B2 (ja) * | 2002-08-23 | 2009-11-04 | 富士通株式会社 | ユーザビリティ教育支援システム及び方法 |
| US7309315B2 (en) * | 2002-09-06 | 2007-12-18 | Epoch Innovations, Ltd. | Apparatus, method and computer program product to facilitate ordinary visual perception via an early perceptual-motor extraction of relational information from a light stimuli array to trigger an overall visual-sensory motor integration in a subject |
| JP2004102868A (ja) * | 2002-09-12 | 2004-04-02 | Fuji Xerox Co Ltd | ユーザビリティ評価支援装置 |
| JP2004110548A (ja) * | 2002-09-19 | 2004-04-08 | Fuji Xerox Co Ltd | ユーザビリティ評価支援装置および方法 |
| US7274741B2 (en) * | 2002-11-01 | 2007-09-25 | Microsoft Corporation | Systems and methods for generating a comprehensive user attention model |
| JP2004178276A (ja) * | 2002-11-27 | 2004-06-24 | Toshiba Lighting & Technology Corp | 売場計画支援システム |
| JP2004184845A (ja) * | 2002-12-05 | 2004-07-02 | Sanyo Electric Co Ltd | 映像表示装置及び映像表示システム |
| US7130461B2 (en) | 2002-12-18 | 2006-10-31 | Xerox Corporation | Systems and method for automatically choosing visual characteristics to highlight a target against a background |
| JP2004234646A (ja) * | 2003-01-06 | 2004-08-19 | Hiroshi Sato | コンテンツ関連情報提供装置及びコンテンツ関連情報提供方法及びコンテンツ関連情報提供システム及び携帯端末、並びに情報処理システム。 |
| US7260261B2 (en) * | 2003-02-20 | 2007-08-21 | Microsoft Corporation | Systems and methods for enhanced image adaptation |
| JP2004310384A (ja) * | 2003-04-04 | 2004-11-04 | Haruyuki Inada | Ｗｅｂページ広告システム |
| KR20030040263A (ko) | 2003-04-07 | 2003-05-22 | 주식회사 드림나우 | 인터넷 홈페이지 이용자의 행태 정보 획득 방법 및 그 장치 |
| JP3875974B2 (ja) | 2003-04-11 | 2007-01-31 | 西川ゴム工業株式会社 | 遮音性シート |
| US7080027B2 (en) * | 2003-04-17 | 2006-07-18 | Targetrx, Inc. | Method and system for analyzing the effectiveness of marketing strategies |
| US7694000B2 (en) | 2003-04-22 | 2010-04-06 | International Business Machines Corporation | Context sensitive portlets |
| WO2004111931A2 (en) | 2003-06-10 | 2004-12-23 | California Institute Of Technology | A system and method for attentional selection |
| US20040260767A1 (en) | 2003-06-19 | 2004-12-23 | David Kedem | Dynamic web advertisement and content display system |
| JP4314907B2 (ja) * | 2003-07-18 | 2009-08-19 | 株式会社日立製作所 | 広告表示システム及び方法 |
| GB2404270A (en) | 2003-07-24 | 2005-01-26 | Hewlett Packard Development Co | Document composition |
| JP2005056080A (ja) * | 2003-08-01 | 2005-03-03 | Inter-Ment Kk | ウェブサイト解析システム及び方法並びにウェブサイト解析用プログラム |
| WO2005015362A2 (en) * | 2003-08-06 | 2005-02-17 | Innovida, Inc. | System and method for delivering and optimizing media programming in public spaces |
| US7269517B2 (en) | 2003-09-05 | 2007-09-11 | Rosetta Inpharmatics Llc | Computer systems and methods for analyzing experiment design |
| US20050062314A1 (en) | 2003-09-19 | 2005-03-24 | Searfoss Timothy K. | Trailer cover system |
| US20050096950A1 (en) * | 2003-10-29 | 2005-05-05 | Caplan Scott M. | Method and apparatus for creating and evaluating strategies |
| JP4396430B2 (ja) * | 2003-11-25 | 2010-01-13 | セイコーエプソン株式会社 | 視線誘導情報生成システムおよび視線誘導情報生成プログラム、並びに視線誘導情報生成方法 |
| US20050171843A1 (en) * | 2004-02-03 | 2005-08-04 | Robert Brazell | Systems and methods for optimizing advertising |
| US20050195221A1 (en) * | 2004-03-04 | 2005-09-08 | Adam Berger | System and method for facilitating the presentation of content via device displays |
| US20050289005A1 (en) * | 2004-05-18 | 2005-12-29 | Ferber John B | Systems and methods of achieving optimal advertising |
| US7949561B2 (en) * | 2004-08-20 | 2011-05-24 | Marketing Evolution | Method for determining advertising effectiveness |
| US20080201198A1 (en) | 2004-09-02 | 2008-08-21 | Louviere Jordan J | Method, System and Computer Program Product for Measuring and Tracking Brand Equity |
| GB2417808A (en) | 2004-09-02 | 2006-03-08 | Hewlett Packard Development Co | Document creation system |
| WO2006031888A2 (en) * | 2004-09-13 | 2006-03-23 | Brigham Young University | Methods and systems for conducting internet marketing experiments |
| GB2422739B (en) | 2005-01-31 | 2010-07-14 | Hewlett Packard Development Co | Image processing method and apparatus |
| WO2006086525A1 (en) * | 2005-02-08 | 2006-08-17 | Pasadero, Inc. | Research protocol toolkit |
| US20060200759A1 (en) | 2005-03-04 | 2006-09-07 | Microsoft Corporation | Techniques for generating the layout of visual content |
| US7594189B1 (en) * | 2005-04-21 | 2009-09-22 | Amazon Technologies, Inc. | Systems and methods for statistically selecting content items to be used in a dynamically-generated display |
| WO2006127645A2 (en) * | 2005-05-20 | 2006-11-30 | Steven Klopf | Digital advertising auction system |
| US7903099B2 (en) * | 2005-06-20 | 2011-03-08 | Google Inc. | Allocating advertising space in a network of displays |
| US20070100698A1 (en) | 2005-07-08 | 2007-05-03 | Onestop Media Group | Adaptive advertisements and adaptive advertising distribution system |
| US20070038516A1 (en) * | 2005-08-13 | 2007-02-15 | Jeff Apple | Systems, methods, and computer program products for enabling an advertiser to measure user viewing of and response to an advertisement |
| US20070073562A1 (en) | 2005-09-28 | 2007-03-29 | Sabre Inc. | System, method, and computer program product for providing travel information using information obtained from other travelers |
| US20070136133A1 (en) * | 2005-12-12 | 2007-06-14 | Yvonne Li | Digital Signage Transaction and Delivery Methods |
| US20070156382A1 (en) | 2005-12-29 | 2007-07-05 | Graham James L Ii | Systems and methods for designing experiments |
| US20090030780A1 (en) * | 2006-01-03 | 2009-01-29 | Ds-Iq, Inc. | Measuring effectiveness of marketing campaigns presented on media devices in public places using audience exposure data |
| US7861150B2 (en) | 2006-11-07 | 2010-12-28 | Microsoft Corporation | Timing aspects of media content rendering |
| US20080230604A1 (en) | 2007-03-22 | 2008-09-25 | Robert Jason Fong | System for optimizing on-premises advertisements |
| US20080306804A1 (en) * | 2007-06-06 | 2008-12-11 | Opdycke Thomas C | Systems for scheduling marketing campaigns in public places in order to enable measurement and optimization of audience response |
| WO2009006542A2 (en) | 2007-07-03 | 2009-01-08 | 3M Innovative Properties Company | System and method for assessing effectiveness of communication content |
| JP5276099B2 (ja) | 2007-07-03 | 2013-08-28 | スリーエム イノベイティブ プロパティズ カンパニー | タイムスロットサンプルにコンテンツの複数小片を割り当てて、その割り当てられたコンテンツの効果を測定するためのシステム及び方法 |
| KR101605919B1 (ko) * | 2007-07-03 | 2016-03-24 | 쓰리엠 이노베이티브 프로퍼티즈 컴파니 | 배정된 컨텐츠의 효과를 측정하기 위해 컨텐츠가 배정될 수 있는 시간 슬롯 샘플을 발생시키는 시스템 및 방법 |
| US8458103B2 (en) * | 2009-01-07 | 2013-06-04 | 3M Innovative Properties Company | System and method for concurrently conducting cause-and-effect experiments on content effectiveness and adjusting content distribution to optimize business objectives |
-
2005
- 2005-12-29 US US11/321,340 patent/US20070156382A1/en not_active Abandoned
-
2006
- 2006-12-14 RU RU2008126454/08A patent/RU2409859C2/ru not_active IP Right Cessation
- 2006-12-14 KR KR1020087017406A patent/KR101397745B1/ko not_active IP Right Cessation
- 2006-12-14 CA CA002634877A patent/CA2634877A1/en not_active Abandoned
- 2006-12-14 EP EP06845659A patent/EP1969504A4/en not_active Ceased
- 2006-12-14 WO PCT/US2006/048110 patent/WO2007078897A2/en active Application Filing
- 2006-12-14 CN CN2006800531432A patent/CN101379496B/zh not_active Expired - Fee Related
- 2006-12-14 AU AU2006333040A patent/AU2006333040C1/en not_active Ceased
- 2006-12-14 BR BRPI0621157-7A patent/BRPI0621157A2/pt not_active IP Right Cessation
- 2006-12-14 JP JP2008548590A patent/JP2009522651A/ja not_active Ceased
- 2006-12-29 CA CA002636017A patent/CA2636017A1/en not_active Abandoned
- 2006-12-29 JP JP2008548780A patent/JP5249045B2/ja not_active Expired - Fee Related
- 2006-12-29 BR BRPI0621158-5A patent/BRPI0621158A2/pt not_active Application Discontinuation
- 2006-12-29 KR KR1020087017761A patent/KR101336500B1/ko not_active IP Right Cessation
- 2006-12-29 WO PCT/US2006/049657 patent/WO2007079254A2/en active Application Filing
- 2006-12-29 CN CN2006800530730A patent/CN101379485B/zh not_active Expired - Fee Related
- 2006-12-29 WO PCT/US2006/049662 patent/WO2007079256A2/en active Application Filing
- 2006-12-29 BR BRPI0621159-3A patent/BRPI0621159A2/pt not_active Application Discontinuation
- 2006-12-29 US US12/159,106 patent/US20090158179A1/en not_active Abandoned
- 2006-12-29 EP EP20060848390 patent/EP1969488A4/en not_active Withdrawn
- 2006-12-29 AU AU2006332658A patent/AU2006332658B2/en not_active Ceased
- 2006-12-29 RU RU2008126540/09A patent/RU2008126540A/ru not_active Application Discontinuation
- 2006-12-29 RU RU2008126539/09A patent/RU2008126539A/ru not_active Application Discontinuation
- 2006-12-29 AU AU2006332660A patent/AU2006332660B2/en not_active Ceased
- 2006-12-29 KR KR1020147002645A patent/KR20140033218A/ko not_active Application Discontinuation
- 2006-12-29 CN CNA2006800530637A patent/CN101379495A/zh active Pending
- 2006-12-29 EP EP06848389A patent/EP1969505A4/en not_active Ceased
- 2006-12-29 CA CA002635789A patent/CA2635789A1/en not_active Abandoned
- 2006-12-29 KR KR1020087018278A patent/KR20080081193A/ko active Application Filing
- 2006-12-29 US US12/159,107 patent/US8594990B2/en not_active Expired - Fee Related
- 2006-12-29 EP EP13182401.3A patent/EP2722797A1/en not_active Withdrawn
- 2006-12-29 JP JP2008548783A patent/JP2009522658A/ja not_active Withdrawn
-
2009
- 2009-09-23 US US12/565,312 patent/US20100017288A1/en not_active Abandoned
-
2012
- 2012-12-04 JP JP2012264984A patent/JP5563649B2/ja not_active Expired - Fee Related
-
2013
- 2013-12-11 JP JP2013255621A patent/JP2014059911A/ja active Pending
-
2014
- 2014-04-16 US US14/254,014 patent/US20140229418A1/en not_active Abandoned
- 2014-04-25 US US14/261,929 patent/US10007657B2/en not_active Expired - Fee Related
Also Published As
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| BRPI0621159A2 (pt) | método implantado por computador e sistema | |
| US10789610B2 (en) | Utilizing a machine learning model to predict performance and generate improved digital design assets | |
| US10515163B2 (en) | Systems and methods for improving visual attention models | |
| CN106796515A (zh) | 用于元数据驱动的用户界面框架的系统和方法 | |
| WO2014099571A1 (en) | Systems and methods for rule-based animated content optimization | |
| KR102047533B1 (ko) | 교육콘텐츠 큐레이션 서비스 제공방법 | |
| TWI680402B (zh) | 資訊顯示裝置、電腦可讀取儲存媒體、電腦程式產品以及資訊顯示方法 | |
| Kuriakose et al. | Beyond Pleasure, Desire for Meaningful Consumption and Peacefulness from Digital Entertainment Platforms; Extending UTAUT2 Model with Eudemonic Motivation and Tranquility | |
| US20150317566A1 (en) | Systems and methods for content generation and optimization using probability factors | |
| KR20230085033A (ko) | 데이터 소비 및 활용 위한 데이터 큐레이션 | |
| CN116894698A (zh) | 内容投放方法和设备、电子设备及存储介质 | |
| US20150310658A1 (en) | Systems and methods for rule-based animated content generation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| B11A | Dismissal acc. art.33 of ipl - examination not requested within 36 months of filing | ||
| B11Y | Definitive dismissal - extension of time limit for request of examination expired [chapter 11.1.1 patent gazette] |