Este trabalho apresenta um estudo sobre como a tecnologia adaptativa pode ser utilizada para aprimorar métodos existentes de gerenciamento de diálogo. O gerenciamento de diálogo é a atividade central em um sistema computacional de diálogo falado, sendo a responsável por decidir as ações comunicativas que devem ser enviadas ao usuário. Para evidenciar pontos que pudessem ser melhorados através do uso da tecnologia adaptativa, faz-se uma revisão literária ampla do gerenciamento do diálogo. Esta revisão também permite elencar critérios existentes e criar outros novos para avaliar gerenciadores de diálogos. Um modelo de gerenciamento adaptativo baseado em máquinas de estados, denominado Adaptalker, é então proposto e utilizado para criar um framework de desenvolvimento de gerenciadores de diálogo, o qual foi exercitado pelo desenvolvimento ilustrativo de uma aplicação simples de venda de pizzas. A análise desse exemplo permite observar como a adaptatividade é utilizada para aperfeiçoar o modelo, tornando-o capaz, por exemplo, de lidar de forma mais eficiente tanto com o reparo do diálogo quanto com a iniciativa do usuário. As regras de gerenciamento do Adaptalker são organizadas em submáquinas, que trabalham de forma concorrente para decidir qual a próxima ação comunicativa.

This work presents a study on how to apply adaptive technologies to improve existing dialog management methodologies. Dialog management is the central activity of a spoken dialog system, being responsible for choosing the communicative actions sent to the system user. In order to evidence parts that can be improved with adaptive technology, a large review on dialog management is presented. This review allows us to point existing criteria and create new ones to evaluate dialog managers. An adaptive management model based on finite state-based spoken dialog systems, Adaptalker, is proposed and used to build a development framework of dialog managers, which is illustrated by creating a pizza selling application. Analysis of this example allows us to observe how to use adaptivity to improve the model, allowing it to handle both dialog repair and user initiative more efficiently. Adaptalker groups its management rules in submachines that work concurrently to choose the next communication action.