A rápida evolução tecnológica tem expandido constantemente as fronteiras das aplicações de diversas áreas na vida das pessoas. A aplicação de sistemas de recomendação é um exemplo que se beneficiou com essa evolução e que hoje é aplicado em muitos contextos novos, como em museus. Diversos estudos se propuseram a gerar um sistema de recomendação para enfrentar a típica dificuldade de sobrecarga de informação, que costuma ser experimentada pelos visitantes desses lugares. Mas esses sistemas, em sua maioria, não exploraram as capacidades tecnológicas hoje disponíveis ou não foram testados em ambientes reais de utilização. Esta pesquisa busca atender essas oportunidades com a concepção de um sistema de recomendação híbrido baseado em informações de contexto e no método de recomendação collaborative filtering. O sistema também é avaliado em ambiente produtivo com usuários reais, em vez de experimentos controlados. O sistema proposto gera rotas personalizadas de visitação com o objetivo de maximizar a satisfação do usuário ao mesmo tempo em que minimiza a distância do percurso da visita. Esta pesquisa realizou uma das maiores avaliações de um sistema de recomendação já divulgadas, contando com a participação de um número expressivo de visitantes reais em um museu de São Paulo. Seu desempenho foi aferido em relação à acurácia e satisfação do usuário. As avaliações foram feitas em duas etapas, sendo que a segunda foi realizada com um sistema com melhorias baseadas nos resultados da primeira etapa. Mesmo com todas as variabilidades naturais de um ambiente produtivo, os resultados indicaram que o sistema obteve altos níveis de acurácia e satisfação do usuário com as recomendações de itens e as rotas propostas. Verificou-se também uma tendência de melhora na acurácia das recomendações, tanto da primeira para a segunda etapa, quanto com o aumento da base de dados gerados pelos usuários.

The rapid evolution of technology is constantly expanding the boundaries of applications from serveral fields on peoples lives. The application of recommendation systems is an example that has benefited from that evolution and today is used in many new contexts, as in museums. Various studies proposed to build a recommendation system in order to deal with the typical information overload problem, which is used to be experienced by the museums visitors. However most of them did not explore the technological capacity available today or they were not been tested in real environments. This research aims to meet those opportunities by the creation of a hybrid context-based recommendation system with collaborative filtering. The system is also evaluated in the production environment with actual users, instead of a controlled experiment. The proposed system suggests personalized visiting routes with the goal to maximize the user satisfaction at the same type it minimizes the distance of the recommended route. This research conducted one of the largest evaluations of recommendation systems ever released, counting with the participation of an expressive number of actual visitors in a museum in São Paulo. The systems performance was measured regarding accuracy and user satisfaction. The evaluations were conduted in two steps, where the second used an improved system based on the results obtained from the first step. Even with all the variability involved in a production environment, the overall results indicate the system achieved high accuracy levels and user satisfaction with the recommendations and proposed routes. The results also indicated a positive trend in terms of the recommendations accuracy, both from the first to the second step of the analysis as well as with the increase in the database built with the users interactions.