METHEXIS: UM AMBIENTE DE APOIO À GESTÃO DO CONHECIMENTO EM “E-SCIENCE”

UFRJ – Universidade Federal do Rio de JaneiroUFRJ – Universidade Federal do Rio de Janeiro

COPPE/PESC - Linha de Banco de DadosCOPPE/PESC - Linha de Banco de Dados

Exame de QualificaçãoExame de Qualificação

METHEXIS: UM AMBIENTE DE METHEXIS: UM AMBIENTE DE APOIO À GESTÃO DO APOIO À GESTÃO DO

CONHECIMENTO EM “E-CONHECIMENTO EM “E-SCIENCE”SCIENCE”

Clique aqui para editar os autoresAluna: Jonice Oliveira

Orientador: Prof. Jano M. de Souza, Ph.D.

Rio de Janeiro, 27 de outubro de 2005

METHEXIS: UM AMBIENTE DE APOIO À GESTÃO DO CONHECIMENTO EM “E-SCIENCE” 2

ApresentaçãoApresentação

1. Introdução 1. Introdução

2. Proposta: Ambiente Methexis 2. Proposta: Ambiente Methexis

Exam

e d

e

Exam

e d

e

Qualifi

caçã

oQ

ualifi

caçã

o

•Motivação•Caracterização do Problema•Objetivo da Tese

3. Ações Realizadas e Futuras 3. Ações Realizadas e Futuras

4. Considerações Finais 4. Considerações Finais

•Arquitetura•Módulos: Propostos e Implementados





Exam

e d

e

Exam

e d

e

Qualifi

caçã

oQ

ualifi

caçã

o






CiênciaCiência1

-Intr

oduçã

o1

-Intr

oduçã

o

•A Ciência é o conjunto de descrições, interpretações, provas, teorias, leis e modelos visando descrever uma parcela da realidade.

•Processos que a rege (processos de descoberta, validação ou descrição) contínuos, constantes, inacabados, sempre em fase de ampliação e retificação;

•O cientista realiza procedimentos de investigação aplicando alguma metodologia e divulgando resultados válidos temporariamente.


•Com a evolução da Ciência aumento expressivo na quantidade de dados coletados;

•Como resultado, cada vez mais a Ciência tornou-se dependente da tecnologia:

•Termos quantitativos - quantidade de material a ser processado,

•Termos qualitativos - velocidade em resposta e disseminação dos resultados;

•Atualmente, é praticamente impossível desassociar a tecnologia das práticas científicas.

•Com isto nasceu a Ciência Eletrônica (“e-Science”).

CiênciaCiência1

-Intr

oduçã

o1

-Intr

oduçã

o


Teoria da Criação do Teoria da Criação do ConhecimentoConhecimento

SOCIALIZAÇÃOSOCIALIZAÇÃO EXTERNALIZAÇÃOEXTERNALIZAÇÃO

INTERNALIZAÇÃOINTERNALIZAÇÃO COMBINAÇÃOCOMBINAÇÃO

CulturaCultura TecnologiaTecnologia

1-I

ntr

oduçã

o1

-Intr

oduçã

o


Criação do Criação do Conhecimento CientíficoConhecimento Científico

Formulação doProblema

ColetaFiltragem e

InterpretaçãoDisseminação

Manipulação deDados

InternalizaçãoSocialização

Combinação

Combinação

Internalização

Externalização


Tipos de AtividadesTipos de Atividades•Aula - Transmissão do conhecimento (unilateral);

•Orientação de Tese – Transmissão e criação do conhecimento;

•Projeto de Pesquisa - Um projeto de pesquisa engloba muitas outras atividades como: pesquisar editais, buscar colaboradores internos e externos, gerenciar, definir e executar atividades;

•Atividades de Campo – Observação de fenômenos e coleta de dados primários;

•Experimentação e Simulação – Validação e confirmação de uma hipótese;

•Consultoria

•Publicação de dados/informação - Pode ser feita por vários meios, eletrônicos ou em papel (revistas, por exemplo);

•Conferências e Congressos

•Processos Burocráticos – não relacionados diretamente as atividades de pesquisa;

1-I

ntr

oduçã

o1

-Intr

oduçã

o

Hipótese: Tendo em vista que este cenário é rico em conhecimento,

melhor gerenciá-lo pode melhorar todo o processo de produção científica

Hipótese: Tendo em vista que este cenário é rico em conhecimento,

melhor gerenciá-lo pode melhorar todo o processo científico.


Situação AtualSituação Atual

ConcorrênciaConcorrênciaAcirradaAcirrada

InstabilidadeInstabilidadeAgilidade eAgilidade eFlexibilidadeFlexibilidade

AltaAltaCompetitividadeCompetitividade

RapidezRapidez

Foco noFoco noClienteCliente

FidelizaçãoFidelizaçãodo Clientedo Cliente

Excesso de InformaçãoExcesso de Informação

DistribuiçãoDistribuição

InovaçãoInovação

1-I

ntr

oduçã

o1

-Intr

oduçã

o


Situação AtualSituação Atual

• Pessoas criam e trocam informações com mais rapidez e num volume muito maior do que se poderia imaginar no passado.

• O conhecimento é um fator competitivo diferenciador para os indivíduos, as empresas e as nações.

• O conhecimento detido por uma organização vem crescendo exponencialmente necessidade em melhor administrá-lo.

• Gestão do Conhecimento “é a coleção de processos que governam a criação, disseminação e utilização do conhecimento” (FORTIN, 1998)

1-I

ntr

oduçã

o1

-Intr

oduçã

o


MotivaçãoMotivação

•Instituições de Ensino ou Pesquisa (IEP) principal objetivo criação e disseminação do conhecimento (científico);

•A principal motivação para este trabalho é a possível aplicabilidade da Gestão do Conhecimento no contexto científico, em Instituições de Ensino e Pesquisa.

1-I

ntr

oduçã

o1

-Intr

oduçã

o

•Encarar uma IEP como uma empresa e melhorar continuamente os seus processos permanecer ativa e possa contribuir significativamente para a Ciência e para a sociedade.


ProblemaProblema• Grande parte do conhecimento necessário encontra-se

inacessível aos indivíduos durante um processo de tomada de decisão e planejamento;

• Este problema é agravado no meio científico:

• complexidade e volume dos dados utilizados;

• distância física dos pesquisadores de um mesmo domínio;

• tipo de cooperação;

• crescimento quase exponencial da informação científica;

• ausência de ferramentas direcionadas à GC.

1-I

ntr

oduçã

o1

-Intr

oduçã

o


ProblemaProblema

• Segundo (Kawamura, 2005), um dos motivos da Gestão do Conhecimento ainda não ser amplamente utilizada nas Instituições de Ensino ou Pesquisa é porque o principal objetivo não é o lucro, e inicialmente não se preocupavam com planejamento estratégico.

• As IEPs possuem vários problemas, tais como (Kawamura, 2005):• Clientes mais exigentes, que buscam melhor qualidade de

serviços;

• Evolução constante do ambiente;

• Necessidade de respostas mais rápidas para atender o cliente e garantir uma atuação satisfatória da instituição no mercado.

1-I

ntr

oduçã

o1

-Intr

oduçã

o


ProblemaProblema

• Podemos ainda dizer que é necessário implantar a Gestão do Conhecimento no ambiente acadêmico para que:

• O capital intelectual da instituição não fique associado exclusivamente a algumas pessoas;

• Seja possível a identificação de áreas de conhecimento com escassez de profissionais; e

• Torne-se possível o constante acompanhamento do nível de conhecimentos de cada pesquisador.1

-Intr

oduçã

o1

-Intr

oduçã

o


ObjetivoObjetivo

• Analisar o ambiente científico, suas atividades e levantar alguns requisitos;

• TI é uma grande facilitadora ao se tratar em vencer as barreiras geográficas da comunicação e auxiliar na disseminação da informação;

• Oferecer uma plataforma computacional como solução para auxiliar a disseminação, reutilização, captura e criação do conhecimento organizacional em instituições de cunho Científico;

• cultura de participação, colaboração e comprometimento

1-I

ntr

oduçã

o1

-Intr

oduçã

o




Exam

e d

e

Exam

e d

e

Qualifi

caçã

oQ

ualifi

caçã

o







Am

bie

nte

Meth

exis

Am

bie

nte

Meth

exis

ArquiteturaArquitetura

Eid

ola

Eid

ola

Interface Usuário

KO

Ne

go

ciaçã

o S

ignifica

do

Ne

go

cia

ção

Sig

nific

ado

Grid 1

Grid 2

Grid n

Knowledge Grid

GCE

GCC

Nego Sys

Mod Manager eMod Runner

MimexisMimexis IdeaIdea ParadeigmaParadeigma

Arquitetura do MethexisArquitetura do Methexis

Eid

ola

Eid

ola

Interface Usuário

KO

Ne

go

ciaçã

o S

ignifica

do

Ne

go

cia

ção

Sig

nific

ado

Grid 1

Grid 2

Grid n

Knowledge Grid

GCE

GCC

Nego Sys



Arquitetura do MethexisArquitetura do MethexisArquitetura do MethexisArquitetura do Methexis


Am

bie

nte

Meth

exis

Am

bie

nte

Meth

exis


Eid

ola

Eid

ola

Interface Usuário

KO

Ne

go

ciaçã

o S

ignifica

do

Ne

go

cia

ção

Sig

nific

ado

Grid 1

Grid 2

Grid n

Knowledge Grid

GCE

GCC

Nego Sys




Eid

ola

Eid

ola

Interface Usuário

KO

Ne

go

ciaçã

o S

ignifica

do

Ne

go

cia

ção

Sig

nific

ado

Grid 1

Grid 2

Grid n

Knowledge Grid

GCE

GCC

Nego Sys





GCCGCCA

mbie

nte

Meth

exis

Am

bie

nte

Meth

exis

•Acrônimo de Gestão de Conhecimento Científico,

•Uma primeira versão do sistema foi construída utilizando arquitetura cliente-servidor:

•IIS como servidor “web”;

•Banco de dados SQL-Server;

•Componentes java e active-x para visualização.


Módulo de GC Pessoal

Módulo de Gestão de Projetos

Módulode

Comunidades

Módulo de Navegação e Visualização

Módulo de Competência

Usuários

Base de Conhecimento

CR

M C

ien

tífi

co

Con

heci

men

toP

esso

al

Con

heci

men

tod

o P

roje

to

Con

heci

men

toC

omu

nitá

rio

Tip

od

e V

isu

aliz

ação

Módulode

InteligênciaCompetitiva

Máquina de Inferência

Módulode

Recomendação

Interface

Prospeçãode

Descobertas

Módulo de GC Pessoal

Módulo de Gestão de Projetos

Módulode

Comunidades

Módulo de Navegação e Visualização

Módulo de Competência

Usuários

Base de Conhecimento

CR

M C

ien

tífi

co

Con

heci

men

toP

esso

al

Con

heci

men

tod

o P

roje

to

Con

heci

men

toC

omu

nitá

rio

Tip

od

e V

isu

aliz

ação

Módulode

InteligênciaCompetitiva

Máquina de Inferência

Módulode

Recomendação

Interface

Prospeçãode

Descobertas


Módulo de ProjetoMódulo de Projeto• Projeto e Processos envolvidos – fontes ricas de

conhecimento;

• Processo: conjunto de atividades e suas seqüências, seus pré-requisitos (como competências necessárias para a execução da atividade, ferramentas, entradas e saídas esperadas) e critérios de decisão;

• Projeto: pode envolver um ou mais processos;

• Projeto:• experimento, orientação de teses, projeto de

parceria/colaboração, período letivo, por exemplo.

• Para este módulo, prevê-se os serviços:

Am

bie

nte

A

mbie

nte

M

eth

exis

/GC

CM

eth

exis

/GC

C


• Reuso total de modelos de processos

• Modelo de processo conhecimento, e consequentemente, pode ser disseminado e reutilizado;

• A reutilização de um modelo de processo bem sucedido:• Evita erros,

• Otimiza tempo de sua execução,

• Importante fator de aprendizado para alguém inexperiente;

• Criação de “templates” de projetos, obedecendo padrões de gerência (como PMI, por exemplo) para uso no ambiente.

Módulo de ProjetoMódulo de ProjetoA

mbie

nte

A

mbie

nte

M

eth

exis

/GC

CM

eth

exis

/GC

C


• Reuso parcial de modelos de processos • Para isto, planeja-se utilizar a abordagem de CBR

(“Case Based Reasoning”) de (BONFIM, OLIVEIRA et al., 2005) e especializá-la;

• Recomendação de processos seja refinada passo a passo durante a criação de um modelo;

• Serão utilizados como parâmetros: i)a atividade anterior; ii)a atividade posterior; iii)competências necessárias definidas para a atividade que está sendo criada e iv)ferramentas a serem utilizadas nesta atividade.


mbie

nte

A

mbie

nte

M

eth

exis

/GC

CM

eth

exis

/GC

C


• Definição, instanciação e acompanhamento de um processo;

• Armazenamento de conhecimento durante a execução e ao término de uma tarefa, atividade e processo;

• Armazenamento do conhecimento gerado durante o projeto;

• Reuso do Conhecimento.


mbie

nte

A

mbie

nte

M

eth

exis

/GC

CM

eth

exis

/GC

C


• Este módulo visa gerenciar informações sobre o pesquisador e prover ferramentas para o gerenciamento do conhecimento pessoal.

• Informações pessoais:• nome, titulação, e-mail, página pessoal, setor onde trabalha, as

áreas de conhecimento que atua/conhece e o seu nível de conhecimento, as competências que detêm, bem como o seu nível.

• O usuário pode importar as áreas de conhecimento e competências do seu Curriculum Lattes, caso deseje.

• Ferramentas de GC pessoal:• Diário “web” - público x privado, mineração (Módulo

Máquina de Inferência);

• Mapas Mentais – público x privado;

Módulo PesquisadorMódulo PesquisadorA

mbie

nte

A

mbie

nte

M

eth

exis

/GC

CM

eth

exis

/GC

C


• Identificação da personalidade • Questionário Teste MBTI (Myer-Briggs Type Indicator):

1. Introvertido/Extrovertido;2. Sensitivo/Intuitivo;3. Racional/Emocional;4. Julgador/Perceptivo;

• A identificação da personalidade é igualmente importante quanto saber o nível de conhecimento de uma pessoa na realização de uma parceria ou projeto de pesquisa. Às vezes torna-se mais conveniente ter como membro de equipe uma pessoa menos especializada em um assunto, mas extrovertida, do que um gênio introvertido.

Módulo PesquisadorMódulo PesquisadorA

mbie

nte

A

mbie

nte

M

eth

exis

/GC

CM

eth

exis

/GC

C


• Enquete – Uma dúvida é criada por um membro da comunidade e todos os membros a respondem;

• Fórum – Para auxiliar no envio de mensagens e comunicação assíncrona;

• Notícias – Qualquer membro da comunidade pode enviar notícias para o grupo, como um evento de interesse comum ou um material útil;

• Reuniões eletrônicas agendadas –A conversa desta reunião é armazenada (se os participantes da reunião eletrônica desejarem), pois pode ser fonte de conhecimento para os demais usuários no futuro.

• Biblioteca – Um espaço para a disponibilização de material eletrônico e referências;

• Avaliação – Algumas métricas são utilizadas para o controle e avaliação da comunidade, bem como interação e participação dos membros. Todas as avaliações são públicas;

• Eventos – Diversos eventos como conferências, seminários, palestras, chamadas de trabalhos, e outros, podem ser disponibilizados aqui;

Módulo ComunidadeMódulo ComunidadeA

mbie

nte

A

mbie

nte

M

eth

exis

/GC

CM

eth

exis

/GC

C


• Redes Sociais• Identificação da Rede:

• Como os pesquisadores se comunicam e interagem, • Uso ferramentas de comunicação do GCC;• Dados do Curriculum Lattes - participação em projetos de

pesquisa, participação em bancas, orientações (relação professor-aluno) co-orientações (relação professor-professor), participação de organização de eventos e a própria participação em eventos;

• Como é o fluxo desta comunicação;• Curso do conhecimento nesta rede (assunto, forma e direção);

• Visualização da Rede;• Balanceamento da Rede:

• Caminhos alternativos para a comunicação - saída de membros “concentradores” de elos de comunicações.

• Fluxo Balanceado- evitando que a quantidade de passos para acessar um dado, informação ou conhecimento na rede seja elevada.

• Métricas


mbie

nte

A

mbie

nte

M

eth

exis

/GC

CM

eth

exis

/GC

C


• A mineração (Módulo Máquina de Inferência) do conteúdo das reuniões eletrônicas e dos fóruns - identificação de assuntos e conteúdo discutido;

• Mineração:• Conversas, tira-dúvidas e discussões - importantes fontes de

conhecimento, • O acompanhamento dos assuntos discutidos em uma

comunidade pode mostrar tendências e interesses do grupo, • Propor a comunicação entre comunidades diferentes caso

ambas estejam abordando assuntos iguais ou relacionados.• Identificar, e consequentemente enriquecer, o conjunto de

competências de uma pessoa. • A maneira como uma pessoa interage com o grupo

pode refletir muito sobre a sua personalidade. Desta maneira, a monitoração das ferramentas de comunidades pode ser um mecanismo de validar o resultado do teste MTBI.


mbie

nte

A

mbie

nte

M

eth

exis

/GC

CM

eth

exis

/GC

C


• Atualmente:• Árvore Hiperbólica• Organograma• Mapa Mental do Projeto

• Outras maneiras de visualização e navegação serão estudadas e implementadas:i)similaridade de informações e coleções de documentos,

ii)similaridade de pessoas,

iii)similaridade de comunidades,

iv)o grau de associação de um conhecimento e as pessoas que o detêm (análogo para comunidades e projetos) e

v)a evolução de um conhecimento (desdobramentos de assuntos, temas que se juntam, etc)

Módulo Módulo Visualização/NavegaçãoVisualização/Navegação

Am

bie

nte

A

mbie

nte

M

eth

exis

/GC

CM

eth

exis

/GC

C


• Um grande problema enfrentado na Gestão do Conhecimento é a incapacidade da organização descobrir o que ela sabe;

• Identificação de competências – Mineração das Publicações (SMiner);

• Busca de Competências – Competence Searcher;

As competências são pesquisadas seguindo a seguinte ordem de prioridade:1. Competências declaradas;2. Competências de projetos; 3. Competências mineradas; 4. Competências de comunidades.

Am

bie

nte

A

mbie

nte

M

eth

exis

/GC

CM

eth

exis

/GC

CMódulo CompetênciaMódulo Competência


• Utilizar os resultados das minerações das ferramentas de comunidades (reuniões e fóruns), diário “web” e patentes para identificação mais refinada das competências e o crescimento temporal destas;

Módulo CompetênciaMódulo CompetênciaA

mbie

nte

A

mbie

nte

M

eth

exis

/GC

CM

eth

exis

/GC

C


• Este módulo é responsável pela análise comparativa e posicionamento de uma pessoa, departamento ou instituição no seu ambiente.

• Benefícios:• Conhecer o ambiente na qual a organização está inserido;

• Conhecer melhor a si próprio (suas fraquezas e suas forças);

• Busca por um melhor capital humano;

• Maximizar a chances de obtenção de recursos;

• Permitir conhecer a área de atuação de outros pesquisadores e grupos – com isto, pode surgir uma oportunidade de colaboração e cooperação entre grupos de pesquisas externos e demais instituições.

Módulo de Inteligência Módulo de Inteligência CompetitivaCompetitiva

Am

bie

nte

A

mbie

nte

M

eth

exis

/GC

CM

eth

exis

/GC

C


• Para isto, um ambiente de análise competitiva, utilizando dados do Curriculum Lattes, CAPES e do próprio GCC está sendo desenvolvido.• Análise agregada;

• Análise dos tópicos abordados nas principais conferências ao longo dos anos e avaliar o conhecimento dos pesquisadores em relação aos temas de interesse do meio acadêmico• Profissionais X à atualidade;

• Profissionais X capacidade de predição nos assuntos publicados;

Módulo de Inteligência Módulo de Inteligência CompetitivaCompetitiva

Am

bie

nte

A

mbie

nte

M

eth

exis

/GC

CM

eth

exis

/GC

C


• Este módulo visa analisar as áreas de conhecimento e a evolução de descobertas (patentes), bem como tendências e relações existentes entre as áreas. Para isto, planeja-se:

• Importação de bases de dados de patentes – Recuperação dos dados das principais bases gratuitas de patentes, como:• Brasil – INPI;• Estados Unidos – USPTO;• Escritório Europeu (busca em 70 países) - European Patent

Office;• Países Iberoamericanos (busca em 19 países) – Latipat; • Japão - (folha de rosto em inglês) - Industrial Property Digital

Library;• Derwent Innovation Index e Diaglo que foram disponibilizadas

para a comunidade brasileira de pesquisa pela Fapesp e pela Capes;

Módulo de Prospecção de Módulo de Prospecção de DescobertasDescobertas

Am

bie

nte

A

mbie

nte

M

eth

exis

/GC

CM

eth

exis

/GC

C


• Análise de patentes por assunto – prover ferramentas para análise dados quantitativos (quantidade de patentes por área de conhecimento), como qualitativos (donos das patentes, localização/país, assunto, domínio, etc);

• Mineração (Módulo Máquina de Inferência)– mineração dos descritivos das patentes para descoberta de diferenças entre patentes no mesmo assunto;

• Análise temporalmente de evolução e tendências.

Módulo de Prospecção de Módulo de Prospecção de DescobertasDescobertas

Am

bie

nte

A

mbie

nte

M

eth

exis

/GC

CM

eth

exis

/GC

C


• Material didático – baseado no perfil do usuário e avaliação que os outros usuários dêem ao material;

• Pessoas – baseado nas competências, personalidades, e avaliação que outras pessoas façam (participantes dos mesmos projetos ou comunidades);

• Comunidades – baseado na interseção das competências pessoais e nas competências das comunidades, além da avaliação da comunidade pelos seus membros;

• Processos - baseado no perfil do grupo ou domínio (se a minha organização ou grupo de trabalho se comunica ou decide de uma maneira própria, então vou reusar a definição dos processos baseando-me nos processos similares aos processos do grupo).

• Mapas Mentais – baseado na correlação dos assuntos abordados no mapa e competências pessoais.

Módulo de Módulo de RecomendaçãoRecomendação

Am

bie

nte

A

mbie

nte

M

eth

exis

/GC

CM

eth

exis

/GC

C


Este módulo será responsável pela:

• Mineração de textos;

• Mineração de dados, para descoberta de padrões e novos conhecimentos.

Módulo M. de InferênciaMódulo M. de InferênciaA

mbie

nte

A

mbie

nte

M

eth

exis

/GC

CM

eth

exis

/GC

C


• Descobrir os padrões de “consumo” de dados, informações e serviços;

• Medir satisfação do pesquisador;• Propor “coisas” para “consumo”

• Entende-se por “coisa”: dados ou informações, “call for papers”, chamada de editais, soluções, publicações, especialistas, comunidades, etc;

• Propor medidas para contentar os insatisfeitos e adquirir novos “clientes”;

• Descobrir padrões de desempenho na execução de atividades;• Relatórios para análise:

• Produtos por Área de Conhecimento;• Visão “demográfica”, incluindo os anos, Áreas de Conhecimento,

Número de Pessoas, Número de Produtos ou Serviços prestados;• Visão uso progressivo (ou regressivo) de um serviço por tempo;• Visão Planejado x Conseguido;• Riscos e Serviços Potenciais;• Informação específica para serviços potenciais;• Rastrear toda a comunicação com um cliente ou cliente em potencial.

Módulo de CRM Científico Módulo de CRM Científico A

mbie

nte

A

mbie

nte

M

eth

exis

/GC

CM

eth

exis

/GC

C


Am

bie

nte

Meth

exis

Am

bie

nte

Meth

exis


Eid

ola

Eid

ola

Interface Usuário

KO

Ne

go

ciaçã

o S

ignifica

do

Ne

go

cia

ção

Sig

nific

ado

Grid 1

Grid 2

Grid n

Knowledge Grid

GCE

GCC

Nego Sys




Eid

ola

Eid

ola

Interface Usuário

KO

Ne

go

ciaçã

o S

ignifica

do

Ne

go

cia

ção

Sig

nific

ado

Grid 1

Grid 2

Grid n

Knowledge Grid

GCE

GCC

Nego Sys





• Equipamentos são utilizados em todas as fases de atividades científicas;

• Conceito de “Cyborg”;

• Módulo responsável por:

• Foco em equipamento – comunidades, projetos, processos, práticas, casos passados (sucesso ou insucesso) e competências associados ao equipamento, além do relacionamento de um equipamento com os demais equipamentos;

• Vida útil de um equipamento –

• Competência X Equipamento

• Logística do conhecimento

GCE GCE A

mbie

nte

Meth

exis

Am

bie

nte

Meth

exis


Am

bie

nte

Meth

exis

Am

bie

nte

Meth

exis


Eid

ola

Eid

ola

Interface Usuário

KO

Ne

go

ciaçã

o S

ignifica

do

Ne

go

cia

ção

Sig

nific

ado

Grid 1

Grid 2

Grid n

Knowledge Grid

GCE

GCC

Nego Sys




Eid

ola

Eid

ola

Interface Usuário

KO

Ne

go

ciaçã

o S

ignifica

do

Ne

go

cia

ção

Sig

nific

ado

Grid 1

Grid 2

Grid n

Knowledge Grid

GCE

GCC

Nego Sys





Knowledge ObjectsKnowledge ObjectsA

mbie

nte

Meth

exis

Am

bie

nte

Meth

exis

Time

Location

Direction

ENTITY

PROCESS

PROCESS

ACTIVITY

has part controller

acts on

triggers

triggers

HANDLER

COMPETENCE

DOMAIN

RECOMENDATION has

PROFILE

belongs

has

manipulates

Is pre-requisite

contextualize

TYPE (*)

Is composed by


K-AlgebraK-Algebra•Uso do SECONDO para armazenar os KOs;•Álgebras a serem criadas:

Am

bie

nte

Meth

exis

Am

bie

nte

Meth

exis

1. Seleção, 2. União, 3. Diferença, 4. Divisão, 5. Junção, 6. Interseção, 7. Ranqueamento, 8. Similaridade, 9. Subtração, 10. Multiplicação, 11. Inclusão, 12. “Matching”.


Am

bie

nte

Meth

exis

Am

bie

nte

Meth

exis


Eid

ola

Eid

ola

Interface Usuário

KO

Ne

go

ciaçã

o S

ignifica

do

Ne

go

cia

ção

Sig

nific

ado

Grid 1

Grid 2

Grid n

Knowledge Grid

GCE

GCC

Nego Sys




Eid

ola

Eid

ola

Interface Usuário

KO

Ne

go

ciaçã

o S

ignifica

do

Ne

go

cia

ção

Sig

nific

ado

Grid 1

Grid 2

Grid n

Knowledge Grid

GCE

GCC

Nego Sys





Negociação de Negociação de SignificadoSignificado

Este módulo visa implementar ferramentas de apoio de negociação multiparte (negociação n x n) para chegada ao consenso sobre o significado de conceitos. Estas ferramentas serão implementadas no editor colaborativo de ontologias (COE), criado pela COPPE/UFRJ.

Am

bie

nte

Meth

exis

Am

bie

nte

Meth

exis


Am

bie

nte

Meth

exis

Am

bie

nte

Meth

exis


Eid

ola

Eid

ola

Interface Usuário

KO

Ne

go

ciaçã

o S

ignifica

do

Ne

go

cia

ção

Sig

nific

ado

Grid 1

Grid 2

Grid n

Knowledge Grid

GCE

GCC

Nego Sys




Eid

ola

Eid

ola

Interface Usuário

KO

Ne

go

ciaçã

o S

ignifica

do

Ne

go

cia

ção

Sig

nific

ado

Grid 1

Grid 2

Grid n

Knowledge Grid

GCE

GCC

Nego Sys





Knowledge GridKnowledge Grid•Conhecimento sobre a grade computacional•Retirada de informações como:

•padrões de “jobs” submetidos, •assuntos abordados, •autores das submissões, •freqüência “jobs” X usuário X área de conhecimento•seqüências de tentativas e erros, •seqüência de submissão por assunto ou área de conhecimento. •Correlações: usuário X área de conhecimento, “jobs” X áreas de conhecimento, “jobs” X máquinas, usuário x “jobs” , “jobs” x “jobs” .

•Para isto, como é necessário informações sobre o “workflow” de submissão GridBusA

mbie

nte

Meth

exis

Am

bie

nte

Meth

exis





Exam

e d

e

Exam

e d

e

Qualifi

caçã

oQ

ualifi

caçã

o






Evolução do TrabalhoEvolução do Trabalho3

-Açõ

es

Realiz

adas

e

3-A

ções

Realiz

adas

e

Futu

ras

Futu

ras

•Participação em Projetos:•GCC – Gestão do Conhecimento Científico;•GCE – Gestão do Conhecimento Centrado em Equipamentos;•GCN – Gestão do Conhecimento na Negociação. Colaboração com a aluna de D.Sc. Melise de Paula;•DESENSUS - Desenvolvimento Sustentável da Amazônia; •GEMA - Gestão de Modelos Ambientais;•KM-Hidro – Aplicação de Gestão de Conhecimento em Estudos das Bacias Hidrográficas.

•Participação em Conferências;

•Publicações – Página 126.



-Açõ

es

Realiz

adas

e

3-A

ções

Realiz

adas

e

Futu

ras

Futu

ras

•Colaboração em Orientações (M.Sc.):

Aluno Título da Tese Descrição

Jairo de SouzaIntegração de Ontologias e

Negociação de Significado

Utilização de técnicas de integração de ontologias de um domínio e criar mecanismos para negociação de significado, baseando-se em técnicas de negociação multi-partes.

Rodrigo MirandaIdentificação, Visualização

e Balanceamento de Redes Sociais

Utilização dos principais meios de comunicação e interação na Internet para identificar rede social, no contexto científico, criar ferramentas para uma visualização eficaz e intuitiva da rede e recomendar caminhos alternativos de balanceamento da rede, promovendo assim caminhos alternativos para que conhecimentos críticos não sejam perdidos. Este projeto tem o apoio da UOL.

Viviane KawamuraInteligência Competitiva em

Instituições de Ensino e Pesquisa

Aplicação de técnicas de IC em IEP, visando o reconhecimento de áreas fortes e fracas de uma organização de ensino e pesquisa, promovendo mecanismos de colaboração e competição.



-Açõ

es

Realiz

adas

e

3-A

ções

Realiz

adas

e

Futu

ras

Futu

ras

•Colaboração em Orientações (B.Sc.):

Aluno Título do Projeto Descrição

Diogo KrejciMetodologia para Construção de Ontologias de Equipamentos

Utilização de técnicas de aquisição de conhecimento para construção de uma ontologia de equipamentos.

Eduardo Barbosa & Luciano Maia

Recomendação de Processos e Material

Recomendação de material e de processos, para reutilização parcial ou total dos mesmos.

Rafael MartinoAnálise Competitiva Utilizando o “Curriculum” Lattes

Extração e limpeza dos “Curricula” Lattes para análise competitiva.

Sérgio Assis RodriguesMineração de Competências

Descoberta das competências dos pesquisadores através da mineração de suas publicações. Projeto Final finalizado.


Daqui pra frente...

Continuidade (I/II)Continuidade (I/II)3

-Açõ

es

Realiz

adas

e

3-A

ções

Realiz

adas

e

Futu

ras

Futu

ras


Daqui pra frente...

Continuidade (II/II)Continuidade (II/II)3

-Açõ

es

Realiz

adas

e

3-A

ções

Realiz

adas

e

Futu

ras

Futu

ras


ContribuiçõesContribuições•Semântica Emergente – através da negociação de significado, integração de ontologias e dos “knowledge objects”;

•CSCW – com as ferramentas de comunidades, recomendação e redes sociais;

•Banco de Dados – através dos estudos de “knowledge objects”, principalmente, os ativos e reativos, álgebra de conhecimento e os estudos desenvolvidos na plataforma SECONDO;

•Grades Computacionais – aplicabilidade direta com os estudos a serem desenvolvidos na área de “Knowledge Grid”.

•Gestão de Conhecimento - algumas contribuições serão dadas em subáreas, como Inteligência Competitiva, Gestão de Processos (através da reutilização total e parcial), Ontologias, Gestão de Competências e Visualização do Conhecimento.

3-A

ções

Realiz

adas

e

3-A

ções

Realiz

adas

e

Futu

ras

Futu

ras


ValidaçãoValidação•Implantação e uso em cenário científico:

•DESENSUS, GEMA e KM-Hidro - obedecendo, inicialmente, a implantação em três etapas, como descrito no cronograma;

•Validação Qualitativa - questionário (processo de GC, [Stollenwerk, 2001]);

•Validação Quantitativa –

•Implementação e análise do “log” das ferramentas

•“Knowledge Grid”, KOs, Álgebra de Conhecimento e Negociação de Significado.

•confiabilidade das consultas, •completude das respostas dadas, •maneira de armazenamento das mesmas;

•Submissão de artigos – crítica dos revisores.3-A

ções

Realiz

adas

e

3-A

ções

Realiz

adas

e

Futu

ras

Futu

ras





Exam

e d

e

Exam

e d

e

Qualifi

caçã

oQ

ualifi

caçã

o






Questões em AbertoQuestões em Aberto4

-Consi

dera

ções

4-C

onsi

dera

ções

Finais

Finais

•Apoio à aula

•Apoio ao Aprendizado e Adaptabilidade

•Mobilidade

•Trabalho em Campo

•Segurança e Qualidade dos Dados

•Otimização e Preocupação com Desempenho

•Autoria


Muito Obrigada!Muito Obrigada!4

-Consi

dera

ções

4-C

onsi

dera

ções

Finais

Finais

•Membros da banca:

Prof. Jano Moreira de Souza, Ph.D.Prof. José Palazzo Moreira de Oliveira, Ph.D.Profª. Júlia Célia Mercedes Strauch, D.Sc.Prof. Marcos do Couto Bezerra Cavalcanti, Ph.D.Profa. Marta Lima de Queiros Mattoso, D.Sc.

•Ouvintes


FimFim4

-Consi

dera

ções

4-C

onsi

dera

ções

Finais

Finais

UFRJ – Campus Ilha do Fundão

Jonice OliveiraJonice Oliveira

[email protected]/~jonice

Documents

METHEXIS: UM AMBIENTE DE APOIO À GESTÃO DO CONHECIMENTO EM “E-SCIENCE”