Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro de Ciências de Saúde. Programa de Pós-Graduação em Farmácia / Made available in DSpace on 2012-10-24T12:34:42Z (GMT). No. of bitstreams: 1 263558.pdf: 1061244 bytes, checksum: 17e2908c55f69f3bf3545fc918b8b5ec (MD5) / O registro completo e preciso da pesquisa diagnóstica é essencial para aprimorar a exatidão e integridade da redação dos estudos de acurácia diagnóstica, a fim de permitir aos leitores analisar o potencial para a incorporação de vieses aos estudos e para avaliar sua aplicabilidade. Para avaliação da qualidade de redação de artigos de acurácia diagnóstica foram aplicados os instrumentos STARD (Standards for Reporting of Diagnostic Accuracy) e QUADAS (Quality Assessment of Diagnostic Accuracy Studies) aos artigos publicados em seis periódicos de medicina laboratorial: Clinical Biochemistry, Jornal Brasileiro de Patologia e Medicina Laboratorial (JBPML), LAES&HAES, NewsLab, Revista Brasileira de Análises Clínicas (RBAC) e Revista Brasileira de Ciências Farmacêuticas (RBCF) entre os anos de 2002 e 2006. Um total de 101 artigos preencheu os critérios de inclusão (Clinical Biochemistry=53, JBPML=11, LAES&HAES=15, NewsLab=09, RBAC=13, RBCF=0). O número médio de itens do STARD e QUADAS atendidos nos artigos avaliados foi 15,9 ± 2,2 (63,6% ± 8,7%) e 9,0 ± 1,8 (64,3% ± 12,6%) para o periódico Clinical Biochemistry, 13,4 ± 2,9 (53,6% ± 11,5%) e 8,1 ± 1,4 (57,8% ± 10,3%) para o JBPML, 10,6 ± 3,6 (42,2% ± 14,5%) e 6,3 ± 1,8 (45,2% ± 12,8%) para o LAES&HAES, 11,1 ± 3,4 (44,4% ± 13,8%) e 7,3 ± 2,0 (52,4% ± 14,3%) para o NewsLab e 12,0 ± 3,2 (48,1% ± 12,6%) e 7,1 ± 2,7 (50,5% ± 19,2%) para o RBAC. Foram avaliadas as mudanças nas proporções que os itens do STARD e QUADAS foram atendidos através dos cinco anos analisados através do teste de ?2 Armitage para tendências lineares. Ficou demonstrada diferença estatística significante para a Revista Brasileira de Análises Clínicas na aplicação do STARD (p=0,0021) e QUADAS (p=0,0002) e para a revista NewsLab apenas na aplicação do STARD (p=0,0324). Estes resultados demonstram que a qualidade da redação dos artigos de acurácia diagnóstica nos periódicos selecionados está abaixo da objetivada por estes instrumentos, ou seja, que o delineamento, condução, análise e resultados destes estudos possam ser compreendidos pelos leitores através de uma redação completa e transparente e que a qualidade de redação continua similar à de antes da publicação destes instrumentos no ano de 2003 na maioria dos periódicos analisados.

Nesta dissertação, faz-se um estudo do gênero artigo científico, em especial de expressões típicas de seu desenvolvimento e organização. Essas expressões foram denominadas marcadores textuais, e os objetivos deste trabalho foram identificá-las e verificar seus padrões de uso em textos em português e inglês, em um estudo permeado pelos interesses e pelas perspectivas da tradução e apoiado pelos pressupostos da Retórica Contrastiva. Para esse fim, foram utilizados dois corpora: um em português, composto de 333 artigos, e outro em inglês, composto de 111 artigos. Os mesmos foram analisados utilizandose a ferramenta WordSmith Tools, empregada pelos estudos em Lingüística de Corpus. Os marcadores selecionados a partir dos corpora foram classificados com base nas metafunções da linguagem propostas por Halliday. Após essa classificação, comparamos as ocorrências das unidades em inglês e português, observando padrões de uso, freqüência e colocação.

Nesta dissertação, faz-se um estudo do gênero artigo científico, em especial de expressões típicas de seu desenvolvimento e organização. Essas expressões foram denominadas marcadores textuais, e os objetivos deste trabalho foram identificá-las e verificar seus padrões de uso em textos em português e inglês, em um estudo permeado pelos interesses e pelas perspectivas da tradução e apoiado pelos pressupostos da Retórica Contrastiva. Para esse fim, foram utilizados dois corpora: um em português, composto de 333 artigos, e outro em inglês, composto de 111 artigos. Os mesmos foram analisados utilizandose a ferramenta WordSmith Tools, empregada pelos estudos em Lingüística de Corpus. Os marcadores selecionados a partir dos corpora foram classificados com base nas metafunções da linguagem propostas por Halliday. Após essa classificação, comparamos as ocorrências das unidades em inglês e português, observando padrões de uso, freqüência e colocação.

Nesta dissertação, faz-se um estudo do gênero artigo científico, em especial de expressões típicas de seu desenvolvimento e organização. Essas expressões foram denominadas marcadores textuais, e os objetivos deste trabalho foram identificá-las e verificar seus padrões de uso em textos em português e inglês, em um estudo permeado pelos interesses e pelas perspectivas da tradução e apoiado pelos pressupostos da Retórica Contrastiva. Para esse fim, foram utilizados dois corpora: um em português, composto de 333 artigos, e outro em inglês, composto de 111 artigos. Os mesmos foram analisados utilizandose a ferramenta WordSmith Tools, empregada pelos estudos em Lingüística de Corpus. Os marcadores selecionados a partir dos corpora foram classificados com base nas metafunções da linguagem propostas por Halliday. Após essa classificação, comparamos as ocorrências das unidades em inglês e português, observando padrões de uso, freqüência e colocação.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro de Comunicação e Expressão. Programa de Pós-Graduação em Letras/Inglês e Literatura Correspondente / Made available in DSpace on 2012-10-23T10:39:26Z (GMT). No. of bitstreams: 1 249271.pdf: 3171345 bytes, checksum: 00f207cece278de30d1f5b7fd246c496 (MD5) / Pesquisas recentes sobre comunicação científica têm revelado que desde o final dos anos de 1990 o uso de periódicos acadêmicos passou da mídia impressa para o mídia eletrônica (Tenopir, 2002, 2003; Tenopir & King, 2001, 2002) e, conseqüentemente, há previsões de que por volta de 2010 cerca de 80% dos periódicos terão apenas versões online (Harnad, 1998). Todavia, essas pesquisas mostram também que nem todas as disciplinas estão migrando para a Internet com a mesma velocidade. Enquanto que áreas como as Ciências da Informação, Arquivologia, Web design e Medicina têm mostrado interesse e preocupação em entnder e explicar esse fenômeno, em Lingüística Aplicada, particularmente em Análise de Gênero, os estudos ainda são escassos. Neste trabalho, portanto, procuro investigar em que medida o meio eletrônico (Internet) afeta o gênero artigo acadêmico no seu processo de mudança da mídia impressa para a mídia eletrônica. Mais especificamente, examino artigos acadêmicos em HTML nas áreas de Lingüística e Medicina com vistas a verificar se esse hypertexto é um gênero novo ou não. A abordagem metodológica adotada nesta pesquisa deriva da proposta de Askehave e Swales (2001) e de Swales (2004), na qual o critéro predominante para a classificação de um gênero é o propósito comunicativo, o qual só pode ser definido com base em uma análise textual tanto quanto em uma análise contextual. Dessa forma, neste estudo foram coletados e analisados dados textuais e contextuais e os resultados de ambas análises revelam que o artigo acadêmico em HTML é um gênero novo, cujo propósito comunicativo é realizado por hiperlinks e portanto, esse gênero é profundamente dependente da mídia eletrônica.

A grande quantidade de artigos científicos disponíveis on-line faz com que seja mais fácil para estudantes e pesquisadores reutilizarem texto de outros autores, e torna mais difícil a verificação da originalidade de um determinado texto. Reutilizar texto sem creditar a fonte é considerado plágio. Uma série de estudos relatam a alta prevalência de plágio no meio acadêmico e científico. Como consequência, inúmeras instituições e pesquisadores têm se dedicado à elaboração de sistemas para automatizar o processo de verificação de plágio. A maioria dos trabalhos existentes baseia-se na análise da similaridade do conteúdo textual dos documentos para avaliar a existência de plágio. Mais recentemente, foram propostas métricas de similaridade que desconsideram o texto e analisam apenas as citações e/ou referências bibliográficas compartilhadas entre documentos. Entretanto, casos em que o autor não referencia a fonte original pode passar despercebido pelas métricas baseadas apenas na análise de referências/citações. Neste contexto, a solução proposta é baseada na hipótese de que a combinação de métricas de similaridade de conteúdo e de citações/referências pode melhorar a qualidade da detecção de plágio. Duas formas de combinação são propostas: (i) os escores produzidos pelas métricas de similaridade são utilizados para ranqueamento dos pares de documentos e (ii) os escores das métricas são utilizados para construir vetores de características que serão usados por algoritmos de Aprendizagem de Máquina para classificar os documentos. Os experimentos foram realizados com conjuntos de dados reais de artigos científicos. A avaliação experimental mostra que a hipótese foi confirmada quando a combinação das métricas de similaridade usando Aprendizagem de Máquina é comparada com a combinação simples. Ainda, ambas as combinações apresentaram ganhos quando comparadas com as métricas aplicadas de forma individual. / The large amount of scientific documents available online makes it easier for students and researchers reuse text from other authors, and makes it difficult to verify the originality of a given text. Reusing text without crediting the source is considered plagiarism. A number of studies have reported on the high prevalence of plagiarism in academia. As a result, many institutions and researchers have developed systems that automate the plagiarism detection process. Most of the existing work is based on the analysis of the similarity of the textual content of documents to assess the existence of plagiarism. More recently, similarity metrics that ignore the text and just analyze the citations and/or references shared between documents have been proposed. However, cases in which the author does not reference the original source may go unnoticed by metrics based only on the references/citations analysis. In this context, the proposed solution is based on the hypothesis that the combination of content similarity metrics and references/citations can improve the quality of plagiarism detection. Two forms of combination are proposed: (i) scores produced by the similarity metrics are used to ranking of pairs of documents and (ii) scores of metrics are used to construct feature vectors that are used by algorithms machine learning to classify documents. The experiments were performed with real data sets of papers. The experimental evaluation shows that the hypothesis was confirmed when the combination of the similarity metrics using machine learning is compared with the simple combining. Also, both compounds showed gains when compared with the metrics applied individually.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro de Ciências da Educação, Programa de Pós-Graduação em Ciência da Informação, Florianópolis, 2013. / Made available in DSpace on 2013-12-05T23:40:23Z (GMT). No. of bitstreams: 1 319565.pdf: 1330956 bytes, checksum: 73e76d8fcffb7087f85df106eaf209f0 (MD5) Previous issue date: 2013 / Os periódicos científicos são o principal meio formal de registro e disseminação das pesquisas científicas e a etapa mais polêmica do fluxo editorial é a revisão por pares. Esta pesquisa teve como objetivo descrever o processo da gestão de avaliadores na consolidação das revistas científicas brasileiras, bem como identificar características dos editores e das revistas, identificar os processos de avaliação adotados e suas características, levantar as vantagens e desvantagens desse modelo de avaliação, identificar características do perfil dos avaliadores e levantar os critérios utilizados pelos editores na escolha, permanência e desligamento de avaliadores. Segundo sua finalidade, trata-se de uma pesquisa aplicada e a linha geral que norteou o presente estudo foi a pesquisa exploratória e descritiva, por meio de emprego de métodos quantitativos de análise, tendo como delineamento a pesquisa bibliográfica e o levantamento, utilizando como instrumento de coleta de dados, o questionário. O objeto de análise estendeu sua ação em 103 respondentes, dos 477 editores de revistas científicas associados à Associação Brasileira de Editores Científicos (ABEC). A pesquisa apontou que o modelo de avaliação mais utilizado é o double blind peer review, que se efetiva por meio do parecer de 2 especialistas que avaliam, em média, até 3 artigos ao ano, recebendo, a priori, orientações dos editores sobre as avaliações a serem realizadas. A principal vantagem apontada desse modelo de avaliação é a qualidade da publicação, porém, apresenta desvantagem em relação à demora que impõe ao fluxo editorial. Os avaliadores são selecionados com base em critérios, tais como, titulação em nível de doutorado na área, experiência como pesquisador e por terem realizado a avaliação com justiça, equilíbrio e clareza. Os novos avaliadores são selecionados pelo Currículo Lattes e as revistas possuem até 500 avaliadores cadastrados, entretanto, a maioria já descadastrou avaliadores por descumprimento de prazos e por não informarem sobre sua disponibilidade para avaliação quando solicitados. Os avaliadores não são remunerados financeiramente, mas recebem certificados de reconhecimento. Os editores, em sua maioria, têm até cinco anos de experiência e a maioria das revistas é editada no formato impresso e on-line, simultaneamente. Este estudo sistematizou informações sobre a gestão de avaliadores de revistas científicas e evidenciou o papel fundamental do Currículo Lattes, como fonte de informação para a seleção de avaliadores, o cumprimento de prazos e a emissão de pareceres justos como aspectos relevantes para a permanência na função de avaliador. <br> / Abstract : Scientific journals are the primary means of formal registration and dissemination of scientific research and the most controversial step in editorial flow is peer review. This research aimed to understand the process of managing evaluators in the consolidation of Brazilian scientific journals, identify characteristics of publishers and journals, identify the adopted assessment processes and their characteristics, to verify the advantages and disadvantages of this evaluation model, to identify profile characteristics of evaluators and to understand the criteria used by editors in the selection and maintenance of evaluators. According to its purpose, it is an applied research and the general line that guided this study was exploratory and descriptive research, through the use of quantitative methods of analysis, literature review and a survey, using a questionnaire as instrument for data collection. The object of analysis were 103 respondents from the 477 scientific journal editors associated to the Brazilian Association of Science Editors (ABEC). The survey showed that the model for assessment most frequently used is the double blind peer review, which is carried out through analisys and opinion given by two experts who evaluate, on average, up to 3 articles per year, receiving a priori instructions of editors on the evaluations to be performed. The main advantage of this assessment model is the quality of the publication. It has, however, a disadvantage regarding the delay it imposes on the editorial flow. The evaluators are selected based on criteria such as titles at the doctoral level in the area, experience as a researcher and their ability to carry out the evaluation with fairness, balance and clarity. The new evaluators are selected based on their Lattes Curriculum and magazines have up to 500 registered evaluators. Most magazines, however, have already canceled the registration of evaluators for non-compliance with deadlines and for not informing about their availability for evaluation when requested. Evaluators are not financially compensated, but they receive certificates of recognition. The editors, in their majority, have up to five years of experience and most magazines are published in print and online simultaneously. This study systematized information on the management of reviewers of scientific journals and highlighted the key role of Lattes Curriculum, as a source of information for selecting evaluators. It also pointed out the importance of meeting deadlines and issuing fair opinions as relevant aspects for keeping the position of evaluator.

A grande quantidade de artigos científicos disponíveis on-line faz com que seja mais fácil para estudantes e pesquisadores reutilizarem texto de outros autores, e torna mais difícil a verificação da originalidade de um determinado texto. Reutilizar texto sem creditar a fonte é considerado plágio. Uma série de estudos relatam a alta prevalência de plágio no meio acadêmico e científico. Como consequência, inúmeras instituições e pesquisadores têm se dedicado à elaboração de sistemas para automatizar o processo de verificação de plágio. A maioria dos trabalhos existentes baseia-se na análise da similaridade do conteúdo textual dos documentos para avaliar a existência de plágio. Mais recentemente, foram propostas métricas de similaridade que desconsideram o texto e analisam apenas as citações e/ou referências bibliográficas compartilhadas entre documentos. Entretanto, casos em que o autor não referencia a fonte original pode passar despercebido pelas métricas baseadas apenas na análise de referências/citações. Neste contexto, a solução proposta é baseada na hipótese de que a combinação de métricas de similaridade de conteúdo e de citações/referências pode melhorar a qualidade da detecção de plágio. Duas formas de combinação são propostas: (i) os escores produzidos pelas métricas de similaridade são utilizados para ranqueamento dos pares de documentos e (ii) os escores das métricas são utilizados para construir vetores de características que serão usados por algoritmos de Aprendizagem de Máquina para classificar os documentos. Os experimentos foram realizados com conjuntos de dados reais de artigos científicos. A avaliação experimental mostra que a hipótese foi confirmada quando a combinação das métricas de similaridade usando Aprendizagem de Máquina é comparada com a combinação simples. Ainda, ambas as combinações apresentaram ganhos quando comparadas com as métricas aplicadas de forma individual. / The large amount of scientific documents available online makes it easier for students and researchers reuse text from other authors, and makes it difficult to verify the originality of a given text. Reusing text without crediting the source is considered plagiarism. A number of studies have reported on the high prevalence of plagiarism in academia. As a result, many institutions and researchers have developed systems that automate the plagiarism detection process. Most of the existing work is based on the analysis of the similarity of the textual content of documents to assess the existence of plagiarism. More recently, similarity metrics that ignore the text and just analyze the citations and/or references shared between documents have been proposed. However, cases in which the author does not reference the original source may go unnoticed by metrics based only on the references/citations analysis. In this context, the proposed solution is based on the hypothesis that the combination of content similarity metrics and references/citations can improve the quality of plagiarism detection. Two forms of combination are proposed: (i) scores produced by the similarity metrics are used to ranking of pairs of documents and (ii) scores of metrics are used to construct feature vectors that are used by algorithms machine learning to classify documents. The experiments were performed with real data sets of papers. The experimental evaluation shows that the hypothesis was confirmed when the combination of the similarity metrics using machine learning is compared with the simple combining. Also, both compounds showed gains when compared with the metrics applied individually.

A grande quantidade de artigos científicos disponíveis on-line faz com que seja mais fácil para estudantes e pesquisadores reutilizarem texto de outros autores, e torna mais difícil a verificação da originalidade de um determinado texto. Reutilizar texto sem creditar a fonte é considerado plágio. Uma série de estudos relatam a alta prevalência de plágio no meio acadêmico e científico. Como consequência, inúmeras instituições e pesquisadores têm se dedicado à elaboração de sistemas para automatizar o processo de verificação de plágio. A maioria dos trabalhos existentes baseia-se na análise da similaridade do conteúdo textual dos documentos para avaliar a existência de plágio. Mais recentemente, foram propostas métricas de similaridade que desconsideram o texto e analisam apenas as citações e/ou referências bibliográficas compartilhadas entre documentos. Entretanto, casos em que o autor não referencia a fonte original pode passar despercebido pelas métricas baseadas apenas na análise de referências/citações. Neste contexto, a solução proposta é baseada na hipótese de que a combinação de métricas de similaridade de conteúdo e de citações/referências pode melhorar a qualidade da detecção de plágio. Duas formas de combinação são propostas: (i) os escores produzidos pelas métricas de similaridade são utilizados para ranqueamento dos pares de documentos e (ii) os escores das métricas são utilizados para construir vetores de características que serão usados por algoritmos de Aprendizagem de Máquina para classificar os documentos. Os experimentos foram realizados com conjuntos de dados reais de artigos científicos. A avaliação experimental mostra que a hipótese foi confirmada quando a combinação das métricas de similaridade usando Aprendizagem de Máquina é comparada com a combinação simples. Ainda, ambas as combinações apresentaram ganhos quando comparadas com as métricas aplicadas de forma individual. / The large amount of scientific documents available online makes it easier for students and researchers reuse text from other authors, and makes it difficult to verify the originality of a given text. Reusing text without crediting the source is considered plagiarism. A number of studies have reported on the high prevalence of plagiarism in academia. As a result, many institutions and researchers have developed systems that automate the plagiarism detection process. Most of the existing work is based on the analysis of the similarity of the textual content of documents to assess the existence of plagiarism. More recently, similarity metrics that ignore the text and just analyze the citations and/or references shared between documents have been proposed. However, cases in which the author does not reference the original source may go unnoticed by metrics based only on the references/citations analysis. In this context, the proposed solution is based on the hypothesis that the combination of content similarity metrics and references/citations can improve the quality of plagiarism detection. Two forms of combination are proposed: (i) scores produced by the similarity metrics are used to ranking of pairs of documents and (ii) scores of metrics are used to construct feature vectors that are used by algorithms machine learning to classify documents. The experiments were performed with real data sets of papers. The experimental evaluation shows that the hypothesis was confirmed when the combination of the similarity metrics using machine learning is compared with the simple combining. Also, both compounds showed gains when compared with the metrics applied individually.