Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2011. / Submitted by Alaíde Gonçalves dos Santos (alaide@unb.br) on 2012-09-12T15:24:40Z No. of bitstreams: 1 2011_MateusdeCastroPolastro.pdf: 1716533 bytes, checksum: b92d102e804b048afaec7bfeb5cccac8 (MD5) / Approved for entry into archive by Leandro Silva Borges(leandroborges@bce.unb.br) on 2012-09-18T18:12:22Z (GMT) No. of bitstreams: 1 2011_MateusdeCastroPolastro.pdf: 1716533 bytes, checksum: b92d102e804b048afaec7bfeb5cccac8 (MD5) / Made available in DSpace on 2012-09-18T18:12:22Z (GMT). No. of bitstreams: 1 2011_MateusdeCastroPolastro.pdf: 1716533 bytes, checksum: b92d102e804b048afaec7bfeb5cccac8 (MD5) / A facilidade de armazenamento e troca de documentos no formato digital, juntamente com a redução dos custos de equipamentos de impressão e digitalização de documentos, vem aumentando a necessidade de utilização na Informática Forense de programas para busca aproximada de palavras-chaves em textos originados por reconhecimento ótico de caracteres (OCR – Optical Character Recognition). Porém, as ferramentas que levam em conta os erros de OCR ainda não são totalmente satisfatórias, principalmente devido aos vários tipos de degradação comumente encontradas em documentos digitalizados. Neste trabalho, um algoritmo para busca de palavras-chaves em textos gerados a partir de OCR, baseado em programação dinâmica e na utilização de matrizes de substituição de aminoácidos, é descrito e implementado. Os resultados mostraram que o algoritmo proposto superou, principalmente em textos contendo maior número de erros, o algoritmo de distância de edição de Levenshtein, utilizado nas principais ferramentas para esse fim. Além disso, um estudo detalhado de como os erros de OCR afetam a recuperação da informação, a partir de degradações em imagem, é proposto. _______________________________________________________________________________________ ABSTRACT / The ease of storing and exchanging documents in digital format, along with cost reduction of printing and scanning equipments, has increased the need for use in Computer Forensics of programs to conduct approximate keyword search in texts generated by optical character recognition (OCR). However, tools that take into account the OCR errors are not yet fully satisfactory, mainly due to the various types of degradation commonly found in scanned documents. In this work, an algorithm to search for keywords in text generated by OCR, based on dynamic programming and on the use of amino acid substitution matrices, is described and implemented. The results showed that the proposed algorithm outperformed, especially in texts containing more errors, the Levenshtein edit distance algorithm, the most widely used by the tools for this purpose. In addition, a detailed study of how OCR errors affect the information retrieval, under several image degradations, is proposed.

Made available in DSpace on 2015-12-16T12:23:16Z (GMT). No. of bitstreams: 2 jeorgina_rodrigues_icict_dout_2014.pdf: 5998602 bytes, checksum: a11dc273276983b446f43060b11f7678 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2015-11-23 / Fundação Oswaldo Cruz. Instituto de Comunicação e Informação Científica e Tecnológica em Saúde. Rio de Janeiro, RJ, Brasil / Trata-se de um estudo descritivo-exploratório, de caráter quantitativo, que teve por objetivo delinear a participação feminina no esforço de pesquisa realizado pela Fundação Oswaldo Cruz (Fiocruz), especialmente nos anos recentes. A fonte inicial para levantamento de dados foi a Diretoria de Recursos Humanos (Direh) da Fiocruz, com vistas a identificar o contingente de servidores e servidoras com titulação de doutorado. Até maio de 2012, havia na Fiocruz um total de 1.064 servidore(a)s com titulação de doutorado, sendo 654 (61,5%) mulheres e 410 (38,5%) homens. Consulta ao Portal Transparência (http://www.portaltransparencia.gov.br/), permitiu identificar o total de servidore(a)s que entraram por concurso público, e que no momento do estudo possuíam titulação de doutorado, identificou um total de 571 servidore(a)s, sendo 346 (60,6%) mulheres e 225 (39,4%) homens. A partir desse universo, o passo seguinte foi a busca dos respectivos currículos cadastrados na Plataforma Lattes, utilizando-se a ferramenta ScriptLattes (http://scriptlattes.sourceforge.net) As análises realizadas cobriram o período 1996-2013. Esse conjunto de currículos foi baixado em uma base de dados especialmente desenhada para recebê-los e, em seguida, o total de referências foram migradas e tratadas em um software de mineração de dados, o VantagePoint®, o que permitiu análises quantitativas da produção acadêmica e técnica, das orientações, do acesso às bolsas de produtividade e de prêmios. Em paralelo, uma segunda perspectiva de análise documental foi realizada com vistas a mapear a participação feminina em postos de tomada de decisão na Fiocruz. Os resultados apontam que ainda que a produção bibliográfica das mulheres em números absolutos seja maior que a dos homens, a média de artigos publicados pelos homens (19,2 artigos/homem) é 51,6% maior que a produção pelas mulheres (12,6 artigos/mulher). No grupo das produções técnicas, as mulheres apresentam produção superior a dos homens Em relação às orientações, os homens assumem maior número orientações de doutorado que as mulheres. As mulheres superam os homens nas orientações Lato Sensu. No total de projetos de pesquisa, os homens apresentam uma produção superior (11,5%) às mulheres. No que diz respeito à bolsa de Produtividade do CNPq, os homens também predominam, ainda que a proporção de bolsistas mulheres cresça nas diferentes modalidades, mas diminui na medida em que cresce o nível hierárquico da bolsa. Os dados parecem ainda confirmar estudos prévios no que diz respeito à presença feminina na área pesquisa em Ciências Biológicas (38,41%), ainda que as Ciências da Saúde respondam também pela presença feminina de forma equivalente (31,94%). Os dados sugerem, no geral, segregação hierárquica (ou vertical), fenômeno conhecido na literatura como \201Cteto de vidro\201D, caracteriza-se pela menor velocidade na ascensão da carreira pelas mulheres, em comparação com a progressão profissional masculina, o que resulta na sub-representação das mulheres nos postos de tomada de decisão e, consequentemente, limita o alcance de posições de maior prestígio na Instituição / This quantitative, descripti ve, exploratory study aimed to delineate women‟s participation in recent research conducted by the Oswaldo Cruz Foundation (Fundação Oswaldo Cruz - Fiocruz). The initial data source was the Human Resources Directory (Diretoria de Recursos Humanos - Direh) at Fiocruz, which was used to identify the number of employees with PhD degree. As of May 2012, there were a total of 1,064 Fiocruz employees with PhD, of whom 654 (61.5%) were female and 410 (38.5%) were male. The Brazilian Portal of Transparency website (http://www.portaltransparencia.gov.br/) was used to identify the total number of employees who had completed a civil service examination and had a PhD degree at the time of the study. The website identified a total of 571 employees, of whom 346 (60.6%) we re female and 225 (39.4%) were male. The ScriptLattes tool (http:// scriptlattes .sourceforge.net) was then used to search for curriculum vitae (CV) that were registered in the Lattes Platform for the period from 1996 to 2013. This set of CVs was downloaded into a specially designed database, and all references were transferred to and analyzed with the data mining software VantagePoint ® , which enables quantitative analyses of academic and technical production, supervision, access to productivity scholarships and awards. A second document analysis was performed to map women's participation in decision - making positions at Fiocruz. The results indicate that although women‟s bibliographic production in absolute numbers is greater than men's, the average number of articles published by men (19.2 articles/man) is 51.6% higher than the number of articles published by women (12.6 articles/woman). In terms of technical production, women have higher production than men. In relation to supervision, men assume a greater nu mber of PhD students than women, but women outnumber men in Lato Sensu supervisions. In terms of the total number of research projects, men have 11.5% higher production than women. With regard to the Productivity Scholarship from the National Council for S cientific and Technological Development (Conselho Nacional de Desenvolvimento Científico e Tecnológico - CNPq), men also predominate, although the proportion of women fellows grows in different ways but decreases as the hierarchical level of scholarship in creases. These data provide evidence in support of previous studies regarding the presence of women in research in the biologic al sciences (38.41%), although research in the health science have a similar female presence (31.94%). In general, the data sugge st hierarchical (or vertical) segregation, a phenomenon known in the literature as the “glass ceiling”, which is characterized by a slower rise in career for women compared to men. This disadvantage results in the underrepresentation of women in positions of decision making, and women are limited from reaching the most prestigious positions in the institution