Made available in DSpace on 2016-08-10T10:40:21Z (GMT). No. of bitstreams: 1 RENATA DE SOUZA ALVES PAULA CAVALCANTE.pdf: 3920138 bytes, checksum: 5a8a21fa7b849ef942fb6113dc3f6635 (MD5) Previous issue date: 2014-02-24 / Ao longo do tempo, percebeu-se que a velocidade do acúmulo de informações era maior do que a velocidade de processamento e análise das mesmas. Não adianta uma organização ter muita informação, se não souber dela extrair conhecimento útil. É preciso que sejam feitas análises apuradas sobre os dados e descobrir quais são os padrões de comportamentos existentes nos mesmos. Assim, uma organização poderá realizar tomada de decisão de forma mais segura, baseada em fatos reais e não em meras suposições, inclusive no âmbito da gestão de Ciência e Tecnologia. Este trabalho teve como objetivo realizar um estudo de caso no Instituto Federal de Goiás (IFG), aplicando o processo de Knowledge Discovery in Database (KDD), na tentativa de identificar padrões que representem o perfil da produção científica dos docentes da instituição. A maior parte dos dados analisados foram extraídos da Plataforma Lattes (PL) e o período da pesquisa fixado no último triênio. Pretendeu-se obter conhecimento sobre a produtividade dos docentes e provê-los à Pró-Reitoria de Pesquisa e Pós-Graduação do IFG para auxiliar na sua gestão. A pesquisa aborda por meio de um levantamento bibliográfico os conceitos sobre Gestão do Conhecimento (GC), o processo de KDD, incluindo a Mineração de Dados (MD) com suas tarefas e técnicas, a produção científica, a PL e o contexto atual do IFG. Dessa forma, entre os resultados obtidos no trabalho, viu-se que a aplicação do KDD pode ser um poderoso instrumento para a gestão das informações nas instituições de ensino.

Submitted by Izabel Franco (izabel-franco@ufscar.br) on 2016-10-03T18:27:49Z No. of bitstreams: 1 DissMVV.pdf: 2718127 bytes, checksum: 18d42256c6c4eaa84c2dd493edefcbd3 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-10-10T17:24:34Z (GMT) No. of bitstreams: 1 DissMVV.pdf: 2718127 bytes, checksum: 18d42256c6c4eaa84c2dd493edefcbd3 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-10-10T17:25:10Z (GMT) No. of bitstreams: 1 DissMVV.pdf: 2718127 bytes, checksum: 18d42256c6c4eaa84c2dd493edefcbd3 (MD5) / Made available in DSpace on 2016-10-10T17:25:25Z (GMT). No. of bitstreams: 1 DissMVV.pdf: 2718127 bytes, checksum: 18d42256c6c4eaa84c2dd493edefcbd3 (MD5) Previous issue date: 2016-02-25 / Não recebi financiamento / To analyze the scientific production of the professors of a private institution of higher education, some variables can be identifyed and discussions can be developed. To this end it is necessary to understand the professional profile of professors who work at the institution, object of study, and the Lattes platform proves to be the most effective tool to collect information about these professionals. The Lattes platform is the main scientific information system in Brazil, integrating academic curricula of public and private institutions in a single platform, allowing management of curricular information of institutions and researchers. But the platform does not perform automated compilation of data from certain groups. Thus, it was use the ScriptLattes tool, which synthesizes in simplified form potential indicators to demonstrate the relationship not just a group of researchers, but different groups of interest. In examining the Group of professors from the institution used as a case study in this work (UNI_X), can be noted interesting indicators of professional as well as academic characterization; at the same time the scientific literature produced by these professors, whether in the institution itself or in other institutions, where vast majority owned or has bond in graduate programs. Updating of curricula, as well as the correct completion of data on its platform, are proving to be an important indicator as well as the correlation between the published works and without mention of the institution in which these are employee. So we tried to raise discussions on the topic, for better understanding and the deepening about the problem. In this way, an analysis was performed of the professors of a top private institution, through some indicators and, among them, the scientific production. This analysis enabled the development of discussions on the importance of scientific production for private institutions, because it is believed that most of these teachers do not mention the institution in scientific works. In addition, some approaches have been raised through rankings and discussions of the STS field, generating reflections on the subject. / Ao analisar as produções científicas dos docentes de uma instituição de ensino superior privada, entende-se que diversos indicadores e discussões podem ser desenvolvidos. Para tanto se faz necessário compreender o perfil profissional dos professores que atuam na instituição, objeto de estudo, e a plataforma Lattes demonstra ser o local mais eficaz para coletar informações a respeito destes profissionais. A plataforma é o principal sistema de informação científica do Brasil, integrando currículos acadêmicos de instituições públicas e privadas em uma única plataforma, permitindo gerir a informação curricular das instituições e pesquisadores. Mas a respectiva plataforma não realiza de forma automatizada a compilação de dados de determinados grupos, assim utilizou-se a ferramenta ScriptLattes, que sintetiza de forma simplificada, indicadores de potencial, para demonstrar o relacionamento não de apenas um grupo de pesquisadores, mas diversos grupos de interesse. Ao analisar o grupo de professores da instituição utilizada como estudo de caso neste trabalho (UNI_X), pode-se notar interessantes indicadores de caracterização profissional, bem como acadêmico; ao mesmo tempo a produção científica produzida por estes docentes, seja na própria instituição, seja em outras instituições, onde grande maioria possuiu ou possui vinculo em programas de pós-graduação. A atualização dos currículos, bem como o correto preenchimento dos dados na respectiva plataforma, demonstram ser um importante indicador, bem como a correlação existente entre os trabalhos publicados e sem menção da instituição no qual estes docentes possuem vínculo. Assim procurou-se levantar discussões sobre o tema, para melhor compreensão e possibilitar o aprofundamento sobre a problemática. Desta forma, foi realizada uma análise do quadro de docentes de uma instituição superior privada, através de alguns indicadores e, entre eles, a produção científica. Esta análise possibilitou o desenvolvimento de discussões sobre a importância da produção científica para instituições privadas, pois acredita-se que grande parte destes docentes não mencionam a instituição que atuam. Além disso, foram levantadas algumas abordagens através de rankings e discussões do campo CTS, gerando reflexões sobre o tema.

Made available in DSpace on 2016-06-03T21:11:19Z (GMT). No. of bitstreams: 1 DissMSOM.pdf: 2216662 bytes, checksum: 491d51f338496c8de2f29f3447d09b5b (MD5) Previous issue date: 2015-08-14 / Open institutional repositories (IR) have became a major instrument for providing open access to global scientific production. In addition to providing scientific documents, IR can be used to fulfill institutional interests of the institution, such as promoting the storage of documentation, preserving institutional memory and also bringing worldwide exposure to its production. The implementation of an IR, however, depends on a number of activities, where one of the major challenges is populating it with data. In order to find solutions to improve the process of populating an IR, the aim of this work was to develop a system to automatically extract metadata from the Lattes Platform, inserting this metadata in a reference database, regarded as an intermediate step for populating the IR. Besides easing the submission process, the reference base will be able to support effective marketing campaigns to foster the auto-archival of scientific works. Our approach consists of a qualitative research, developed through action research, within the Federal University of São Carlos – UFSCar. The achieved results comprised the development of a collection of automated solutions essential for gathering and handling metadata to be imported by DSpace. The solution here proposed can be implemented by any institution, with or without an IR, strongly contributing to maximize scientific communication by automating part of the process of implementing and maintaining institutional repositories. / Os repositórios institucionais abertos (RI) tornaram-se um dos principais instrumentos para o acesso aberto à produção científica global. Além da disponibilização de documentos científicos, os RI podem ser utilizados para os diversos interesses da instituição, promovendo armazenamento de suas documentações, preservação da memória institucional e também dando visibilidade mundial para sua produção. A implementação de um RI, no entanto, envolve uma série de ações, onde um dos grandes desafios é o seu povoamento. Visando contribuir para uma solução que minimize o esforço humano necessário para o povoamento do repositório, o objetivo geral deste trabalho foi desenvolver uma sistemática automatizada de extração de metadados provenientes da Plataforma Lattes realizando a inclusão dos dados em uma base referencial, considerada uma etapa intermediária no processo de povoamento do RI. Além de facilitar o processo de submissão, a base referencial poderá amparar efetivas políticas de divulgação e de incentivo ao autodepósito da produção científica. Trata-se de uma pesquisa de natureza qualitativa, desenvolvida por meio de pesquisa-ação, tendo como unidade-caso a Universidade Federal de São Carlos – UFSCar. Os resultados alcançados compreenderam o desenvolvimento de um conjunto de soluções automatizadas, necessárias à coleta, tratamento e importação dos metadados pela ferramenta DSpace. A solução de povoamento aqui proposta poderá ser implementada em qualquer outra instituição que possua ou não um RI, contribuindo fortemente para a maximização da comunicação científica ao automatizar parte do processo de implementação e manutenção de repositórios institucionais.

Atualmente, existe uma grande gama de dados acadêmicos disponíveis na web. Com estas informações é possível realizar tarefas como descoberta de especialistas em uma dada área, identificação de potenciais bolsistas de produtividade, sugestão de colaboradores, entre outras diversas. Contudo, o sucesso destas tarefas depende da qualidade dos dados utilizados, pois dados incorretos ou incompletos tendem a prejudicar o desempenho dos algoritmos aplicados. Diversos repositórios de dados acadêmicos não contêm ou não exigem a informação explícita das áreas de atuação dos pesquisadores. Nos dados dos currículos Lattes essa informação existe, porém é inserida manualmente pelo pesquisador sem que haja nenhum tipo de validação (e potencialmente possui informações desatualizadas, faltantes ou mesmo incorretas). O presente trabalho utilizou técnicas de aprendizado de máquina na inferência das áreas de atuação de pesquisadores com base nos dados cadastrados na plataforma Lattes. Os títulos da produção científica foram utilizados como fonte de dados, sendo estes enriquecidos com informações semanticamente relacionadas presentes em outras bases, além de adotar representações diversas para o texto dos títulos e outras informações acadêmicas como orientações e projetos de pesquisa. Objetivou-se avaliar se o enriquecimento dos dados melhora o desempenho dos algoritmos de classificação testados, além de analisar a contribuição de fatores como métricas de redes sociais, idioma dos títulos e a própria estrutura hierárquica das áreas de atuação no desempenho dos algoritmos. A técnica proposta pode ser aplicada a diferentes dados acadêmicos (não sendo restrita a dados presentes na plataforma Lattes), mas os dados oriundos dessa plataforma foram utilizados para os testes e validações da solução proposta. Como resultado, identificou-se que a técnica utilizada para realizar o enriquecimento do texto não auxiliou na melhoria da precisão da inferência. Todavia, as métricas de redes sociais e representações numéricas melhoram a inferência quando comparadas com técnicas do estado da arte, assim como o uso da própria estrutura hierárquica de classes, que retornou os melhores resultados dentre os obtidos / Nowadays, there is a wide range of academic data available on the web. With this information, it is possible to solve tasks such as the discovery of specialists in a given area, identification of potential scholarship holders, suggestion of collaborators, among others. However, the success of these tasks depends on the quality of the data used, since incorrect or incomplete data tend to impair the performance of the applied algorithms. Several academic data repositories do not contain or do not require the explicit information of the researchers\' areas. In the data of the Lattes curricula, this information exists, but it is inserted manually by the researcher without any kind of validation (and potentially it is outdated, missing or even there is incorrect information). The present work utilized machine learning techniques in the inference of the researcher\'s areas based on the data registered in the Lattes platform. The titles of the scientific production were used as data source and they were enriched with semantically related information present in other bases, besides adopting other representations for the text of the titles and other academic information as orientations and research projects. The objective of this dissertation was to evaluate if the data enrichment improves the performance of the classification algorithms tested, as well as to analyze the contribution of factors such as social network metrics, the language of the titles and the hierarchical structure of the areas in the performance of the algorithms. The proposed technique can be applied to different academic data (not restricted to data present in the Lattes platform), but the data from this platform was used for the tests and validations of the proposed solution. As a result, it was identified that the technique used to perform the enrichment of the text did not improve the accuracy of the inference. However, social network metrics and numerical representations improved inference accuracy when compared to state-of-the-art techniques, as well as the use of the hierarchical structure of the classes, which returned the best results among the obtained

Atualmente, existe uma grande gama de dados acadêmicos disponíveis na web. Com estas informações é possível realizar tarefas como descoberta de especialistas em uma dada área, identificação de potenciais bolsistas de produtividade, sugestão de colaboradores, entre outras diversas. Contudo, o sucesso destas tarefas depende da qualidade dos dados utilizados, pois dados incorretos ou incompletos tendem a prejudicar o desempenho dos algoritmos aplicados. Diversos repositórios de dados acadêmicos não contêm ou não exigem a informação explícita das áreas de atuação dos pesquisadores. Nos dados dos currículos Lattes essa informação existe, porém é inserida manualmente pelo pesquisador sem que haja nenhum tipo de validação (e potencialmente possui informações desatualizadas, faltantes ou mesmo incorretas). O presente trabalho utilizou técnicas de aprendizado de máquina na inferência das áreas de atuação de pesquisadores com base nos dados cadastrados na plataforma Lattes. Os títulos da produção científica foram utilizados como fonte de dados, sendo estes enriquecidos com informações semanticamente relacionadas presentes em outras bases, além de adotar representações diversas para o texto dos títulos e outras informações acadêmicas como orientações e projetos de pesquisa. Objetivou-se avaliar se o enriquecimento dos dados melhora o desempenho dos algoritmos de classificação testados, além de analisar a contribuição de fatores como métricas de redes sociais, idioma dos títulos e a própria estrutura hierárquica das áreas de atuação no desempenho dos algoritmos. A técnica proposta pode ser aplicada a diferentes dados acadêmicos (não sendo restrita a dados presentes na plataforma Lattes), mas os dados oriundos dessa plataforma foram utilizados para os testes e validações da solução proposta. Como resultado, identificou-se que a técnica utilizada para realizar o enriquecimento do texto não auxiliou na melhoria da precisão da inferência. Todavia, as métricas de redes sociais e representações numéricas melhoram a inferência quando comparadas com técnicas do estado da arte, assim como o uso da própria estrutura hierárquica de classes, que retornou os melhores resultados dentre os obtidos / Nowadays, there is a wide range of academic data available on the web. With this information, it is possible to solve tasks such as the discovery of specialists in a given area, identification of potential scholarship holders, suggestion of collaborators, among others. However, the success of these tasks depends on the quality of the data used, since incorrect or incomplete data tend to impair the performance of the applied algorithms. Several academic data repositories do not contain or do not require the explicit information of the researchers\' areas. In the data of the Lattes curricula, this information exists, but it is inserted manually by the researcher without any kind of validation (and potentially it is outdated, missing or even there is incorrect information). The present work utilized machine learning techniques in the inference of the researcher\'s areas based on the data registered in the Lattes platform. The titles of the scientific production were used as data source and they were enriched with semantically related information present in other bases, besides adopting other representations for the text of the titles and other academic information as orientations and research projects. The objective of this dissertation was to evaluate if the data enrichment improves the performance of the classification algorithms tested, as well as to analyze the contribution of factors such as social network metrics, the language of the titles and the hierarchical structure of the areas in the performance of the algorithms. The proposed technique can be applied to different academic data (not restricted to data present in the Lattes platform), but the data from this platform was used for the tests and validations of the proposed solution. As a result, it was identified that the technique used to perform the enrichment of the text did not improve the accuracy of the inference. However, social network metrics and numerical representations improved inference accuracy when compared to state-of-the-art techniques, as well as the use of the hierarchical structure of the classes, which returned the best results among the obtained

Made available in DSpace on 2016-06-02T19:16:39Z (GMT). No. of bitstreams: 1 6008.pdf: 2443534 bytes, checksum: 0bac1e7a31f3dca253b58964090370a6 (MD5) Previous issue date: 2014-02-24 / Innovation generates business competitiveness and business opportunities. The corporate sector can generate innovative products and processes based on technological progress in the company, developed in academia, or developed in partnership. But as the business sector can meet the technological advances that arise in the gym? What are the relevant details? What sources of information can be found? The sources of information currently available contains relevant and sufficient information? The context of this research is the monitoring of technological advances from academia to facilitate the transfer of such advances to the business sector. Among the objectives proposed for the research are: to identify sources of information publicly available descriptions of the technological advances of the academy, and investigate these sources of information through experimental research involving extraction and analysis of data in a universe of limited research. For the experimental investigation were chosen as sources of information and the Lattes Platform Innovation Agency UFSCAR site. The research universe was defined set of technological advances produced by professors from San Carlos UFSCar campus. The interval between the years 2007 and 2012 was defined as the period of investigation. Results indicate that 907 teachers UFSCar São Carlos campus reported in Lattes 192 technological advances produced between 2007 and 2012, 89 software without registration, 58 patents, 28 technology products, 13 processes and techniques, Industrial 2 drawings 1 software with registration and 1 mark. These data were grouped by department, by district and by year of production, generating statistics. The results of analysis of descriptive information extracted from Lattes showed problems in the reliability of the data: errors, duplicity, vagueness and lack of standardization in the filling. The website of the Agency for Innovation UFSCar reported numerically, 98 patents, 12 computer programs, 12 licenses of technology, 17 international patents, trademark registrations 4, 5 and 17 cultivars protected utility models between 2008 and 2012. Fifty-three of these advances - 49 patents and 4 cultivars - were described on the website of reliable, accurate and inviting manner using textual and audiovisual resources, enabling the identification and contact with researchers. Comparing the information provided in the Lattes Platform and the Innovation Agency site, we identified in the Innovation Agency site descriptions are more reliable and effective, however cover a limited number of technological advances, restricted to patents and cultivars indicators. On Lattes descriptions of advances reported in other indicators (such as software, processes and industrial designs) can be found, but more superficial descriptions and in some cases inaccurate. This work contributes to a better understanding of how the technological advances of the academy are being monitored, it also helps to aim the Lattes Platform and the websites of Technological Innovation Centers as sources of information that can be integrated in order to enhance monitoring technological advances of the academy and encourage technology transfer to the business sector. / Inovação gera competitividade empresarial e oportunidades de negócios. O setor empresarial pode gerar produtos e processos inovadores com base em avanços tecnológicos desenvolvidos na própria empresa, desenvolvidos na academia, ou ainda desenvolvidos em parceria. Mas como o setor empresarial pode conhecer os avanços tecnológicos que surgem na academia? Quais são as informações relevantes? Quais fontes de informação podem ser consultadas? As fontes de informação atualmente disponíveis contém informações relevantes e suficientes? O contexto da presente pesquisa é o monitoramento dos avanços tecnológicos provenientes da academia visando facilitar a transferência de tais avanços ao setor empresarial. Dentre os objetivos propostos para a pesquisa estão: identificar fontes de informação que divulguem publicamente descrições dos avanços tecnológicos da academia; e investigar essas fontes de informação através de pesquisa experimental envolvendo extração e análise de dados em um universo de pesquisa limitado. Para a investigação experimental foram escolhidas como fontes de informação a Plataforma Lattes e o site da Agência de Inovação da UFSCar. Como universo de pesquisa foi definido o conjunto de avanços tecnológicos produzidos por docentes do campus São Carlos da UFSCar. Foi definido como período de investigação o intervalo entre os anos de 2007 e 2012. Resultados apontam que os 907 docentes da UFSCar campus São Carlos reportaram na Plataforma Lattes 192 avanços tecnológicos produzidos entre 2007 e 2012, sendo 89 softwares sem registro, 58 patentes, 28 produtos tecnológicos, 13 processos e técnicas, 2 desenhos industriais, 1 software com registro e 1 marca. Estes dados foram agrupados por departamento, por centro e por ano de produção, gerando estatísticas. Os resultados da análise das informações descritivas extraídas da Plataforma Lattes apontaram problemas na confiabilidade dos dados, tais como duplicidade e falta de padronização. O site da Agência de Inovação da UFSCar reportou, numericamente, 98 patentes, 12 programas de computador, 12 licenciamentos de tecnologia, 17 patentes internacionais, 4 registros de marca, 17 cultivares protegidos e 5 modelos de utilidade entre 2008 e 2012. Cinquenta e três destes avanços - 49 patentes e 4 cultivares - estavam descritos no site, com recursos textuais e audiovisuais, possibilitando a identificação e o contato com os pesquisadores. Comparando as informações disponibilizadas na Plataforma Lattes e no site da Agência de Inovação, identificou-se que no site da Agência de Inovação as descrições são mais confiáveis e efetivas, porém abrangem um número limitado de avanços tecnológicos, restritos aos indicadores patentes e cultivares. Na Plataforma Lattes podem ser consultadas descrições de avanços reportados em outros indicadores (como softwares, processos e desenhos industriais), porém com menor detalhamento. O presente trabalho contribui com uma melhor compreensão do modo como os avanços tecnológicos da academia vêm sendo monitorados; contribui também ao apontar a Plataforma Lattes e os sites dos Núcleos de Inovação Tecnológica como fontes de informação que podem ser integradas, de modo a aprimorar o monitoramento dos avanços tecnológicos da academia, e incentivar a transferência de tecnologia ao setor empresarial.