Submitted by Diogo Barreiros (diogo.barreiros@ufba.br) on 2017-08-31T13:32:34Z No. of bitstreams: 1 Thesis_RebecaBarros_paraHomologacao.pdf: 11627929 bytes, checksum: 555f47e98d6e831b2e061c0e5896fd69 (MD5) / Approved for entry into archive by NUBIA OLIVEIRA (nubia.marilia@ufba.br) on 2017-12-05T13:08:31Z (GMT) No. of bitstreams: 1 Thesis_RebecaBarros_paraHomologacao.pdf: 11627929 bytes, checksum: 555f47e98d6e831b2e061c0e5896fd69 (MD5) / Made available in DSpace on 2017-12-05T13:08:31Z (GMT). No. of bitstreams: 1 Thesis_RebecaBarros_paraHomologacao.pdf: 11627929 bytes, checksum: 555f47e98d6e831b2e061c0e5896fd69 (MD5) / Gerenciamento de emergência é uma tarefa complexa pois envolve comunicação e colaboração entre variadas organizações e seus sistemas. Integração de dados e interoperabilidade de sistemas estão entre os maiores desafios nesta área. Ontologias podem ser usadas para estabelecer um modelo de referência comum aos envolvidos e também servir como base para a integração no nível computacional. Por ser um domínio amplo, várias propostas de ontologia focam em algum aspecto das diferentes fases de um ciclo emergencial, como por exemplo, as fases de prevenção e preparação, modelando planos de ação e treinamentos; outras modelam situações e tipos de emergência específicos como incêndios e terremotos. Ainda nesse cenário, a iniciativa EDXL (do inglês Emergency Data Exchange Language) propõe um conjunto de padrões de mensagens baseados na linguagem XML para troca de dados relacionados à gestão de emergências, visando facilitar o compartilhamento de informações entre entidades, organizações e pessoas envolvidas em um cenário emergencial (OASIS, 2013a, 2014). Embora resolva o problema da heterogeneidade sintática e estrutural, visto que é uma suíte de XML-Schemas que padroniza o formato XML a ser trocado pelos sistemas, o EDXL não garante a interoperabilidade semântica. Por esses motivos, e por ser um padrão que possui um objetivo similar ao desse trabalho, as ontologias aqui criadas são baseadas no mesmo. Esse trabalho faz parte do projeto RESCUER (Reliable and Smart Analysis of Crowdsourcing Information for Emergency and Crisis Management), um projeto que pretende desenvolver uma plataforma computacional inteligente e interoperável que utilize informações crowdsourcing combinadas com dados abertos para oferecer suporte ao gerenciamento de crises e emergências. Como solução, esse trabalho apresenta uma suíte de ontologias criadas a partir do padrão EDXL e um estudo de caso baseado na suíte, como proposta de interoperabilidade de dados para Sistemas de Resposta à Emergências (SRE). A suíte EDXL-RESCUER e o desenvolvimento da interoperabilidade avaliada no escopo do projeto RESCUER são as contribuições desta proposta. Os resultados indicam que a EDXL-RESCUER _e adequada ao cenário brasileiro e que as ontologias podem ser aplicadas como interlíngua entre os SER’s. / Emergency Management is a complex task which involves the communication and collaboration among several organizations and its systems. Data integration and interoperability within systems are among the major challenges in this area. Ontologies can be used to provide a reference model for the involved parties and can also be the basis for data integration at computational level. Several ontology proposals in this area focus on aspects of the different emergency cycle phases , such as prevention and preparation phases, modeling action plans and training; other ontologies focus on specific situations and types of emergency such as fires and earthquakes. In this scenario, the EDXL (Emergency Data Exchange Language) initiative proposes a set of XML-based message standards for data exchange related to emergency management in order to facilitate information sharing between entities, organizations and people involved in an emergency (OASIS, 2013a, 2014). Although it solves the problem of syntactic and structural heterogeneity since it is an XML Schema suite that standardizes the XML format to be exchanged by systems, EDXL does not guarantee semantic interoperability. For these reasons, and because it is a standard that pursues a similar objective as this proposal, the ontologies created within this work are based on EDXL. This proposal is part of the RESCUER (Reliable and Smart Analysis of Crowdsourcing Information for Emergency and Crisis Management) project, a project that aims to develop an intelligent and interoperable computational platform using crowdsourcing information combined with open data to support emergency management. As a solution, this work presents a suite of ontologies created based on the EDXL standard and a case study using the suite for data interoperability for Emergency Response Systems (ERS). The EDXL-RESCUER suite and the data interoperability solution evaluated in the RESCUER project’s scope are the contributions of this proposal. The results indicated that EDXL is suitable for the Brazilian scenario and that the ontologies can be applied as interlingua among ERS.

Submitted by Claudia Berti (claudiabberti@gmail.com) on 2018-06-04T08:46:28Z No. of bitstreams: 2 Tese_DOC_702806.pdf: 2723844 bytes, checksum: 41136d680ab0e665de58c6e74bbe7fe5 (MD5) Carta Comprovante_DOC_702806.pdf: 377043 bytes, checksum: 09e3818f3e8c5eaed8195aa5beef0112 (MD5) / Approved for entry into archive by Eunice Nunes (eunicenunes6@gmail.com) on 2018-06-04T12:44:18Z (GMT) No. of bitstreams: 2 Tese_DOC_702806.pdf: 2723844 bytes, checksum: 41136d680ab0e665de58c6e74bbe7fe5 (MD5) Carta Comprovante_DOC_702806.pdf: 377043 bytes, checksum: 09e3818f3e8c5eaed8195aa5beef0112 (MD5) / Approved for entry into archive by Eunice Nunes (eunicenunes6@gmail.com) on 2018-06-04T12:59:57Z (GMT) No. of bitstreams: 2 Tese_DOC_702806.pdf: 2723844 bytes, checksum: 41136d680ab0e665de58c6e74bbe7fe5 (MD5) Carta Comprovante_DOC_702806.pdf: 377043 bytes, checksum: 09e3818f3e8c5eaed8195aa5beef0112 (MD5) / Made available in DSpace on 2018-06-04T13:00:10Z (GMT). No. of bitstreams: 2 Tese_DOC_702806.pdf: 2723844 bytes, checksum: 41136d680ab0e665de58c6e74bbe7fe5 (MD5) Carta Comprovante_DOC_702806.pdf: 377043 bytes, checksum: 09e3818f3e8c5eaed8195aa5beef0112 (MD5) Previous issue date: 2017-08-28 / Não recebi financiamento / Situation Awareness (SAW) is a concept widely used in areas that require critical decision making, and refers to the ability of an individual or team to perceive, understand and anticipate the future state of a current situation, which is influenced by the dynamicity and critical nature of events. SAW is considered as the main precursor of the decision-making process. In the emergency response area, obtaining and maintaining SAW requires a great effort from the human operator, the cognitive overload required in the activity, high level of stress involving the care, exhaustive shifts that may negatively reflect the care process and consequently the decision process as one all. Decision support systems that address aspects of the SAW can contribute to the enrichment and maintenance of the operator's SAW and in the decision-making process. Given this context, this work presents a Situational Predictive Model to systematize the development of modules to support the human operator's SAW in emergency response systems, which provides for the use of service models and protocols of institutions acting as prototypical situations. Objectively the model proposes the prediction and or the premature identification of the situation while the applicant has emergency assistance. A Conceptual Model was developed that guided the construction of the Predictive Model and will serve as basis for other developments. So-called human sensors and social sensors have become important sources of information especially in social networks. For the treatment of this data, text classifier methods are used with satisfactory results that cover the areas of education, security, entertainment, commercial, among others. For the emergency responses domain, object of this thesis, human sensors are the main source of information and machine learning techniques as text classifiers show important alternatives. In order to be validated, the Predictive Situations Model was implemented with the creation of a vocabulary based on the actual decision-making models of the Military Police of the State of São Paulo (PMESP) and the development of algorithms two classifying methods (Bag of Words and Naïve Bayes). Tests were performed with four different types of input instances (sentences). For all the metrics analyzed (accuracy, accuracy and coverage) the tests demonstrated superiority of the Naïve Bayes algorithm. The difference between the hit rates in relation to the Bag of Word algorithm for the class of instances with the highest degree of identification difficulty was over 37%. These results demonstrated good potential the Predictive Situations Model to collaborate with the existing systems of emergency services, allowing more attendance effectiveness and reduction of the cognitive overload that the attendants are routinely subjected to. / Consciência da situação ou consciência situacional (Situation Awareness – SAW) é um conceito amplamente utilizado em áreas que requerem tomada de decisão crítica, e se refere à habilidade de um indivíduo ou equipe de percepção, compreensão e antecipação de estado futuro de uma situação corrente, que é influenciada pela dinamicidade e natureza crítica de eventos. SAW é considerada como principal precursora do processo decisório. Em domínios, por exemplo, de resposta à emergência, obter e manter SAW requer do operador humano grande esforço, pela sobrecarga cognitiva exigida na atividade, alto nível de estresse que envolve o atendimento, turnos exaustivos que podem refletir negativamente no processo de atendimento e consequentemente no processo decisório como um todo. Sistemas de apoio à tomada de decisão que contemplam aspectos da SAW podem contribuir no enriquecimento e manutenção da SAW do operador e no processo decisório. Diante desse contexto, este trabalho apresenta um Modelo Preditivo de Situações para sistematizar o desenvolvimento de módulos de apoio a SAW de operadores humanos em sistemas de resposta à emergência, que prevê a utilização de modelos de atendimento e protocolos das instituições atuando como situações prototípicas. Objetivamente o modelo propõe a previsão e ou a identificação prematura da situação em tempo real ao atendimento da emergência. Conjuntamente foi desenvolvido um Modelo Conceitual que norteou a construção do Modelo Preditivo e servirá como base a outros desenvolvimentos. Atualmente os denominados sensores humanos e sensores sociais, especialmente de redes sociais, estão sendo utilizados, de forma crescente, como importantes fontes de informação para a melhor compreensão de situações em diferentes áreas de aplicação. No domínio de resposta à emergência, objeto de estudo desta tese, os sensores humanos são a principal fonte de informação, sobre a qual técnicas de aprendizagem de máquina como classificadores de texto foram aplicadas com resultados muito positivos. Para ser validado, o Modelo Preditivo de Situações foi implementado com a criação de um vocabulário baseado nos modelos decisórios reais da Polícia Militar do Estado de São Paulo (PMESP) e com o desenvolvimento de algoritmos de dois métodos classificadores (Bag of Words e Naïve Bayes). Testes foram realizados com quatro tipos diferentes de instâncias de entrada (frases). Para todas as métricas analisadas (precisão, acurácia e cobertura) os testes demostraram superioridade do algoritmo Naïve Bayes. A diferença entre a taxa de acerto em relação ao algoritmo Bag of Word para a classe de instâncias com maior grau de dificuldade de identificação foi superior a 37%. Tais resultados demonstraram bom potencial do Modelo Preditivo de Situações de colaborar com os sistemas já existentes de atendimento emergencial, possibilitando maior efetividade no atendimento e diminuição da sobrecarga cognitiva a que são submetidos os atendentes cotidianamente.