Futebol é um esporte fascinante que capta a atenção de milhões de pessoas no mundo. Equipes de futebol profissionais, bem como os meios de comunicação, têm um profundo interesse na análise de partidas de futebol. Análise estatística é a abordagem mais usada para descrever um jogo de futebol, no entanto, muitas vezes eles não conseguem captar a evolução do jogo e as mudanças de estratégias que aconteceram. Neste trabalho, apresentamos Visual Soccer Match Analysis (VSMA), uma ferramenta para a compreensão dos diferentes aspectos relacionados com a evolução de um jogo de futebol. A nossa ferramenta recebe como entrada as coordenadas de cada jogador durante o jogo, bem como os eventos associados. Apresentamos um design visual que permite identificar rapidamente padrões relevantes em jogo. A abordagem foi desenvolvida em conjunto com colegas da área da educação física com experiência em análise de futebol. Validamos a utilidade da nossa abordagem utilizando dados de várias partidas, juntamente com avaliações de especialistas. / Soccer is a fascinating sport that captures the attention of millions of people in the world. Professional soccer teams, as well as the broadcasting media, have a deep interest in the analysis of soccer matches. Statistical summaries are the most-used approach to describe a soccer match. However, they often fail to capture the evolution of the game and changes of strategies that happen. In this work, we present the Visual Soccer Match Analysis (VSMA) system, a tool for understanding the different aspects associated with the evolution of a soccer match. Our tool receives as input the coordinates of each player throughout the match and related events. We present a visual design that allows to quickly identify relevant patterns in the match. Our approach was developed in conjunction with colleagues from the physical education field with expertise in soccer analysis. We validated the system utility using several matches together with expert evaluations.

Futebol é um esporte fascinante que capta a atenção de milhões de pessoas no mundo. Equipes de futebol profissionais, bem como os meios de comunicação, têm um profundo interesse na análise de partidas de futebol. Análise estatística é a abordagem mais usada para descrever um jogo de futebol, no entanto, muitas vezes eles não conseguem captar a evolução do jogo e as mudanças de estratégias que aconteceram. Neste trabalho, apresentamos Visual Soccer Match Analysis (VSMA), uma ferramenta para a compreensão dos diferentes aspectos relacionados com a evolução de um jogo de futebol. A nossa ferramenta recebe como entrada as coordenadas de cada jogador durante o jogo, bem como os eventos associados. Apresentamos um design visual que permite identificar rapidamente padrões relevantes em jogo. A abordagem foi desenvolvida em conjunto com colegas da área da educação física com experiência em análise de futebol. Validamos a utilidade da nossa abordagem utilizando dados de várias partidas, juntamente com avaliações de especialistas. / Soccer is a fascinating sport that captures the attention of millions of people in the world. Professional soccer teams, as well as the broadcasting media, have a deep interest in the analysis of soccer matches. Statistical summaries are the most-used approach to describe a soccer match. However, they often fail to capture the evolution of the game and changes of strategies that happen. In this work, we present the Visual Soccer Match Analysis (VSMA) system, a tool for understanding the different aspects associated with the evolution of a soccer match. Our tool receives as input the coordinates of each player throughout the match and related events. We present a visual design that allows to quickly identify relevant patterns in the match. Our approach was developed in conjunction with colleagues from the physical education field with expertise in soccer analysis. We validated the system utility using several matches together with expert evaluations.

Em domínios com forte conteúdo visual, a interpretação de imagens por raciocínio visual pode ser mais eficaz na solução de problemas do que a interpretação de dados puramente textuais ou numéricos. No entanto, a representação do conhecimento visual é difícil de ser realizada por tratar-se de um conhecimento implícito para o observador. As ontologias de representação possibilitam a criação de estruturas para auxiliar na captura desse tipo de conhecimento, de forma a atribuir uma representação simbólica e significado semântico ao que está sendo visualizado. A formalização do conhecimento visual permite a sua utilização em processos de inferência, resultando na interpretação automática da imagem. O objetivo deste trabalho é a definição de construtos ontológicos que permitam descrever aspectos visuais presentes em uma imagem, com ênfase na atenção visual mais do que nos aspectos físicos dos objetos. Esses aspectos visuais são associados aos objetos físicos da imagem bem como aos objetos descritos no nível do conhecimento de domínio. Para cada um dos níveis foi definida uma ontologia de representação, sendo assim possível atribuir semântica específica a esses objetos através da descrição de seus atributos e manter a independência do conhecimento relativo a cada nível. O nível da imagem descreve os objetos passíveis de serem extraídos por algoritmos de processamento de imagem (embora esses algoritmos não tenham sido foco de estudo neste trabalho). O nível visual descreve objetos que são foco da atenção visual, tais como seções, interstícios e contornos. O nível semântico descreve os objetos da aplicação capturados através de aquisição de conhecimento. A identidade dos objetos modelados é garantida através de relações de mapeamento entre cada dois níveis adjacentes. O domínio de aplicação deste trabalho foi a Petrografia Sedimentar, com o objetivo de extrair por inferência a qualidade em termos de porosidade e permeabilidade de rochas reservatório de petróleo. Com ajuda do especialista, foi modelado um método de solução de problemas para identificação do grau de compactação da rocha, que raciocina sobre os conhecimentos modelados utilizando a ontologia proposta. Foi implementado um sistema que permite a descrição dos objetos individualizados através da segmentação manual da imagem, mapeando os dados descritos para a ontologia e aplicando sobre ela o método de solução de problemas. Esse sistema gera como resultado o grau de compactação da rocha, cuja imagem foi assim descrita. Uma validação preliminar da abordagem foi realizada através da descrição de imagens de rochas fazendo uso do sistema desenvolvido, confrontando os resultados com os obtidos por um geólogo para as mesmas rochas observadas. Na metade das amostras descritas, o sistema atingiu o mesmo resultado do especialista e, na outra metade, obteve grande aproximação dos resultados. / In domains that have strong visual content, the image interpretation applying visual reasoning can be more effective in solving problems than the interpretation of pure textual or numeric data. However, the representation of visual knowledge is hard to be achieved since, most of time, we are dealing with implicit knowledge for the observer. The representation ontologies allow the creation of structures for assisting the capture of this kind of knowledge, in order to associate a symbolic representation and semantic meaning to what it being visualize. The formalization of the visual knowledge allows its application for inference process, resulting in the automatic interpretation of image. The goal of this work is the definition of ontological constructs that allow describing the visual aspects presented in an image, giving more emphasis in the evidences captured by visual attention than in the physical aspects of the objects. These aspects are associated to the physical objects as well as to the objects described in the domain knowledge level. Separate representation ontologies were defined for each level, making possible to associate specific semantic content to the objects through the description of the attributes and to keep the independence of the knowledge related to each level. The image level describes the objects that are possible of being extracted by image processing algorithms (although these algorithms were not studied in this work). The visual knowledge describes the objects that capture the visual attention, such as sections, interstices and borders. The semantic level describes the application objects elicited by knowledge acquisition methods. The identity of the modeled objects is guaranteed through the mapping relation defined between each two adjacent levels. The application domain of this work is the Sedimentary Petrography, with the goal of extracting by inference methods the porosity and permeability quality of petroleum reservoir-rocks. With the aid of the expert, a problem-solving method that reasons over the knowledge formalized through the proposed ontology was modeled for the identification of the compaction level of the rock. Furthermore, it was implemented a system that supports the description of the objects individualized through a manual segmentation of the image. The described data was mapped to the ontology and the problem-solving method was applied to define the level of compaction. A preliminary validation was developed comparing the results achieved by the system with the manual interpretation done by the expert with the same rock samples. With the half of the described samples the system achieved the same results of the expert and has got strong approximation in the other half.

Futebol é um esporte fascinante que capta a atenção de milhões de pessoas no mundo. Equipes de futebol profissionais, bem como os meios de comunicação, têm um profundo interesse na análise de partidas de futebol. Análise estatística é a abordagem mais usada para descrever um jogo de futebol, no entanto, muitas vezes eles não conseguem captar a evolução do jogo e as mudanças de estratégias que aconteceram. Neste trabalho, apresentamos Visual Soccer Match Analysis (VSMA), uma ferramenta para a compreensão dos diferentes aspectos relacionados com a evolução de um jogo de futebol. A nossa ferramenta recebe como entrada as coordenadas de cada jogador durante o jogo, bem como os eventos associados. Apresentamos um design visual que permite identificar rapidamente padrões relevantes em jogo. A abordagem foi desenvolvida em conjunto com colegas da área da educação física com experiência em análise de futebol. Validamos a utilidade da nossa abordagem utilizando dados de várias partidas, juntamente com avaliações de especialistas. / Soccer is a fascinating sport that captures the attention of millions of people in the world. Professional soccer teams, as well as the broadcasting media, have a deep interest in the analysis of soccer matches. Statistical summaries are the most-used approach to describe a soccer match. However, they often fail to capture the evolution of the game and changes of strategies that happen. In this work, we present the Visual Soccer Match Analysis (VSMA) system, a tool for understanding the different aspects associated with the evolution of a soccer match. Our tool receives as input the coordinates of each player throughout the match and related events. We present a visual design that allows to quickly identify relevant patterns in the match. Our approach was developed in conjunction with colleagues from the physical education field with expertise in soccer analysis. We validated the system utility using several matches together with expert evaluations.

Em domínios com forte conteúdo visual, a interpretação de imagens por raciocínio visual pode ser mais eficaz na solução de problemas do que a interpretação de dados puramente textuais ou numéricos. No entanto, a representação do conhecimento visual é difícil de ser realizada por tratar-se de um conhecimento implícito para o observador. As ontologias de representação possibilitam a criação de estruturas para auxiliar na captura desse tipo de conhecimento, de forma a atribuir uma representação simbólica e significado semântico ao que está sendo visualizado. A formalização do conhecimento visual permite a sua utilização em processos de inferência, resultando na interpretação automática da imagem. O objetivo deste trabalho é a definição de construtos ontológicos que permitam descrever aspectos visuais presentes em uma imagem, com ênfase na atenção visual mais do que nos aspectos físicos dos objetos. Esses aspectos visuais são associados aos objetos físicos da imagem bem como aos objetos descritos no nível do conhecimento de domínio. Para cada um dos níveis foi definida uma ontologia de representação, sendo assim possível atribuir semântica específica a esses objetos através da descrição de seus atributos e manter a independência do conhecimento relativo a cada nível. O nível da imagem descreve os objetos passíveis de serem extraídos por algoritmos de processamento de imagem (embora esses algoritmos não tenham sido foco de estudo neste trabalho). O nível visual descreve objetos que são foco da atenção visual, tais como seções, interstícios e contornos. O nível semântico descreve os objetos da aplicação capturados através de aquisição de conhecimento. A identidade dos objetos modelados é garantida através de relações de mapeamento entre cada dois níveis adjacentes. O domínio de aplicação deste trabalho foi a Petrografia Sedimentar, com o objetivo de extrair por inferência a qualidade em termos de porosidade e permeabilidade de rochas reservatório de petróleo. Com ajuda do especialista, foi modelado um método de solução de problemas para identificação do grau de compactação da rocha, que raciocina sobre os conhecimentos modelados utilizando a ontologia proposta. Foi implementado um sistema que permite a descrição dos objetos individualizados através da segmentação manual da imagem, mapeando os dados descritos para a ontologia e aplicando sobre ela o método de solução de problemas. Esse sistema gera como resultado o grau de compactação da rocha, cuja imagem foi assim descrita. Uma validação preliminar da abordagem foi realizada através da descrição de imagens de rochas fazendo uso do sistema desenvolvido, confrontando os resultados com os obtidos por um geólogo para as mesmas rochas observadas. Na metade das amostras descritas, o sistema atingiu o mesmo resultado do especialista e, na outra metade, obteve grande aproximação dos resultados. / In domains that have strong visual content, the image interpretation applying visual reasoning can be more effective in solving problems than the interpretation of pure textual or numeric data. However, the representation of visual knowledge is hard to be achieved since, most of time, we are dealing with implicit knowledge for the observer. The representation ontologies allow the creation of structures for assisting the capture of this kind of knowledge, in order to associate a symbolic representation and semantic meaning to what it being visualize. The formalization of the visual knowledge allows its application for inference process, resulting in the automatic interpretation of image. The goal of this work is the definition of ontological constructs that allow describing the visual aspects presented in an image, giving more emphasis in the evidences captured by visual attention than in the physical aspects of the objects. These aspects are associated to the physical objects as well as to the objects described in the domain knowledge level. Separate representation ontologies were defined for each level, making possible to associate specific semantic content to the objects through the description of the attributes and to keep the independence of the knowledge related to each level. The image level describes the objects that are possible of being extracted by image processing algorithms (although these algorithms were not studied in this work). The visual knowledge describes the objects that capture the visual attention, such as sections, interstices and borders. The semantic level describes the application objects elicited by knowledge acquisition methods. The identity of the modeled objects is guaranteed through the mapping relation defined between each two adjacent levels. The application domain of this work is the Sedimentary Petrography, with the goal of extracting by inference methods the porosity and permeability quality of petroleum reservoir-rocks. With the aid of the expert, a problem-solving method that reasons over the knowledge formalized through the proposed ontology was modeled for the identification of the compaction level of the rock. Furthermore, it was implemented a system that supports the description of the objects individualized through a manual segmentation of the image. The described data was mapped to the ontology and the problem-solving method was applied to define the level of compaction. A preliminary validation was developed comparing the results achieved by the system with the manual interpretation done by the expert with the same rock samples. With the half of the described samples the system achieved the same results of the expert and has got strong approximation in the other half.

Em domínios com forte conteúdo visual, a interpretação de imagens por raciocínio visual pode ser mais eficaz na solução de problemas do que a interpretação de dados puramente textuais ou numéricos. No entanto, a representação do conhecimento visual é difícil de ser realizada por tratar-se de um conhecimento implícito para o observador. As ontologias de representação possibilitam a criação de estruturas para auxiliar na captura desse tipo de conhecimento, de forma a atribuir uma representação simbólica e significado semântico ao que está sendo visualizado. A formalização do conhecimento visual permite a sua utilização em processos de inferência, resultando na interpretação automática da imagem. O objetivo deste trabalho é a definição de construtos ontológicos que permitam descrever aspectos visuais presentes em uma imagem, com ênfase na atenção visual mais do que nos aspectos físicos dos objetos. Esses aspectos visuais são associados aos objetos físicos da imagem bem como aos objetos descritos no nível do conhecimento de domínio. Para cada um dos níveis foi definida uma ontologia de representação, sendo assim possível atribuir semântica específica a esses objetos através da descrição de seus atributos e manter a independência do conhecimento relativo a cada nível. O nível da imagem descreve os objetos passíveis de serem extraídos por algoritmos de processamento de imagem (embora esses algoritmos não tenham sido foco de estudo neste trabalho). O nível visual descreve objetos que são foco da atenção visual, tais como seções, interstícios e contornos. O nível semântico descreve os objetos da aplicação capturados através de aquisição de conhecimento. A identidade dos objetos modelados é garantida através de relações de mapeamento entre cada dois níveis adjacentes. O domínio de aplicação deste trabalho foi a Petrografia Sedimentar, com o objetivo de extrair por inferência a qualidade em termos de porosidade e permeabilidade de rochas reservatório de petróleo. Com ajuda do especialista, foi modelado um método de solução de problemas para identificação do grau de compactação da rocha, que raciocina sobre os conhecimentos modelados utilizando a ontologia proposta. Foi implementado um sistema que permite a descrição dos objetos individualizados através da segmentação manual da imagem, mapeando os dados descritos para a ontologia e aplicando sobre ela o método de solução de problemas. Esse sistema gera como resultado o grau de compactação da rocha, cuja imagem foi assim descrita. Uma validação preliminar da abordagem foi realizada através da descrição de imagens de rochas fazendo uso do sistema desenvolvido, confrontando os resultados com os obtidos por um geólogo para as mesmas rochas observadas. Na metade das amostras descritas, o sistema atingiu o mesmo resultado do especialista e, na outra metade, obteve grande aproximação dos resultados. / In domains that have strong visual content, the image interpretation applying visual reasoning can be more effective in solving problems than the interpretation of pure textual or numeric data. However, the representation of visual knowledge is hard to be achieved since, most of time, we are dealing with implicit knowledge for the observer. The representation ontologies allow the creation of structures for assisting the capture of this kind of knowledge, in order to associate a symbolic representation and semantic meaning to what it being visualize. The formalization of the visual knowledge allows its application for inference process, resulting in the automatic interpretation of image. The goal of this work is the definition of ontological constructs that allow describing the visual aspects presented in an image, giving more emphasis in the evidences captured by visual attention than in the physical aspects of the objects. These aspects are associated to the physical objects as well as to the objects described in the domain knowledge level. Separate representation ontologies were defined for each level, making possible to associate specific semantic content to the objects through the description of the attributes and to keep the independence of the knowledge related to each level. The image level describes the objects that are possible of being extracted by image processing algorithms (although these algorithms were not studied in this work). The visual knowledge describes the objects that capture the visual attention, such as sections, interstices and borders. The semantic level describes the application objects elicited by knowledge acquisition methods. The identity of the modeled objects is guaranteed through the mapping relation defined between each two adjacent levels. The application domain of this work is the Sedimentary Petrography, with the goal of extracting by inference methods the porosity and permeability quality of petroleum reservoir-rocks. With the aid of the expert, a problem-solving method that reasons over the knowledge formalized through the proposed ontology was modeled for the identification of the compaction level of the rock. Furthermore, it was implemented a system that supports the description of the objects individualized through a manual segmentation of the image. The described data was mapped to the ontology and the problem-solving method was applied to define the level of compaction. A preliminary validation was developed comparing the results achieved by the system with the manual interpretation done by the expert with the same rock samples. With the half of the described samples the system achieved the same results of the expert and has got strong approximation in the other half.