Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-11-07T16:54:43Z No. of bitstreams: 1 DANIEL BRUNO ALVES DOS SANTOS - TESE PPGEE 2015..pdf: 10968924 bytes, checksum: 74bc4c0d565359ae930b79a1277c7506 (MD5) / Made available in DSpace on 2018-11-07T16:54:43Z (GMT). No. of bitstreams: 1 DANIEL BRUNO ALVES DOS SANTOS - TESE PPGEE 2015..pdf: 10968924 bytes, checksum: 74bc4c0d565359ae930b79a1277c7506 (MD5) Previous issue date: 2015-11-11 / CNPq / O uso das redes sociais tem demonstrado enorme potencial para a criação, divulgação de informações e formação de opinião. Um dos problemas centrais que tem atraído a atenção de pesquisadores consiste em encontrar um conjunto inicial de usuários que, ao receberem algum incentivo, podem influenciar uma porção substancial da rede social para comprar um produto, adotar uma inovação ou propagar notícias. Este problema é denominado de Maximização de Influência. Embora avanços expressivos tenham sido alcançados desde a definição deste problema, a maior parte dos esforços tem sido concentrada em solucionar limitações de escalabilidade e de como aprender os parâmetros da solução. Como resultado, outros aspectos importantes foram pouco explorados, como, por exemplo, a relação de dependência entre a influência social e os tópicos de interesse dos usuários. Recentemente, essa questão tem sido abordada em um problema denominado de Maximização de Influência baseada em Tópicos, que consiste em encontrar um conjunto inicial de usuários com a habilidade de influenciar uma porção substancial de uma rede social em relação a um tópico específico. Todavia, as soluções propostas não são adequadas para redes sociais de larga escala e precisam incorporar mecanismos para determinar a influência social exercida entre os usuários em relação a cada tópico de interesse. Consequentemente, para estas abordagens, torna-se difícil ou mesmo inviável lidar de forma rápida e eficiente com as mudanças constantes na estrutura das redes sociais. Tal problema é particularmente relevante quando são considerados os tópicos de interesse dos usuários e a influência social que os mesmos exercem uns sobre os outros em cada tópico. Neste trabalho é proposta uma solução escalável baseada em mineração de dados sobre um registro de propagações de informações, com o objetivo de selecionar diretamente o conjunto inicial de usuários influentes em um determinado tópico, sem a necessidade de incorporar uma etapa anterior de aprendizagem de influência social relacionada a esse tópico. Como benefício adicional, o conjunto inicial de usuários obtido possui uma garantia de aproximação em relação à solução ótima. Por fim, é apresentada uma avaliação experimental sobre um conjunto de dados contendo propagações de informações de uma rede social real, onde são obtidas evidências de que a solução proposta mantém um custo-benefício entre escalabilidade e acurácia. / The use of social networks has shown great potential for information diffusion and formation of public opinion. One key problem that has attracted researchers' interest is how to find an initial set of users such that, when given an incentive, they might influence a substantial portion of the network to buy a product, adopt an innovation, or spread news. This problem is known as Influence Maximization. Although major improvements have been made since the íirst solution for this problem was developed, most of these efforts have been concerned on how to solve scalability issues and how to learn the solution parameters. As a result, other key aspects have gained minor interest, such as depending on relationship between social influence and users' topics of interest. Recently, this issue has been addressed as a problem known as Topic-based Influence Maximization, referring to finding a small set of users on a social network that have the ability to influence a substantial portion of users on a given topic. The proposed solutions, however, are not suitable for large-scale social networks and must incorporate mechanisms for determining social influence among users for each topic of interest. Consequently, for these approaches, it becomes difficult or even unfeasible to deal quickly and efficiently with constant changes in the structure of social networks. This problem is particularly relevant when the topics of interest of users and the social influence they exert on each other for every topic are considered together. In this work we propose a scalable solution that makes use of data mining based on an information propagation log, in order to directly select the initial set of influential users on a particular topic without needing to incorporate a previous learning stage of social influence with regard to that topic. As an additional benefit, the targeted seed set also offers an approximation guarantee of the optimal solution. Finally, an experimental evaluation is presented based on datasets containing information propagation data from real social networks where evidence has been found that the proposed solution maintains a trade-off between scalability and accuracy.

O número de documentos textuais disponíveis em formato digital tem aumentado incessantemente. Técnicas de Mineração de Textos são cada vez mais utilizadas para organizar e extrair conhecimento de grandes coleções de documentos textuais. Para o uso dessas técnicas é necessário que os documentos textuais estejam representados em um formato apropriado. A maioria das pesquisas de Mineração de Textos utiliza a abordagem bag-of-words para representar os documentos da coleção. Essa representação usa cada palavra presente na coleção de documentos como possível atributo, ignorando a ordem das palavras, informa ções de pontuação ou estruturais, e é caracterizada pela alta dimensionalidade e por dados esparsos. Por outro lado, a maioria dos conceitos são compostos por mais de uma palavra, como Inteligência Articial, Rede Neural, e Mineração de Textos. As abordagens que geram atributos compostos por mais de uma palavra apresentam outros problemas além dos apresentados pela representação bag-of-words, como a geração de atributos com pouco signicado e uma dimensionalidade muito maior. Neste projeto de mestrado foi proposta uma abordagem para representar documentos textuais nomeada bag-of-related-words. A abordagem proposta gera atributos compostos por palavras relacionadas com o uso de regras de associação. Com as regras de associação, espera-se identicar relações entre palavras de um documento, além de reduzir a dimensionalidade, pois são consideradas apenas as palavras que ocorrem ou que coocorrem acima de uma determinada frequência para gerar as regras. Diferentes maneiras de mapear o documento em transações para possibilitar a geração de regras de associação são analisadas. Diversas medidas de interesse aplicadas às regras de associação para a extração de atributos mais signicativos e a redução do número de atributos também são analisadas. Para avaliar o quanto a representação bag-of-related-words pode auxiliar na organização e extração de conhecimento de coleções de documentos textuais, e na interpretabilidade dos resultados, foram realizados três grupos de experimentos: 1) classicação de documentos textuais para avaliar o quanto os atributos da representação bag-of-related-words são bons para distinguir as categorias dos documentos; 2) agrupamento de documentos textuais para avaliar a qualidade dos grupos obtidos com a bag-of-related-words e consequentemente auxiliar na obtenção da estrutura de uma hierarquia de tópicos; e 3) construção e avaliação de hierarquias de tópicos por especialistas de domínio. Todos os resultados e dimensionalidades foram comparados com a representação bag-of-words. Pelos resultados dos experimentos realizados, pode-se vericar que os atributos da representação bag-of-related-words possuem um poder preditivo tão bom quanto os da representação bag-of-words. A qualidade dos agrupamentos de documentos textuais utilizando a representação bag-of-related-words foi tão boa quanto utilizando a representação bag-of-words. Na avaliação de hierarquias de tópicos por especialistas de domínio, a utilização da representação bag-of-related-words apresentou melhores resultados em todos os quesitos analisados / The amount of textual documents available in digital format is incredibly large. Text Mining techniques are becoming essentials to manage and extract knowledge in big textual document collections. In order to use these techniques, the textual documents need to be represented in an appropriate format to allow the construction of a model that represents the embedded knowledge in these textual documents. Most of the researches on Text Mining uses the bag-of-words approach to represent textual document collections. This representation uses each word in a collection as feature, ignoring the order of the words, structural information, and it is characterized by the high dimensionality and data sparsity. On the other hand, most of the concepts are compounded by more than one word, such as Articial Intelligence, Neural Network, and Text Mining. The approaches which generate features compounded by more than one word to solve this problem, suer from other problems, as the generation of features without meaning and a dimensionality much higher than that of the bag-of-words. An approach to represent textual documents named bag-of-related-words was proposed in this master thesis. The proposed approach generates features compounded by related words using association rules. We hope to identify relationships among words and reduce the dimensionality with the use of association rules, since only the words that occur and cooccur over a frequency threshold will be used to generate rules. Dierent ways to map the document into transactions to allow the extraction of association rules are analyzed. Dierent objective interest measures applied to the association rules to generate more meaningful features and to the reduce the feature number are also analyzed. To evaluate how much the textual document representation proposed in this master project can aid the managing and knowledge extraction from textual document collections, and the understanding of the results, three experiments were carried out: 1) textual document classication to analyze the predictive power of the bag-of-related-words features, 2) textual document clustering to analyze the quality of the cluster using the bag-of-related-words representation 3) topic hierarchies building and evaluation by domain experts. All the results and dimensionalities were compared to the bag-of-words representation. The results presented that the features of the bag-of-related-words representation have a predictive power as good as the features of the bag-of-words representation. The quality of the textual document clustering also was as good as the bag-of-words. The evaluation of the topic hierarchies by domain specialists presented better results when using the bag-of-related-words representation in all the questions analyzed

Este trabalho de mestrado insere-se no contexto do projeto de uma Ferramenta Inteligente de Apoio à Pesquisa (FIP), sendo desenvolvida no Laboratório de Inteligência Computacional do ICMC-USP. A ferramenta foi proposta para recuperar, organizar e minerar grandes conjuntos de documentos científicos (na área de computação). Nesse contexto, faz-se necessário um repositório de artigos para a FIP. Ou seja, um Data Warehouse que armazene e integre todas as informações extraídas dos documentos recuperados de diferentes páginas pessoais, institucionais e de repositórios de artigos da Web. Para suportar o processamento analítico on-line (OLAP) das informações e facilitar a ?mineração? desses dados é importante que os dados estejam armazenados apropriadamente. Dessa forma, o trabalho de mestrado teve como objetivo principal projetar um Data Warehouse (DW) para a ferramenta FIP e, adicionalmente, realizar experimentos com técnicas de mineração e Aprendizado de Máquina para automatizar o processo de indexação das informações e documentos armazenados no data warehouse (descoberta de tópicos). Para as consultas multidimensionais foram construídos data marts de forma a permitir aos pesquisadores avaliar tendências e a evolução de tópicos de pesquisa / This dissertation is related to the project of an Intelligent Tool for Research Supporting (FIP), being developed at the Laboratory of Computational Intelligence at ICMC-USP. The tool was proposed to retrieve, organize, and mining large sets of scientific documents in the field of computer science. In this context, a repository of articles becomes necessary, i.e., a Data Warehouse that integrates and stores all extracted information from retrieved documents from different personal and institutional web pages, and from article repositories. Data appropriatelly stored is decisive for supporting online analytical processing (OLAP), and ?data mining? processes. Thus, the main goal of this MSc research was design the FIP Data Warehouse (DW). Additionally, we carried out experiments with Data Mining and Machine Learning techniques in order to automatize the process of indexing of information and documents stored in the data warehouse (Topic Detection). Data marts for multidimensional queries were designed in order to facilitate researchers evaluation of research topics trend and evolution

O número de documentos textuais disponíveis em formato digital tem aumentado incessantemente. Técnicas de Mineração de Textos são cada vez mais utilizadas para organizar e extrair conhecimento de grandes coleções de documentos textuais. Para o uso dessas técnicas é necessário que os documentos textuais estejam representados em um formato apropriado. A maioria das pesquisas de Mineração de Textos utiliza a abordagem bag-of-words para representar os documentos da coleção. Essa representação usa cada palavra presente na coleção de documentos como possível atributo, ignorando a ordem das palavras, informa ções de pontuação ou estruturais, e é caracterizada pela alta dimensionalidade e por dados esparsos. Por outro lado, a maioria dos conceitos são compostos por mais de uma palavra, como Inteligência Articial, Rede Neural, e Mineração de Textos. As abordagens que geram atributos compostos por mais de uma palavra apresentam outros problemas além dos apresentados pela representação bag-of-words, como a geração de atributos com pouco signicado e uma dimensionalidade muito maior. Neste projeto de mestrado foi proposta uma abordagem para representar documentos textuais nomeada bag-of-related-words. A abordagem proposta gera atributos compostos por palavras relacionadas com o uso de regras de associação. Com as regras de associação, espera-se identicar relações entre palavras de um documento, além de reduzir a dimensionalidade, pois são consideradas apenas as palavras que ocorrem ou que coocorrem acima de uma determinada frequência para gerar as regras. Diferentes maneiras de mapear o documento em transações para possibilitar a geração de regras de associação são analisadas. Diversas medidas de interesse aplicadas às regras de associação para a extração de atributos mais signicativos e a redução do número de atributos também são analisadas. Para avaliar o quanto a representação bag-of-related-words pode auxiliar na organização e extração de conhecimento de coleções de documentos textuais, e na interpretabilidade dos resultados, foram realizados três grupos de experimentos: 1) classicação de documentos textuais para avaliar o quanto os atributos da representação bag-of-related-words são bons para distinguir as categorias dos documentos; 2) agrupamento de documentos textuais para avaliar a qualidade dos grupos obtidos com a bag-of-related-words e consequentemente auxiliar na obtenção da estrutura de uma hierarquia de tópicos; e 3) construção e avaliação de hierarquias de tópicos por especialistas de domínio. Todos os resultados e dimensionalidades foram comparados com a representação bag-of-words. Pelos resultados dos experimentos realizados, pode-se vericar que os atributos da representação bag-of-related-words possuem um poder preditivo tão bom quanto os da representação bag-of-words. A qualidade dos agrupamentos de documentos textuais utilizando a representação bag-of-related-words foi tão boa quanto utilizando a representação bag-of-words. Na avaliação de hierarquias de tópicos por especialistas de domínio, a utilização da representação bag-of-related-words apresentou melhores resultados em todos os quesitos analisados / The amount of textual documents available in digital format is incredibly large. Text Mining techniques are becoming essentials to manage and extract knowledge in big textual document collections. In order to use these techniques, the textual documents need to be represented in an appropriate format to allow the construction of a model that represents the embedded knowledge in these textual documents. Most of the researches on Text Mining uses the bag-of-words approach to represent textual document collections. This representation uses each word in a collection as feature, ignoring the order of the words, structural information, and it is characterized by the high dimensionality and data sparsity. On the other hand, most of the concepts are compounded by more than one word, such as Articial Intelligence, Neural Network, and Text Mining. The approaches which generate features compounded by more than one word to solve this problem, suer from other problems, as the generation of features without meaning and a dimensionality much higher than that of the bag-of-words. An approach to represent textual documents named bag-of-related-words was proposed in this master thesis. The proposed approach generates features compounded by related words using association rules. We hope to identify relationships among words and reduce the dimensionality with the use of association rules, since only the words that occur and cooccur over a frequency threshold will be used to generate rules. Dierent ways to map the document into transactions to allow the extraction of association rules are analyzed. Dierent objective interest measures applied to the association rules to generate more meaningful features and to the reduce the feature number are also analyzed. To evaluate how much the textual document representation proposed in this master project can aid the managing and knowledge extraction from textual document collections, and the understanding of the results, three experiments were carried out: 1) textual document classication to analyze the predictive power of the bag-of-related-words features, 2) textual document clustering to analyze the quality of the cluster using the bag-of-related-words representation 3) topic hierarchies building and evaluation by domain experts. All the results and dimensionalities were compared to the bag-of-words representation. The results presented that the features of the bag-of-related-words representation have a predictive power as good as the features of the bag-of-words representation. The quality of the textual document clustering also was as good as the bag-of-words. The evaluation of the topic hierarchies by domain specialists presented better results when using the bag-of-related-words representation in all the questions analyzed

O objetivo deste estudo in vitro foi avaliar a morfologia e a paralisação da progressão de lesões de cárie artificiais em esmalte após irradiação da superfície com laser de Er:YAG (KaVo Key II). A amostra (120 blocos de esmalte de dentes decíduos), submetida à ciclagem de pH durante 7 dias, foi divida aleatoriamente entre as fases experimentais. Na fase morfológica os espécimes receberam os seguintes tratamentos: controle (C), laser focado (LC), laser desfocado 3mm (L3), laser desfocado 6mm (L6), e foram preparados para microscopia eletrônica de varredura. Para avaliação da efetividade do laser os espécimes foram divididos entre 9 grupos experimentais: controle negativo (CN), controle positivo (CP), laser focado (LC), laser desfocado 3mm (L3), laser desfocado 6mm (L6), aplicação tópica de flúor (F), LC mais flúor (LCF), L3 mais flúor (L3F) e L6 mais flúor (L6F). Os grupos foram submetidos a novo desafio cariogênico (exceto grupo CN) seguido de preparo para microscopia de luz polarizada. Os dados obtidos foram analisados usando os testes estatísticos ANOVA e LSD. Imagens com lupa estereoscópica também foram realizadas e o resultado submetido aos testes estatísticos Qui-quadrado, Exato de Fisher e teste de concordância. A análise visual e morfológica mostrou ablação superficial da lesão de mancha branca irradiada no grupo LC, aumento de porosidade foi visualizado no grupo L3 assim como ausência de alteração morfológica no grupo L6. Os resultados da microscopia de luz polarizada mostraram que a irradiação do laser mais flúor impediu a progressão da cárie, nos grupos LCF, L3F e L6F e reduziu o corpo da lesão no grupo L6F. Pode-se concluir que a associação entre o laser de Er:YAG desfocado 6mm mais aplicação de flúor diminuiu a profundidade da lesão incipiente de cárie sem ocasionar alteração morfológica e que os demais grupos em que a associação entre laser e flúor estava presente foram efetivos na paralisação das lesões. / The aim of this in vitro study was to evaluate the morphological effects of Er:YAG laser (KaVo Key II) irradiation on artificial enamel caries lesions and its ability to arrest the progression of these lesions. The sample (120 enamel blocks from primary teeth) was previously submitted to pH-cycling and then randomly divided into the groups. In the morphological analysis, the specimens were subdivided into 4 groups: control (C), focused laser (LC), defocused laser 3mm (L3), defocused laser 6mm (L6) and then prepared for scanning electron microscopy. To evaluate the effectiveness of the laser on incipient caries lesions, the specimens were divided into 9 groups: negative control (NC), positive control (PC), focused laser (LC), defocused laser 3mm (L3), defocused laser 6mm (L6), topical fluoride application (F), LC and fluoride (LCF), L3 and fluoride (L3F) and L6 and fluoride (L6F). All groups were submitted once again to ph cycling (except NC) and prepared for polarized light microscopy. ANOVA and LSD statistical tests were used. Images were also observed under stereoscopic loupe and were submitted to Chi-square test, Fishers´ exact test and reproducibility assessment. Visual and morphological evaluations showed that superficial ablation was present on the artificial white spot caries lesions in group LC, porosity increase in group L3 and no morphological alteration in group L6. Results under polarized light microscopy showed that laser irradiation and fluoride was able to arrest the caries progression in groups LCF, L3F and L6F and reduce the lesion´s depth in L6F. In conclusion, it was detected that the association of Er:YAG defocused laser 6mm irradiation and fluoride was able to reduce the depth of the artificial incipient caries lesions without producing any morphological alteration and that the association of laser and fluoride was effective in arresting incipient caries lesions.

A mineração de textos vem de encontro à realidade atual de se compreender e utilizar grandes massas de dados textuais. Uma forma de auxiliar a compreensão dessas coleções de textos é construir taxonomias de tópicos a partir delas. As taxonomias de tópicos devem organizar esses documentos, preferencialmente em hierarquias, identificando os grupos obtidos por meio de descritores. Construir manual, automática ou semi-automaticamente taxonomias de tópicos de qualidade é uma tarefa nada trivial. Assim, o objetivo deste trabalho é construir taxonomias de tópicos em domínios de conhecimento restrito, por meio de mineração de textos, a fim de auxiliar o especialista no domínio a compreender e organizar os textos. O domínio de conhecimento é restrito para que se possa trabalhar apenas com métodos de aprendizado estatístico não supervisionado sobre representações bag of words dos textos. Essas representações independem do contexto das palavras nos textos e, conseqüentemente, nos domínios. Assim, ao se restringir o domínio espera-se diminuir erros de interpretação dos resultados. A metodologia proposta para a construção de taxonomias de tópicos é uma instanciação do processo de mineração de textos. A cada etapa do processo propôem-se soluções adaptadas às necessidades específicas de construçao de taxonomias de tópicos, dentre as quais algumas contribuições inovadoras ao estado da arte. Particularmente, este trabalho contribui em três frentes no estado da arte: seleção de atributos n-gramas em tarefas de mineração de textos, dois modelos para rotulação de agrupamento hierárquico de documentos e modelo de validação do processo de rotulação de agrupamento hierárquico de documentos. Além dessas contribuições, ocorrem outras em adaptações e metodologias de escolha de processos de seleção de atributos, forma de geração de atributos, visualização das taxonomias e redução das taxonomias obtidas. Finalmente, a metodologia desenvolvida foi aplicada a problemas reais, tendo obtido bons resultados. / Text mining provides powerful techniques to help on the current needs of understanding and organizing huge amounts of textual documents. One way to do this is to build topic taxonomies from these documents. Topic taxonomies can be used to organize the documents, preferably in hierarchies, and to identify groups of related documents and their descriptors. Constructing high quality topic taxonomies, either manually, automatically or semi-automatically, is not a trivial task. This work aims to use text mining techniques to build topic taxonomies for well defined knowledge domains, helping the domain expert to understand and organize document collections. By using well defined knowledge domains, only unsupervised statistical methods are used, with a bag of word representation for textual documents. These representations are independent of the context of the words in the documents as well as in the domain. Thus, if the domain is well defined, a decrease of mistakes of the result interpretation is expected. The proposed methodology for topic taxonomy construction is an instantiation of the text mining process. At each step of the process, some solutions are proposed and adapted to the specific needs of topic taxonomy construction. Among these solutions there are some innovative contributions to the state of the art. Particularly, this work contributes to the state of the art in three different ways: the selection of n-grams attributes in text mining tasks, two models for hierarchical document cluster labeling and a validation model of the hierarchical document cluster labeling. Additional contributions include adaptations and methodologies of attribute selection process choices, attribute representation, taxonomy visualization and obtained taxonomy reduction. Finally, the proposed methodology was also validated by successfully applying it to real problems

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 2016-04-27T16:58:27Z (GMT). No. of bitstreams: 1 Auriluci de Carvalho Figueiredo.pdf: 2619499 bytes, checksum: 2241abfdd5ba4c51913e0a7fd05a58bd (MD5) Previous issue date: 2007-10-29 / Centro Federal de Educação Tecnológica de São Paulo / Investigations have shown that difficulties experienced by students when dealing with topics of Algebra, across a range of schooling levels, may be rooted in certain conceptions of Algebra Education, either their own or those held by their teachers. These conceptions provide the basis for knowings held by teachers and students in Teaching Degree programs in Mathematics. Given the relevance of this link, the purpose of the present study was to identify knowings and conceptions related to Algebra Education deployed by teachers and students in a Teaching Degree program in Mathematics. To this end, a case study was conducted employing an ethnographic approach at a university located in the state of São Paulo, Brazil. The categorizations developed by Lee and Fiorentini et al. were the primary theoretical framework adopted to identify conceptions held by students and teachers in the program. The teaching-related knowings were analyzed based on two approaches: according to Tardif s perspective, in which the notion of knowing has a wider scope that encompasses, among other aspects, attitudes of professionals; and according to Shulman s perspective, which allows for identification of a repertoire of knowledge held by teachers related to mathematical contents, of which the elementary Algebra topics were our focus of interest. Data were collected from selected documents and by interviewing three 1st-year and five 2nd-year students along with four teachers, one of whom also acted as program coordinator. The Structural-fundamentalist conception (defined by Fiorentini et al.) proved predominant among the teachers, as did Algebra as Language (defined by Lee). Among students, the Linguistic-pragmatic conception (by Fiorentini et al.) and that of Generalized Arithmetic (by Lee) predominated. The investigation enabled identification of a potential for broadening knowings related to the teaching of elementary Algebra topics and linked to Algebra Education. Given that teachers and students lack knowings related to pedagogical, curricular, or content knowledge (defined by Shulman) needed for teaching elementary Algebra topics, across various schooling levels, the participants investigated generate some of the very difficulties they face. If the teachers and students interviewed are to overcome their current situation, they will need at least to enlarge their repertoire of knowings and concurrently examine a range of conceptions of Algebra and Algebra Education not only those available in the literature, but also those held by them. It is the author s belief that further studies involving the school community and carried out under the auspices of an institutional project represent a direction for future investigation. To this end, the present study provides a valuable contribution to the area / Pesquisas indicam que as dificuldades que estudantes vivenciam com tópicos de Álgebra, nos diversos segmentos de ensino, podem advir de determinadas concepções de Educação Algébrica, tanto próprias quanto de seus professores. Essas concepções são subjacentes a saberes de atores de cursos de Licenciatura em Matemática. Pela relevância de tal entrecruzamento, este estudo teve como objetivo detectar que saberes e que concepções de Educação Algébrica estão sendo mobilizados por atores de um curso de Licenciatura em Matemática. Para tanto realizamos um estudo de caso de natureza etnográfica em uma universidade localizada no estado de São Paulo. Para identificar as concepções dos atores desse curso, tomamos como principais referenciais teóricos as categorizações elaboradas por Lee e por Fiorentini et al. Os saberes docentes foram analisados a partir de dois enfoques: sob a ótica de Tardif, segundo a qual a noção de saber tem um sentido amplo que engloba, entre outros aspectos, as atitudes dos profissionais, e sob a ótica de Shulman, que permite identificar um repertório de conhecimento do professor ligado ao conteúdo matemático, no qual destacamos os tópicos algébricos elementares. As informações necessárias à investigação foram obtidas da análise de documentos selecionados e entrevistando-se três alunos de 1.o ano, cinco de 2.o e quatro professores, um dos quais era também o coordenador do curso. As concepções predominantes entre os professores entrevistados foram a Fundamentalista-estrutural (de Fiorentini et al.) e a de Álgebra como Linguagem (de Lee). Entre os alunos, predominaram as concepções Lingüístico-pragmática (de Fiorentini et al.) e de Aritmética Generalizada (de Lee). Esta investigação permitiu-nos vislumbrar a possibilidade de ampliação de saberes relativos ao ensino de tópicos algébricos elementares, que se vinculam a concepções de Educação Algébrica. Por sequer possuírem saberes relacionados aos conhecimentos pedagógicos, curriculares e de conteúdo (de Shulman) necessários à docência de tópicos elementares nos diversos segmentos de ensino, os atores do curso investigado geram algumas das dificuldades experimentadas. Para que esses atores ultrapassem essa condição, precisam, no mínimo, ampliar o repertório de seus saberes, ao mesmo tempo em que examinam concepções de Álgebra e de Educação Algébrica as da literatura e as próprias. Cremos que estudos envolvendo a comunidade escolar desenvolvidos pelo impulso de um projeto institucional possam concretizar tal proposta de investigação futura. Nesse sentido, o presente estudo pode oferecer sua contribuição

O objetivo deste estudo in vitro foi avaliar a morfologia e a paralisação da progressão de lesões de cárie artificiais em esmalte após irradiação da superfície com laser de Er:YAG (KaVo Key II). A amostra (120 blocos de esmalte de dentes decíduos), submetida à ciclagem de pH durante 7 dias, foi divida aleatoriamente entre as fases experimentais. Na fase morfológica os espécimes receberam os seguintes tratamentos: controle (C), laser focado (LC), laser desfocado 3mm (L3), laser desfocado 6mm (L6), e foram preparados para microscopia eletrônica de varredura. Para avaliação da efetividade do laser os espécimes foram divididos entre 9 grupos experimentais: controle negativo (CN), controle positivo (CP), laser focado (LC), laser desfocado 3mm (L3), laser desfocado 6mm (L6), aplicação tópica de flúor (F), LC mais flúor (LCF), L3 mais flúor (L3F) e L6 mais flúor (L6F). Os grupos foram submetidos a novo desafio cariogênico (exceto grupo CN) seguido de preparo para microscopia de luz polarizada. Os dados obtidos foram analisados usando os testes estatísticos ANOVA e LSD. Imagens com lupa estereoscópica também foram realizadas e o resultado submetido aos testes estatísticos Qui-quadrado, Exato de Fisher e teste de concordância. A análise visual e morfológica mostrou ablação superficial da lesão de mancha branca irradiada no grupo LC, aumento de porosidade foi visualizado no grupo L3 assim como ausência de alteração morfológica no grupo L6. Os resultados da microscopia de luz polarizada mostraram que a irradiação do laser mais flúor impediu a progressão da cárie, nos grupos LCF, L3F e L6F e reduziu o corpo da lesão no grupo L6F. Pode-se concluir que a associação entre o laser de Er:YAG desfocado 6mm mais aplicação de flúor diminuiu a profundidade da lesão incipiente de cárie sem ocasionar alteração morfológica e que os demais grupos em que a associação entre laser e flúor estava presente foram efetivos na paralisação das lesões. / The aim of this in vitro study was to evaluate the morphological effects of Er:YAG laser (KaVo Key II) irradiation on artificial enamel caries lesions and its ability to arrest the progression of these lesions. The sample (120 enamel blocks from primary teeth) was previously submitted to pH-cycling and then randomly divided into the groups. In the morphological analysis, the specimens were subdivided into 4 groups: control (C), focused laser (LC), defocused laser 3mm (L3), defocused laser 6mm (L6) and then prepared for scanning electron microscopy. To evaluate the effectiveness of the laser on incipient caries lesions, the specimens were divided into 9 groups: negative control (NC), positive control (PC), focused laser (LC), defocused laser 3mm (L3), defocused laser 6mm (L6), topical fluoride application (F), LC and fluoride (LCF), L3 and fluoride (L3F) and L6 and fluoride (L6F). All groups were submitted once again to ph cycling (except NC) and prepared for polarized light microscopy. ANOVA and LSD statistical tests were used. Images were also observed under stereoscopic loupe and were submitted to Chi-square test, Fishers´ exact test and reproducibility assessment. Visual and morphological evaluations showed that superficial ablation was present on the artificial white spot caries lesions in group LC, porosity increase in group L3 and no morphological alteration in group L6. Results under polarized light microscopy showed that laser irradiation and fluoride was able to arrest the caries progression in groups LCF, L3F and L6F and reduce the lesion´s depth in L6F. In conclusion, it was detected that the association of Er:YAG defocused laser 6mm irradiation and fluoride was able to reduce the depth of the artificial incipient caries lesions without producing any morphological alteration and that the association of laser and fluoride was effective in arresting incipient caries lesions.