Tese de mestrado integrado. Engenharia Informática e Computação. Universidade do Porto. Faculdade de Engenharia. 2011

Essa pesquisa tem como foco da investigação as classificações dos índios Wajãpi do Amapari (AP) sobre as plantas cultivadas, denominadas na língua nativa de temitãgwerã. A descrição e análise das formas de classificação das temitãgwerã são feitas a partir de dois grandes arcabouços teóricos: de um lado os estudos sobre taxonomias nativas, empreendidos pelo viés da antropologia cognitiva; de outro as proposições sobre um pensamento ameríndio, empreendidas pela etnologia propriamente. Essas duas linhas teóricas são convocadas a dialogar uma vez que se objetiva demonstrar que as classificações não são elaborações isoladas do pensamento, nem são elementos exclusivamente abstratos e intelectuais, mas fazem parte da experiência cotidianamente vivenciada. Assim, busca-se evidenciar as relações entre alguns sistemas de classificação wajãpi e aspectos cosmológicos, aspectos sociais, formas de transmissão de conhecimentos e formas de manejo agrícola. / The focal point of this research is the study of the systems that the Wajãpi Indians from Amapari (AP -Brazil) utilize to classify the plants that they cultivate, which are known as temitãgwerã in their language. The descriptions and analyses of these folk taxonomies are made with the support of two theoretical frameworks: from one hand the studies of folk taxonomies from a cognitive anthropology perspective and, from the other hand, taking into account the propositions about the Amerindian thought derived from the ethnology itself. In fact, these two theoretical lines should complement each other once it is intended to demonstrate that taxonomies are not isolated from others aspects of thought, neither are exclusively abstract or intellectual elements, but part of the experiences of the daily life. Therefore the major goal of this investigation is to show that folk taxonomies keep relations with cosmology aspects, sociology aspects, manners of knowledge transmission and agricultural management.

Mineração de Dados é um processo de natureza iterativa e interativa responsável por identificar padrões em grandes conjuntos de dados, objetivando extrair conhecimento válido, útil e inovador a partir desses. Em Mineração de Dados, Regras de Associação é uma técnica que consiste na identificação de padrões intrínsecos ao conjunto de dados. Essa técnica tem despertado grande interesse nos pesquisadores de Mineração de Dados e nas organizações, entretanto, a mesma possui o inconveniente de gerar grande volume de conhecimento no formato de regras, dificultando a análise e interpretação dos resultados pelo usuário. Nesse contexto, este trabalho tem como objetivo principal generalizar e eliminar Regras de Associação não interessantes e/ou redundantes, facilitando, dessa maneira, a análise das regras obtidas com relação à compreensibilidade e tamanho do conjunto de regras. A generalização das Regras de Associação é realizada com o uso de taxonomias. Entre os principais resultados deste trabalho destacam-se a proposta e a implementação do algoritmo GART e do módulo computacional RulEE-GAR. O algoritmo GART (Generalization of Association Rules using Taxonomies - Generalização de Regras de Associação usando Taxonomias) utiliza taxonomias para generalizar Regras de Associação. Já o módulo RulEE-GAR, além de facilitar o uso do algoritmo GART durante a identificação de taxonomias e generalização de regras, provê funcionalidades para analisar as Regras de Associação generalizadas. Os experimentos realizados, neste trabalho, mostraram que o uso de taxonomias na generalização de Regras de Associação pode reduzir o volume de um conjunto de regras. / Data Mining refers to the process of finding patterns in large data sets. The Association Rules in Data Mining try to identify intrinsic behaviors of the data set. This has motivated researchers of Data Mining and organizations. However, the Association Rules have the inconvenient of generating a great amount of knowledge in the form of rules. This makes the analysis and interpretation of the results difficult for the user. Taking this into account, the main objective of this research is the generalization and elimination of non-interesting and/or redundant Association Rules. This facilite the analysis of the rules with respect to the compreensibility and the size of the rule set. The generalization is realized using taxonomies. The main results of this research are the proposal and the implementation of the algorithm GART and of the computational module RulEE-GAR. The algorithm GART (Generalization of Association Rules using Taxonomies) uses taxonomies to generalize Association Rules. The module RulEE-GAR facilitates the use of the algorithm GART in the identification of taxonomies and generalization of rules and provide functionalities to the analysis of the generalized Association Rules. The results of experiments showed that the employment of taxonomies in the generalization of Association Rules can reduce the size of a rule set.

Para o sucesso do processo de mineração de dados é importante que o conhecimento extraí?do seja compreensível e interessante para que o usuário final possa utilizá-lo em um sistema inteligente ou em processos de tomada de decisão. Um grande problema, porém, é identificado quando a tarefa de mineração de dados denominada associação é utilizada: a geração de um grande volume de regras. Taxonomias podem ser utilizadas para facilitar a análise e interpretação das regras de associação, uma vez que as mesmas provêm uma visão de como os itens podem ser hierarquicamente classificados. Em função dessa hierarquia é possível obter regras mais gerais que representem um conjunto de itens. Dentro desse contexto, neste trabalho é apresentada uma metodologia para construção semi-automática de taxonomias, que inclui procedimentos automáticos e interativos para a realização dessa tarefa. Essa combinação possibilita a utilização do conhecimento do especialista e também o auxilia na identificação de grupos. Entre os principais resultados deste trabalho, pode-se destacar a proposta e implementação do algoritmo SACT (Semi-automatic Construction of Taxonomies - Construção Semi-automática de Taxonomias), que provê a utilização da metodologia proposta. Para viabilizar a utilização do algoritmo, foi desenvolvido o módulo computacional RulEESACT. Com o objetivo de viabilizar e analisar a qualidade da metodologia proposta e do módulo desenvolvido, foi realizado um estudo de caso no qual foram construída taxonomias para duas bases de dados utilizando o RulEE-SACT. Uma das taxonomias foi analisada e validada por uma especialista do domínio. Posteriormente, as taxonomias e as bases de transações foram fornecidas para dois algoritmos de generalização de regras de associação a fim de analisar a aplicação das taxonomias geradas / I n the data mining process it is important that the extracted knowledge is understandable and interesting to the final user, so it can be used to support in the decision making. However, the data mining task named association has one problem: it generates a big volume of rules. Taxonomies can be used to facilitate the analysis and interpretation of association rules, because they provide an hierarchical vision of the items. This hierarchy enables the obtainment of more general rules, which represent a set of items. In this context, a methodology to semi-automatically construct taxonomies is proposed in this work. This methodology includes automatic and interactives procedures in order to construct the taxonomies, using the specialist?s knowledge and also assisting in the identification of groups. One of the main results of this work is the proposal and implementation of the SACT (Semi-automatic Construction of Taxonomies) algorithm, which provides the use of the proposed methodology. In order to facilitate the use of this algorithm, a computational module named RulEE-SACT was developed. Aiming to analyze the viability and quality of the proposed methodology and the developed module, a case study was done. In this case study, taxonomies of two databases were constructed using the RulEE-SACT. One of them was analyzed and validated by a domain specialist. Then the taxonomies and the databases were supplied to two algorithms which generalize association rules, aiming to analyze the use of the generated taxonomies

Mineração de Dados é um processo de natureza iterativa e interativa responsável por identificar padrões em grandes conjuntos de dados, objetivando extrair conhecimento válido, útil e inovador a partir desses. Em Mineração de Dados, Regras de Associação é uma técnica que consiste na identificação de padrões intrínsecos ao conjunto de dados. Essa técnica tem despertado grande interesse nos pesquisadores de Mineração de Dados e nas organizações, entretanto, a mesma possui o inconveniente de gerar grande volume de conhecimento no formato de regras, dificultando a análise e interpretação dos resultados pelo usuário. Nesse contexto, este trabalho tem como objetivo principal generalizar e eliminar Regras de Associação não interessantes e/ou redundantes, facilitando, dessa maneira, a análise das regras obtidas com relação à compreensibilidade e tamanho do conjunto de regras. A generalização das Regras de Associação é realizada com o uso de taxonomias. Entre os principais resultados deste trabalho destacam-se a proposta e a implementação do algoritmo GART e do módulo computacional RulEE-GAR. O algoritmo GART (Generalization of Association Rules using Taxonomies - Generalização de Regras de Associação usando Taxonomias) utiliza taxonomias para generalizar Regras de Associação. Já o módulo RulEE-GAR, além de facilitar o uso do algoritmo GART durante a identificação de taxonomias e generalização de regras, provê funcionalidades para analisar as Regras de Associação generalizadas. Os experimentos realizados, neste trabalho, mostraram que o uso de taxonomias na generalização de Regras de Associação pode reduzir o volume de um conjunto de regras. / Data Mining refers to the process of finding patterns in large data sets. The Association Rules in Data Mining try to identify intrinsic behaviors of the data set. This has motivated researchers of Data Mining and organizations. However, the Association Rules have the inconvenient of generating a great amount of knowledge in the form of rules. This makes the analysis and interpretation of the results difficult for the user. Taking this into account, the main objective of this research is the generalization and elimination of non-interesting and/or redundant Association Rules. This facilite the analysis of the rules with respect to the compreensibility and the size of the rule set. The generalization is realized using taxonomies. The main results of this research are the proposal and the implementation of the algorithm GART and of the computational module RulEE-GAR. The algorithm GART (Generalization of Association Rules using Taxonomies) uses taxonomies to generalize Association Rules. The module RulEE-GAR facilitates the use of the algorithm GART in the identification of taxonomies and generalization of rules and provide functionalities to the analysis of the generalized Association Rules. The results of experiments showed that the employment of taxonomies in the generalization of Association Rules can reduce the size of a rule set.

Dentre as técnicas de mineração de dados encontra-se a associação, a qual identifica todas as associações intrínsecas contidas na base de dados. Entretanto, essa característica, vantajosa por um lado, faz com que um grande número de padrões seja gerado, sendo que muito deles, mesmo sendo estatisticamente aceitos, são triviais, falsos, ou irrelevantes à aplicação. Além disso, a técnica de associação tradicional gera padrões compostos apenas por itens contidos na base de dados, o que leva à extração, em geral, de um conhecimento muito específico. Essa especificidade dificulta a obtenção de uma visão geral do domínio pelos usuários finais, que visam a utilização/exploração de conhecimentos úteis e compreensíveis. Assim, o pós-processamento das regras descobertas se torna um importante tópico, uma vez que há a necessidade de se validar as regras obtidas. Diante do exposto, este trabalho apresenta uma abordagem de pós-processamento de regras de associação que utiliza conhecimento de domínio, expresso via taxonomias, para obter um conjunto de regras de associação generalizadas compacto e representativo. Além disso, a fim de avaliar a representatividade de padrões generalizados, é apresentado também neste trabalho um estudo referente à utilização de medidas de interesse objetivas quando aplicadas a regras de associação generalizadas. Nesse estudo, a semântica da generalização é levada em consideração, já que cada uma delas fornece uma visão distinta do domínio. Como resultados desta tese, foi possível observar que: um conjunto de regras de associação pode ser compactado na presença de um conjunto de taxonomias; para cada uma das semânticas de generalização existe um conjunto de medidas mais apropriado para ser utilizado na avaliação de regras generalizadas / The association technique, one of the data mining techniques, identifies all the intrinsic associations in database. This characteristic, which can be advantageous on the one hand, generates a large number of patterns. Many of these patterns, even statistically accepted, are trivial, spurious, or irrelevant to the application. In addition, the association technique generates patterns composed only by items in database, which in general implies a very specific knowledge. This specificity makes it difficult to obtain a general view of the domain by the final users, who aims the utilization/exploration of useful and comprehensible knowledge . Thus, the post-processing of the discovered rules becomes an important topic, since it is necessary to validate the obtained rules. In this context, this work presents an approach for post-processing association rules that uses domain knowledge, expressed by taxonomies, to obtain a reduced and representative generalized association rule set. In addition, in order to evaluate the representativeness of generalized patterns, a study referent to the use of objective interest measures when applied to generalized association rules is presented. In this study, the generalization semantics is considered, since each semantic provides a distinct view of the domain. As results of this thesis, it was possible to observe that: an association rule set can be compacted with a taxonomy set; for each generalization semantic there is a measure set that is more appropriate to be used in the generalized rules evaluation

Dentre as técnicas de mineração de dados encontra-se a associação, a qual identifica todas as associações intrínsecas contidas na base de dados. Entretanto, essa característica, vantajosa por um lado, faz com que um grande número de padrões seja gerado, sendo que muito deles, mesmo sendo estatisticamente aceitos, são triviais, falsos, ou irrelevantes à aplicação. Além disso, a técnica de associação tradicional gera padrões compostos apenas por itens contidos na base de dados, o que leva à extração, em geral, de um conhecimento muito específico. Essa especificidade dificulta a obtenção de uma visão geral do domínio pelos usuários finais, que visam a utilização/exploração de conhecimentos úteis e compreensíveis. Assim, o pós-processamento das regras descobertas se torna um importante tópico, uma vez que há a necessidade de se validar as regras obtidas. Diante do exposto, este trabalho apresenta uma abordagem de pós-processamento de regras de associação que utiliza conhecimento de domínio, expresso via taxonomias, para obter um conjunto de regras de associação generalizadas compacto e representativo. Além disso, a fim de avaliar a representatividade de padrões generalizados, é apresentado também neste trabalho um estudo referente à utilização de medidas de interesse objetivas quando aplicadas a regras de associação generalizadas. Nesse estudo, a semântica da generalização é levada em consideração, já que cada uma delas fornece uma visão distinta do domínio. Como resultados desta tese, foi possível observar que: um conjunto de regras de associação pode ser compactado na presença de um conjunto de taxonomias; para cada uma das semânticas de generalização existe um conjunto de medidas mais apropriado para ser utilizado na avaliação de regras generalizadas / The association technique, one of the data mining techniques, identifies all the intrinsic associations in database. This characteristic, which can be advantageous on the one hand, generates a large number of patterns. Many of these patterns, even statistically accepted, are trivial, spurious, or irrelevant to the application. In addition, the association technique generates patterns composed only by items in database, which in general implies a very specific knowledge. This specificity makes it difficult to obtain a general view of the domain by the final users, who aims the utilization/exploration of useful and comprehensible knowledge . Thus, the post-processing of the discovered rules becomes an important topic, since it is necessary to validate the obtained rules. In this context, this work presents an approach for post-processing association rules that uses domain knowledge, expressed by taxonomies, to obtain a reduced and representative generalized association rule set. In addition, in order to evaluate the representativeness of generalized patterns, a study referent to the use of objective interest measures when applied to generalized association rules is presented. In this study, the generalization semantics is considered, since each semantic provides a distinct view of the domain. As results of this thesis, it was possible to observe that: an association rule set can be compacted with a taxonomy set; for each generalization semantic there is a measure set that is more appropriate to be used in the generalized rules evaluation

Para o sucesso do processo de mineração de dados é importante que o conhecimento extraí?do seja compreensível e interessante para que o usuário final possa utilizá-lo em um sistema inteligente ou em processos de tomada de decisão. Um grande problema, porém, é identificado quando a tarefa de mineração de dados denominada associação é utilizada: a geração de um grande volume de regras. Taxonomias podem ser utilizadas para facilitar a análise e interpretação das regras de associação, uma vez que as mesmas provêm uma visão de como os itens podem ser hierarquicamente classificados. Em função dessa hierarquia é possível obter regras mais gerais que representem um conjunto de itens. Dentro desse contexto, neste trabalho é apresentada uma metodologia para construção semi-automática de taxonomias, que inclui procedimentos automáticos e interativos para a realização dessa tarefa. Essa combinação possibilita a utilização do conhecimento do especialista e também o auxilia na identificação de grupos. Entre os principais resultados deste trabalho, pode-se destacar a proposta e implementação do algoritmo SACT (Semi-automatic Construction of Taxonomies - Construção Semi-automática de Taxonomias), que provê a utilização da metodologia proposta. Para viabilizar a utilização do algoritmo, foi desenvolvido o módulo computacional RulEESACT. Com o objetivo de viabilizar e analisar a qualidade da metodologia proposta e do módulo desenvolvido, foi realizado um estudo de caso no qual foram construída taxonomias para duas bases de dados utilizando o RulEE-SACT. Uma das taxonomias foi analisada e validada por uma especialista do domínio. Posteriormente, as taxonomias e as bases de transações foram fornecidas para dois algoritmos de generalização de regras de associação a fim de analisar a aplicação das taxonomias geradas / I n the data mining process it is important that the extracted knowledge is understandable and interesting to the final user, so it can be used to support in the decision making. However, the data mining task named association has one problem: it generates a big volume of rules. Taxonomies can be used to facilitate the analysis and interpretation of association rules, because they provide an hierarchical vision of the items. This hierarchy enables the obtainment of more general rules, which represent a set of items. In this context, a methodology to semi-automatically construct taxonomies is proposed in this work. This methodology includes automatic and interactives procedures in order to construct the taxonomies, using the specialist?s knowledge and also assisting in the identification of groups. One of the main results of this work is the proposal and implementation of the SACT (Semi-automatic Construction of Taxonomies) algorithm, which provides the use of the proposed methodology. In order to facilitate the use of this algorithm, a computational module named RulEE-SACT was developed. Aiming to analyze the viability and quality of the proposed methodology and the developed module, a case study was done. In this case study, taxonomies of two databases were constructed using the RulEE-SACT. One of them was analyzed and validated by a domain specialist. Then the taxonomies and the databases were supplied to two algorithms which generalize association rules, aiming to analyze the use of the generated taxonomies

Essa pesquisa tem como foco da investigação as classificações dos índios Wajãpi do Amapari (AP) sobre as plantas cultivadas, denominadas na língua nativa de temitãgwerã. A descrição e análise das formas de classificação das temitãgwerã são feitas a partir de dois grandes arcabouços teóricos: de um lado os estudos sobre taxonomias nativas, empreendidos pelo viés da antropologia cognitiva; de outro as proposições sobre um pensamento ameríndio, empreendidas pela etnologia propriamente. Essas duas linhas teóricas são convocadas a dialogar uma vez que se objetiva demonstrar que as classificações não são elaborações isoladas do pensamento, nem são elementos exclusivamente abstratos e intelectuais, mas fazem parte da experiência cotidianamente vivenciada. Assim, busca-se evidenciar as relações entre alguns sistemas de classificação wajãpi e aspectos cosmológicos, aspectos sociais, formas de transmissão de conhecimentos e formas de manejo agrícola. / The focal point of this research is the study of the systems that the Wajãpi Indians from Amapari (AP -Brazil) utilize to classify the plants that they cultivate, which are known as temitãgwerã in their language. The descriptions and analyses of these folk taxonomies are made with the support of two theoretical frameworks: from one hand the studies of folk taxonomies from a cognitive anthropology perspective and, from the other hand, taking into account the propositions about the Amerindian thought derived from the ethnology itself. In fact, these two theoretical lines should complement each other once it is intended to demonstrate that taxonomies are not isolated from others aspects of thought, neither are exclusively abstract or intellectual elements, but part of the experiences of the daily life. Therefore the major goal of this investigation is to show that folk taxonomies keep relations with cosmology aspects, sociology aspects, manners of knowledge transmission and agricultural management.

Submitted by Verena Pereira (verenagoncalves@uefs.br) on 2018-07-16T21:58:45Z No. of bitstreams: 1 DISSERTA??O FINAL 2018 - I_Iraneia.pdf: 8376499 bytes, checksum: 3d565609f591304bfbc372d0f241281c (MD5) / Made available in DSpace on 2018-07-16T21:58:45Z (GMT). No. of bitstreams: 1 DISSERTA??O FINAL 2018 - I_Iraneia.pdf: 8376499 bytes, checksum: 3d565609f591304bfbc372d0f241281c (MD5) Previous issue date: 2017-12-18 / Recognizing the importance of the insertion of Astronomy in our daily life, this dissertation has as main characteristic, to promote a holistic and interdisciplinary learning to the contents of Physics and Biology in classes of 1st and 2nd year of the High School of the Lu?s Eduardo Magalh?es Model School in Feira de Santana. The problems related to the problems and difficulties in teaching science in high school are noted through reports cited in IDEB and PISA Research Against the background of the recommendations of the PCN +, supported by a STEM approach, support the proposal of this work, aimed at the development of activities promoting Science Teaching, anchored in technological and astronomical themes. Concerned with the legitimacy of distinguishing skills through the students' cognitive levels, the Marzano and SOLO Taxonomies were used for a hierarchical organization of cognitively organized learning objectives Following a contextualization of this theme, the activities were organized in structured tests of interest in the Research (ROSE); research and in-house study on relevant scientific topics in Astronomy and its related fields; survey of interdisciplinary issues related to Astronomy and Natural Sciences and their Technologies; development of support material structured in the form of Didactic Sequences; development of the Ares Project and culminating in the holding of the Science Fair; and creation of the interactive page on Facebook to publicize events and activities. As a result of more than two years of project development, statistical analyzes were performed for the validation of quantitative results, while a qualitative analysis is used for evaluations of cognitive taxonomic development. Both evaluations significantly showed that the project interventions produced a qualitatively and quantitatively relevant transformation in the learning and cognitive understanding process of the students, showing the relevance of the incorporation of contextualized S & T topics as motivating elements in the learning process / Reconhecendo a import?ncia da inser??o da Astronomia em nosso cotidiano, esta disserta??o tem como principal caracter?stica, promover uma aprendizagem hol?stica e interdisciplinar aos conte?dos de F?sica e Biologia em turmas de 1? e 2? anos do Ensino M?dio do Col?gio Modelo Lu?s Eduardo Magalh?es em Feira de Santana. A problem?tica relacionada ao problemas e dificuldades no ensino de Ci?ncias no Ensino M?dio s?o notadas atrav?s de relatos citados nas Pesquisas IDEB e PISA. Tendo como pano de fundo as recomenda??es dos PCN+, suportada por uma abordagem com metodologia STEM, suportam a proposta deste trabalho, destinado ao desenvolvimento de atividades promotoras do Ensino de Ci?ncias, ancoradas em temas tecnol?gicos e astron?micos. Preocupada com a legitimidade de distinguir habilidades atrav?s dos n?veis cognitivos dos estudantes foram empregadas as Taxonomias Marzano e SOLO para uma organiza??o hier?rquica dos objetivos de aprendizagem organizados cognitivamente. Seguindo uma contextualiza??o dessa tem?tica, as atividades foram organizadas em testes de interesse estruturados na Pesquisa (ROSE); pesquisa e estudo em sala sobre temas cient?ficos relevantes de Astronomia e suas ?reas afins; levantamento de quest?es interdisciplinares relacionado ? Astronomia e as Ci?ncias da Natureza e suas Tecnologias; desenvolvimento de material de suporte estruturados na forma de Sequ?ncias Did?ticas; desenvolvimento do Projeto Ares e culminando com a realiza??o de Feira de Ci?ncias; e cria??o da p?gina interativa no Facebook para divulga??o de eventos e atividades. Como resultados decorrentes dos mais de dois anos de desenvolvimento do projeto foram realizadas an?lises estat?sticas para a valida??o dos resultados quantitativos, enquanto que uma an?lise qualitativa ? usada para as avalia??es de desenvolvimento cognitivo taxon?mico. Ambas as avalia??es constataram significantemente que as interven??es do projeto produziram uma transforma??o relevante quali e quantitativamente no processo de aprendizagem e de compreens?o cognitiva dos estudantes, mostrando a relev?ncia da incorpora??o de tem?ticas contextualizadas em C&T como elementos motivadores no processo de aprendizagem