Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico / Made available in DSpace on 2012-10-17T21:43:08Z (GMT). No. of bitstreams: 1
179118.pdf: 550076 bytes, checksum: cf3114e7753a9b44417ee50ed4b45657 (MD5) / Os avanços na Ciência e na Tecnologia (C&T) de uma nação cumprem papel decisivo no desenvolvimento de sua sociedade e na melhoria da qualidade de vida de sua população. Nas últimas décadas, o produto desses desenvolvimentos, aliado aos próprios avanços na área de Tecnologia da Informação (TI), permitiram a formação de grandes bases de dados em C&T. Nesse contexto, a área de TI viu o desenvolvimento da área de Extração de Conhecimento e de métodos de Mineração de Dados (MD), visando transformar massas de dados em conhecimento. O objetivo principal desta dissertação é demonstrar a viabilidade e a utilidade de técnicas de MD na elucidação de conhecimento a partir de informações constantes em bases de C&T. Para tal, aplicam-se técnicas de MD em processo de avaliação de grupos de pesquisa. Por meio de agrupamento não supervisionado (Rede Neural Kohonen), o trabalho classificou grupos de pesquisa em cinco classes, segundo critérios utilizados em algoritmo de avaliação parametrizado. O resultado aponta a coerência de classificação e, devido à natureza da técnica neural utilizada, permitiu a elucidação de regras exploratórias (Regras de Associação) que descrevem textualmente as características das classes encontradas pelo algoritmo neural. Como principal contribuição, a dissertação oferece meios tanto para trabalhos exploratórios de bases de C&T como amplia o conjunto de ferramentas atualmente disponível em processos de avaliação e gestão de C&T
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufsc.br:123456789/78977 |
| Date | January 2000 |
| Creators | Gonçalves, Alexandre Leopoldo |
| Contributors | Universidade Federal de Santa Catarina, Pacheco, Roberto Carlos dos Santos |
| Publisher | Florianópolis, SC |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | xiii, 119f.| grafs., tabs. |
| Source | reponame:Repositório Institucional da UFSC, instname:Universidade Federal de Santa Catarina, instacron:UFSC |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0016 seconds