Return to search

INFERÊNCIA DE ATIVIDADES CLÍNICAS NA ARQUITETURA CLINICSPACE A PARTIR DE PROPRIEDADES DO CONTEXTO / Clinical Activities Inference in the ClinicSpace Architecture using Context Properties

To improve the system usability and assist the user during the execution of their daily clinical tasks, were designed new components and services to realize the task inference in the ClinicSpace architecture. The ClinicSpace project, currently being developed by the GMob of the PPGI/UFSM, aims to build a pilot tool that allows the modeling of the clinical tasks by the physician and their automatic management. To model and develop an inference service to this architecture is the main goal of the work described in the current dissertation. To realize the task inference, were used the task execution history of each user together with the present characteristics of the environment during the tasks executions. In this way, is possible to trace the profile of each user, knowing which functionalities will be necessary for him in the near future. With the capture of the environment information during the task execution, was used the C4.5 algorithm to infer, foresee, the next task to be executed. Together with the constant environment monitoring, were detected patterns that allows suppose the future execution of a task, helping the system utilization. The system presents the inferred tasks as suggestion in the graphical interface to not take automatic decisions, taking the user role, predicting a general improvement in the system usability. To validate the developed architecture, were made performance analyses of the inference mechanism, resulting in a small interference of the execution time of the whole system. / De forma a melhorar a usabilidade do sistema e auxiliar o usuário durante a execução de suas tarefas clínicas cotidianas foram projetados novos componentes e serviços para realizar a inferência de tarefas na arquitetura ClinicSpace. O projeto ClinicSpace, em desenvolvimento no GMob do PPGI/UFSM, visa construir uma ferramenta-piloto que permita a programação das atividades clínicas pelo próprio médico e o gerenciamento automático destas. Modelar e implementar um serviço de inferência para essa arquitetura é o objetivo principal do trabalho descrito nesta dissertação. Como base para a inferência das tarefas de cada usuário, utilizou-se o histórico de execução de tarefas juntamente com as características presentes no ambiente durante a execução. Dessa forma, é possível traçar o perfil de cada usuário, conhecendo-se quais funcionalidades serão necessárias a ele no futuro. A partir da captura de informações do ambiente durante a execução das tarefas, foi utilizado o algoritmo C4.5 para inferir, prever, a próxima tarefa a ser executada. Em conjunto com o constante monitoramento do ambiente são detectados os padrões que levam a supor a execução futura de uma tarefa, auxiliando na utilização do sistema. A partir da tarefa inferida, o sistema a apresenta como sugestão na interface gráfica de forma a não tomar decisões automáticas em substituição ao papel do usuário, prevendo-se uma melhoria geral na usabilidade do sistema. Como forma de validação da arquitetura desenvolvida foram feitas análises de desempenho do mecanismo de inferência, obtendo-se o resultado de baixa interferência nos tempos de execução do sistema como um todo.

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.ufsm.br:1/5363
Date10 September 2010
CreatorsSouza, Marcos Vinícius Bittencourt de
ContributorsAugustin, Iara, Yamin, Adenauer Correa, Fontoura, Lisandra Manzoni
PublisherUniversidade Federal de Santa Maria, Programa de Pós-Graduação em Informática, UFSM, BR, Ciência da Computação
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Formatapplication/pdf
Sourcereponame:Repositório Institucional da UFSM, instname:Universidade Federal de Santa Maria, instacron:UFSM
Rightsinfo:eu-repo/semantics/openAccess
Relation100300000007, 400, 300, 300, 300, 300, 5b1e0fb6-84d4-496b-9ed8-36761f15b4bf, e0efe11c-91d7-4d3b-a8d4-67d8b8275dd4, a9ecc2e7-8d28-43d7-8da1-3a931d2895da, a1572ce7-cb50-457b-8ea3-b3a80143c9a0

Page generated in 0.0028 seconds