| Summary: | Dissertação (mestrado)—Universidade de Brasília, Faculdade de Economia, Administração, Contabilidade e Ciência da Informação e Documentação, Departamento de Ciência da Informação e Documentação, 2008. === Submitted by Jaqueline Oliveira (jaqueoliveiram@gmail.com) on 2008-12-02T15:17:53Z
No. of bitstreams: 1
DISSERTACAO_2008_HeliaDeSousaCRamos.pdf: 2175025 bytes, checksum: befb78b55511f15b89dd404aa64c76f4 (MD5) === Approved for entry into archive by Georgia Fernandes(georgia@bce.unb.br) on 2009-02-16T14:01:35Z (GMT) No. of bitstreams: 1
DISSERTACAO_2008_HeliaDeSousaCRamos.pdf: 2175025 bytes, checksum: befb78b55511f15b89dd404aa64c76f4 (MD5) === Made available in DSpace on 2009-02-16T14:01:35Z (GMT). No. of bitstreams: 1
DISSERTACAO_2008_HeliaDeSousaCRamos.pdf: 2175025 bytes, checksum: befb78b55511f15b89dd404aa64c76f4 (MD5) === Esta pesquisa aborda a aplicação da técnica de Descoberta de Conhecimento em
Texto (DCT) em bases de dados textuais (de conteúdos não-estruturados), repositórios de informações não evidentes, as quais podem se revelar importantes fontes de informação para aplicações diversas, envolvendo processos de tomada de decisão. O objetivo central da pesquisa é verificar a eficácia da DCT na descoberta de informações que possam apoiar a construção de indicadores úteis à tomada de decisão estratégica, assim como a definição de políticas públicas para a
microempresa. O estudo de caso foi o conteúdo textual do Serviço Brasileiro de
Respostas Técnicas (SBRT), um sistema de informação tecnológica na Web destinado ao setor produtivo, notadamente empreendedores, micro e pequenas
empresas, fruto de um esforço compartilhado entre governo, instituições de pesquisa, universidades e iniciativa privada. A metodologia adotada contempla a aplicação da DCT em 6.041 documentos extraídos do sistema de informação SBRT, para a qual foi utilizado o pacote de software SAS Data Mining Solution. A técnica utilizada foi a geração de agrupamentos de documentos a partir dos termos minerados na base de dados. Foram realizadas análises comparativas entre agrupamentos semelhantes e foi selecionado um dos agrupamentos para análise mais aprofundada. Os resultados dessas análises demonstram a eficácia do uso da
DCT para extrair informações ocultas em documentos textuais, as quais não
poderiam ser visualizadas a partir de recursos tradicionais de recuperação da
informação. Uma importante descoberta foi a de que a preocupação com o meio
ambiente é um forte componente nas demandas feitas pelos usuários do serviço
SBRT. Observou-se a possibilidade de se extraírem informações úteis para apoio à
construção de indicadores e à orientação de políticas internas à rede SBRT, assim
como para o setor de pequenas e médias empresas. Evidenciou-se, ainda, o potencial da DCT para subsidiar a tomada de decisão, podendo, inclusive, ser utilizada para fins de inteligência competitiva nas organizações.
_______________________________________________________________________________________ ABSTRACT === This research addresses the application of Knowledge Discovery in Texts (KDT) in
textual databases (of non-structural contents), repositories of non-evident information that can reveal to be important sources of information for several purposes involving decision-making processes. The main objective of the research is to verify the
effectiveness of KDT for discovering information that may support the construction of ST&I indicators useful for the strategic decision-making process, as well as for the
definition of public policies destined to microenterprises. The case study of the
research was the textual content of the Brazilian Service for Technical Answers
(Serviço Brasileiro de Respostas Técnicas – SBRT), a technological information
database, available in the Web, geared to the Brazilian production sector, specially
micro and small enterprises or entrepreneurs. SBRT is a shared effort accomplished
by government, research institutions, universities and the private sector. The
methodology adopted encompasses the application of KDT in 6.041 documents
extracted from SBRT database by using the SAS Data Mining Solution software
package. The technique adopted was document clustering from terms mined in the
database. A comparative analysis of similar clusters was carried out and one of the
clusters was selected to be subject of more profound investigation. The results of
these analyses demonstrate the efficacy of using KDT to extract hidden information –
that could not be found by using the traditional information retrieval – from textual
documents. An important discovery was that environmental concerns are strongly
present in the demands posted by SBRT’s users. It was observed the possibility to
extract useful information to construct ST&I indicators and to orient policies for SBRT
network and for the microenterprise sector as a whole. It was also evidenced the
potential of KDT to support decision-making processes in organizations, and, in
addition, to be used for competitive intelligence purposes.
|
|---|
