quinta-feira, 18 de outubro de 2007

Relação entre problemas, modelos, dados, informação e conhecimento?

Dados podem ser entendidos como factos, elementos brutos que são a matéria-prima da informação, informação esta que pode ser vista como dados providos de contexto, dotados de relevância e propósito, enquadrados com a realidade. O conhecimento, surge quando alguém dá uma interpretação à informação, um significado. Conhecimento é assim a interpretação que cada mente faz da informação.

Estes elementos são deveras importantes na tentativa de resolução dos problemas que surgem aos decisores. Estes problemas podem dividir-se em três tipos:

Problema computável: podem ser totalmente solucionados pelo computador, têm então uma solução lógica que se pode traduzir num modelo matemático, que dará origem a um algoritmo que em conjunto com uma estrutura de dados dará origem a um programa que levará à solução do problema. Podem assumir um carácter fácil ou difícil. Os fáceis são aqueles em que o algoritmo que os resolve tem complexidade em tempo polinomial. Os difíceis são aqueles em que o algoritmo é conhecido, só que demora tanto tempo a resolvê-los que se torna impraticável.
Problema computável --> modelo matemático --> algoritmo + estrutura de dados --> programa --> solução do problema

Problema semi-computável: Só se pode resolver parte do problema, através de um sub-modelo matemático que dará origem a uma heurística que também em conjunto com uma estrutura de dados levará a uma solução, contudo não passa de uma solução aproximada para o problema, que servirá de apoio à sua resolução.
Problema semi-computável --> sub-modelo matemático --> heurística + estrutura de dados --> programa à apoio à solução.

Problema não computável: aquele para o qual não existe um algoritmo que o resolva, isto é, não há forma de conseguir que o computador o resolva.

O modelo matemático é um conjunto de variáveis relacionadas entre si, sendo que cada uma representa um objecto, são uma abstracção da realidade.

O algoritmo é uma sequência lógica de passos que permite resolver o problema, este pode ser ou não praticável dependendo do tempo que leva a resolver a questão.

A heurística é uma sequência lógica de passos que conduz a uma solução aproximada do problema.

Evolução do Conceito de Sistema de Apoio à Decisão

Nos anos 70 os SAD eram considerados sistemas computacionais, que usavam bases de dados e de modelos, para auxiliar o processo de decisão. Este auxílio resultava da aplicação de técnicas computacionais às tarefas de gestão, de forma a melhorar as decisões.

"Decision support systems couple the intellectual resources of individuals with the capacities of the computer to improve the quality of decisions. It is a computer-based support system for management decision makers who deal with semi-structured problems."
Keen and Scoot-Morton, 1978

No início dos anos 80, o conceito de interactividade impôs-se e disciplinas como a investigação operacional e a psicologia cognitiva passaram a fazer parte da área dos SAD. Para Bonczek e tal (1980) um sistema de apoio à decisão é considerado um sistema computacional, constituído por tês componentes que interagem entre si:
- Um subsistema de comunicação entre o utilizador e os outros componentes do sistema;
- Um subsistema de conhecimento do domínio de aplicação do SAD;
- Um subsistema de processamento de problemas.

Este autor considera que o sistema deverá ajudar o decisor a resolver problemas não estruturados, não programáveis (ou semi-estruturados) e deverá possuir um mecanismo de interrogação interactivo que utiliza uma linguagem de fácil utilização e aprendizagem.

Sprague e Carlson encontraram algumas características comuns aos SAD:
- Têm por objectivo problemas menos estruturados e sub-especificados;
- Tentam combinar modelos ou técnicas analíticas com funções de acesso à base de dados;
- São fáceis de utilizar por pessoas não familiarizadas com a informática;
- Dão importância à flexibilidade e adaptabilidade com o objectivo de acompanhar as mudanças do domínio de aplicação dos processos de decisão;
- Apoiam mas não substituem o agente de decisão.

Kroenke (1989) definia SAD como “uma mistura efectiva de inteligência humana, tecnologia de informação e programas (software) que interagem em conjunto para resolver problemas complexos”.

DeSanctis em meados de 1980 considerava o SAD como “um sistema computacional interactivo que facilita a resolução de problemas não estruturados”.

Klein (1995) considera o SAD como “um programa de computador que fornece informações de um determinado domínio de aplicação por meio de modelos de decisão analíticos e acesso a base de dados, com o objectivo de suportar o agente de decisão, de uma forma eficaz, no processo de tomada de decisão em tarefas complexas e mal estruturadas”.

Turan (1995) define um SAD como “um sistema de informação computacional interactivo, flexível e adaptável, especialmente desenvolvido para suportar a resolução de problemas não estruturados como forma de melhorar a tomada de decisão”.

Os SAD são sistemas interactivos, baseados em computadores, que têm como objectivo principal ajudar os decisores a utilizar dados e modelos para identificar e resolver problemas, assim como a tomar decisões.

Os SAD providenciam um quadro para uso e análise de dados para a tomada de decisões de negócio efectivas e informadas. O objectivo principal das aplicações SAD é ceder informação para facilitar uma melhor tomada de decisões.
Os sistemas de apoio à decisão são empregues em contextos de decisões semi-estruturadas e não estruturadas; são sistemas para apoiar o decisor e não para o substituir; apoiam todas as fases do processo de tomada de decisão; focam a eficácia do processo de tomada de decisão em detrimento da eficiência; usam modelos e dados; facilitam a aprendizagem por parte do decisor; são sistemas interactivos e com interface fácil de utilizar; geralmente são desenvolvidos usando um processo evolutivo e iterativo; fornecem apoio a todos os níveis de gestão, desde o nível estratégico até ao operacional; conseguem apoiar decisões múltiplas independentes ou interdependentes; e apoiam contextos de tomada de decisão individual, em grupo e em equipa.
Um SAD é claramente uma ferramenta poderosa e está a tornar-se numa componente essencial na gestão. Espera-se que este tipo de sistemas apoie o decisor, alargando a sua capacidade de processar grandes volumes de informação ao longo do processo de tomada de decisão.

Benefícios
Um SAD alarga a possibilidade do decisor para processar informação e conhecimento, bem como contornar problemas grandes, complexos e demorados. Reduz o tempo de resposta da tomada de decisão. Melhora a fidedignidade de um processo de decisão e/ou resultado. Encoraja a exploração e descoberta por parte do decisor. Revela novas abordagens em relação ao espaço do problema e/ou contexto da decisão. Gera novas demonstrações no apoio à decisão ou na confirmação de suposições já existentes. Cria vantagem competitiva ou estratégia perante os concorrentes.

Limitações
Estes sistemas não são concebidos para conter talentos humanos, tais como criatividade, imaginação ou intuição. O seu poder é limitado pela tecnologia que o suporta, pela sua concepção, e pelo conhecimento que possui aquando do seu uso. As linguagens e comandos de interface ainda não são sofisticados o suficiente para permitir o processamento de língua natural. São sistemas normalmente concebidos para se reduzirem apenas a uma aplicação, inibindo assim a generalização a múltiplos contextos de tomada de decisão.

Em resumo, os SAD tornam o processo de decisão mais eficaz. Contudo, não podem superar ou prever as acções de um fraco decisor. O utilizador é que controla todo o processo, devendo assim, possuir conhecimento de quando usar um SAD, que SAD usar, e o mais importante, qual o grau de dependência em relação aos outputs e à informação obtida. O gestor deve ver o SAD como uma ferramenta com valor no processo de tomada de decisão em vez de um mecanismo em que ele próprio toma as decisões.
A qualidade e estrutura da base de dados do SAD determina, em larga escala, o sucesso desse SAD. Além da base de dados, um SAD possui uma base de modelo, que contém vários modelos estatísticos, financeiros, matemáticos e quantitativos, que o sistema usa para desempenhar uma variedade de análises. Uma base de modelo é o que diferencia um SAD de outros sistemas de informação. A capacidade de executar modelos individuais ou combinados, ou construir novos modelos, faz do SAD uma poderosa ferramenta de apoio na resolução de problemas. Os modelos de um SAD típico podem variar em número, tamanho e complexidade. Para gerir estes factores o SAD usa um Sistema de Gestão de Bases de Modelos.
A interface de um SAD é responsável por todas as interacções e comunicação com os utilizadores. Sem uma boa interface, o poder e a funcionalidade do SAD ficam comprometidos. Temos ainda de considerar duas componentes: a linguagem de comunicação e a linguagem de apresentação.
A linguagem de comunicação ou de acção lida com as actividades associadas com o diálogo directo entre utilizador e SAD.
A linguagem de apresentação é onde se reúne toda a acção, servindo de veículo de comunicação entre o SAD e o utilizador.

Primeira parte do Tpc de grupo Magda e Ruis

quinta-feira, 11 de outubro de 2007

Evolução Da Informação

Segundo a Wikipedia:
Dados na linguagem quotidiana significam informação. Contudo nas ciências exactas há uma clara distinção entre dados e informação. Os dados são uma dimensão desorganizada, quando os dados passam a ser organizados transformam-se em informação.
Os dados podem estar relacionados com a realidade ou com a ficção. Os dados sobre realidade consistem em enunciações. Uma grande parte destas enunciações corresponde a medidas ou observações de uma variável. Tais propostas podem abranger números, palavras ou imagens.

Um modelo sem dados não tem validade, são os dados que validam o modelo. Os dados não estão separados da estrutura, são complementares. Os dados, o contexto e o modelo estão em constante interacção.

Informação é o resultado do processamento, manipulação e organização de dados, de tal forma que represente um acréscimo ao conhecimento da pessoa que a recebe.
Informação analógica é aquela que os nossos sentidos ou os simuladores dos nossos sentidos podem captar.
Para haver informação tem de haver uma relação sem relação só temos dados.

Contexto é a relação entre o texto e a situação em que ele ocorre.

Uma relação é uma correspondência entre dois elementos.

Segundo a wikipedia:
Uma função é uma generalização da noção comum de "fórmula matemática". Funções descrevem relações matemáticas especiais entre dois objetos, x e y=f(x). O objeto x é chamado o argumento da função f e o objeto y que depende de x é chamado imagem de x pela f.

Analisar a informação passa por descobrir novas relações entre dados e explicita-las em formulas, trata-se de extrair o conhecimento.

No dicionário de Filosofia de Simon Blackburn, indução é um termo usado para designar qualquer processo de raciocínio que nos conduza de premissas empíricas a conclusões empíricas, que, apesar de apoiadas pelas premissas, não são dedutivamente deriváveis delas.
Assim, induzir é passar de um conjunto de hipóteses para uma conclusão que é compatível com essas hipóteses mas não pode ser deduzida delas a verdade das premissas não garante a verdade da conclusão.

Considera-se que um raciocínio é dedutivo quando, de uma ou mais premissas, se conclui uma proposição que é conclusão lógica da(s) premissa(s). A dedução é um raciocínio de tipo mediato, sendo o silogismo uma das suas formas clássicas.
Veja-se o exemplo (de raciocínio dedutivo/silogismo):
a)Todos os mamíferos são animais;
b)Todos os gatos são mamíferos;
c)Todos os gatos são animais.
A proposição c) conclui-se logicamente das duas anteriores, em que estava implícita.

Silogismo é um tipo de raciocínio dedutivo em que de duas proposições iniciais (as premissas) se infere uma terceira (a conclusão).

Metadados são frequentemente descritos como “dados sobre dados”. São informações adicionais necessárias para que os dados se tornem úteis. Em suma, metadados são um conjunto de características sobre os dados que não estão normalmente incluídas nos dados propriamente ditos.

Sabedoria: Os gregos (de que herdámos o vocábulo) distinguiam frequentemente o saber (episteme), entendido como conhecimento teórico, da sabedoria (sophia) -- conhecimento simultaneamente teórico e prático, ou seja, a sabedoria passa por usar o conhecimento. No seu significado etimológico, a palavra filosofia (que deriva de philos e de sophia) significa, por isso, “amor à sabedoria”.

Dados = Valor + Variável

Informação = Dados + Modelo Matemático

Conhecimento = Informação + Meta Modelo

Sabedoria = Conhecimento + Heurística

Meta Modelo é o modelo do modelo, o modelo do conhecimento, explica a informação, dá contexto à informação

Inteligência

Segundo a Enciclopédia Britânica a inteligência é a habilidade de se adaptar efectivamente ao ambiente, seja fazendo uma mudança em nós mesmos, mudando o ambiente ou encontrando um novo ambiente. Esta definição, abrangente, integra o indivíduo e as suas interacções com o meio. A inteligência deverá ser concebida como entidade multifactorial na medida em que envolve diversos processos tais como a linguagem, pensamento, memória, raciocínio, consciência e potencialidades para a aprendizagem. Assim, a inteligência não é um processo mental único, mas sim uma combinação de muitos processos mentais dirigidos à adaptação efectiva ao ambiente, prossegue a Enciclopédia Britânica.

O que existe em comum entre as diferentes perspectivas que procuram definir o conceito, é o facto de a inteligência remeter para processos e actividades mentais com uma finalidade adaptativa dirigindo-se à consecução de determinadas metas ou objectivos. Estes princípios de direcção, adaptação e de controlo estão já presentes nos trabalhos de Binet e Simon que distinguiam dois tipos de inteligência: a ideativa, caracterizada pela acção de palavras e ideias; e a instintiva mais ligada aos sentimentos.

Sternberg considera ainda que é importante considerar também as características activas e não meramente reactivas dos indivíduos, isto é, a relevância de o sujeito ser capaz de avaliar, seleccionar e modificar o ambiente em que se move. Assim, o conceito de inteligência fundamenta-se numa atitude activa face à identificação, análise e resolução de problemas produzindo actualizações e reconceptualizações constantes em função das especificidades e das relações estabelecidas com o contexto.

Sternberg (1990) procurando explorar compreender as relações da mente com o mundo interior e exterior propõe que as concepções de inteligência sejam interpretadas em função das metáforas que as originam. Assim, identifica sete metáforas: geográfica, computacional, biológica, epistemológica, antropológica, sociológica e, por fim, a metáfora dos sistemas.

Os estudos e investigações no domínio da inteligência podem também agrupar-se em torno de duas perspectivas distintas: teorias explícitas e teorias implícitas da inteligência (Faria & Fontaine, 1993).

As teorias explícitas fundamentam-se em investigações e construções experimentais sobre a inteligência valorizando ou acentuando as variáveis biológicas, a influência do meio/ contexto, a relação existente entre as duas e a evolução ou desenvolvimento dos processos. Neste âmbito existem três abordagens principais: a teoria factorial ou psicométrica, a teoria desenvolvimental e a teoria cognitivista ou do processamento da informação (Roazzi, Spinillo & Almeida, 1991).

As descrições sobre a inteligência podem também agrupar-se em torno de teorias implícitas que constituem construções mentais que qualquer sujeito, investigador ou leigo, pode desenvolver acerca da inteligência e que podem ser explicitadas (Faria & Fontaine, 1993, p. 471).
Estas perspectivas são sobretudo intraculturais e descritivas, e embora, por vezes, se baseiem em teorias científicas, não resultam de análises ou observações objectivas.
As teorias implícitas veiculam as representações das pessoas sobre a inteligência pelo que poderão ser consideradas teorias de significados, enquanto que as teorias explícitas procuram definir o que a inteligência é na realidade.

Assim, num estudo levado a cabo por Sternberg et al. (1981) constatou-se que para a grande maioria das pessoas a inteligência comporta três tipos de competências essenciais: competência para resolver problemas analisando-os adequadamente e interpretando e processando a informação com precisão; competência verbal; competência social. As representações pessoais de inteligência valorizam ainda a capacidade de definir, estabelecer e orientar a acção para metas e objectivos utilizando as competências intelectuais em contextos alargados e diversificados e não apenas em situações académicas (Sternberg, 1985b).

Ditas de outra forma as três competências acima referidas podem ser traduzidas nas seguintes capacidades:

Capacidade para enfrentar situações novas e de se adaptar a elas de uma forma rápida e eficiente;
Capacidade de utilizar, com eficácia, conceitos abstractos;
Capacidade de fazer relacionações e aprender rapidamente.


Thorndike chama a atenção para outros tipos de inteligência que não apenas a conceptual e lógica:

Inteligência Prática: revela-se ao nível da actividade concreta, envolvendo a manipulação de objectos. Manifesta-se empiricamente pela invenção, fabrico e uso de objectos, estando na base de respostas concretas aos problemas do quotidiano.

Inteligência Social: está na base dos relacionamentos sociais. Manifesta-se na vida relacional e social e na resolução de problemas interpessoais, recorrendo predominantemente à intuição.

Inteligência Conceptual: manifesta-se sobretudo na capacidade verbal e simbólica. Pressupõe o recurso de linguagem e manifesta-se nas capacidades de compreensão, raciocínio e resolução de problemas/ tomadas de decisão.

É difícil separa em três categorias distintas a inteligência prática, a social e a conceptual, dado que interagem de forma constante e construtiva.

O Pavilhão do Conhecimento fala-nos ainda de Inteligência fluida e cristalizada. Sendo que a inteligência fluida informa sobre a capacidade de lidarmos com um problema imediato. E a inteligência cristalizada é uma indicação de um repertório de conhecimentos, competências e de estratégias. A inteligência cristalizada é alcançada através da utilização da inteligência fluida em vários contextos.


INTELIGÊNCIA E INSTRUMENTOS DE MEDIDA

Binet e Simon criaram a Escala Métrica de Inteligência constituída por testes destinados a medir as capacidades mentais. O resultado obtido nos testes indicava a idade mental.
O termo Quociente de Inteligência (QI) é usado pela primeira vez por Stern. Numa nova versão, passa a ser denominada por Escala Stanford-Binet.

O QI é = idade mental (obtido nos testes) a dividir pela idade cronológica e multiplicado por 100.

Nos finais da década de 30, Wechsler apresenta a Escala de Inteligência de Wechsler para Adultos (WAIS).


Testes de Inteligência – A Polémica

Nas primeiras décadas do nosso século, ao serem utilizados de forma redutora e abusiva, os testes de inteligência conduziram ou justificaram a discriminação social e racial. Assiste-se na década de 60, a uma forte contestação ao modo como estes instrumentos de mediada eram utilizados.

Muitos psicólogos denunciam o facto de os testes terem justificado a institucionalização da ideia de que os diferentes grupos étnicos, raciais e sociais correspondiam a diferentes opiniões cognitivas, hereditariamente determinadas e reflectidas nos resultados QI.

É enfatizado o facto de os testes alimentarem preconceitos culturais ao utilizarem fundamentalmente a experiência da cultura ocidental.


COMPOSIÇÃO DA INTELIGÊNCIA

Abordagem Factorial

Spearman (1927) desenvolveu testes de vários tipos: de memória, de percepção, de fluência verbal e de lógica. Aos resultados obtidos pelos sujeitos, aplicou um método estatístico designado por análise factorial. Através deste meio seria possível estabelecer correlações entre as aptidões avaliadas pela aplicação dos testes.
Coloca a hipótese da existência de uma capacidade de inteligência geral – o factor G – que estaria subjacente aos factores específicos – factores S. Estes factores, corresponderiam a aptidões específicas, permitindo explicar que uma pessoa fosse mais dotada para certo tipo de actividades do que outras.
A inteligência geral – fundamentalmente hereditária – estaria na base de todos os actos intelectuais determinando por isso, a capacidade da pessoa.


A Concepção Factorial

Thurstone nas suas investigações não encontra fundamento para afirmar a existência do factor G.
Da análise dos resultados conclui que existiram sete aptidões mentais primárias ligadas a tarefas específicas:

Aptidões espaciais e visuais: capacidade de visualizar e compreender formas e relações espaciais;

Rapidez perceptual: capacidade para compreender rapidamente pormenores, semelhanças e diferenças entre os objectos, os estímulos;

Aptidão numérica: capacidade para fazer cálculos e resolver operações aritméticas;

Compreensão verbal: capacidade para compreender o significado das palavras;

Memória: capacidade para reter e recordar informação;

Fluidez Verbal: capacidade para compreender a linguagem oral e escrita;

Raciocínio: capacidade para tirar conclusões seguras a partir de afirmações gerais (raciocínio dedutivo) e para retirar conclusões gerais a partir de exemplos particulares (raciocínio indutivo).

Teoria das Inteligências Multiplas
Gardner considera que existem 7 tipos de inteligências:

Inteligência Linguística: aptidão verbal;

Inteligência Lógico-Matemática: aptidão para raciocinar;

Inteligência Espacial: aptidão para reconhecer e desenhar relações espaciais;

Inteligência Musical: aptidão para tocar instrumentos, cantar;

Inteligência Corporal-Cinestésica: aptidão para controlar movimentos de forma harmoniosa;

Inteligência Interpessoal: aptidão para compreender e responder adequadamente aos outros;

Inteligência Intrapessoal: aptidão para se compreender a si próprio.

RELAÇÃO ENTRE A INTELIGÊNCIA E DIVERSOS FACTORES

A inteligência depende da interacção entre hereditariedade e factores sociais.
As crianças, jovens e adultos são muito influenciados nos aspectos intelectuais pelas expectativas – positivas e negativas – feitas sobre eles, sobretudo pelas pessoas significativas como pais, professores e amigos.
Os sujeitos tendem a ajustar-se às expectativas.


INTELIGENCIA E CRIATIVIDADE

O pensamento tem duas vertentes a convergente e a divergente.
A convergente: existência de uma resposta ou conclusão que surge como única (dominado pela lógica e objectividade).
Divergente: exploração mental de soluções várias, diferentes e originais para um mesmo problema.


Criatividade


A criatividade apresenta três aspectos fundamentais:

Fluidez: conduz o criador a propor um grande número de soluções onde a maior parte dos indivíduos só encontra algumas;

Flexibilidade: qualidade que permite passar facilmente de uma categoria de coisas, ou de um aspecto de um problema, a outra, em vez de se limitar apenas a um ponto de vista;

Originalidade: constitui a característica por excelência da criatividade no sentido em que a obra criada resulta da síntese de uma nova combinação de ideias.

A criatividade também está intimamente ligada às condições do meio.

Estimar, Prever e Variáveis

Estimar e prever estão associados ao factor incerteza.

A estimativa é um descritor da realidade relacionado com o que não conseguimos ver nem medir, mas que temos de saber com urgência. Estimar é opinar a respeito de algo de que não se tem certeza.

Em estatistica, um estimador é uma função das observações, usada para estimar um parâmetro da população. Ao valor do estimador chama-se estimativa.

A previsão é um descritor do futuro, está directamente relacionada com o futuro.

As Variáveis podem ser instanciadas a valores, que sozinhos não têm qualquer significado, mas ao serem cruzados com a variável obtemos um dado, ou seja, um valor no seu contexto.

Variáveis são a abstracção de um objecto real e podem ser agrupadas num vector de variáveis.
Relações entre variáveis
Duas ou mais variáveis estão relacionadas se numa amostra de observações os valores dessas variáveis forem distribuídos de forma consistente. As variáveis estão relacionadas se os seus valores corresponderem sistematicamente uns aos outros para aquela amostra de observações.
Relações entre variáveis são abstracções, simplificações de relações da vida real.
Um caso particular das relações são as funções, ou seja, as funções são relações medíveis.
Um modelo matemático é um conjunto de variáveis e um conjunto de relações entre variáveis.

Um Modelo Matemático é a simulação de um sistema ou processo que é difícil de observar directamente, através de métodos descritivos, conceptuais, estatísticos ou outros. Assim um modelo matemático é uma representação ou interpretação simplificada da realidade, ou uma interpretação de um fragmento de um sistema, segundo uma estrutura de conceitos mentais ou experimentais.
Um modelo apresenta apenas uma visão ou cenário de um fragmento do todo.

Classificação

Uma tarefa de classificação consiste em associar um elemento a uma classe, de várias opções predefinidas.

Técnicas de classificação

Classificadores baseados em árvores de decisão
Uma árvore de decisão é um instrumento de apoio à tomada de decisão que consiste numa representação gráfica das alternativas disponíveis geradas a partir de uma decisão inicial. É uma árvore n-ária, em que cada nodo tem uma pergunta e n possíveis respostas. Cada resposta, induz uma travessia da correspondente sub árvore e assim em diante até que se atinja um nodo folha que apenas tenha uma resposta.

Redes neuronais
Nas redes neurais artificiais, a ideia é realizar o processamento de informações tendo como princípio a organização de neurónios do cérebro. Como o cérebro humano é capaz de aprender e tomar decisões baseadas na aprendizagem, as redes neurais artificiais devem fazer o mesmo. Assim, uma rede neural pode ser interpretada como um esquema de processamento capaz de armazenar conhecimento baseado em aprendizagem (experiência) e disponibilizar este conhecimento para a aplicação em questão.

Uma rede neural assemelha-se ao cérebro no sentido em que o conhecimento é obtido através de etapas de aprendizagem, e os pesos sinápticos são usados para armazenar o conhecimento. Sinapse é o nome dado à relação que se estabelece entre os neurónios. A estas relações são atribuídos valores, denominados pesos sinápticos. Desta forma as redes neuronais artificiais são constituídas por uma série de neurónios artificiais (ou virtuais) que através do seu relacionamento, vão criar uma rede de elementos de processamento.

A aprendizagem das redes neuronais consiste então em ajustar os pesos sinápticos, de forma, a que todos, ou quase todos, os exemplos sejam correctamente classificados.

Vizinho mais próximo
O algoritmo de classificação baseado no vizinho mais próximo (Nearest Neighbor – NN) consiste em descobrir o vizinho mais próximo de uma dada instância. O algoritmo (k-Nearest Neighbor – k-NN) funciona de forma semelhante mas procura os k vizinhos mais próximos do padrão de consulta, ao invés de apenas um único vizinho mais próximo.
O kNN classifica um dado elemento de acordo com as respectivas classes dos k vizinhos mais próximos. O algoritmo calcula a distância entre um dado elemento e os restantes e então ordena-os por ordem crescente de distância. Dos elementos ordenados seleccionam-se apenas os k primeiros, que servem de parâmetro para a regra de classificação.

K- means
Quando não existem protótipos específicos ou atributos ou critérios disponíveis, o projecto de classificadores é chamado de projecto não - supervisionado ou clustering. Um dos algoritmos destes projectos é o k-médias.

K-médias é um algoritmo de agrupamento iterativo que classifica objectos num determinado número predefinido K de grupos (clusters). Tem como função de classificação a distância do objecto ao centro do grupo (centróide). Minimiza a soma J de todas as distâncias euclidianas entre cada objecto e o seu centróide, segundo o critério dos mínimos quadrados

Classificadores Hierárquicos
Os algoritmos hierárquicos dividem-se em aglomerativos e divisivos, e em ambos os casos, a estrutura hierárquica, baseada na matriz de distâncias ou semelhanças, representa-se por um diagrama de árvore designado por dendrograma.



Segmentação pode ser comparada a uma tarefa de classificação sem classes predefinidas. O objectivo de uma tarefa de segmentação consiste em agrupar registos semelhantes e separar registos diferentes, ou seja, separar o diferente e agrupar o semelhante.

Descrição, Atributos e Descritores

Descrever corresponde ao processo através do qual se empregam os sentidos para captar uma realidade e transportá-la para as palavras.

A descrição permite criar uma imagem mental de um objecto, de uma pessoa, de uma situação, de uma emoção… não devemos enumerar todas as características do elemento descrito, mas sim aquelas que permitem distinguir esse elemento dos seus semelhantes.

Elementos básicos de uma descrição:
- Identificar os elementos; - Situar o elemento (no tempo e no espaço); - Qualificar o elemento através da atribuição de características e juízos.

A descrição pode ser objectiva ou subjectiva. É objectiva quando não contém as impressões do observador, e aproxima-se muito da realidade. É subjectiva quando tem os juízos de valor do observador.



Os atributos correspondem ao conjunto de dados que representam um ponto num espaço, são os elementos ou propriedades que caracterizam as entidades. Os atributos das entidades são preenchidos com valores que variam consoante cada entidade concreta. São esses valores que caracterizam e identificam cada entidade concreta perante as demais.

Os valores de um atributo podem estar compreendidos dentro de um determinado conjunto, este conjunto é o domínio do atributo.

Os domínios dos atributos são importantes para a definição de uma base de dados uma vez que, quando se definem os atributos de uma entidade num SGBD, estes assumem normalmente a forma de campos de uma tabela e é necessário indicar o tipo de dados que podem ser introduzidos em cada um desses atributos ou campos, o que tem a haver com os domínios dos atributos.

Os atributos podem ser:
Atributos atómicos: não é possível decompor este tipo de atributos em unidades mais elementares (idade).
Atributos compostos: são possíveis de decompor em parcelas mais elementares (nome = próprio; sobrenome).

Os descritores são os termos de indexação que consistem numa ou mais palavras representativas de um único conceito. São seguidos pelo seu bloco de palavras, que é constituído pelo conjunto completo de termos e notas associados ao descritor i.e., a estrutura hierárquica do termo. O significado de um descritor é dado pelo seu contexto, ou seja o bloco de palavras que lhe está adjacente.
Os descritores podem ser elementares, operacionais, medíveis, básicos…