Análise de processos de aprendizagem do tipo bottom-up e seus resultados nas organizações

Com este estudo procurou se identificar os resultados produzidos pela aprendizagem do tipo Bottom-Up (BU) em organizações, tendo-se em vista que as variáveis Cultura Organizacional de Aprendizagem (COA), Mecanismos de Coordenação e Integração (MCI) e Liderança (LID) podem interferir na relação entre o método de aprendizagem e os resultados obtidos pela organização. Para se compreender o fenômeno, após uma pesquisa bibliográfica, foi desenvolvido um estudo multicaso pela metodologia proposta por Yin (2009). Foram pesquisadas quatro organizações atuantes em segmentos distintos, nomeadas neste estudo como \"Empresa X\" (setor farmacêutico), \"Empresa Y\" (setor alimentício/franquia), \"Empresa Z\" (indústria e comércio de calçados) e \"Empresa W\" (setor farmacêutico). Nestas empresas foram inquiridos o Diretor, o Vendedor e os responsáveis pelo setor da inovação, produção, comercial, financeiro e RH. Os respondentes foram entrevistados e preencheram um questionário, além de ter existido coleta prévia de dados secundários para maior compreensão dos fatos relacionados às empresas. Como resultado, constatou-se que nos casos analisados, aparentemente existe uma combinação entre o fator MCI e os constructos LID e COA, que possibilita a existência da aprendizagem do tipo BU. Os resultados provenientes desta combinação tendem a se manifestar em termos financeiros, competitivos e mercadológicos. A combinação do fator e os constructos não necessariamente conduzem à inovatividade da organização.

GEOFIER: um sistema de anotação geográfica de textos com o uso de classificadores de aprendizagem de máquina.

A anotação geográfica de documentos consiste na adoção de metadados para a identificação de nomes de locais e a posição de suas ocorrências no texto. Esta informação é útil, por exemplo, para mecanismos de busca. A partir dos topônimos mencionados no texto é possível identificar o contexto espacial em que o assunto do texto está inserido, o que permite agrupar documentos que se refiram a um mesmo contexto, atribuindo ao documento um escopo geográfico. Esta Dissertação de Mestrado apresenta um novo método, batizado de Geofier, para determinação do escopo geográfico de documentos. A novidade apresentada pelo Geofier é a possibilidade da identificação do escopo geográfico de um documento por meio de classificadores de aprendizagem de máquina treinados sem o uso de um gazetteer e sem premissas quanto à língua dos textos analisados. A Wikipédia foi utilizada como fonte de um conjunto de documentos anotados geograficamente para o treinamento de uma hierarquia de Classificadores Naive Bayes e Support Vector Machines (SVMs). Uma comparação de desempenho entre o Geofier e uma reimplementação do sistema Web-a-Where foi realizada em relação à determinação do escopo geográfico dos textos da Wikipédia. A hierarquia do Geofier foi treinada e avaliada de duas formas: usando topônimos do mesmo gazetteer que o Web-a-Where e usando n-gramas extraídos dos documentos de treinamento. Como resultado, o Geofier manteve desempenho superior ao obtido pela reimplementação do Web-a-Where.