Qualidade, sustentabilidade e FCS: o caso de uma IES privada no Brasil

Este trabalho de investigação foi realizado com o objetivo geral de se descobrir quais são os Fatores Críticos de Sucesso e os aspectos chaves de qualidade e sustentabilidade, a serem considerados no ensino de Engenharia de Produção em um IES privada no Brasil. No presente estudo de caso executou-se uma revisão teórica sistemática nas áreas temáticas da pesquisa, que propiciou a criação de um framework que define os 7 Fatores Críticos de Sucesso ao ensino de Engenharia de Produção, apontando sua divisão nas áreas de qualidade e sustentabilidade, e, por fim, a subdivisão em 6 subáreas de ações operacionais a serem consideradas pela gestão de IES para alcançar melhorias de desempenho em suas atividades. Posteriormente ao levantamento teórico, foi realizado o estudo de caso propriamente dito, que dividiu-se em duas etapas, uma qualitativa e uma quantitativa. Na primeira elaborou-se um roteiro de entrevista em profundidade aplicada a um terço do corpo docente do curso em estudo, captando a impressão destes sobre as temáticas em estudo voltadas à execução de suas atividades. Os dados obtidos foram organizados com o auxílio do software WebQDA, gerando ideias do que deve ser trabalhado para melhorar as condições e resultados do referido curso. A etapa quantitativa foi iniciada com a elaboração de um questionário on-line, desenvolvido a partir do enquadramento teórico e da informação obtida na parte qualitativa do estudo, que envolveu respostas de cerca de dois terços dos discentes de Engenharia de Produção. A informação foi recolhida através de um formulário disponibilizado pelo googledocs, e os resultados foram analisados com o auxílio do software SPSS, permitindo conhecer as expectativas e percepções dos alunos e, consequentemente, os gaps provenientes a serem trabalhados. Finalmente, o estudo revelou que para aspectos de qualidade, os pontos de tangibilidade, como infraestrutura geral, laboratórios técnicos específicos, cantina e biblioteca, precisam ser melhorados, e, para aspectos de sustentabilidade, surge a necessidade de melhorar as formas de divulgação do curso, captação de alunos e propostas para a retenção dos mesmos para outros cursos e projetos da IES. Deste modo, o trabalho desenvolvido atingiu seu objetivo e se mostrou válido para aplicações na IES e em outros cursos da mesma (com as devidas adaptações). Fica como recomendação final aplicar o estudo periodicamente para se captar as mudanças situacionais que ocorrerem, manter um controle eficiente dos aspectos estudados e gerar melhorias contínuas no curso estudado e na própria IES.

Contributos para a eficácia do clustering usando o tagging social

Nos últimos anos temos vindo a assistir a uma mudança na forma como a informação é disponibilizada online. O surgimento da web para todos possibilitou a fácil edição, disponibilização e partilha da informação gerando um considerável aumento da mesma. Rapidamente surgiram sistemas que permitem a coleção e partilha dessa informação, que para além de possibilitarem a coleção dos recursos também permitem que os utilizadores a descrevam utilizando tags ou comentários. A organização automática dessa informação é um dos maiores desafios no contexto da web atual. Apesar de existirem vários algoritmos de clustering, o compromisso entre a eficácia (formação de grupos que fazem sentido) e a eficiência (execução em tempo aceitável) é difícil de encontrar. Neste sentido, esta investigação tem por problemática aferir se um sistema de agrupamento automático de documentos, melhora a sua eficácia quando se integra um sistema de classificação social. Analisámos e discutimos dois métodos baseados no algoritmo k-means para o clustering de documentos e que possibilitam a integração do tagging social nesse processo. O primeiro permite a integração das tags diretamente no Vector Space Model e o segundo propõe a integração das tags para a seleção das sementes iniciais. O primeiro método permite que as tags sejam pesadas em função da sua ocorrência no documento através do parâmetro Social Slider. Este método foi criado tendo por base um modelo de predição que sugere que, quando se utiliza a similaridade dos cossenos, documentos que partilham tags ficam mais próximos enquanto que, no caso de não partilharem, ficam mais distantes. O segundo método deu origem a um algoritmo que denominamos k-C. Este para além de permitir a seleção inicial das sementes através de uma rede de tags também altera a forma como os novos centróides em cada iteração são calculados. A alteração ao cálculo dos centróides teve em consideração uma reflexão sobre a utilização da distância euclidiana e similaridade dos cossenos no algoritmo de clustering k-means. No contexto da avaliação dos algoritmos foram propostos dois algoritmos, o algoritmo da “Ground truth automática” e o algoritmo MCI. O primeiro permite a deteção da estrutura dos dados, caso seja desconhecida, e o segundo é uma medida de avaliação interna baseada na similaridade dos cossenos entre o documento mais próximo de cada documento. A análise de resultados preliminares sugere que a utilização do primeiro método de integração das tags no VSM tem mais impacto no algoritmo k-means do que no algoritmo k-C. Além disso, os resultados obtidos evidenciam que não existe correlação entre a escolha do parâmetro SS e a qualidade dos clusters. Neste sentido, os restantes testes foram conduzidos utilizando apenas o algoritmo k-C (sem integração de tags no VSM), sendo que os resultados obtidos indicam que a utilização deste algoritmo tende a gerar clusters mais eficazes.