Geração de regras de extração de dados em páginas HTML

Existem vários trabalhos na área de extração de dados semi-estruturados, usando diferentes técnicas. As soluções de extração disponibilizadas pelos trabalhos existentes são direcionadas para atenderem a dados de certos domínios, considerando-se domínio o conjunto de elementos pertencentes à mesma área de interesse. Dada a complexidade e a grande quantidade dos dados semi-estruturados, principalmente dos disponíveis na World Wide Web (WWW), é que existem ainda muitos domínios a serem explorados. A maior parte das informações disponíveis em sites da Web está em páginas HTML. Muitas dessas páginas contêm dados de certos domínios (por exemplo, remédios). Em alguns casos, sites de organizações diferentes apresentam dados referentes a um mesmo domínio (por exemplo, farmácias diferentes oferecem remédios). O conhecimento de um determinado domínio, expresso em um modelo conceitual, serve para definir a estrutura de um documento. Nesta pesquisa, são consideradas exclusivamente tabelas de páginas HTML. A razão de se trabalhar somente com tabelas está baseada no fato de que parte dos dados de páginas HTML encontra-se nelas, e, como conseqüência, elimina-se o processamento dos outros dados, concentrando-se os esforços para que sejam processadas automaticamente. A pesquisa aborda o tratamento exclusivo de tabelas de páginas HTML na geração das regras de extração, na utilização das regras e do modelo conceitual para o reconhecimento de dados em páginas semelhantes. Para essa técnica, foi implementado o protótipo de uma ferramenta visual denominado Gerador de Regras de Extração e Modelo Conceitual (GREMO). GREMO foi desenvolvido em linguagem de programação visual Delphi 6.0. O processo de extração ocorre em quatro etapas: identificação e análise das tabelas de informações úteis em páginas HTML; identificação de conceitos para os elementos dos modelos conceituais; geração dos modelos conceituais correspondentes à página, ou utilização de modelo conceitual existente no repositório que satisfaça a página em questão; construção das regras de extração, extração dos dados da página, geração de arquivo XML correspondente aos dados extraídos e, finalmente, realimentação do repositório. A pesquisa apresenta as técnicas para geração e extração de dados semi-estruturados, as representações de domínio exclusivo de tabelas de páginas HTML por meio de modelo conceitual, as formas de geração e uso das regras de extração e de modelo conceitual.

Comunidades mediadas pela Internet : uma pesquisa multimétodos para estruturação de base conceitual e projeto de web sites

O objeto de estudo da presente pesquisa são as comunidades mediadas pela Internet (CMIs). Uma CMI consiste de um conjunto de pessoas que compartilham interesses e que, durante algum tempo, utilizam recursos em comum na Internet (por exemplo, um web site – objeto preferencial deste trabalho) para trocarem informações umas com as outras relativamente aos interesses compartilhados. A pesquisa realizada é exploratória e qualitativa, tendo feito uso de estudos de caso, pesquisa-ação e entrevistas em profundidade para estruturar uma base conceitual para as CMIs e reunir elementos relevantes a serem considerados quando da construção de web sites para as mesmas. Realizou-se estudo de caso de 5 (cinco) web sites de CMIs, a fim de serem identificadas as principais tecnologias e métodos em uso atualmente para a estruturação de web sites para CMIs. Na pesquisa-ação, 7 (sete) grupos de pessoas foram identificados e, para cada um, construiu-se 1 (um) web site, de modo que se ofereceu um espaço na Internet para a interação dos seus integrantes. A observação da interação das pessoas através dos web sites permitiu concluir-se que, dos sete grupos iniciais, apenas 1 (um) poderia ser caracterizado como CMI, conforme critérios de Jones (1997): associação sustentável, variedade de comunicadores, espaço virtual para a comunicação em grupo, e interatividade. Para as entrevistas em profundidade, elaborou-se um questionário com base no referencial teórico, nos estudos de caso e na pesquisa-ação, sendo aplicado a 17 (dezessete) pessoas (da única CMI e de dois dos sete grupos). O objetivo das entrevistas foi levantarem-se percepções sobre os web sites utilizados pelos grupos, percepções essas que, sob análise de conteúdo, ajudaram na formação de um conjunto de 12 (doze) recomendações para a construção de web sites para CMIs. As recomendações são de natureza diversa, mas deixam clara a necessidade de haver um entendimento profundo do contexto de uma CMI previamente ao projeto do seu web site.

A interatividade como medida de eficiência : um estudo sobre efeitos cognitivos resultantes da interação com web sites e suas implicações para o marketing da web

A pesquisa realizada avalia a relação entre o projeto de um Web Site1 comercial e o Flow, e a influência desse estado cognitivo sobre a comunicação de marketing do Site. É desenvolvida a partir de três perspectivas: perspectiva tecnológica do meio, mercadológica da organização e psicológica do usuário. O enfoque da pesquisa está voltado para a perspectiva humana, onde sugere que o Flow, um estado cognitivo decorrente de um processo de interação, traz reflexos positivos às comunicações de marketing de Web Sites comerciais. As três hipóteses levantadas para responder a questão de pesquisa são: H1: As características do design gráfico e arquitetura do Web Site influenciam no nível da experimentação do Flow. H2: O usuário que experimenta o Flow interage com mais profundidade com o ambiente mediado, visitando mais páginas e permanecendo mais tempo no Web Site e, por conseqüência, ficando mais exposto as comunicações emanadas pelo Site. H3: A experimentação do Flow aumenta a probabilidade do usuário avaliar positivamente o Site, aumenta a sua predisposição em retornar ao Site ou recomendá-lo a terceiros. A pesquisa empregou um método quase experimental, utilizando como instrumento um site experimental e para os testes e análises um grupo de teste e um grupo de controle. Os resultados obtidos concluem que, primeiro, as características do design e da 1 Os termos em língua inglesa apresentados ao longo deste trabalho encontram-se no glossário. VIII arquitetura do Web Site estimulam a experimentação do Flow. Segundo, o indivíduo que experimenta o fenômeno detém-se por mais tempo no Site. E terceiro, o usuário que experimenta o Flow tende a uma atitude positiva em relação ao Site.

Um estudo sobre a demanda de informações em sites web : o caso de uma unidade de pesquisa de uma empresa de P&D para o agronegócio brasileiro

Foi realizado um estudo de caso exploratório, visando mapear a demanda por informações em um site Web mantido por uma organização de P&D para o agronegócio. Os dados utilizados consistiram na seqüência de clicks (clickstream) realizados por visitantes entre as páginas do site, e nas palavras-chave (keywords) inseridas no seu mecanismo de busca. Procurou-se abordar a análise considerando as estatísticas gerais de acesso oriundas do domínio ".br", as primeiras ações dos visitantes ao acessar a página principal e as necessidades explícitas por informações, simbolizadas pelas palavras-chaves utilizadas para busca no site. A discussão dos resultados foi orientada à descoberta de conhecimentos que pudessem elevar o nível de personalização e customização do site estudado, ressaltando-se, entre os quais, o mapeamento das origens das visitas ao site, da distribuição das sessões ao longo de diferentes janelas de tempo, das preferências primárias de navegação dos visitantes através dos links do site e das necessidades explícitas por informação relacionada ao tema do site. Considerando o contexto atual, onde cada vez mais as organizações tenderão a buscar e interagir com clientes e parceiros através da Web, pode-se concluir que o estudo revelou aspectos úteis relacionados as atividades de transferência de tecnologia e marketing para a organização em estudo.

Personalização de interfaces web para sites institucionais com base em perfis de usuários

A crescente utilização de computadores e a popularização da Internet contribuem cada vez mais para que usuários não especialistas em informática tenham acesso a sistemas computacionais. Tais usuários possuem diferentes habilidades, formações e idades que devem ser levadas em consideração no projeto de uma boa interface. No entanto, no projeto de interfaces web é muito difícil identificar essas características do público alvo, tendo em vista que ele é bastante diversificado. Assim, construir uma interface que atenda os requisitos de todos os usuários de um site não é uma tarefa fácil. Se o projetista tivesse uma maneira de conhecer o seu público, grande parte dos problemas de interação entre usuário e interface poderiam ser resolvidos. Assim, a fim de auxiliar na tarefa de conhecer o público que um site possui, várias técnicas estão disponíveis. Independente das características dos usuários de sites web, a sua principal necessidade consiste em encontrar a informação desejada de modo fácil e rápido. Ainda que seja possível identificar o comportamento de todos os usuários em um site, torna-se difícil disponibilizar informações de forma clara e simples para todos. Para isto, um site adaptativo, que se ajusta automaticamente a cada usuário de acordo com seus padrões de comportamento, é muito útil. Sites adaptativos são desenvolvidos com base em técnicas que auxiliam o projetista na tarefa de personalizar páginas web e, por este motivo, são chamadas de técnicas de personalização. O objetivo desta dissertação é investigar, desenvolver e experimentar uma técnica de personalização de interfaces web voltada especificamente para sites institucionais. Este tipo de site é voltado à divulgação de produtos e serviços de uma instituição e, normalmente, é composto por um grande número de páginas estruturadas de acordo com a estrutura organizacional da instituição. Essa característica permite o agrupamento de usuários por funções ou cargos. A técnica proposta neste trabalho é baseada em perfis de usuários, onde a personalização ocorre em dois níveis: nível de grupos de usuários e nível de usuários individuais, denominados respectivamente de macro perfil e micro perfil. Um estudo de caso realizado na intranet da Agência Nacional de Telecomunicações – ANATEL foi utilizado para aprimorar e validar a técnica. Foi desenvolvido um protótipo de site institucional personalizado, o qual foi disponibilizado, utilizado e avaliado por um grupo de usuários previamente selecionados. O processo de construção do protótipo assim como da avaliação e seus resultados são também descritos neste trabalho.

O valor para o consumidor virtual : análise da utilização da internet por meio de web sites de empresas

A rápida expansão da Internet vem trazendo conseqüências substanciais para a sociedade, na forma como as pessoas se relacionam, estudam, trabalham, adquirem e consomem produtos e serviços. Para as empresas é inquestionável a importância da adequação deste novo meio aos seus compostos de marketing, principalmente no sentido de estabelecer um canal de comunicação que possa conectá-las ainda mais aos seus clientes. Porém, para que esta aproximação ocorra, é necessário que sejam conhecidos os desejos e valores que norteiam e influenciam o processo de compra do consumidor online. Esta dissertação busca, justamente, uma aproximação entre estas duas questões: por um lado, as iniciativas de marketing das empresas, por meio de seus Web sites; por outro, os valores que influenciam o comportamento dos consumidores virtuais. O objetivo consiste em comparar as ações de marketing realizadas pelas empresas, por meio de seus Web sites, com o valor para o cliente manifestado pelos consumidores. Para atingir tal objetivo, optou-se por um estudo com múltiplas fontes de coletas de dados e triangulação de dados na análise. Primeiramente, foram realizadas entrevistas pessoais, individuais e em profundidade com 05 (cinco) consumidores de Internet, visando identificar os valores subjetivos relacionados ao consumo no ambiente online. Nesta fase da pesquisa foi utilizado o Modelo de Valor para o Cliente de Woodruff e Gardial (1996). Em seguida, foram analisados Web sites de empresas, a fim de detectar a coerência existente entre os pontos considerados de valor pelos consumidores e as estratégias e ações efetivamente implementadas pelas empresas. Optou-se pela utilização do modelo de Ho (1997), cujo trabalho propõe um método de avaliação de Web sites a partir da perspectiva de valor criado para o consumidor. Os resultados demonstraram que, apesar do crescimento da Internet, alguns desses valores ainda estão latentes, com pouca ou nenhuma iniciativa das empresas no sentido de supri-los.

Uma Infra-estrutura para controle de versões e adaptação de páginas web

Conforme os sites Web crescem em número de páginas, sua manutenção torna-se mais complicada. Assim, os administradores dos sites de métodos e ferramentas que tornem sua manutenção mais organizada e automatizada. Entretanto, a criação de tais mecanismos é dificultada pelo formato das páginas Web (HTML), que mistura o conteúdo e a formatação da página em um mesmo arquivo. Uma solução usual para esse problema é separar estes componentes da página em documentos XML (conteúdo) e folhas de estilo XSLT (formatação). Pode-se notar várias semelhanças entre páginas Web e programas de computador (software), pois ambos têm componentes de tipos diferentes que evoluem com o tempo. Assim, técnicas oriundas da área de Gerência de Configuração de Software, como controle de versões, podem ser adaptadas para auxiliar a manuutenção de sites. Além da melhoria na manutenção, outra necessidade cada vez mais comum aos sites é a adaptação automática das páginas. Por meio desta, páginas podem ser automaticamente adequadas (adaptadas) e determinado usuário, o que potencialmente atrai um maior número de visitantes ao site. Se forem mantidas versões de cada componente de página, pode-se combiná-las para gerar muitas páginas alternativas. Através da escolha cuidadosa das versões dos ocmponentes que compõem uma página, é possível obter páginas adaptadas automaticamente. Na área de Gerência de Configuração de Software, o chamado proceesso de configuração é responsável por selecionar automaticamente versões de módulos para compor um programa completo. O presente trabalho propõe uma infra-estrutura para um servidor Web que realiza controle de versões e suporta a adaptação de páginas Web de forma transparente ao visitante. Para tanto, é projetado um modelo de versões de páginas que separa conteúdo e formatação em componentes distintos. É proposto um processo de configuração que é responsável pela geração de páginas dinâmicas, o que é suportado por informações presentes no modelo de versões. Os autores de páginas e o próprio servidor Web podem interferir nas escolhas doprocesso de configuração, fornecendo critérios de seleção de versões. Esses critérios guiam as escolhas do processo de configuração, pois representam características que as versões escolhidas devem (necessariamente ou preferencialmente) apresentar.

Access Miner : uma proposta para a extração de regras de associação aplicada à mineração do uso da web

Este trabalho é dedicado ao estudo e à aplicação da mineração de regras de associação a fim de descobrir padrões de navegação no ambiente Web. As regras de associação são padrões descritivos que representam a probabilidade de um conjunto de itens aparecer em uma transação visto que outro conjunto está presente. Dentre as possibilidades de aplicação da mineração de dados na Web, a mineração do seu uso consiste na extração de regras e padrões que descrevam o perfil dos visitantes aos sites e o seu comportamento navegacional. Neste contexto, alguns trabalhos já foram propostos, contudo diversos pontos foram deixados em aberto por seus autores. O objetivo principal deste trabalho é a apresentação de um modelo para a extração de regras de associação aplicado ao uso da Web. Este modelo, denominado Access Miner, caracteriza-se por enfocar as etapas do processo de descoberta do conhecimento desde a obtenção dos dados até a apresentação das regras obtidas ao analista. Características específicas do domínio foram consideradas, como a estrutura do site, para o pósprocessamento das regras mineradas a fim de selecionar as potencialmente mais interessantes e reduzir a quantidade de regras a serem apreciadas. O projeto possibilitou a implementação de uma ferramenta para a automação das diversas etapas do processo, sendo consideradas, na sua construção, as características de interatividade e iteratividade, necessárias para a descoberta e consolidação do conhecimento. Finalmente, alguns resultados foram obtidos a partir da aplicação desta ferramenta em dois casos, de forma que o modelo proposto pôde ser validado.