Análise do desempenho das relações interorganizacionais em arranjos produtivos locais: uma contribuição da análise fatorial exploratória à metodologia da REDESIST no estudo do perfil das relações interorganizacionais desenvolvidas no arranjo produtivo mínero-metalúrgico em Barcarena/PA, no período 2002/2005

Este trabalho tem como objetivo apresentar um estudo das relações inter-firmas estabelecidas entre empresas mínero-metalúrgicas localizadas no distrito industrial do município de Barcarena, no estado do Pará, a partir da análise das interações entre as empresas centrais e suas redes de fornecedores e subcontratados, que operacionalizam o beneficiamento e a exportação de subprodutos dos minerais bauxita e caulim. Segundo as abordagens teóricas que defendem a ocorrência e a disseminação de inovações tecnológicas como base para o desenvolvimento socioeconômico, realizou-se um estudo sobre a forma como os arranjos produtivos são capazes de gerar e manter vantagens competitivas a partir da constituição de sistemas de inovação baseados em redes cooperativas integradas por um grupo específico de agentes públicos e privados. Foram utilizadas técnicas estatísticas de análise descritiva e multivariada – mais especificamente a análise fatorial exploratória, bem como foi efetuada a classificação das empresas segundo o desempenho observado nas dimensões de análise. Estas técnicas têm como finalidade realizar uma investigação de maior nível de complexidade, capaz de detectar elementos comportamentais específicos dos integrantes deste arranjo produtivo em particular, bem como possibilitar a observação individualizada do desempenho das firmas em relação aos fatores latentes identificados através da análise fatorial. O estudo dos fatores foi realizado a partir da análise de seis dimensões conceituais, por meio da qual a massa original de 108 variáveis foi sumarizada em um total de 22 fatores subjacentes. O comportamento e o desempenho das empresas foi então analisado por meio da observação das cargas fatoriais, que refletem a correlação entre as variáveis originais e os fatores identificados. A classificação das firmas foi efetuada por meio da verificação dos escores fatoriais padronizados. Os resultados da pesquisa mostram que, embora os segmentos empresariais estudados apresentem, em média, razoável capacidade competitiva, e empenhem significativos esforços no sentido de obter benefícios da estrutura e do ambiente local, ainda apresentam fraco desempenho em relação às ações de treinamento e aprendizagem e atividades inovativas, assim como registram resultados particularmente ruins em relação ao desenvolvimento de ações cooperativas.Conseqüentemente, a rede de subcontratação desperdiça o potencial de ganhos sinérgicos capazes de elevar os patamares de competitividade local.

Otimização do processo de aprendizagem da estrutura gráfica de Redes Bayesianas em BigData

A automação na gestão e análise de dados tem sido um fator crucial para as empresas que necessitam de soluções eficientes em um mundo corporativo cada vez mais competitivo. A explosão do volume de informações, que vem se mantendo crescente nos últimos anos, tem exigido cada vez mais empenho em buscar estratégias para gerenciar e, principalmente, extrair informações estratégicas valiosas a partir do uso de algoritmos de Mineração de Dados, que comumente necessitam realizar buscas exaustivas na base de dados a fim de obter estatísticas que solucionem ou otimizem os parâmetros do modelo de extração do conhecimento utilizado; processo que requer computação intensiva para a execução de cálculos e acesso frequente à base de dados. Dada a eficiência no tratamento de incerteza, Redes Bayesianas têm sido amplamente utilizadas neste processo, entretanto, à medida que o volume de dados (registros e/ou atributos) aumenta, torna-se ainda mais custoso e demorado extrair informações relevantes em uma base de conhecimento. O foco deste trabalho é propor uma nova abordagem para otimização do aprendizado da estrutura da Rede Bayesiana no contexto de BigData, por meio do uso do processo de MapReduce, com vista na melhora do tempo de processamento. Para tanto, foi gerada uma nova metodologia que inclui a criação de uma Base de Dados Intermediária contendo todas as probabilidades necessárias para a realização dos cálculos da estrutura da rede. Por meio das análises apresentadas neste estudo, mostra-se que a combinação da metodologia proposta com o processo de MapReduce é uma boa alternativa para resolver o problema de escalabilidade nas etapas de busca em frequência do algoritmo K2 e, consequentemente, reduzir o tempo de resposta na geração da rede.

Os componentes visuais no ensino-aprendizagem da leitura em inglês: um estudo dos aspectos semiótico-discursivos em manuais de informática, no contexto do ensino superior

Esta pesquisa teve por objetivo refletir sobre o ensino instrumental da leitura em inglês, através da utilização de componentes visuais para auxiliar leitores na construção do significado. Com pressupostos teóricos baseados principalmente em Swales (1990); Soares (1993); Bronckart (1999); Joly (2002); Santaella (1983, 2000); Magno e Silva (2002, 2004); e Field (2004), efetuamos um estudo descritivo das características semiótico-discursivas presentes em manuais de instalação de softwares com enfoque nos recursos visuais. Além disso, coletamos dados e descrevemos os procedimentos pedagógicos observados em uma turma de Inglês Instrumental do Curso Superior de Tecnologia em Redes de Computadores, da Faculdade de Tecnologia da Amazônia (FAZ), em Belém. Nossa pesquisa-ação objetivou também investigar em que medida os componentes visuais podem influenciar o leitor nas suas escolhas de leitura; de que forma os componentes visuais podem ser utilizados em atividades de pré-leitura, leitura e pós-leitura para conduzir o leitor à compreensão do sentido do texto; e qual a importância dos componentes visuais na leitura de manuais de instalação de softwares. Os resultados da análise foram sucessivamente alterando a coleta seqüencial dos dados e mostraram que os componentes visuais são excelentes ferramentas que, quando bem utilizadas e associadas às palavras, podem incentivar e simplificar o processamento da leitura, especialmente num contexto em que os participantes não possuem pleno domínio lingüístico na língua-alvo.

Aplicação de redes neurais artificiais na classificação de padrões filogeográficos com base na variabilidade genômica do DNA mitocondrial

Historicamente, o processo de formação das populações da Amazônia, assim como de todo território brasileiro, envolveu três grupos étnicos principais: o ameríndio, o europeu e o africano. Como conseqüência, estas populações possuem em geral constituição miscigenada do ponto de vista social e biológico. Desde o final do século passado, estudos do DNA mitocondrial (mtDNA) tem sido desenvolvidos com o propósito de estimar a mistura interétnica presente nestas populações. Para isto, é de fundamental importância a classificação de uma determinada linhagem de mtDNA em um dos mais de 250 haplogrupos/subclados propostos na literatura. Com o objetivo de desenvolver um sistema automatizado, preciso e acurado de classificação de seqüências (linhagens) de mtDNA, o presente trabalhou lançou mão da técnica de Redes Neurais Artificiais (RNA’s) tendo como base os estudos de filogeografia. Para esta classificação, foram desenvolvidas quatro redes neurais artificiais diretas, com múltiplas camadas e algoritmo de aprendizagem de retropropagação. As entradas de cada rede equivalem às posições nucleotídicas polimórficas da região hipervariável do DNA mitocondrial, as quais retornam como saída a classificação específica de cada linhagem. Posterior ao treinamento, todas as redes apresentaram índices de acerto de 100%, demonstrando que a técnica de Rede Neural Artificial pode ser utilizada, com êxito, na classificação de padrões filogeográficos com base no DNA mitocondrial.

Modelos para previsão de carga a curto prazo através de redes neurais artificiais com treinamento baseado na teoria da informação

O conhecimento prévio do valor da carga é de extrema importância para o planejamento e operação dos sistemas de energia elétrica. Este trabalho apresenta os resultados de um estudo investigativo da aplicação de Redes Neurais Artificiais do tipo Perceptron Multicamadas com treinamento baseado na Teoria da Informação para o problema de Previsão de Carga a curto prazo. A aprendizagem baseada na Teoria da Informação se concentra na utilização da quantidade de informação (Entropia) para treinamento de uma rede neural artificial. Dois modelos previsores são apresentados sendo que os mesmos foram desenvolvidos a partir de dados reais fornecidos por uma concessionária de energia. Para comparação e verificação da eficiência dos modelos propostos um terceiro modelo foi também desenvolvido utilizando uma rede neural com treinamento baseado no critério clássico do erro médio quadrático. Os resultados alcançados mostraram a eficiência dos sistemas propostos, que obtiveram melhores resultados de previsão quando comparados ao sistema de previsão baseado na rede treinada pelo critério do MSE e aos sistemas previsores já apresentados na literatura.