O rádio FM e a propaganda em seu espaço on line

As emissoras de rádio não utilizam, de maneira eficiente, os espaços que possuem na internet. Foi baseado nesta hipótese que este trabalho foi construído. Trata-se de um estudo realizado a partir de sites de emissoras de rádio com sede na Capital Paulista, através do qual foi possível observar a maneira como as emissoras utilizam seus espaços on-line para a busca da interatividade com seus ouvintes e também a colocação de materiais publicitários de seus anunciantes. Após a etapa de pesquisa nos sites, especialistas divididos em professores universitários, anunciantes, profissionais de agências de propaganda e de veículos de comunicação foram procurados, com o intuito de verificar se acreditavam na possibilidade / capacidade de construção de uma relação interativa entre as emissoras de rádio, seus sites e seu público. Apesar da totalidade dos questionários apontar a crença nesta possibilidade, estes profissionais não mostraram caminhos possíveis para a utilização desta mídia audiovisual como complementação do processo comunicacional com o rádio. Assim, coube a este trabalho apresentar possibilidades de interação entre o mundo virtual e o rádio.(AU)

Comunicação e Governança Corporativa: a informação on-line das empresas do Novo Mercado com o investidor pessoa física

O estudo pretende mostrar que a clareza semântica e a fácil navegabilidade nos sites de Relações com Investidores são essenciais para a comunicação com os investidores individuais bem como para a sua compreensão das Boas Práticas da Governança Corporativa adotadas pelas empresas que aderiram ao Novo Mercado da Bovespa. O trabalho está dividido em quatro etapas. O primeiro capítulo explica o que é Governança Corporativa, como esse conceito foi implementado no Brasil, apresenta o mercado de ações, o Novo Mercado e aborda os temas relacionados ao setor financeiro. Em seguida, aborda a evolução da comunicação empresarial e como as organizações tiveram que adaptar a sua cultura organizacional e os canais de comunicação devido à constante e ininterrupta série de transações (aquisições, fusões e incorporações) que acontecem no Brasil desde 1994, com o início do Plano Real. Esse processo proporcionou uma alteração geopolítica, cultural, econômica e social nas corporações. Ainda nesse capítulo o estudo apresenta as características dos canais que as organizações utilizam para se comunicar com os públicos de referência. Mostra também como a internet e as demais mídias digitais se integraram nesse processo corporativo, a relação com os investidores, os sites de RI das empresas do Novo Mercado e o perfil do investidor individual. Por último, o estudo apresenta a avaliação dos sites de RI, os critérios adotados para analisar a construção das homepages e demais páginas. Nesse ponto, o objetivo foi avaliar a clareza semântica, ou seja, a maneira como as informações são transmitidas para os investidores individuais, a acessibilidade desse canal de comunicação como a quantidade de cliques necessária para ter acesso a qualquer informação e se os sites possuem espaços específicos para esse público. Finalmente, são apresentados os resultados e uma análise da comunicação empresarial dessas empresas antes e depois da entrada das mesmas no Novo Mercado da Bovespa e as considerações finais.(AU)

COMUNICAÇÃO & ASTRONOMIA: UMA UNIÃO VIRTUAL Estudos para uma teoria de comunicação organizacional on-line a partir do caso Rede de Astronomia Observacional REA/Brasil

A tese Comunicação & Astronomia, uma união virtual aborda o universo da comunicação virtual, das organizações virtuais, da ciência virtual. Um universo novo e emocionante onde a relação assíncrona espaço-temporal é o fator comum a todos os atores sociais envolvidos. O universo do virtual, das ferramentas de comunicação relacionadas às novas tecnologias, do ciberespaço, da existência concreta de uma organização imaterial. Estes elementos abrem novos horizontes para o conhecimento e compreensão dos processos de comunicação humana e organizacional na era da revolução informacional, proporcionando a oportunidade de estabelecer uma teoria de comunicação organizacional on line. A pesquisa bibliográfica apoiou-se em três bases teóricas de referência: a comunicação mediada por computador, comunicação virtual e comunicação organizacional, estas bases tiveram ainda o suporte de um estudo de caso que constituiu o corpus da pesquisa. Pudemos então compreender como ocorre a comunicação em uma organização virtual, seus processos, ferramentas e pontos cruciais que podem ser resumidos no fator motivacional necessário ao estímulo à interação virtual cooperativa, necessidade de construção e manutenção de imagem institucional forte que delimite a organização no ciberespaço e definição clara dos códigos de conduta da organização virtual.(AU)

UNIVERSIDADE ON-LINE : As Salas de Imprensa em Universidades Paulistas

Este trabalho analisa os caminhos percorridos pelas Instituições de Ensino Superior na utilização da Internet como intermediadora da relação com os veículos de comunicação. O objeto de estudo são as Salas de Imprensa Virtuais de seis universidades paulistas e, a partir da descrição e análise desses espaços, buscou-se destacar se estão sendo amplamente utilizados em todo seu potencial comunicativo. A principal motivação deste trabalho foi sanar uma lacuna quanto a um panorama de como esta ferramenta de comunicação está sendo utilizada no País a partir da experiência universitária. As Salas de Imprensa foram investigadas a partir de Estudo de Casos Múltiplos, com análise comparativa de seus conteúdos e vivências, além de informações coletadas em entrevistas com especialistas, equipes de Comunicação e reitores das Universidades. O diagnóstico da experiência universitária evidencia muitos equívocos na utilização dessa ferramenta, principalmente quanto à interatividade, pois muitos deles não disponibilizam serviços de interação com o jornalista via web. Os resultados deste estudo alertam para a implementação das Salas de Imprensa Virtuais com toda a potencialidade que a Internet oferece.(AU)

Dynamics of on-line gradient descent learning for multilayer neural networks

We consider the problem of on-line gradient descent learning for general two-layer neural networks. An analytic solution is presented and used to investigate the role of the learning rate in controlling the evolution and convergence of the learning process.

On-line learning in multilayer neural networks

We present an analytic solution to the problem of on-line gradient-descent learning for two-layer neural networks with an arbitrary number of hidden units in both teacher and student networks. The technique, demonstrated here for the case of adaptive input-to-hidden weights, becomes exact as the dimensionality of the input space increases.

Adaptive back-propagation in on-line learning of multilayer networks

An adaptive back-propagation algorithm is studied and compared with gradient descent (standard back-propagation) for on-line learning in two-layer neural networks with an arbitrary number of hidden units. Within a statistical mechanics framework, both numerical studies and a rigorous analysis show that the adaptive back-propagation method results in faster training by breaking the symmetry between hidden units more efficiently and by providing faster convergence to optimal generalization than gradient descent.

Using ancillary statistics in on-line learning algorithms

Neural networks are usually curved statistical models. They do not have finite dimensional sufficient statistics, so on-line learning on the model itself inevitably loses information. In this paper we propose a new scheme for training curved models, inspired by the ideas of ancillary statistics and adaptive critics. At each point estimate an auxiliary flat model (exponential family) is built to locally accommodate both the usual statistic (tangent to the model) and an ancillary statistic (normal to the model). The auxiliary model plays a role in determining credit assignment analogous to that played by an adaptive critic in solving temporal problems. The method is illustrated with the Cauchy model and the algorithm is proved to be asymptotically efficient.

Finite-size effects in on-line learning of multilayer neural networks

We complement recent advances in thermodynamic limit analyses of mean on-line gradient descent learning dynamics in multi-layer networks by calculating fluctuations possessed by finite dimensional systems. Fluctuations from the mean dynamics are largest at the onset of specialisation as student hidden unit weight vectors begin to imitate specific teacher vectors, increasing with the degree of symmetry of the initial conditions. In light of this, we include a term to stimulate asymmetry in the learning process, which typically also leads to a significant decrease in training time.

Globally optimal parameters for on-line learning in multilayer neural networks

We present a framework for calculating globally optimal parameters, within a given time frame, for on-line learning in multilayer neural networks. We demonstrate the capability of this method by computing optimal learning rates in typical learning scenarios. A similar treatment allows one to determine the relevance of related training algorithms based on modifications to the basic gradient descent rule as well as to compare different training methods.

Globally optimal on-line learning rules for multi-layer neural networks

We present a method for determining the globally optimal on-line learning rule for a soft committee machine under a statistical mechanics framework. This rule maximizes the total reduction in generalization error over the whole learning process. A simple example demonstrates that the locally optimal rule, which maximizes the rate of decrease in generalization error, may perform poorly in comparison.

The role of biases in on-line learning of two-layer networks

The influence of biases on the learning dynamics of a two-layer neural network, a normalized soft-committee machine, is studied for on-line gradient descent learning. Within a statistical mechanics framework, numerical studies show that the inclusion of adjustable biases dramatically alters the learning dynamics found previously. The symmetric phase which has often been predominant in the original model all but disappears for a non-degenerate bias task. The extended model furthermore exhibits a much richer dynamical behavior, e.g. attractive suboptimal symmetric phases even for realizable cases and noiseless data.

Dynamics of on-line learning in radial basis function networks

On-line learning is examined for the radial basis function network, an important and practical type of neural network. The evolution of generalization error is calculated within a framework which allows the phenomena of the learning process, such as the specialization of the hidden units, to be analyzed. The distinct stages of training are elucidated, and the role of the learning rate described. The three most important stages of training, the symmetric phase, the symmetry-breaking phase, and the convergence phase, are analyzed in detail; the convergence phase analysis allows derivation of maximal and optimal learning rates. As well as finding the evolution of the mean system parameters, the variances of these parameters are derived and shown to be typically small. Finally, the analytic results are strongly confirmed by simulations.

On-line learning with adaptive back-propagation in two-layer networks

An adaptive back-propagation algorithm parameterized by an inverse temperature 1/T is studied and compared with gradient descent (standard back-propagation) for on-line learning in two-layer neural networks with an arbitrary number of hidden units. Within a statistical mechanics framework, we analyse these learning algorithms in both the symmetric and the convergence phase for finite learning rates in the case of uncorrelated teachers of similar but arbitrary length T. These analyses show that adaptive back-propagation results generally in faster training by breaking the symmetry between hidden units more efficiently and by providing faster convergence to optimal generalization than gradient descent.

On-line learning in radial basis functions networks

An analytic investigation of the average case learning and generalization properties of Radial Basis Function Networks (RBFs) is presented, utilising on-line gradient descent as the learning rule. The analytic method employed allows both the calculation of generalization error and the examination of the internal dynamics of the network. The generalization error and internal dynamics are then used to examine the role of the learning rate and the specialization of the hidden units, which gives insight into decreasing the time required for training. The realizable and over-realizable cases are studied in detail; the phase of learning in which the hidden units are unspecialized (symmetric phase) and the phase in which asymptotic convergence occurs are analyzed, and their typical properties found. Finally, simulations are performed which strongly confirm the analytic results.