Capítulo 5 O Sistema Computacional i9Com
5.3 Requisitos Não-Funcionais
Os requisitos não-funcionais do sistema i9Com são: acessar ao sistema através da Internet; somente permitir o acesso mediante validação de login e senha; disponibilização da interface de acesso, com permissões específicas para os usuários; apresentação de diferentes níveis de segurança para diferentes perfis de usuário (usuário e administrador); implementação de mecanismos de segurança utilizando o método de criptografia Base64 para o armazenamento de senhas; gerenciamento da sessão do usuário; e a codificação e decodificação de caracteres UTF-8 para a manipulação dos mesmos na criação de gráficos em Flash e no envio, via Ajax, para o lado servidor da aplicação.
A plataforma Lattes é uma base de dados de currículos eletrônicos de pesquisadores, que reúne informações sobre a vida científica e acadêmica de pesquisadores, estudantes, docentes, gestores, técnicos e profissionais ligados à ciência e tecnologia (C&T). Esse sistema foi criado pelo Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq), uma agência do Ministério da Ciência e Tecnologia (MCT) (LATTES, 2011).
O GCC é um ambiente web responsável pela disponibilização de toda a infraestrutura para a criação e manutenção de comunidades virtuais de pesquisa e gerência de projetos. O objetivo do sistema é estimular o desenvolvimento de novas
ideias e a colaboração entre os pesquisadores (OLIVEIRA et al., 2005, OLIVEIRA, 2008).
A camada de banco de dados do sistema foi modelada para conciliar a disponibilização das informações oferecidas pela plataforma Lattes e pelo ambiente acadêmico Gestão do Conhecimento Científico (GCC), a fim de permitir futuras integrações entre esses sistemas.
A interface do sistema foi desenvolvida para oferecer usabilidade ao usuário, com o intuito de permitir que o usuário alcance seus objetivos específicos com efetividade, eficiência e satisfação no contexto de uso específico, ao qual o sistema se propõe. Para alcançar esse objetivo, o sistema faz uso de: hints em botões, ícones e links; legenda para taxonomia do conhecimento com definições e exemplos; sinalização para o preenchimento de campos obrigatórios e em alguns casos para campos opcionais; e mensagens de erro para validação do formulário.
5.3.1 Lógica Fuzzy e os Níveis de Conhecimento
A Lógica Fuzzy ou Nebulosa, criada a partir de ZADEH (1965), permite fazer inferências a partir de informações vagas, ambíguas, incompletas ou imprecisas. Esta lógica é baseada na Teoria de Conjuntos Fuzzy. Segundo TURKSEN (1991) e BELCHIOR et al. (1997), qualquer representação adequada de um conjunto fuzzy envolve o entendimento básico de cinco símbolos conceituais diferentes, relacionados entre si:
(i) Conjunto de elementos θ ∈ Θ: por exemplo, “item” em “estoque”.
(ii) Variável linguística V: rótulo para um atributo dos elementos θ ∈ Θ, como o “nível de estoque” de uma empresa.
(iii) Termo linguístico T: referente a uma variável linguística, correspondente a um adjetivo ou a um advérbio como “estoque baixo”, e relacionado com possíveis “níveis de estoque” de uma empresa.
(vi) Conjunto referencial X ∈ [-∞, ∞]: atributo particular de V, num conjunto de elementos θ ∈ Θ, como por exemplo “[250, 750] unidades” para “nível de estoque”.
(v) Grau de pertinência μÃ(θ): valor de pertinência de um elemento θ em
pelo termo linguístico T. Por exemplo, seja o valor de pertinência dado por um gerente a “estoque” através do adjetivo “baixo” para os níveis de estoque sob seu gerenciamento.
A metodologia proposta nesse trabalho utiliza a lógica fuzzy e é baseada no modelo nebuloso do sistema ALO Competência (TORRACA, 2005) (NETO et al., 2009). O objetivo da metodologia é identificar a similaridade do termo linguístico do nível de conhecimento entre as competências de uma determinada demanda a ser solucionada e de outras demandas e inovações.
Um conjunto nebuloso é atribuído para competência declarada, em função das competências necessárias: para a solução da demanda e para o desenvolvimento das inovações. Existem duas matrizes: matriz A que representa a demanda a ser solucionada – a Demanda Problema; e a matriz B que representa as demandas e as inovações que foram solucionadas ou criadas, respectivamente, pelas redes de pesquisadores – Rede de Pesquisadores. As demandas e inovações identificadas são as que possuem a mesma competência da demanda problema, mas não necessariamente com o mesmo nível de conhecimento.
Demanda Problema: Rede de Pesquisadores:
A = Ain Aik Ai .. .. 1 B = Bin Bik Bi .. .. 1
As variáveis linguísticas são: competência da demanda problema e a competência da rede de pesquisadores. A competência da demanda problema consiste na demanda que será alvo de solução para rede de pesquisadores escolhida. E a competência da rede de pesquisadores consiste nas redes de pesquisadores que solucionaram demandas ou desenvolveram inovações e são resultados da solicitação de recomendação do usuário. As demandas e as inovações possuem o conjunto nítido {1, 2, 3} e os termos linguísticos {baixo, médio, alto}. O gráfico da Figura 57 representa o conjunto nebuloso proposto para as competências da demanda problema e da rede de pesquisadores.
Figura 57. Conjuntos nebulosos das competências (TORRACA, 2005)
A Matriz de Relação de Pertinência Estendida proposta por TORRACA (2005) permite relacionar diferentes termos linguísticos, conforme mostra a Tabela 13. As similaridades entre os termos linguísticos alto, médio e baixo são calculadas para cada variável linguística.
Tabela 13. Matriz de relação de pertinência estendida (TORRACA, 2005) fv (aij x bjk)
Baixo Médio Alto
aij ⊗⊗⊗bjk ⊗ µ B1(x) µ B2(x) µ B3(x)
Baixo µ A1(x) µB1Tsim(A1,B1) (x) /µA1(x) X µB2Tsim(A1,B2) (x)/µA1(x) X µB3Tsim(A1,B3) (x)/µA1(x) X
Médio µ A2(x) µB1(x) /µA2(x) X Tsim(A2,B1) µB2(x) /µA2(x) X Tsim(A2,B2) µB3(x) /µA2(x) X Tsim(A2,B3)
Alto µ A3(x) µB1(x) /µA3(x) X Tsim(A3,B1) µB2(x) /µA3(x) X Tsim(A3,B2) µB3(x) /µA3(x) X Tsim(A3,B3)
Equação 1: Cálculo do coeficiente de similaridade linguística (TORRACA, 2005)
Tsim(A,B) = || A ∩ B || || A ∪ B || Onde: µ µ µ
µA(x) = Competência da demanda problema. µ
µ µ
µB(x) = Competência da rede de pesquisadores.
Após obter a Matriz de Relação de Pertinência Estendida é possível obter a Matriz de Relação de Pertinência Estendida com os respectivos coeficientes de similaridades linguísticas aplicados para variável linguística competência da demanda problema e para competência da rede de pesquisadores, conforme mostra a Tabela 14.
Baixo
Médio
Tabela 14. Matriz de relação de pertinência estendida com coeficiente de similaridade linguística (TORRACA, 2005)
fv (aij x bjk)
Baixo Médio Alto
aij ⊗⊗⊗ b⊗ jk µ B1(x) µ B2(x) µ B3(x)
Baixo µ A1(x) µB1(x) /µA1(x) 0,3 µB2(x)/µA1(x)) 0,1 µB3(x)/µA1(x))
Médio µ A2(x) 0,3µB1(x) /µA2(x) µB2(x) /µA2(x) 0,3 µB3(x) /µA2(x)
Alto µ A3(x) 0,1µB1(x) /µA3(x) 0,3 µB2(x) /µA3(x) µB3(x) /µA3(x)