5. Choice
5.1 Seleção das melhores alternativas
Não obstante o facto de ser o utilizador a poder decidir que variáveis (blocos lógicos) tem mais peso na sua decisão, o sistema deve estar munido da capacidade de análise de sensibilidade que vai assegurar que uma alteração numa variável não pode comprometer por completo o output do sistema.
Pretende-se garantir que é definido para um determinado utilizador um output que é o mais indicado para o seu perfil, e que, com as alterações dos pesos que este irá fazer, esse output já refinado não pode ficar muito diferente do que se tinha estabelecido para o utilizador.
Para tal, definiu-se um relacionamento padrão para garantir o pressuposto acima descrito. Antes de ser apresentado esse relacionamento foi necessário descrever os blocos lógicos que compõem o modelo de dados.
A Tabela 43 representa a descrição dos blocos lógicos que foram criados a partir do modelo de decisão final.
Tabela 43 - Definição dos Blocos Lógicos
Id Nome Descrição
1 Ensino Secundário
Componente lógica que trata todas as variáveis correspondentes ao Ensino Secundá- rio do utilizador (Escola Secundária, Média, Área de Estudos, Se ainda frequenta o
Ensino Secundário, Provas de Ingresso)
2 Ensino Superior Componente lógica que trata todas as variáveis correspondentes a respostas do utili- zador para variáveis sobre cursos do Ensino Superior (Média, Duração, Regime) 3 Área DGES Componente lógica que trata todas as variáveis correspondentes a respostas do utili-
zador para as Áreas da DGES
4 Social Componente lógica que trata todas as variáveis correspondentes a respostas do utili- zador de cariz social (Bolsas de Estudo, Qualidade de Vida da Cidade) 5 Académico Componente lógica que trata todas as variáveis correspondentes a respostas do utili-
6 Cultural Componente lógica que trata todas as variáveis correspondentes a respostas do utili- zador de cariz cultural
7 Desporto Componente lógica que trata todas as variáveis correspondentes a respostas do utili- zador cariz desportivo
8 Prestígio
Componente lógica que trata todas as variáveis correspondentes a respostas do utili- zador relacionadas com prestígio dos Estabelecimentos de Ensino Superior (Ran-
kings)
9 Vocacional Componente lógica que trata todas as variáveis correspondentes a respostas do utili- zador de cariz vocacional
10 Pessoal
Componente lógica que trata todas as variáveis correspondentes a respostas do utili- zador de cariz pessoal (Satisfação com a Área de Estudos do Ensino Secundário, Se
pretende estudar fora de casa)
As estruturas lógicas apresentadas na Tabela 43 são aquelas sobre as quais o sistema irá proces- sar a informação contida no modelo de dados. Para tal o utilizador deverá ponderar cada uma delas segundo a importância que dá a cada uma no processo de tomada de decisão.
Com isto estamos a elevar o grau de distinção de respostas que os Modelos de Decisão irão passar aos utilizadores. Isto é, se o modelo utilizasse apenas uma ou duas estruturas lógicas, nunca conseguiríamos distinguir o output de 2 utilizadores com passados académicos (Ensino Secundário) semelhantes, a nível de notas, área de estudos, que tivessem a mesma perspetiva futura para o Ensino Superior. Com esta estrutura, dois alunos com passados semelhantes pode- rão seguir caminhos completamente distintos no decorrer do sistema quando este analisar a forma como cada utilizador se vê no contexto de Ensino Superior, através dos fatores de ponderação associados aos blocos lógicos.
Para tal é então necessário definir para além desta estrutura em blocos lógicos, um relaciona- mento padrão destes critérios de ponderação de modo assegurar a máxima descrita acima, onde se dizia que um output de um utilizador não poderá variar por completo caso este altere a ponde- ração de cada bloco lógico.
A título exemplificativo, podemos observar na Tabela 44 um aluno exemplo que recebeu o seguinte output do sistema:
Tabela 44 - Output Exemplo para Estudo da Análise de Sensibilidade
Posição na lista Nome do Curso Instituição Pontuação
1 Engenharia Mecânica Universidade do Minho 9,78 2 Engenharia e Gestão Industrial Universidade do Minho 9,70 3 Engenharia Mecânica Faculdade de Engenharia da Universidade
do Porto 9.67
4 Engenharia Informática Universidade do Minho 9,65
Tendo em conta que o mesmo utilizador tinha a configuração indicada na Tabela 45 para os pesos dos blocos lógicos:
Tabela 45 - Atribuição de Pesos Exemplo
Id Nome Peso Inicial (100%) Peso Alterado (100%)
1 Ensino Secundário 8% 7% 2 Ensino Superior 10% 9% 3 Área DGES 12% 10% 4 Social 11% 12% 5 Académico 12% 11% 6 Cultural 12% 11% 7 Desporto 7% 5% 8 Prestígio 13% 13% 9 Vocacional 11% 10% 10 Pessoal 4% 12%
Caso posteriormente o utilizador pretende refinar as suas respostas, alterando os pesos atri- buídos a cada componente, um aumento significativo num dos blocos lógicos (tal como aconteceu no bloco 10 – Pessoal) não se pode traduzir numa alteração drástica do output inicial, sendo que o mesmo terá que manter uma sequência lógica semelhante à do anterior, isto é, a configuração do output deverá ser algo do que é apresentado na Tabela 46.
Tabela 46 - Exemplo de um output com os pesos alterados
Posição na lista Nome do Curso Instituição Pontuação
1 Engenharia Mecânica Universidade do Minho 9,8 2 Engenharia e Gestão Industrial Universidade do Minho 9,72 3 Engenharia Informática Universidade do Minho 9,66 4 Ciências da Computação Universidade do Minho 9,59
Neste caso concreto e como pode ser comprovado ao comparar a tabela 44 e 46, podemos encontrar diferenças porque o utilizador numa primeira intervenção disse que não pretendia estu- dar fora de casa, mas como deu um peso baixo a essa componente (4%) o sistema ainda assim apresentou lhe uma solução semelhante à sua primeira posição na lista, mas num estabeleci- mento fora da sua localização. Após alterar o peso desta componente, mas mantendo a sua opi- nião na mesma (12%) esta opção deixou de aparecer nas 4 primeiras do output.