Encontros Bibli: revista eletrnica de biblioteconomia e cincia da informao, v. 17, n. esp.1, p. 110-124, 2012. ISSN 1518-2924. DOI: 10.5007/1518-2924.

2012v17nesp1p110

A INTERVENO HUMANA NA QUALIFICAO DE PROCESSOS DE DATA MINING: ESTUDO DE CASO EM UMA BASE DE DADOS HIPOTTICA Juliano Tonizetti Brignolii Egon Sewald Juniorii Viviane Brando Migueziii Neri dos Santosiv Fernando Spanholv

Resumo: Este artigo explora argumentaes acerca das contribuies da interveno de analistas humanos em processos de Data Mining. A eficincia algortmica destes processos no suficiente na busca por conhecimento voltado ao apoio decisrio em domnios com natureza de informao complexa e volumosa. Propriedades da intelectualidade humana, como a inferncia e a percepo propiciam excelente complementao aos processos de anlise de dados. Por meio de estudo de caso baseado em simulao pretende-se validar proposies que asseguram o fato dos processos de Data Mining serem conduzidos e interpretados por analistas humanos, tornando-os assim, de caracterstica dinmica. Palavras-chave: Data Mining. Psicologia Cognitiva. Conhecimento.

HUMAN INTERVENTION IN QUALIFYING PROCESS DATA MINING: A CASE STUDY IN A DATABASE HYPOTHETICAL
Abstract: This article explores arguments about the contributions of the intervention of human analysts in data mining processes. The algorithmic efficiency of these processes is not enough in the pursuit of knowledge dedicated to support decision making in areas with nature complex and voluminous information. Properties of human intellectuality, as inference and perception provide excellent complement to the processes of data analysis. Through case study-based simulation is intended to validate propositions that ensure the fact that the processes of data mining being conducted and interpreted by human analysts, thereby making them, the dynamic characteristic. Keywords: Data Mining. Cognitive Psychology. Knowledge.

Esta obra est licenciada sob uma Licena Creative Commons

Universidade Federal de Santa Catarina. juliano.brignoli@gmail.com. Universidade Federal de Santa Catarina. egonsj@gmail.com. iii Universidade Federal de Santa Catarina. vivianemiguez@gmail.com. iv Universidade Federal de Santa Catarina. neri@egc.ufsc.br. v Universidade Federal de Santa Catarina. spanhol@led.ufsc.br.
ii

110

1 INTRODUCO Frente as necessidades informacionais da atual conjuntura scio-econmica a automao dos processos de anlise e inferncia sob volumosos conjuntos de dados nas organizaes tem proporcionado contribuies significativas no que refere-se ao apoio em atividades decisrias. Aliadas ao fator eficincia computacional, especificamente em tratandose do tempo, culminam como quisito primordial para qualificar aes de busca por indicadores de suporte a gesto, inovao, percepo das tendncias de mercado e tantos outros fatores indispensveis para a sobrevivncia e sustentabilidade das organizaes no contexto da sociedade do conhecimento. No mbito da automao referida encontram-se as tcnicas matemticas e computacionais que convergem para a formao dos denominados KDD (Knowledge Data Discovery), que compreendem algoritmos computacionais, apoiados por formulaes matemticas e estatsticas, voltados aplicaes que suportam processos analticos complexos, os quais exigiriam esforo cognitivo individual ou, na maioria das situaes, uma cooperao mtua coletiva de pertos no domnio do problema em questo. notvel que a eficincia computacional destes algoritmos de KDD so necessrias para cenrios de anlise de dados complexos, porm, no so suficientes para assegurar confiana significativa em termos da gerao de resultados com qualidade e acurcia. Em contraposio, a eficincia do processamento analtico humano em termos da utilizao de todo o nosso aparato cognitivo no apresenta as mesmas condies de toda a rentabilidade dada pela agilidade dos algoritmos computacionais de KDD, mas, oferece capacidades de anlise e inferncia munidas de doses de sensatez que ainda no foram reproduzidas artificialmente em termos computacionais, ou seja, a automao ainda desprovida de qualidades humanas de discernimento. Diante desta argumentao, oportuno investigar as oportunidades de contribuio dos especialistas humanos para aprimorar as prprias tcnicas de KDD, intervindo no ciclo do processamento analtico de informaes organizacionais de modo a potencializar a inferncia e o processo de gerao de conhecimento, inserindo melhor veracidade nos resultados almejados pelas perguntas de pesquisa ou consultas aplicadas sob as bases informacionais. A proposio deste artigo discorrer sobre a caracterizao das tcnicas de KDD, especificamente elucidando a utilizao dos algoritmos de Data Mining, compreender o sistema de processamento informacional humano e, analisar como esta capacidade cognitiva 111
Enc. Bibli: R. Eletr. Bib. Ci. Inf., ISSN 1518-2924, Florianpolis, v. 17, n. esp. 1, p.110-124, 2012.

humana pode fazer intervenes nos processos automatizados propostos pelo Data Mining em prol da adoo de uma melhor qualificao dos resultados assegurando a disponibilizao de cenrios de informao mais propensos a tomada de deciso humana. Para validar a conceituao abordada e as argumentaes acerca da interveno de especialistas humanos nos processos automatizados de Data Mining prope-se uma anlise sob a forma de estudo de caso aplicado em uma base de dados hipottica.

2 CARACTERIZAO DOS PROCESSOS DE DATA MINING A evoluo das tcnicas computacionais de anlise de dados em consonncia com as demandas da gesto organizacional na conjuntura da sociedade do conhecimento culminaram na elaborao de sofisticados algortmos que suportam processos analticos sobre conjuntos volumosos e de natureza informacional complexa. Murray et al. (2005, p.415) retratam em seu artigo o surgimento da necessidade de se fazer Descoberta de Conhecimento por meio da automaticidade e elucidam a forte dependncia desta aquisio de conhecimento por meio da automao. O autor discorre sobre as necessidades organizacionais ao se referir a processos de aquisio, interpretao e aplicao prtica realizada sobre dados minerados. Algumas teorias tm contribudo significativamente para o surgimento de algoritmos automatizados de Data Minig, tais como, Banco de Dados, a Teoria dos Conjuntos, tcnicas oriundas dos estudos da Inteligncia Artificial e ainda, a insero de formulaes matemticas e estatsticas para a realizao de operaes de correlao entre dados. Diante de todo este arcenal de tcnicas e proposies existem vrias definies e qualificaes que convergem para conceituar processos de Data Minig. Cardoso & Machado (2008, p. 497) afirmam:
Data mining, ou minerao de dados, uma tcnica que faz parte de uma das etapas da descoberta de conhecimento em banco de dados. Ela capaz de revelar, automaticamente, o conhecimento que est implcito em grandes quantidades de informaes armazenadas nos bancos de dados de uma organizao. Essa tcnica pode fazer, entre outras, uma anlise antecipada dos eventos, possibilitando prever tendncias e comportamentos futuros, permitindo aos gestores a tomada de decises baseada em fatos e no em suposies.

Segundo Murray et al. (2005, p.415), as necessidades organizacionais de cinquenta anos atrs no apresentavam a mesma complexidade das atuais em termos da formulao do tipo de pergunta de pesquisa aplicvel sobre uma base de dados. Esta argumentao pertinente ao se verificar alguns exemplos reais encontrados, tais como se pode elucidar por meio do seguinte cenrio: 112
Enc. Bibli: R. Eletr. Bib. Ci. Inf., ISSN 1518-2924, Florianpolis, v. 17, n. esp. 1, p.110-124, 2012.

O supervisor do departamento de vendas de uma determinada empresa do setor de varejo, com base nos registros de vendas dos ltimos perodos mensais deseja saber: qual ser o comportamento das vendas para os prximos seis meses? evidente que esta pergunta sugere a utilizao de tcnicas e ferramentas para anlise de tendncias e dispe de uma oportunidade para a aplicao dos processos de Data Mining. importante evidenciar nesta abordagem inicial que a pergunta elaborada no cenrio acima simplificado pode ser respondida simplesmente a partir da aplicao de um algortmo computacional que implemente, por exemplo, uma anlise de sries temporais. Porm, dependendo da complexidade da pergunta, da disperso dos dados e do volume da base, o emprego de ferramentas automatizadas de Data Mining por s s pode no resultar na gerao de indicadores de apoio a tomada de deciso com uma semntica e acurcia almejada, ou seja, os resultados podem no convergir para uma real situao em que um perto humano assim os interpretaria de modo diferente. Este ltimo argumento est alinhavado com a proposio principal apresentada no incio deste artigo, a qual pretende discorrer sobre as contribuies dos especialistas humanos nos processos de Data Mining para melhor refinar ou qualificar os resultados destes processos e gerar indicadores e conhecimentos que imprimem a real situao de uma necessidade organizacional. As tcnicas de Data Mining fazem parte dos processos genricos de KDD e todo este arsenal tecnolgico, tm contribudo para a gesto da informao e do conhecimento no contexto da aplicao do denominado BI (Business Intelligence). A figura 1 ilustra o enquadramento operacional do Data Mining em termos da aplicao do conjunto de ferramentas de BI:

113
Enc. Bibli: R. Eletr. Bib. Ci. Inf., ISSN 1518-2924, Florianpolis, v. 17, n. esp. 1, p.110-124, 2012.

Figura 1 Data Mining como ferramenta integrante em BI

Fonte: Fortulan & Filho, 2005, p.57

Os processos de Data Mining consistem, de uma maneira conceitual e genrica, basicamente em trs estgios: 1. Estgio da explorao; 2. Estgio da construo do modelo ou da definio do padro; 3. Estgio da validao: neste, so empregados algoritmos computacionais de Segmentao, Classificao e Previso. Por tratar-se de uma ferramenta caracterizada principalmente pelo suporte a construo de indicadores de apoio a deciso humana, o Data Mining em conjunto com outros processos de KDD realizam a denominada Anlise Exploratria, pela qual, o usurio da ferramenta objetiva descobrir novos conhecimentos contidos em uma base de dados por meio de processo analtico. Esta explorao tambm se apoia na contruo ou representao visual de resultados processados. O estudo da percepo humana frente as formas de visualizao da informao tm discorrido em contribuies importantes para o emprego das tcnicas de KDD em consonncia com os aspectos da interpretao humana sob a anlise de dados. Alexandre & Tavares (2007, p.5), ao estudar as caractersticas da percepo humana na visualizao dos dados retrataram uma anlise da Teoria Gestald e afirmam:
Uma das teorias da percepo mais largamente conhecida e adoptada em vrias reas, a da Gestalt. A Teoria da Gestalt baseia-se no seguinte princpio: No se pode ter conhecimento do todo atravs das partes, e sim das partes atravs do todo; Que os conjuntos possuem leis prprias e estas regem os seus elementos, e no o contrrio, tal como se pensava anteriormente; E que s atravs da percepo da

114
Enc. Bibli: R. Eletr. Bib. Ci. Inf., ISSN 1518-2924, Florianpolis, v. 17, n. esp. 1, p.110-124, 2012.

totalidade que o crebro pode de facto perceber, descodificar e assimilar uma imagem ou um conceito.

conveniente citar no contexto das ferramentas de KDD, correlatas ao propsito dos algoritmos de Data Mining a utilizao de tcnicas de OLAP (On-Line Analytical Processing) que tambm contribuem para a organizao de indicadores de apoio a deciso sobre volumosos conjuntos de dados em mltiplas perspectivas de usurio. (VREMBEL, 2006, p.90). De fato, processos de Data Mining, potencializados pela agregao de mltiplos conceitos e tcnicas oferecem uma eficiente ferramenta em contribuio a anlise de dados e explorao de conhecimento. Contudo, a descoberta de padres com maior grau de complexidade dificulta a obteno de resultados mais qualificados semanticamente. Em seu artigo, Loureiro (2011) argumenta que:
Data Mining ainda requer uma interao muito forte com analistas humanos, que so, em ltima instncia, os principais responsveis pela determinao do valor dos padres encontrados.

O autor discorre ainda que a conduo do processo de explorao dos dados deve ser confiada aos especialistas humanos e que isso fundamental para o sucesso de qualquer projeto que empregue as tcnicas de automao. A opinio de Loureiro (2011) vm reforar a proposio deste artigo e contribuir com a argumentao de Murray et al. (2005, p.415) ao analisarem as contraposies entre os processos automatizados e a interveno humana nas aplicaes que utilizam os processos de Data Mining. Os captulos subsequentes iro abordar de modo mais pontual as questes da empregabilidade desta interveno humana aos processos de Data Mining.

3 ASPECTOS COGNITIVOS DO PROCESSAMENTO ANALTICO HUMANO Os estudos da Psicologia Cognitiva tm contribudo significativamente para a compreenso acerca das caractersticas do nosso sistema de memorizao, aprendizado, anlise e demais fatores associados s capacidades da intelectualidade humana. Em termos tecnolgicos estes estudos cooperaram para a reproduo de artefatos que objetivaram a emulao do comportamento inteligente humano, originando, por exemplo, na rea de 115
Enc. Bibli: R. Eletr. Bib. Ci. Inf., ISSN 1518-2924, Florianpolis, v. 17, n. esp. 1, p.110-124, 2012.

Inteligncia Artificial e toda sua diversidade algortmica para resolver problemas vinculados ao reconhecimento de padres, induo, inferncia, entre inmeros outros. Ao longo do desenvolvimento das pesquisas no campo da cognio e automao do raciocnio humano surgiram vrias proposies tericas para explicar ou emular o processo de inferncia humana. Para exemplificar, notria a prpria Lgica e todo seu formalismo matemtico que oferece maneiras de se alcanar resultados por meio de algoritmos de induo, tableaux, etc. (BALBIANI, et al, 2008, 57). A Inteligncia Artificial props seus complexos algoritmos para o reconhecimento de padres inspirados nas caractersticas do nosso sistema neuronal. Contudo, entre estas e outras abordagens tericas elaboradas no intuito de aproximar sistemas automatizados das habilidades cognitivas humanas ainda se apresenta um panorama de pouca eficcia em termos da qualidade dos resultados de anlises de dados realizadas por algoritmos. Talvez pelo fato de toda teoria ser reducionista plausvel que minuciosos detalhes sobre a operacionalizao da inferncia humana no sejam considerados nas implementaes destas ferramentas automatizadas de anlise. Este argumento sugere a existncia de uma lacuna entre o arsenal tecnolgico e a real capacidade de discernimento do analista humano. Se por um lado, as tecnologias que automatizam processos de inferncia apresentam eficincia computacional, por outro, so limitadas diante de situaes em que haja um alto grau de complexidade nas relaes existentes entre as variveis que modelam o problema em questo. Murray et al. (2005, p.416) discorre em seu artigo sobre o Sistema de Processamento de Informao dos humanos e cita algumas caractersticas do mesmo:

Extrao dos dados do ambiente externo; Deteco de padres; Manuteno ou rejeio de informaes relativas ao contexto; Processamento as informaes em alto nvel (significado das palavras); Realizar concluses; Engajar comportamento; Um sistema dinmico, complexo, de processamento inferencial rpido e passvel de erros.

Esta ltima caracterstica enfatiza a cognio humana como parte integrante de todo um sistema dinmico de capacidade para processamento de informao. Este dinamismo no uma caracterstica consolidada nos sistemas de Data Mining, pois estes realizam operaes 116
Enc. Bibli: R. Eletr. Bib. Ci. Inf., ISSN 1518-2924, Florianpolis, v. 17, n. esp. 1, p.110-124, 2012.

de anlise de dados com parmetros pr-determinados, do incio ao fim do processo de minerao. Murrey et al. (2005, p.416) prope que haja a oportunidade dos processos de Data Mining serem dinmicos e sugere para tal a interveno do analista humano para guiar o processo. Tratando-se ainda deste sistema complexo que poder-se-ia chamar de aparelho cognitivo humano relevante abordar as caractersticas da memria. Murray et al. (2005, p.417) aborda em seu artigo a estrutura do sistema de memria humano proposta por Atkinson & Shiffrin (1971. p.2-5) a qual descreve a seguinte arquitetura: Memria sensorial: armazenamento de memria breve onde a informao sensorial inicialmente detida para processamento posterior; Memria de curto prazo: componente consciente do sistema de memria, limitada em termos de capacidade e durao do processamento da informao; Memria de longo prazo: memria permanente, as informaes de curto prazo so transferidas memria de longo prazo, pela qual se d o armazenamento de conhecimentos. Baddeley (2000, p.419) conceitua a memria de curto prazo como sendo uma Memria de Trabalho e esta apresenta as seguintes caractersticas: Reflete melhor os processos de alto nvel; Controla recursos de ateno e execuo de habilidades complexas; Coordena as atividades de dois sistemas chamados de slave (escravo), o articulatory loop (loop articulatrio) e o visuospatial sketchpad (ala visuo espacial): articulatory loop: responsvel pelo ensaio verbal da informao (repetese um nmero de telefone o suficiente para poder disc-lo, por exemplo); ala visuo espacial: manipula a informao visual (refaz os passos tentando encontrar um ponto perdido); curto armazenamento sensorial temporrio mas altamente ativa e consciente de que est manipulando a informao. Outras descries pertinentes a compreenso do sistema de processamento de informao dos humanos, segundo Murray et al. (2005, p.418) so:

117
Enc. Bibli: R. Eletr. Bib. Ci. Inf., ISSN 1518-2924, Florianpolis, v. 17, n. esp. 1, p.110-124, 2012.

 Estes sistemas possuem componentes interativos: funcionam de forma paralela, as informaes no entram para percepo em forma de um fluxo simples e contnuo, mas como um sistema dinmico e que h sobreposio entre as fases de processamento; Alta habilidade inferencial: permite que os indivduos compreendam informao que no foi explicitamente experimentada ou armazenada como um fato. Na sequncia ser abordada a idia central da proposta deste artigo elucidando a contribuio das intervenes do analista humano no processo de minerao e anlise de dados frente s habilidades do aparelho cognitivo humano. Novas conceituaes a partir da Psicologia Cognitiva so evidenciadas para melhor relacionar a proposta da adoo do dinamismo aos processos de Data Mining.

4 O CONHECIMENTO A PARTIR DA INTERVENO HUMANA SOB OS PROCESSOS DE DATA MINING No processo de Data Mining tradicional o humano responsvel pela construo do modelo dentro dos estgios conceituais apresentados anteriormente participa de forma efetiva dos processos. Observa-se, no entanto, neste cenrio, que o humano no interfere em momento algum a execuo do algoritmo, que, diversas vezes, pode ser executado em forma de caixa preta, ou seja, os raciocnios utilizados para a descoberta so desconhecidos, apesar dos algoritmos e mtodos serem. Comparando o raciocnio automatizado de Data Mining com o raciocnio humano, observa-se diferenas entre a linearidade das formas automatizadas versus dinamismo encontrado no raciocnio humano. Murray et al. (2005, p.418) observa que, no processo de descoberta, aps a elaborao do modelo, a parametrizao de algoritmos permanece fixa durante todo o trabalho e aponta o no aproveitamento do raciocnio dinmico do humano no processo de conhecimento. Caso seja aproveitado o raciocnio dinmico do analista durante o processo, o sistema de descoberto seria, portanto, tambm dinmico. Sobre o raciocnio humano observamos um dinamismo maior, porm uma memria de trabalho memria de curto prazo limitada, tornando-o incapaz de realizar inferncias e descoberta de conhecimento, sem uso de outras ferramentas, em uma base de dados complexa ou extensa. 118
Enc. Bibli: R. Eletr. Bib. Ci. Inf., ISSN 1518-2924, Florianpolis, v. 17, n. esp. 1, p.110-124, 2012.

Por sua vez, como apresentado, o raciocnio automatizado linear, porm tem vasta memria de trabalho, sendo capaz de realizar inferncias em um volume grandioso de dados, muitas vezes complexo. O aproveitamento do dinamismo do raciocnio humano e a memria de trabalho automatizada poderia gerar sistemas de descoberta de conhecimento com funcionamento superiores aos atuais, porm existe a necessidade de desenvolvimento de uma interface entre o humano e a mquina. A soluo apontada por Murray et al. (2005, p.419) a aplicao de uma abordagem visual, onde o acompanhamento do processo seria com uso de grfico, formando um cockpit de acompanhamento das etapas e possibilitando uma interveno durante o processo de anlise dos dados. A soluo apresentada tambm aponta o uso da Psicologia Cognitiva na formao desta interface, considerando que: a visualizao de qualquer abordagem deve levar em considerao as limitaes da memria de trabalho humana no que diz respeito durao, capacidade e recursos atencionais (traduo dos atores). Segundo Matlin (2004, p.10), a Psicologia Cognitiva tem como preocupao o estudo dos processos cognitivos, sendo eles percepo, pensamento, memria, imaginao, linguagem, raciocnio e tomadas de deciso. Com base neste cenrio a Psicologia Cognitiva auxilia na formao de interfaces que respeitam limitaes de memria de trabalho (neste caso viso-espacial), percepo (utilizando grficos, smbolos e cores que chamem a ateno em caso de desvios e/ ou nveis de indicadores), com objetivo de facilitar o raciocnio do usurio, de forma que este possa ser auxiliado para a tomada de deciso. Preece et al. (1994, p.305), por sua vez afirma que a Psicologia Cognitiva beneficia o projeto de sistemas computacionais: por proporcionar conhecimento sobre o usurio; pela identificao e explanao das naturezas e causas dos problemas que os usurios encontram; por proporcionar a modelagem de ferramentas e mtodos que auxiliam na construo de interfaces mais fceis de usar. Para Souza (1998, p.67) a Psicologia Cognitiva pode contribuir para uma anlise mais eficaz sobre o usurio e a sua tarefa, tendo em vista a elaborao de interfaces e ferramentas de interao mais adaptadas ao usurio e sua tarefa.

119
Enc. Bibli: R. Eletr. Bib. Ci. Inf., ISSN 1518-2924, Florianpolis, v. 17, n. esp. 1, p.110-124, 2012.

5 ESTUDO DE CASO: ANLISE DA PROPOSIO SOB UMA BASE DE DADOS HIPOTTICA Para o estudo de caso ser aplicado uma massa de dados hipottica, representando uma populao de materiais a serem classificados atravs de clusters, levando em considerao altura e peso do material. Os dados sero preparados e processados em uma rede neuronal utilizando o software MathLab. Observa-se, inicialmente, a interveno humana durante a fase de preparao dos dados, limpeza e carga. Os dados sero carregados em uma matriz. A figura 2 ilustra por meio de um diagrama de disperso as entradas na matriz: Figura 2 - Plotagem dos pontos antes de classificao

Fonte: Acervo dos autores

Aps carregar as informaes, o usurio deve criar a rede neuronal, de forma descobrir o conhecimento escondido pelo volume da massa de dados. Para criar a rede, so necessrias a escolha do algoritmo, a definio de parmetro, e apontar para a base de dados preparada anteriormente, e realizar o treinamento, que vai ajustar os pesos entre as sinapses de forma a carregar o conhecimento necessrio para, neste caso de clusterizao, efetuar a classificao.

120
Enc. Bibli: R. Eletr. Bib. Ci. Inf., ISSN 1518-2924, Florianpolis, v. 17, n. esp. 1, p.110-124, 2012.

Para esta rede neuronal para classificao em clusters, utilizaremos o algoritmo Kohonen (rede competitiva), onde o treinamento no supervisionado o treinamento feito sem que exista uma massa de dados j classificada (sem interveno humana), sendo os pesos ajustados atravs de interaes temporais e novos ajustes, de forma a estabilizar em um espao de tempo (ou alcanar o nmero de pocas de treinamento). Nesse algoritmo, cada neurnio aprende a responder maximamente a diferentes valores de entrada, ou seja, numa massa de dados plotadas em um grfico de disperso, procura centros que diminuam a distancia dos pontos dentro da classe que o neurnio responde, e aumente a distncia entre as classes (excitao central inibio lateral). O MathLab pode apresentar graficamente (figura 3) as interaes e posicionamento do centro do cluster conforme as pocas e com isso, o usurio pode acompanhar o ajuste. Figura 3 - A esquerda, centros de gravidades das classes. A direita, os pontos classificados

Fonte: Acervo dos autores

Porm, o MathLab no nos fornece uma interface para que, no meio da execuo da rede, sejam alterados pontos que interfiram na formao da rede ou aberraes que no foram

121
Enc. Bibli: R. Eletr. Bib. Ci. Inf., ISSN 1518-2924, Florianpolis, v. 17, n. esp. 1, p.110-124, 2012.

identificadas na limpeza dos dados. A figura 4 ilustra alteraes a partir da interveno do analista humano no processo de conduo e interpretao da minerao. Figura 4 influncias da interveno humana sobre os resultados

Fonte: Acervo dos autores

122
Enc. Bibli: R. Eletr. Bib. Ci. Inf., ISSN 1518-2924, Florianpolis, v. 17, n. esp. 1, p.110-124, 2012.

6 CONSIDERAES FINAIS Apesar da eficincia algortmica dos processos de Data Mining em termos de tempo computacional, frente a volumosos e complexos conjuntos de dados, no se pode afirmar de modo convincente que estas tcnicas esto consolidadas para atender s demandas e expectativas organizacionais em apoio a deciso. Em conformidade com as argumentaes elucidadas por alguns autores abordados no artigo, no h dvida quanto necessidade da interao humana no processo de conduo das etapas de uma minerao e anlise de dados. A eficincia computacional no suficiente no processo quando o cenrio que retrata uma base de dados complexa apresenta situaes de conflitos entre variveis. Este o espao que sugere a interveno de analistas humanos para melhor qualificar os resultados e responder s consultas parametrizadas nas etapas do Data Mining com acurcia, refletindo em respostas j pr almejadas pelas caractersticas do domnio do problema tratado. A unio das tcnicas de Data Mining com a capacidade cognitiva de especialistas humanos, em especial, evidenciando a inferncia e a percepo, convergem para a construo de uma ferramenta hbrida de anlise de dados. Observou-se, com a elaborao do estudo de caso que, mesmo sem o desenvolvimento de uma interface grfica, utilizando-se de uma simulao, a mudana de pontos durante o processo interacional, incorreu no resultado final diferente do resultado inicial, cujas interaes seguem apenas os parmetros iniciais. A contribuio da inferncia humana, aproveitada durante o processamento, gerou maior dinamismo no sistema, trazendo resultados finais mais satisfatrios que retratam uma realidade, apesar de simulada. A elaborao de uma interface grfica certamente dever permitir a percepo visual e em nmero suficientemente diminudo de elementos para que o ser humano possa utilizar sua memria de trabalho - como mostrado no estudo. A Psicologia Cognitiva apresenta bom ferramental para estudo destas interfaces, respeitando as limitaes cognitivas do raciocnio humano. Sugere-se como trabalhos futuros a aplicao da Psicologia Cognitiva no desenvolvimento de interface grfica para que o usurio possa perceber, raciocinar e tomar a deciso, alterando o conjunto inicial, averiguando se os conhecimentos gerados, realmente so mais satisfatrios.

123
Enc. Bibli: R. Eletr. Bib. Ci. Inf., ISSN 1518-2924, Florianpolis, v. 17, n. esp. 1, p.110-124, 2012.

REFERNCIAS ALEXANDRE, Dulclerci S.; TAVARES, Joo M. R. S. Factores da percepo visual humana na visualizao de dados. APMTAC, Portugal, 2007. Disponvel em < http://repositorio-aberto.up.pt/bitstream/10216/357/2/13662.pdf> Acesso em: 20/12/2011. ATKINSON, R. C., SHIFFRIN, R. M. The control of short-term memory. Scientific American, n. 225, p. 82-90, 1971. BADDELEY, Alan. The episodic buffer: a new component of working memory? Elsevier Science, Trends in Cognitive Sciences, v. 4, n. 11, 2000. BALBIANI, Philippe et al. Tableaux for public Announcement Logic. Oxford, Journal of Logic and Computation, v. 20, p. 55-76, 2010. CARDOSO, Olinda N. P.; MACHADO T. M. Gesto do Conhecimento usando Data Mining: estudo de caso na Universidade Federal de Lavras. Rio de Janeiro, FGV, Revista de Administrao Pblica, p. 495-528, 2008. FORTULAN, Marcos R.; FILHO, Eduardo V. G. Uma proposta de aplicao de Business Intelligence em cho-de-fbrica. Gesto & Produo, v.12, n.1, p. 55-66, jan./abr. 2005. LOUREIRO, Marco A. Data Mining, conceitos e aplicabilidades. Publicaes eletrnicas. Disponvel em: <http://professorloureiro.com>. Acesso em: 26 de janeiro de 2011. MATLIN, Margaret W. Psicologia Cognitiva. 5.ed. Rio de Janeiro: LTC, 2004. MURRAY. John D.; SEVINC, Mervem; LOCKER, Lawrence. Automation vs. Human Intervention: Is There any Room Left for the Analyst in the Data Mining Process? Handbook of Research on Knowledge Intensives Organizations. Information Science Reference. Hershey, New York, 2005. PREECE, J., Rogers, Y., Sharp, H., Benyon, D., Holland, S. & Carey, T. Human-Computer Interaction. Essex, England: Addison-Wesley Longman Limited, 1994 SOUZA, Delmar Carvalho de. Hipermdia aplicada ao ensino tcnico de nvel mdio. Dissertao de Mestrado Engenharia de Produo, UFSC, Florianpolis: 1998 VREMBEL, Robert. Data Warehouses and Olap: Concepts, Architectures and Solutions. Ed. IGI Global, 2006.

124
Enc. Bibli: R. Eletr. Bib. Ci. Inf., ISSN 1518-2924, Florianpolis, v. 17, n. esp. 1, p.110-124, 2012.