Escolar Documentos
Profissional Documentos
Cultura Documentos
Figura 11 – Processo de criação dos artefatos gráficos por meio das bibliotecas de
interfaces gráficas do MATLAB. . . . . . . . . . . . . . . . . . . . . . . 54
Figura 12 – Processo de integração dos artefatos gráficos às funções do MATLAB. . 58
I Preparação da pesquisa 23
1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.1 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.1.1 Objetivo Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.1.2 Objetivos Específicos . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.2 Justificativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
II Referenciais teóricos 29
2 Fundamentação Teórica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.1 Multivariate Calibration (Calibração Multivariada) . . . . . . . . . . . . . 31
2.1.1 Univariate Calibration (Calibração Univariada) . . . . . . . . . . . 31
2.1.2 Chemometrics (Quimiometria) . . . . . . . . . . . . . . . . . . . . . 31
2.2 Variable Selection (Seleção de Variáveis) . . . . . . . . . . . . . . . . . . . 32
2.2.1 Spectroscopy (Espectroscopia) . . . . . . . . . . . . . . . . . . . . . 33
2.2.2 Successive Projections Algorithm . . . . . . . . . . . . . . . . . . . 33
2.3 Sample Selection (Seleção de Amostras) . . . . . . . . . . . . . . . . . . . . 34
2.3.1 Kennard-Stone Algorithm . . . . . . . . . . . . . . . . . . . . . . . 35
2.3.2 SPXY Algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.4 Avaliação de Usabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.4.1 Classificação dos Problemas de Usabilidade . . . . . . . . . . . . . . 36
2.4.2 Avaliação por Inspeção Heurística . . . . . . . . . . . . . . . . . . . 37
2.4.2.1 O Papel dos Especialistas na Avaliação Heurística . . . . . 39
2.4.3 Avaliação por Teste com Usuário . . . . . . . . . . . . . . . . . . . 39
2.4.3.1 Determinando o Tamanho da Amostra de Usuários . . . . 41
2.4.3.2 Procedimento de Avaliação por Teste com Usuário . . . . 42
2.5 Processo de Design Iterativo de Interface de Usuário . . . . . . . . . . . . 43
2.5.1 Relação do Design Iterativo com Teste com Usuário . . . . . . . . . 44
3 Revisão da Literatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.1 Interface gráfica do usuário para processamento de sinais . . . . . . . . . . 45
3.1.1 Signal Processing and Variable Selection for Multivariate Calibration 45
3.1.2 Multivariate Calibration GUIs . . . . . . . . . . . . . . . . . . . . . 46
III Material e Métodos 49
4 Metodologia de Desenvolvimento . . . . . . . . . . . . . . . . . . . . . . . . 51
4.1 Análise de Usabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.1.1 Inspeção Heurística . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.1.2 Teste com Usuário . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.2 Implementação de Melhorias do Sistema . . . . . . . . . . . . . . . . . . . 53
4.2.1 Desenvolvimento dos Artefatos Gráficos . . . . . . . . . . . . . . . . 54
4.2.1.1 Propriedades dos Objetos Gráficos . . . . . . . . . . . . . 54
4.2.2 Desenvolvimento de Novas Funcionalidades . . . . . . . . . . . . . . 55
4.2.2.1 Aba Load Data . . . . . . . . . . . . . . . . . . . . . . . . 56
4.2.2.2 Aba Sample Selection . . . . . . . . . . . . . . . . . . . . 56
4.2.2.3 Aba SPA . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.2.2.4 Aba Multivariate Statistics . . . . . . . . . . . . . . . . . 57
4.2.3 Integração dos Artefatos com as Funcionalidades . . . . . . . . . . . 58
IV Resultados 59
5 Avaliação de Usabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.1 Relatório de Avaliação por Inspeção Heurística . . . . . . . . . . . . . . . . 61
5.1.1 Problemas de Usabilidade na Aba Load Data . . . . . . . . . . . . . 61
5.1.2 Problemas de Usabilidade na Aba Data Pre-Processing . . . . . . . 65
5.1.3 Problemas de Usabilidade na Aba Sample Selection . . . . . . . . . 69
5.1.4 Problemas de Usabilidade na Aba SPA . . . . . . . . . . . . . . . . 72
5.2 Relatório de Avaliação por Testes com Usuário . . . . . . . . . . . . . . . . 74
5.2.1 Feedback da Avaliação com Usuário . . . . . . . . . . . . . . . . . . 75
5.3 Discussão sobre a Avaliação de Usabilidade . . . . . . . . . . . . . . . . . . 76
7 Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
Referências . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
Parte I
Preparação da pesquisa
25
1 Introdução
1.1 Objetivos
A seguir os objetivos geral e específico desse trabalho são apresentados.
∙ Realizar a avaliação por inspeção heurística (NIELSEN, 1994) e por testes com
usuário (KESSNER et al., 2001) da interface gráfica proposta por (PAIVA et al.,
2012) e gerar um relatório de inspeção.
∙ Realizar modificações da interface gráfica proposta por (PAIVA et al., 2012), seguindo
o feedback de pesquisadores da área e das avaliações heurísticas aplicadas na interface
original;
1.2 Justificativa
Segundo (BOYD et al., 1990), a Graphical User Interface representa uma mudança
fundamental na maneira como computadores apresentam a informação e como os usuários
podem interagir com eles. Graças a sistemas como esses, que abstraem do uso de algoritmos
complexos para algo interativo e intuitivo, o uso de softwares especializados se tornou
mais fácil para pesquisadores de diversas áreas do conhecimento.
Em particular, o desenvolvimento de uma interface para processamento de sinais
químicos, contribui para o desenvolvimento científico, uma vez que traz maneiras de se
1.2. Justificativa 27
realizar uma análise de substâncias de forma simples e com respaldo técnico, já que a
ferramenta garante que o procedimento de análise é correto, se responsabilizando de garantir
o funcionamento das técnicas e algoritmos envolvidos, permitindo com que o usuário final
não precise entrar nos detalhes técnicos de implementação das metodologias. Conforme
(PAIVA et al., 2012), uma interface gráfica para o Successive Projections Algorithm traz
facilidades no uso desse algoritmo no ambiente MATLAB, que também agrega outras
funcionalidades, como gerenciar o processo de seleção de variáveis do SPA, cálculos de
predições em modelos de regressão linear múltipla e outros pré-processamentos.
O uso dessa ferramenta no meio acadêmico é de grande utilidade para os grupos
de pesquisa que realizam estes tipos de análise. Novas necessidades e demandas surgiram,
e por meio da criação de uma nova interface será possível atender as expectativas, e assim
contribuir no desenvolvimento de outras pesquisas.
Parte II
Referenciais teóricos
31
2 Fundamentação Teórica
𝑦 𝑖 = 𝑏 1 𝑥𝑖 + 𝑒 𝑖 (2.2)
como o conjunto de variáveis que ainda não foram selecionadas, à partir dai é calculado a
projeção de x𝑗 no subespaço ortogonal à x𝑘(𝑛−1) , na linha 7. É determinado, na linha 8,
o maior vetor projetado, que é armazenado em 𝑘(𝑛) e, na linha 9, x𝑗 recebe a projeção
do mesmo vetor, para todo 𝑗 ∈ 𝑆, para as próximas iterações. Por fim, na linha 12, as
seleções 𝑘(𝑛), para todo 𝑛 = 0, . . . , (𝑁 − 1) são retornadas.
Algoritmo 1: SPA_Selecao
Entrada : Matriz Xcal , variável inicial 𝑘0 , escalar 𝑁
Saída : Conjunto de variáveis 𝑘(𝑛), ∀𝑛 = 0, . . . , (𝑁 − 1)
1 𝑛 := 1
2 𝑘(0) := 𝑘0
3 𝐽 := quantidade de colunas de Xcal
4 Seja x𝑗 := Xcal [:][𝑗], ∀𝑗 = 1, . . . , 𝐽
5 enquanto 𝑛 < 𝑁 faça
6 𝑆 = {𝑗, de modo que 1 ≤ 𝑗 ≤ 𝐽 e 𝑗 ∈ / {𝑘(0), . . . , 𝑘(𝑛 − 1)}}
| |
7 Px𝑗 = x𝑗 − (x𝑗 x𝑘(𝑛−1) )x𝑘(𝑛−1) (x𝑘(𝑛−1) x𝑘(𝑛−1) )−1
8 𝑘(𝑛) = 𝑎𝑟𝑔 max ||Px𝑗 ||, ∀𝑗 ∈ 𝑆
9 x𝑗 = Px𝑗 , ∀𝑗 ∈ 𝑆
10 𝑛=𝑛+1
11 fim
12 retorna 𝑘(𝑛), ∀𝑛 = 0, . . . , (𝑁 − 1)
⎯
1 𝑁∑︁
⎸ 𝑣𝑎𝑙
⎸
𝑅𝑀 𝑆𝐸𝑃 = ⎷ (𝑦𝑣𝑎𝑙,𝑖 − 𝑦^𝑣𝑎𝑙,𝑖 )2 (2.3)
𝑁𝑣𝑎𝑙 𝑖=1
Onde 𝑦𝑣𝑎𝑙,𝑖 e 𝑦^𝑣𝑎𝑙,𝑖 são denotados como a referência e o valor previsto para a 𝑖-ésima
amostra de validação, respectivamente. Uma terceira fase realiza o descarte das variáveis
que não contribuem no modelo, para assim, diminuir o erro associado. Esse procedimento
é realizado até que encontrar o menor número de variáveis, de modo que o RMSEV não é
significativamente maior que o valor mínimo observado no scree plot, de acordo com um
F-test, com nível de significância sendo 𝛼 = 0.25, conforme sugere (GALVAO et al., 2008).
⎯
⎸𝑁
⎸∑︁
𝐸𝐷𝑥 (𝑝, 𝑞) = ⎷ [𝑥
𝑝 (𝑖) − 𝑥𝑞 (𝑖)]2 𝑝, 𝑞 ∈ [1, 𝑀 ] (2.4)
𝑖=1
Como resultado do algoritmo, temos uma dupla de subconjuntos com |𝐾| e |𝑀 −𝐾|
amostras para os conjuntos de amostras 𝑥 e 𝑦.
36 Capítulo 2. Fundamentação Teórica
∙ Impacto: O problema é impactante? Quão fácil ou difícil será para os usuários passar
por ele?
1. Problema apenas cosmético, não necessita ser corrigido, apenas se houver tempo e
recursos extras disponíveis.
Conforme é sugerido em (BENSON et al., 2002), é uma prática comum nas avaliações
de usabilidade indicar o grau de ocorrência do problema, uma vez que, agrega à escala de
severidade no relatório de avaliação, complementando na tomada de decisão, e definindo
bem sua gravidade. A ocorrência do problema é dividida em três níveis:
Escala de Ocorrência
∙ Controle do usuário e liberdade: O sistema deve permitir que o usuário alvo esteja
no controle da situação, em um momento, saídas de emergência devem ser oferecidas.
Além disso, o usuário deve ter a liberdade de tomar decisões, sem necessidade de
conhecimentos específicos de comandos complexos.
38 Capítulo 2. Fundamentação Teórica
∙ Consistência e uso de padrões: Uma mesma operação ou comando deve ser apre-
sentada da mesma maneira, tendo sempre o mesmo efeito em toda a ferramente,
consequentemente garantindo uma padronização e evitando com que o usuário
questione se semânticas diferentes dentro do sistema significam a mesma coisa.
∙ Prevenção de erros: A ferramente deve ser pensada de forma que previna a ocorrência
de erros pelo uso incorreto do usuário. Segundo (LEWIS; NORMAN, 1995), pode-se
classificar os erros em duas categorias:
Dessa forma, o sistema deve prover indicações claras, para evitar mistakes equivoca-
dos, causados pela mal interpretação de símbolos, entradas de dados, entre outros
artefatos gráficos.
∙ Design estético e minimalista: O sistema deve possuir uma interface simples, focada
em manter as informações importantes e que são necessárias em primeiro plano, e
assim deixando informações secundárias em segundo plano, por meio de menu e abas.
Esse tipo de design é importante, pois quanto maior o número de informações que o
usuário demanda processar, mais confuso será, e ele demandará um maior tempo
para analisar e tomar suas decisões.
∙ Ajuda e documentação: O sistema deve possuir uma interface intuitiva, que permita
sua utilização ao usuário, sem que esse precise de auxílio ou da consulta à documen-
tação, entretanto, essa regra não se faz sempre aplicável, visto que, principalmente
em aplicações complexas e muito especializadas, é necessário a utilização das docu-
mentações acessíveis, sejam estas disponibilizada on-line ou acessadas facilmente
através de pesquisas.
Figura 3: Curva de proporção de problemas de usabilidade por inspeção heurística pelos avaliadores.
(NIELSEN, 1995a)
Figura 4: Curvas comparando o resultado obtido nas simulações e a modelagem matemática proposta.
Para a avaliação por teste com usuário, deve-se buscar uma amostra cuja represen-
tação é o cliente alvo, evitando cair no erro da amostra polarizada, que não representa
realmente o publico de interesse. As tarefas a serem executarem pela amostra devem
descrever o que a atividade deve atender, de forma objetiva, evitando interpretações
equivocadas.
É importante destacar alguns aspectos que, apesar de não estarem diretamente
ligados a execução, podem impactar nos resultados da avaliação, como por exemplo:
∙ Duração: Verificar se a duração do teste é adequada, uma vez que o usuário cansado
ou desinteressado após uma longa sessão pode impactar no resultado.
Segundo (NIELSEN, 1993), todo sistema deve buscar ser factível do ponto de
vista de custo e manutenção, além de respeitar as necessidades, no que diz respeito a
funcionalidade, dos clientes. Essas características, apesar de não serem o foco dos padrões
44 Capítulo 2. Fundamentação Teórica
∙ Fácil aprendizado: Usuários devem ser capazes de aprender sobre o sistema rapida-
mente.
∙ Eficiente: Usuários com proficiência devem ser capazes de ter uma melhor produtivi-
dade.
∙ Fácil de lembrar: Usuários podem voltar a acompanhar, mesmo com pouca frequência,
e não precisar aprender tudo do começo.
∙ Error-forgiving: Usuários não devem cometer muitos erros, e esses poucos erros não
devem ser catastróficos.
3 Revisão da Literatura
A Figura 9 mostra a etapa que permite separar uma amostra de conjuntos em duas
amostrar disjuntas, permitindo realizar essa divisão por algoritmos diferentes.
Por fim, a Figura 10 apresenta a tela que executa o algoritmo SPA, especificando
certas variáveis. Além disso, permite realizar predição de resultados, e comparar com a
amostra real.
Material e Métodos
51
4 Metodologia de Desenvolvimento
4. Copiar a matriz de entrada para outra variável e exportar uma seleção dela como
array. Dica: O parâmetro é de sua escolha; A matriz de entrada é a matriz com os
dados.
4.2. Implementação de Melhorias do Sistema 53
3. Handlers de objetos gráficos: As operações que geram objetos dos artefatos gráficos,
que ficam salvos em memória para uso, permitindo que operações de callback sejam
vinculadas a essas entidades.
Figura 11: Processo de criação dos artefatos gráficos por meio das bibliotecas de interfaces gráficas do
MATLAB.
Fonte: O autor
dos objetos gráficos, que não necessariamente são usados para todos tipos de objeto, que
podem variar entre:
∙ Objeto Pai: Pode-se associar a um objeto pai, em geral esse objeto é a própria
interface em si ou a aba.
∙ Estilo de elementos: Indica o estilo dos elementos associados, como botões, checkboxes,
etc.
∙ Margem no objeto: Indica se os elementos do objeto tem margem com sua borda.
∙ Tamanho de fonte: Indica o tamanho das fontes dos elementos associados ao objeto
gráfico.
Dessa forma, um dado de descrição pode ter várias propriedades, e para cada
artefato gráfico da interface, um dado de descrição é feito e tratado pelas bibliotecas de
interface gráfica do MATLAB, que gera os objetos gráficos.
Na aba load data foi adicionado uma opção checkbox na parte de plots de dados
que faz com que cada plot por figura tenha uma coloração única em cada curva, sem essa
opção a cada 8 curvas por plot a cor se repete. Para isso foi usado o método de HSV
colormap array do MATLAB que retorna o mapa de cores hsv como uma matriz de três
colunas com 𝑛 linhas, que representa o espalhamento das cores entre o mapa de cores.
A funcionalidade LSC permite o usuário gerar um vetor de classes para uma matriz de
dados por características de teste com base em outras duas matrizes de calibração, que irão
representar uma classe cada uma. Para realizar essa classificação, é calculado o método de
mínimos quadrados linear entre as duas matrizes de calibração, e a partir da reta calculada
por esse método, a matriz de dados é dividida em dois grupos de dados, cada um em uma
classe.
A funcionalidade LDA permite o usuário realizar scatter plots de uma matriz de amostras
por características, que pode incluir a classificação linearmente, em uma dimensão otimizada
de características, de duas classes escolhidas e também uma matriz de confusão entre
a classificação linear em uma dimensão e a classificação linear por duas amostras de
validação. O algoritmo da matriz de confusão foi obtido pela comunidade no fórum
da comunidade MATLAB File Exchange (https://www.mathworks.com/matlabcentral/
fileexchange/) da MathWorks.
∙ Scree Plot:
Essa funcionalidade realiza o Scree Plot de uma matriz como valor de entrada, onde é
calculado os auto-valores da matriz quadrada resultante da multiplicação dessa matriz por
sua transposta. Essa operação permite também o plot de seus valores em escala logarítmica.
58 Capítulo 4. Metodologia de Desenvolvimento
Fonte: O autor
Parte IV
Resultados
61
5 Avaliação de Usabilidade
1. Carregamento das figuras para plot demora de 3-4 segundos na primeira execução.
Fonte: O autor
∙ Grau de ocorrência: 1.
∙ Medida sugerida: Chamar o método de update do workspace de variáveis ao
abrir o programa.
∙ Evidência:
Fonte: O autor
3. Botões de Extract, Clear Edit, Invert e Select from array não são totalmente auto-
explicativos.
Fonte: O autor
5.1. Relatório de Avaliação por Inspeção Heurística 63
Fonte: O autor
Fonte: O autor
64 Capítulo 5. Avaliação de Usabilidade
Fonte: O autor
8. Não indica que os botões de manipulação de objetos podem ser usados em conjunto
com seleção de amostras e índices.
Fonte: O autor
Fonte: O autor
Fonte: O autor
∙ Grau de ocorrência: 1.
∙ Medida sugerida: Colocar os dados compartilhados em uma área "neutra", que
não dê ideia que pertençam a uma entidade apenas.
∙ Evidência:
Fonte: O autor
Fonte: O autor
Fonte: O autor
Fonte: O autor
∙ Grau de severidade: 2.
∙ Grau de ocorrência: 1.
∙ Medida sugerida: Prover uma opção de acesso a ajuda/documentação on-line.
∙ Evidência: N/A.
Fonte: O autor
2. Legendas das entradas de dados não indicam o que deve ser inserido.
Fonte: O autor
Fonte: O autor
∙ Motivo: Não é possível inferir seu funcionamento à priori sem ter usado.
∙ Grau de severidade: 2.
∙ Grau de ocorrência: 1.
∙ Medida sugerida: Colocar uma legenda ao lado, como por exemplo "Enable
Field".
∙ Evidência: Figura 27
Fonte: O autor
Fonte: O autor
Fonte: O autor
Fonte: O autor
Fonte: O autor
em inanição, sendo um problema de grau sério, porém nenhum catastrófico. Esse dado
deixa indícios da possibilidade de outros erros não tratados que não foram identificados,
então uma atividade que deve ser executada para melhorar a performance do sistema é
varrer mais opções do software não abordadas pela pesquisa em busca de mistakes como
esses.
No que concebe à avaliação por teste com usuário, foi interessante notar que muitos
78 Capítulo 5. Avaliação de Usabilidade
usuários tiveram dificuldades semelhantes, o que mostra que para avaliações futuras é
plausível reduzir o tamanho da amostra e buscar mais iterações no design. Além disso, foi
possível notar a diferença no background de alguns usuários, que impactou na performance
do uso da interface, no quesito tempo. Outro ponto importante foi a pesquisa levantada,
que indicou que mais de um terço dos entrevistados se sentiram um pouco desconfortáveis
com o uso da aplicação, muito provavelmente pelas frustrações ao não atingirem o objeto
de suas tarefas, mas ainda assim mais da metade respondeu favorável do uso do sistema.
Em geral, a interface é fácil de aprender a usar, porém para novos usuários pode-
se tornar uma experiência frustrante por não haver ajuda integrada, como relata um
5.3. Discussão sobre a Avaliação de Usabilidade 79
Fonte: O autor
Fonte: O autor
entrevistado "Se você sabe o que está fazendo, a funcionalidade está ali, mas não tem
mensagem de erros ou de verificação de input. Sem instrução prévia fica estranho o
porquê do uso". No entanto, deve-se ressaltar que essa pesquisa foi realizada com usuários
que não refletem a realidade do público-alvo desse sistema e que tiveram que aprender
primeiramente a técnica envolvida e depois a ferramenta, já para o público-alvo, que possui
a técnica, esse feedback obtido pelo questionário tende a ser mais positivo, uma vez que,
para esses usuários, usar essa ferramenta pode contribuir diretamente no trabalho que
exercem.
81
Fonte: O autor
Fonte: O autor
82 Capítulo 6. Testes de Unidade das Implementações
Fonte: O autor
6.3 SPA
A Figura 39 apresenta a modificação na interface SPA com inclusão de um novo
critério de validação.
Fonte: O autor
6.4. Multivariate Statistics 83
Fonte: O autor
Fonte: O autor
84 Capítulo 6. Testes de Unidade das Implementações
Fonte: O autor
Fonte: O autor
6.4. Multivariate Statistics 85
A Figura 44 apresenta o plot dos dados originais das características, tanto para
duas como três dimensões.
Fonte: O autor
A Figura 45 apresenta o scatter plot dos dados, com realce e otimização nas
características selecionadas, tanto para duas como três dimensões.
Fonte: O autor
86 Capítulo 6. Testes de Unidade das Implementações
Figura 46: Tela: Multivariate Statistics - Opção de LDA - Classificação das características linearmente.
Fonte: O autor
Fonte: O autor
Fonte: O autor
Fonte: O autor
Fonte: O autor
Considerações Finais
91
7 Conclusão
Referências
BENSON, L. et al. Usability and instructional design heuristics for e-learning evaluation.
[S.l.]: Association for the Advancement of Computing in Education (AACE), 2002.
BOYD, L. H. et al. The graphical user interface crisis: Danger and opportunity. ERIC,
1990.
BUDIU, R. Memory recognition and recall in user interfaces. Nielsen Norman Group, v. 1,
2014. Disponível em: <https://www.nngroup.com/articles/recognition-and-recall>.
CORTES, C. et al. Sample selection bias correction theory. In: SPRINGER. International
conference on algorithmic learning theory. [S.l.], 2008. p. 38–53.
GALVAO, R. et al. A variable elimination method to improve the parsimony of mlr models
using the successive projections algorithm. Chemometrics and Intelligent Laboratory
Systems, v. 92, p. 83–91, 05 2008.
HONORATO, F. A. et al. Using principal component analysis to find the best calibration
settings for simultaneous spectroscopic determination of several gasoline properties. Fuel,
Elsevier, v. 87, n. 17-18, p. 3706–3709, 2008.
KESSNER, M. et al. On the reliability of usability testing. In: ACM. CHI’01 extended
abstracts on human factors in computing systems. [S.l.], 2001. p. 97–98.
LIU, F.; HE, Y. Application of successive projections algorithm for variable selection
to determine organic acids of plum vinegar. Food chemistry, Elsevier, v. 115, n. 4, p.
1430–1436, 2009.
MYERS, B. et al. Past, present, and future of user interface software tools. ACM Trans.
Comput.-Hum. Interact., ACM, New York, NY, USA, v. 7, n. 1, p. 3–28, mar. 2000. ISSN
1073-0516. Disponível em: <http://doi.acm.org/10.1145/344949.344959>.
MYERS, B. A. User interface software tools. ACM Trans. Comput.-Hum. Interact., ACM,
New York, NY, USA, v. 2, n. 1, p. 64–103, mar. 1995. ISSN 1073-0516. Disponível em:
<http://doi.acm.org/10.1145/200968.200971>.
NAES, T. et al. A user Friendly guide to Multivariate Calibration and Classification. [S.l.]:
NIR Publications, 2002.
NIELSEN, J. Iterative user-interface design. Computer, IEEE, v. 26, n. 11, p. 32–41, Nov
1993.
NIELSEN, J. Severity ratings for usability problems. Papers and Essays, v. 54, p. 1–2,
1995.
NIELSEN, J. Why you only need to test with 5 users. [S.l.]: Useit. com Alertbox, 2000.
NIELSEN, J.; MOLICH, R. Heuristic evaluation of user interfaces. In: ACM. Proceedings
of the SIGCHI conference on Human factors in computing systems. [S.l.], 1990. p. 249–256.
PAIVA, H. M. et al. A graphical user interface for variable selection employing the
successive projections algorithm. Chemometrics and Intelligent Laboratory Systems,
v. 118, p. 260 – 266, 2012. ISSN 0169-7439. Disponível em: <http://www.sciencedirect-
.com/science/article/pii/S0169743912001347>.
SOARES, S. F. et al. A new validation criterion for guiding the selection of variables by
the successive projections algorithm in classification problems. Journal of the Brazilian
Chemical Society, SciELO Brasil, v. 25, n. 1, p. 176–181, 2014.
VELLA, F. Estimating models with sample selection bias: a survey. Journal of Human
Resources, JSTOR, p. 127–169, 1998.
VIRZI, R. A. Refining the test phase of usability evaluation: How many subjects is
enough? Human Factors, v. 34, n. 4, p. 457–468, 1992. Disponível em: <https://doi.org-
/10.1177/001872089203400407>.
WILLIAMS, P.; NORRIS, K. et al. Near-infrared technology in the agricultural and food
industries. [S.l.]: American Association of Cereal Chemists, Inc., 1987.
96 Referências
WINSHIP, C.; MARE, R. D. Models for sample selection bias. Annual review of sociology,
Annual Reviews 4139 El Camino Way, PO Box 10139, Palo Alto, CA 94303-0139, USA,
v. 18, n. 1, p. 327–350, 1992.