Aplicao de IA no Auxlio a Tomada de Deciso

Chantele Cerqueira de Lima, Diana Colombo Pelegrin, Fabiano da Silva Martins, Lilian Cristine Apolinrio Instituto Catarinense de Ps-Graduao ICPG Resumo As organizaes buscam incessantemente, a cada dia que passa, por novas tecnologias e/ou ferramentas que possam contribuir com vantagens, para que consigam se manter competitivas. A Inteligncia Artificial (IA) tem se consolidado, ao longo dos ltimos anos, como uma das mais poderosas ferramentas para obteno de ganhos significativos de produtividade nas organizaes. Os resultados prticos de sua aplicao, nos mais diversos nichos de negcio, vm crescendo tanto em valor como em importncia medida que se aproximam dos setores gerenciais de tomada de deciso nas organizaes. Com isto, este artigo tem como objetivo demonstrar alguns tipos de ferramentas, desenvolvidas com base em tecnologias voltadas a IA, utilizadas na tomada de deciso por diferentes reas. 1. Introduo Diante de um cenrio de rara complexidade, no mundo das organizaes e na sociedade em geral, fenmenos econmicos e sociais, de alcance mundial, so responsveis pela reestruturao do ambiente organizacional. A globalizao da economia impulsionada pela tecnologia da informao e pelas comunicaes, e esta uma realidade da qual no se pode escapar. A globalizao est fazendo com que as organizaes tenham que ajustar-se nova economia, precisando adequar seus custos e aumentar a produtividade para serem competitivas. Em conseqncia disso, h uma demanda crescente por controle nas organizaes, e estas comeam a tomar iniciativas na busca de ferramentas facilitadoras que as auxilie na tomada de deciso. Neste contexto, este artigo tem como objetivo explanar a respeito da aplicao de IA na tomada de deciso, demonstrando quais tecnologias esto sendo utilizadas bem

como a demonstrao de algumas ferramentas desenvolvidas que utilizam estas tecnologias. 2. Aplicao de IA na Tomada de Deciso Dos pioneiros da IA aos pesquisadores de hoje, a nfase tem sido dada ao desenvolvimento de sistemas com comportamento inteligente. Algumas das caractersticas especficas do comportamento inteligente incluem a capacidade de realizar melhor ou mais rapidamente tarefas realizadas por seres humanos (SEEWALD, 2004). Como por exemplo: a) Aprender com a experincia. Ser capaz de aprender com as situaes e eventos encontrados um componente essencial do comportamento inteligente e uma capacidade natural para os humanos, que aprendem por tentativa e erro. b) Aplicar o conhecimento adquirido da experincia. Alm de aprender com a experincia, as pessoas aplicam o que aprenderam s novas situaes e circunstncias. c) Tratar situaes complexas. Os seres humanos sempre esto envolvidos em situaes complexas. O desenvolvimento de sistemas que possam tratar situaes desconcertantes requer planejamento cuidadoso e elaborada programao. d) Resolver problemas quando faltam informaes importantes. A essncia da tomada de decises lidar com a incerteza. Muitas vezes, as decises precisam ser feitas mesmo quando esto faltando informaes ou quando essas informaes no so exatas, porque a obteno de informaes completas dispendiosa ou impossvel. e) Determinar o que importante. Saber o que realmente importante a marca do bom tomador de decises. Todos os dias somos bombardeados com fatos e precisamos processar grandes volumes de dados, filtrando somente o que for necessrio. A determinao de que itens so essenciais faz a diferena entre as boas decises e as que conduziro a problemas ou falhas. f) Capacidade para raciocinar e pensar. Embora as pessoas nem sempre usem uma abordagem lgica, certamente temos essa capacidade. O desenvolvimento de sistemas que possam chegar a concluses lgicas a

partir de informaes uma tarefa muito mais complexa. Coisas que so simples para uma criana, como montar os componentes de um quebracabea, podem ser extremamente complexas mesmo para computadores sofisticados. g) Reagir rpida e corretamente a nova situaes. Uma criana pode, por exemplo, ver uma salincia ou um abismo no arriscar uma aproximao. Ela reage pronta e corretamente a uma situao nova. Os computadores, entretanto, no dispem dessa capacidade sem uma complexa programao. h) A utilizao da heurstica. Quando defrontadas com situaes complexas, as pessoas usam a heurstica (normas prticas advindas da experincia), ou mesmo adivinham, ao tomar decises. Partindo dessas premissas que so desenvolvidos os sistemas inteligentes que auxiliam na tomada de deciso. Nos prximos tpicos tem-se demonstrados alguns exemplos da aplicao de IA para o auxlio na tomada de decises. 3. Agente Assistente no Apoio ao Diagnstico Etiolgico de Lombalgia O estudo de IA ao longo das dcadas, proporcionou grande progresso na resoluo de problemas e diversos mtodos novos foram propostos, desenvolvidos, testados, analisados e utilizados, destacando-se a busca heurstica, o planejamento de aes, a aprendizagem cognitiva e a percepo, que geraram uma comunidade cientfica atuante, alm de sistemas que foram implantados e que solucionam problemas de grande complexidade (GOULART, 2006). A partir destes modelos a comunidade cientfica foi refinando mais seu raciocnio, percebendo que a inteligncia no se resume em apenas raciocinar, decidir, aprender e planejar, mas tambm em como integrar estes processos. Surge ento como um paradigma integrador natural destas tcnicas, o modelo de agente. O conceito de agente, assim como o de inteligncia, difcil de ser determinado, por isso no existe uma definio universalmente aceita podendo-se variar de autor para autor conforme definies a seguir. Um agente uma entidade real ou virtual, capaz de agir num ambiente, de se comunicar com outros agentes, que movida por um conjunto de inclinaes, que possui recursos prprios e que capaz de perceber seu ambiente (REZENDE, 2005).

Segundo Bittencourt (2001) agente uma entidade real ou abstrata que capaz de agir sobre ela mesma e sobre seu ambiente, que dispe de uma representao parcial deste ambiente, que, pode comunicar-se com outros agentes, e cujo comportamento conseqncia de suas observaes, de seu conhecimento e das interaes com outros agentes. Um agente uma entidade qual pode-se associar uma identidade nica, e que capaz de realizar clculos formais. Um agente pode ser considerado como um meio que produz um certo nmero de aes a partir dos conhecimentos e mecanismos internos que lhe so prprios (GIRAFFA, 1998). De acordo com Albuquerque (1999) um agente capaz de realizar tarefas e age em benefcio de algum ou de alguma coisa. A aplicao experimental SLO foi desenvolvida na rea da medicina para trabalhar com a base de conhecimento do NETICA, e que aplicado a ergonomia de software tornou-se uma ferramenta de auxlio ao diagnstico de Lombalgia. Sendo que este sistema utiliza recursos da Inteligncia Artificial como SEP e o Agente Assistente. Para o presente artigo ser dada nfase ao Agente Assistente, responsvel por auxiliar o usurio nas suas tomada de deciso quanto ao preenchimento dos pronturios dos pacientes. De acordo com as definies de agentes, as classificaes utilizadas para a modelagem do agente assistente do sistema SELO foram (RUSSELL; NORVIG, 2004): a) tarefas (que se refere ao tipo de atividade que o agente assistente ir desempenhar): Utiliza a tarefa de interao pois so determinadas pela interao entre o agente e o ambiente; b) ambientes (se refere ao ambiente onde o agente assistente ir atuar): Utiliza ambiente acessvel, onde o agente consegue retirar do ambiente a informao (sinais e sintomas selecionados pelo usurio) que necessita para determinar a melhor ao; c) taxonomia: de acordo com a classificao de taxonomia utiliza o eixo ambiental onde um agente individual pode atuar no desktop; d) arquitetura: conforme as classificaes o agente assistente implementado se caracteriza por meio da arquitetura de reatividade simples, que seleciona as aes com base na percepo atual, ignorando o restante do histrico de percepes.

A Figura 1 ilustra a estrutura de atuao do Agente Assistente no SLO.

Usurio/ Acadmico
Inserir dados

SELO Interface de comunicao

Auxiliar na ao

Analisar dados

SELO Base de conhecimento

Estabelecer regras

Especialista Figura 01. Estrutura de atuao do agente assistente

As reas de atuao do Agente Assistente foram definidas pelo especialista de acordo com as inconsistncias mais graves selecionadas pelo usurio. Desta forma o agente assistente totalmente baseado em regras. Conforme ilustras a Figura 2.

SE Incio da dor selecionada for igual aguda e Quadro lgico selecionado for igual a um ms a um ano ENTO Agente (Critica Seleo). SE Incio da Dor selecionada for igual Crnica e Quadro lgico selecionado for igual a quatro semanas ENTO Agente (Critica Seleo). SE Dor Irradiada selecionada for igual Para a Coxa e Parestesia selecionado for igual a sim ENTO Agente (Critica Seleo).
Figura 2. Regras

A Figura 3 ilustra uma tela do sistema SLO juntamente com seu agente assistente.

Seja bem vindo ao Programa SLO!

Figura 03. Agente Assistente no SLO

O Agente Assistente ir analisar as sentenas que satisfazem as regras de acordo com o preenchimento do pronturio, feito pelo usurio. Desta forma o agente toma sua deciso e interage com o usurio auxiliando-o no preenchimento correto do pronturio e desta forma conseguindo-se chegar a um diagnstico mais preciso. Alm de agentes, uma outra tcnica da IA que contribui no processo de tomada de decises, Data Mining (DM), conforme descrito a seguir. 4. O processo de Data Mining e a Shell Orion O armazenamento de informaes nas empresas aumentou rapidamente nas ltimas dcadas. Esse crescimento estimulou a necessidade de novas tcnicas e ferramentas que permitissem a anlise das bases de dados em busca da descoberta de informaes de forma inteligente e automtica (BARIONI, 2002). Para atender a essa necessidade surgiu um campo de pesquisa, a descoberta de conhecimento em base de dados conhecida como Knowledge Discovery in Databases (KDD), que utiliza conceitos e tcnicas de IA. O processo de KDD tem como objetivo a identificao de padres, tendncias, associaes, probabilidades ou fatos, que possibilitam a descoberta de modelos de conhecimento escondidos em uma grande base de dados (AMARAL, 2001). As etapas do processo de KDD, conforme Fayyad, Piatetsky-Shapiro e Smyth (1996), compreendem a seleo, pr-processamento, transformao, data mining

e interpretao. Sendo que, sua principal etapa o DM, responsvel pela busca efetiva por conhecimento partir da base de dados. Segundo Serra (2002), o DM descende fundamentalmente de trs linhas: a Estatstica Clssica, a Inteligncia Artificial e o Aprendizado de Mquina. Essa combinao de prticas estatsticas, clculos de probabilidades e princpios de inteligncia artificial so usadas em conjunto para a busca de informaes relevantes em uma coleo de dados, possibilitando o apoio na tomada de decises. No processo de desenvolvimento de DM indispensvel definir qual a tarefa a ser realizada, bem como qual o algoritmo ser utilizado para a extrao de conhecimento na base de dados. Entre as vrias tarefas de DM esto descritas a seguir algumas das mais utilizadas, segundo vrias bibliografias consultadas, so elas: a associao, classificao, regresso, clusterizao e a previso de sries temporais.

Figura 4. Mdulo de classificao da Shell Orion

Como exemplo de ferramenta de DM, tem-se Shell Orion, que possui mdulos referentes as tarefas de classificao, associao e clusterizao. Na Figura 4, apresentada a interface de um dos mdulos da Shell Orion, o de classificao. Este mdulo utiliza rvores de deciso (Figura 5), tcnica de IA, que tm capacidade de construir decises simblicas para a classificao de problemas e, atravs do conhecimento obtido, pode-se construir regras simblicas para uma tomada de deciso. Para isto utiliza medidas de entropia1 e ganho da informao2 (PELEGRIN, 2005).
1 2

Medida utilizada pelos algoritmos para calcular a homogeneidade de um conjunto de exemplos. Medida estatstica utilizada para a construo das rvores de deciso.

Renda > R$ 2.000.00 sim Dbito < 10% da renda sim Risco de crdito = baixo no no Risco de crdito = alto no

Dbito = 0 sim Risco de crdito = baixo

Figura 5. Estrutura da rvore de deciso Fonte: BISPO, C. (1998)

As funes do mdulo de classificao da Shell Orion consistem em produzir regras de classificao, considerando-se o objeto de sada que selecionado pelo usurio. Aps a construo do conhecimento, uma rvore grfica gerada de modo a possibilitar uma melhor visualizao em relao ao atributo que mais influenciou na construo do modelo de conhecimento obtido, sendo forma de melhor auxiliar nos processos de tomada de deciso. Contudo, a utilizao de ferramentas de DM nas empresas podem modificar sua forma de atuao ou revolucionar suas atividades. Diversos setores das empresas podem utilizar dessa tecnologia para melhor seus processos de tomada de deciso, como setor de marketing, que com o auxilio DM possvel realizar campanhas mais direcionadas, mais baratas e com um retorno muito maior; no setor de compras, onde o DM poderia auxiliar na escolha e seleo de potenciais fornecedores; em um departamento de vendas a minerao de dados pode identificar um potencial comprador para um determinado produto; e, principalmente nas reas gerenciais onde o DM oferece informaes importantes para tomada de deciso. A seguir, ser abordada os Jogos Empresarias, tambm utilizados no auxlio de tomadas de deciso. 5. Jogos Empresariais - Business Games Jogo empresarial uma simulao do ambiente corporativo que abrange tanto os aspectos internos como externos da empresa, visando a avaliao e a anlise das possveis conseqncias decorrentes de decises adotadas (ROCHA, 1997).

Os simuladores modernos de gesto administrativa possibilitam, por meio de recursos computacionais, desenvolvimento de cenrios muito prximos da realidade encontrada nas corporaes, possibilitando aos usurios experimentar na prtica as teorias estudadas e, atravs de tomadas de deciso, treinar e avaliar seus conhecimentos sem comprometer uma organizao real (GERBER, 2000). Atualmente, os jogos empresarias so desenvolvidos usando o emprego de modernas ferramentas de gesto e ensino, como por exemplo: TBC (Treinamento Baseado em Computador), SAD (Sistemas de Apoio Deciso) e IA. Os jogos empresariais mais simples e diretos preocupam-se em descobrir cenrios e ambientes onde est inserida uma determinada empresa. J os mais completos, denominados Jogos Empresariais Master, exploram a empresa como um todo e o ambiente em que ela est inserida. Finalmente, um outro conjunto de Jogos Empresariais, denominados de Jogos de Empresas Funcionais, se caracterizam por explorarem um dos fatores da administrao interna da empresa (como, por exemplo: Administrao de Pessoal, explorado no jogo LIDER, do Programa de Ps-Graduao em Engenharia da Produo da UFSC) (ROCHA, 1997).

Figura 6. Estrutura bsica de um jogo empresarial. Fonte: ROCHA (1997).

Conforme Lacruz e Villela (2005), os Jogos Empresarias na sua maioria so compostos pelos seguintes elementos bsicos (Figura 6): a) manual: eptome onde se encontram todas as regras de funcionamento do Jogo; b) animador: elemento de maior importncia, uma vez que encarregado da definio dos parmetros iniciais e de funcionamento do modelo matemtico de simulao do ambiente onde se desenrolar o jogo; c) processamento: mdulo, na maioria das vezes um computador, onde se executam os clculos e armazenagem de todos os dados. Este mdulo

recebe os dados e os processa, indicando os resultados obtidos para um a um dos Jogadores; alguns modelos informam, tambm, ao Animador, o andamento do jogo em geral, aps cada jogada. d) jogador: compreende um grupo de pessoas que dever estudar o ambiente definido pelo jogo e pesquisar as estratgias mais adequadas para vencer os outros competidores. A seguir, alguns exemplos de Jogos Empresarias: a) GI-Micro v6.10: software de administrao geral, criado para processar e gerenciar decises tomadas pelas equipes (empresas virtuais) e pelo professor (Animador). Com essas informaes, o software simula as mudanas que ocorrem no mercado, gerando relatrios informativos sobre cada empresa que sero utilizados pelos participantes; b) Desafio Sebrae: um jogo de empresas que oferece uma oportunidade para que jovens, independentemente do curso de graduao que estejam fazendo, tenham contato com o ambiente e a dinmica empreendedora atravs de um software exclusivo. Sua participao ajuda no desenvolvimento de competncias gerencias esprito de equipe e amplia a rede de relacionamentos; c) Simulation Empresarial: Possui trs jogos de negcios generalistas, nos quais simula o funcionamento da empresa como um todo, abrangendo todas as reas de uma grande organizao: Marketing, Finanas, RH, Administrao, Comercial, Contbil, entre outros; d) Strategy: Jogo de negcios via internet, que simula um ambiente empresarial e estimula os participantes a tomarem decises diante de situaes reais de uma empresa e) Sun's Identity Hero: jogo desenvolvido pela empresa Sun, classificado como advergame, ou seja um jogo empresarial mas que ao mesmo tempo faz propaganda da empresa Sun. Um jogo no estilo ao-arcade em que o jogador no cargo de gerente de Tecnologia da Informao utiliza uma variedade de ferramentas de TI para evitar diversas ameaas empresa. Tambm na rea da IA, uma outra tecnologia pode ser utilizada para auxiliar nas tomadas de decises, os Sistemas Especialistas (SE).

6. O Uso Redes Bayesianas em Sistemas Especialistas e o Projeto SEAMED Na rea de IA tem-se os SE que so capazes de armazenar um conhecimento especfico, ou seja, conhecimento adquirido de um especialista. Posteriormente com o auxlio de regras e mtodos constroem-se sistemas que podem auxiliar o homem na tomada de decises. Esses sistemas vm sendo muito utilizados na rea mdica, em razo das especificidades no diagnstico. Uma tcnica muito utilizada no desenvolvimento de SE so as redes bayesianas, que constituem-se na forma de representao do conhecimento utilizado em sistemas especialistas probabilsticos e baseiam-se no teorema de Bayes. Um software que desenvolva redes bayesianas funciona como um sistema especialista na medida em que faz o raciocnio inferencial a partir do modelo do domnio (o conhecimento) e das evidncias fornecidas como entrada pelo usurio. A utilizao deste mtodo para a constatao de diagnsticos, requer que consideremos algumas variveis da rede como as evidncias de entrada (perguntas a serem respondidas em uma consulta), e algumas como diagnsticos de sada (respostas que o sistema dar, de acordo com a propagao). Conforme Perotto (2001), o projeto SEAMED, constitui-se no desenvolvimento de uma ferramenta computacional que permita a modelagem de um problema, por meio de redes bayesianas de diagnstico, e a consulta simples de diagnsticos para problemas j modelados. Apesar de ser bastante genrico, o sistema foi projetado para atender problemas da medicina e para ser usado por mdicos. O sistema apresenta facilidade na entrada dos dados, uma interface visual intuitiva, e uma linguagem similar ao da rea mdica. Pode-se atribuir quatro formas em que o SEAMED (software) torna-se um instrumento valioso (PEROTTO, 2001): a) como ferramenta de modelagem de conhecimento: permitir levar o conhecimento especializado (servios ou procedimentos que no so de domnio comum) comunidades que no o tem disponvel. Por exemplo, a orientao de diagnsticos mdicos em comunidades que s tem disposio um clnico geral;

b) como SE de Apoio Deciso: facilidade para a modelagem do conhecimento, devida interface do software, e prpria estrutura formal inerente ao modelo de Redes Bayesianas. Por usar uma representao grfica (grafo), e permitir a descrio apenas das influncias relevantes entre as variveis; c) como meio de difuso de modelos entre comunidades cientficas especficas, no caso, as comunidades mdicas: possibilidade de que um domnio pesquisado e modelado por uma certa comunidade cientfica seja acessado, num formato claro e bem-embasado (como uma Rede Bayesiana), por outra comunidade cientfica; e d) como ferramenta para auxiliar na formao dos mdicos residentes: os estudantes tero mais uma forma de acesso ao modelo de conhecimento proposto por seus professores, podendo compreend-lo pelo uso de uma linguagem formal comum e conhecida (proposta pelo software). O SEAMED tem uma interaface intuitiva que facilita a modelagem e a consulta. Na Figura 7 apresentada a interface da ferramenta para a construo do grafo da rede bayesiana, que parte do processo de modelagem. Nela o usurio (especialista) insere um n para representar cada varivel que julgue relevante no domnio. Estas podem ser evidncias de entrada, variveis intermedirias ou diagnsticos de sada. As arestas entre os ns so as influncias entre as variveis.

Figura 7. Janela de definio de do grafo da Rede Bayesiana Fonte: PEROTTO (2001)

O SEAMED permite que cada varivel da rede seja classificada de acordo com os critrios do especialista. Funciona como uma rvore de diretrios, aos quais os ns esto associados, no importando o papel que tenham dentro da rede bayesiana propriamente, mas sim a semntica que tenham no domnio. Alm disso, bastante importante que um SE, ao detectar um diagnstico, possa explicar os caminhos que usou para chegar a ele. Por isso, numa consulta, o SEAMED alm de responder quais so os possveis diagnsticos, diz qual o valor de certeza atingidas para cada um deles. Tambm disponibiliza ao especialista a possibilidade de incluir textos com a descrio de cada varivel e textos explicando cada uma das relaes entre as variveis. Conforme visto, o desenvolvimento de SE, e a pesquisa e o estudo de tcnicas, mtodos e ferramentas que auxiliem sua construo de conhecimento podem ser muito teis para a sociedade se tratando de auxlio na tomada de decises. Os SE para a rea Mdica so um recurso que melhoram a qualidade dos servios mdicos, alm de difundir o conhecimento de domnios especficos da medicina. 6. CONCLUSO medida que a humanidade se modifica, diante do surgimento de novas tecnologias, novos paradigmas, mudana nos comportamentos dos consumidores, novas regras na arena dos negcios, novas configuraes polticas e sociais, novas preocupaes ambientais, as organizaes procuram se adaptar ao contexto nascente, buscando outros caminhos que possam garantir a sua sobrevivncia e crescimento. Essa adaptao se d pela compreenso e adoo de novas prticas e tecnologias para os negcios, seja na rea da sade, ramo empresarial, na educao, entre outros. Neste contexto, a IA mostra-se como soluo para subsidiar ao mximo os tomadores de deciso na rdua tarefa de fazer escolhas.. Portanto, este artigo procurou explanar algumas aplicaes de como as tcnicas de IA podem ser utilizadas para auxiliar na tomada de decises a partir da construo eficiente do conhecimento. REFERNCIAS
ALBUQUERQUE, Andra Corra Flres; BARBOSA, Rosana Noronha. Agentes Mveis: Nova Tecnologia para Gerncia de Redes. Universidade do Amazonas. Manaus, 1999.

AMARAL, Fernanda Cristina Naliato. Data mining: tcnicas e aplicaes para o marketing direto. So Paulo: Berkeley, 2001. BARIONI, Maria Camila Nardini. Visualizao de operaes de juno em sistemas de bases de dados para minerao de dados. 2002. 65 f. Dissertao (Mestrado em Cincias rea de Cincia da Computao e Matemtica Computacional) Instituto de Cincias Matemticas e de Computao, Universidade de So Paulo, So Carlos. Disponvel em: < http://www.teses.usp.br/teses/disponiveis/55/55134/tde-04122002-114251/publico/disse rtacao_MCNB.pdf. > Acesso em: 30 abr. 2005. BISPO, Carlos Alberto Ferreira. Uma anlise da nova gerao de sistemas de apoio deciso. 1998. 174 f. Dissertao (Mestrado em Engenharia da Produo) Escola de Engenharia de So Carlos da Universidade de So Paulo, So Carlos. Disponvel em: < http://www.teses.usp.br/teses/disponiveis/18/18140/tde-04042004-152849/publico/disse rtacao_carlos.pdf> Acesso em: 15 maio 2005. BITTENCOURT, Guilherme. Inteligncia Artificial: ferramentas e teorias. Florianpolis: UFSC, 2001. Desafio Sebrae. Disponvel em: <http://www.sebraemg.com.br/geral/visualizadorConteudo.aspx? cod_areasuperior=1&cod_areaconteudo=883&cod_pasta=939&cod_conteudo=2779>. FAYYAD, Usama; PIATETSKY-SHAPIRO, Gregory; SMYTH, Padhraic. From Data Mining to Knowledge Discovery in Databases. 1996. AI Magazine. Menlo Park, 1996. Disponvel em: <http://kdnuggets.com/gpspubs/aimag-kdd-overview-1996Fayyad.pdf > Acesso em: 12 maio 2005. GERBER, Juliano Zaffalon. Proposta de Metodologia Para O Desenvolvimento de Recursos Aplicao de Jogos de Empresas Via Internet O Modelo Para O Jogo de Empresas Gi-Eps. Florianpolis. 2000. GIRAFFA, L. M. M.; VICCARI R. M. The Use of Agent Techniques on Intelligent Tutoring Systems. In: 18th International Conference of the Chilean Computer Science Society (SCCC). Antofagasta, Chile, 1998. GOULART, Jackson P. Agente Assistente no Apoio ao Diagnstico Etiolgico de Lombalgia. Trabalho de Concluso do Curso de Cincia da Computao - UNESC. Cricima, 2006. GOULARTE, Fbio B. SLO Sistema Especialista Probabilstico de apoio ao ensino do diagnstico etiolgico de lombalgia. Trabalho de Concluso do Curso de Cincia da Computao - UNESC. Cricima, 2002. GRAMIGNA, Maria Rita Miranda apud GERBER, Juliano Zaffalon. Proposta de Metodologia Para O Desenvolvimento de Recursos Aplicao de Jogos de Empresas Via Internet O Modelo Para O Jogo de Empresas Gi-Eps. Florianpolis. 2000.

Jogo de Empresas GI-Micro v6.10. Disponvel em: <http://www.jogosempresariais.com.br/jogoempmicro.htm>. LACRUZ, Adonai Jos. VILLELA, Lamounier Erthal. Jogos de Empresas Como Instrumento de Capacitao de Graduandos Em Administrao: Uma Anlise Luz da Sociedade Ps-Industrial. Belo Horizonte. 2005. SCUSSEL, Telma. Base de Conhecimento para um Sistema Especialista Probabilstico de Apoio ao Diagnstico Etiolgico da Lombalgia. Trabalho de Concluso de curso UNESC. Cricima, 2001. SEEWALD, Henrique Smidt. Estudo e definio dos critrios para construo de um agente formador de grupos colaborativos Projeto AMIA. Canoas: ULBRA, 2004. SERRA, Larcio. A Essncia do Business Intelligence. So Paulo: Berkeley, 2002. PELEGRIN, Diana Colombo. A Tarefa de Classificao e o Algoritmo ID3 para Induo de rvores de Deciso na Shell de Data Mining Orion. Trabalho de Concluso de curso UNESC. Cricima, 2005. PEROTTO, Filipo Studzinski. Modelagem do Conhecimento, Sistemas Especialistas e o Projeto SEAMED. Anais SBC, 2001. Disponvel em:< http://www.sbc.org.br/reic/edicoes/2001e1/cientificos/Modelagem_do_Conhecimento_ Sistemas_Especialistas_e_o_Projeto_SEAMED.pdf> Acesso em: 18 jun. 2008. REZENDE, Solange O. Sistemas Inteligentes: Fundamentos e aplicaes. So Paulo: Manole, 2005. ROCHA, Luiz Augusto de Giordano. Jogos de Empresa: Desenvolvimento de Um Modelo Para Aplicao no Ensino de Custos Industriais. Florianpolis SC. 1997. Disponvel em: http://www.eps.ufsc.br/disserta97/giordano/. Acesso em: 7 jun. 2008. RUSSELL, S. J.; NORVIG, P. Inteligncia artificial. Rio de Janeiro: Elsevier, 2004.