Summary of significant accounting policies

A Engenharia do Conhecimento visa à pesquisa e ao desenvolvimento de técnicas e ferramentas para a formalização, codificação e gestão do conhecimento. Visa também o desenvolvimento de métodos de análise da estrutura e processos conduzidos por profissionais em atividades de conhecimento intensivo; bem como à pesquisa e desenvolvimento de sistemas de conhecimento (TODESCO, 2004).

Edward Feigenbaum in BEPPLER, NAPOLI e FASCIN (200?) define a atividade do conhecimento como a arte de construir sistemas complexos que representam o conhecimento do mundo. E, basicamente, compreende dois períodos: transferência do conhecimento (captura do conhecimento, seja de indivíduos, ou de um domínio específico do conhecimento ou, ainda, de uma organização) e modelagem do conhecimento (representação do conhecimento baseada em uma realidade circunscrita).

A ambigüidade, a falta de precisão, bem como a dificuldade de representação do conhecimento são alguns dos problemas encontrados durante o processo de elicitação37 do conhecimento (PACHECO, 2006) - assim como ocorre nos processos de compartilhamento de conteúdos na web e no processo de busca por integração do conhecimento desenvolvido, por exemplo, através das redes sociais.

37 _{A elicitação de conhecimento corresponde à obtenção de conhecimento}

predominantemente vindo de especialistas humanos, bem como a interpretação deste conhecimento para posterior reuso. (DIAPER, 1989).

Como a representação do conhecimento é uma das fases mais importantes na construção de sistemas baseados em conhecimento, é extremamente importante o uso de processos que assegurem a execução da elicitação, bem como a abstração do conhecimento feito pelo engenheiro [...] (PACHECO, 2006).

De acordo com Pacheco (2006):

A codificação do conhecimento é, desde a década de 50, preocupação da área de Inteligência Artificial, que cunhou o termo Engenharia do Conhecimento para o processo de aquisição e codificação do conhecimento [...]. A moderna Engenharia do Conhecimento , ao contrário de sua primeira geração, não está centrada na codificação como extração direta de conhecimento de especialistas e sim com o processo de modelagem e representação de conhecimento explícito. A relação com a IA se dá apenas no nível de projeto e desenvolvimento da solução de conhecimento proposta.

Como é o caso das ontologias, ferramenta tecnológica que pode ser desenvolvida a partir de projetos oriundos da Engenharia do Conhecimento, como instrumento para auxiliar na organização e classificação do conhecimento. As ontologias são desenvolvidas e utilizadas, seja por uma empresa, por institutos ou grupos de pesquisa que pretendem apresentar sua visão de mundo, reunir e classificar na

Web sua produção científica e, assim, desenvolve uma ontologia como modelo de formalização do conhecimento adquirido.

A Engenharia do Conhecimento, nos moldes propostos por autores como Schreiber et. al. (2002), Pacheco (2006), Studer, Benjamins e Felsen (1998) objetiva fornecer ferramentas para auxiliar o “trabalhador do conhecimento” a construir melhores sistemas de conhecimento.

Para Santos, Pacheco e Fialho (2006), a Engenharia do Conhecimento tem sua abordagem centrada na modelagem do conhecimento visando à codificação do conhecimento, quer tácito ou explícito, através da identificação e atribuição de processos estratégicos a organizações e à sociedade.

A Engenharia do Conhecimento entende o conhecimento, como um atributo que está atrelado a pessoas e que não é transferível como

objeto físico. No entanto, é possível através do computador, o uso de mecanismos de troca de conhecimento, oriundos da EC, para reutilizarem este conhecimento. Em uma equação onde, o compartilhamento (C) é igual à comunicação (Co), somado com a (re) criação do conhecimento (rC) (SANTOS, PACHECO, FIALHO, 2006).

Figura 23: Fórmula do compartilhamento do conhecimento Fonte: Adaptado de (SANTOS; PACHECO; FIALHO, 2006)

Além disso, é possível compreender a EC como uma área do conhecimento cujo principal produto é o desenvolvimento de sistemas de conhecimento, com ênfase no incremento de atividades intensivas em conhecimento, facilitando o processo de elucidação de tarefas de interesse estratégico para a Gestão do Conhecimento (SCHREIBER, et. al, 2002).

Para Pacheco (2006) as principais contribuições da EC dizem respeito à modelagem do conhecimento, através do desenvolvimento de taxonomias e representação do conhecimento e à codificação do conhecimento, através de bibliotecas de conhecimento e ontologias.

Na EC utilizam-se metodologias das mais variadas áreas do saber humano, porém, o enfoque deste uso está claramente definido: identificar a visão do contexto organizacional, propor metodologias para modelagem e transferência do conhecimento organizacional e disponibilizar o acesso a este conhecimento através de algum artefato ou sistema tecnológico para posterior reuso, recuperação e reconstrução (PACHECO, 2006). A utilização do construto desenvolvido pela EC é de cunho prático.

A Engenharia do Conhecimento lida o tempo todo com a multidisciplinaridade envolvendo um entendimento organizado que transcende as disciplinas envolvidas, através do pensamento complexo e da busca pelo que cada área envolvida pode contribuir, principalmente, no momento da elicitação do conhecimento. Dentre estas áreas estão: a Ciência da Computação, a Inteligência artificial, a Psicologia cognitiva, a lingüística, a Administração e até mesmo a Ciência da Informação.

A EC identifica o conhecimento estratégico presente nas organizações, assim como graus de relevância do conhecimento; atua com mecanismos de descoberta de conhecimento (KDD) como

datawarehouse, além de trabalhar com indexação, buscas e análises semânticas automáticas.

Através destas técnicas citadas, além de outras utilizadas e não citadas neste texto, a EC prima por integrar informação interna e externa de uma organização, bem como integrar suas divisões e setores, buscando facilitar a contribuição individual, acelerar a aprendizagem, mapear competências individuais, proteger capital intelectual, melhorar processos de inovação. Permitindo que uma organização saiba “quem sabe o que” dentro dela.

Tudo isso é possível através da modelagem de ontologias de competência, de taxonomia de processos e funções organizacionais, KDD de competências (hidden competences), sistemas de representação de modelagem de conhecimento como Protégé, MIKE, Método VITAL, CommonKADS, dentre outros.

O método CommonKADS é um exemplo de modelagem que permite apreender o conhecimento de qualquer área de uma organização no formato de tarefas intensivas de conhecimento, permitindo flexibilidade e facilidade no tratamento do conhecimento (ALKAIM, 2004).

A seguir (figura 24) apresenta-se resumidamente o principal referencial metodológico da Engenharia do Conhecimento, o qual apresenta a hierarquia de tarefas intensivas em conhecimento. Destaca- se que conhecimento para a EC não é somente o abaixo ilustrado, porém esta representação configura o resumo do conhecimento manipulado pela Engenharia do Conhecimento. Busca-se com isto, demonstrar que ainda que, nem todo tipo de conhecimento seja possível de ser tratado, replicado, recuperado e reutilizado, as tarefas intensivas expostas demonstram em que plano do conhecimento é possível atuar.

Figura 24: Hierarquia de tarefas em Engenharia do Conhecimento: elucidação de conhecimento possível de ser tratado

Fonte: UVA (200?)

A Engenharia do Conhecimento explicita a necessidade de modelagem e construção de mecanismos de intercâmbio de informações entre atores de conhecimento. E supõe modelos de comunicação que incluam planejamento, interações, protocolos, mecanismos de validação de transações entre os agentes de conhecimento.

São exemplos de sistemas de conhecimento que a EC desenvolve: sistemas de recuperação e tratamento da informação para produção de notícias e notas organizacionais; sistemas de conhecimento para memória organizacional, sistemas de conhecimento para análise de redes sociais, apoio à formulação de políticas institucionais de comunicação, concepção e construção de ambientes de aprendizagem – ex.: Sistemas Tutoriais Inteligentes, sistemas de conhecimento para análise de taxonomia de conteúdos e suporte ao cumprimento de grades curriculares, dentre outros (PACHECO, 2006).

Devedzic (2002) diz que um modelo de conhecimento deve sempre representar os conceitos e fenômenos de um domínio particular de interesse. Um modelo de conhecimento pode ser formalizado computacionalmente através de ontologias (KIRYAKOV, 2006;

LACASTA, et. al., 2006), através do agrupamento de conceitos relevantes, o que definirá as relações entre conceitos e permitirá a exploração do conhecimento (BRAZHNIK, 2007).

Conhecimento este de suma importância porque as ontologias passam a representar uma grande possibilidade no tratamento do conhecimento através de conceitos. Com a possibilidade de inferências, através do uso de axiomas formais, que implicam no disparo de uma tarefa automática pela ontologia, toda vez que a condição necessária (e, previamente modelada por seus desenvolvedores) for desencadeada, gerando novo conhecimento, através das relações ocasionadas. Incorporando semântica aos cruzamentos de informações, para obtenção dos resultados de busca relevantes.

De acordo com Castro (2009) a EC tem como foco a aquisição do conhecimento que dá suporte a solução de problemas pelo sistema e sua representação em modelos processáveis por computador. Para este autor, a EC distingue-se de sistemas de informação, oriundos da Engenharia da Computação, pelos seguintes atributos:

- Representa o conhecimento de especialistas em determinado domínio específico do conhecimento (BROMBY, MACMILLAN e MCKELLAR, 2003);

- Prevê formas para compartilhar informações de valor que geralmente se concentram em um especialista humano (SCHREIBER, et. al., 2002);

- São capazes de gerenciar o conhecimento e realizar inferências sobre os mesmos. A sequência de passos de raciocínio desenvolvida no processo de solução de problemas deve ser verificável pelo usuário (SCHREIBER, et. al, 2002);

- Suportam a expansão e atualização do conhecimento tratado pelo próprio sistema (SCHREIBER, et. al, 2002);

- Os requisitos do sistema mudam frequentemente devido à imprecisão e constante evolução do conhecimento (CASTRO, et. al., 2008);

- Busca resolver problemas que não são tratáveis via soluções algorítmicas que precisem de uma sequência finita e não ambígua de instruções. Sistemas de Conhecimento propõem soluções em que algoritmos tradicionais não são capazes de resolver o problema de forma eficiente em termos de utilização dos recursos de máquina, ou cuja solução torna-se excessivamente complexa quando comparada à utilização de métodos de busca simbólica, associados a heurísticas sobre o problema (BRACHMAN e LEVESQUE, 2004).

Para Spiegler (2003), a tecnologia representa o meio e o conhecimento representa o fim de um processo de transformação. Logo, a tecnologia objetiva capturar, armazenar e distribuir conteúdo para ser adotado por pessoas, tornando o conhecimento existente na cabeça delas e, parcialmente em documentos, disponível de modo amplo em uma organização (GOTTSCHALK, 2007; AURUM, et al., 2008).

Neste processo, pode-se tomar como exemplo, a construção de um modelo de representação baseado na integração do conhecimento das relações governo e sociedade – o qual adote as práticas de elicitação e levantamento de requisitos junto aos usuários do mesmo, além das técnicas oriundas da folksonomia e das ontologias, para mesclar as possibilidades, tanto de tratamento humano dos conteúdos (folksonomia) quanto o tratamento automático (ontologias) – em que o conhecimento do desenvolvimento de sistemas computacionais, oferece a possibilidade de manuseio de axiomas formais para traçar relações entre conceitos e possibilitar inferências na base de dados.

O conhecimento subjetivo e individual pode ser transferido através das formas de representação escrita e oral considerando nosso

conhecimento lingüístico prévio, o qual possibilita realizar comparações e compreensões (FUJITA, 2008).

De acordo com Brookes (1980, p. 131) conhecimento é definido como uma estrutura relacionada de conceitos que são ligados por relações entre eles e, informação é apenas uma pequena parte desta estrutura. Afirmação que possui muito em comum com o modo como as ontologias entendem e lidam com conhecimento.

Deve ficar evidente que, quando se aborda “conhecimento”, como já se mencionou, está se referindo a certo tipo específico de conhecimento, que é o conhecimento entendido sob o enfoque da Inteligência Artificial e Engenharia do Conhecimento, através do qual é possível denominar de “conhecimento” qualquer decisão tomada pela máquina para a qual o agente humano a programou; inclusive para se auto-organizar e realizar classificações automáticas, a partir de axiomas pré-estabelecidos, os quais geram novos conhecimentos, através de inferências, a cada nova entrada de dados no sistema, demandando novos relacionamentos e novas saídas, como respostas às buscas efetuadas nestes sistemas. Como ocorre nas ontologias.

Em uma outra abordagem sobre conhecimento, Gottschalk (2007) o define como informação combinada com reflexão, intuição, criatividade, experiência contextualizada, bem como através do saber- fazer para o desenvolvimento de sistemas que adotam mecanismos para

a elicitação e levantamento de requisitos para o comporem. Enquanto informação é um dado contextualizado.

Na Engenharia do Conhecimento, a perspectiva de uso da análise e levantamento de requisitos adotada por este trabalho, é parte do desenvolvimento de sistemas baseados em conhecimento - começando pela modelagem do contexto do problema, objetivando ser este levantamento desenvolvido, a base para o aprimoramento das plataformas e-gov existentes e em vias de desenvolvimento.

Requisito é o elemento fundamental ou a matéria prima essencial para o desenvolvimento de um sistema de informação. Sendo assim, o levantamento de requisitos é uma etapa de suma importância no desenvolvimento dos sistemas computacionais. O levantamento é sempre composto por técnicas que objetivam obter informações necessárias junto dos usuários para desenvolver o projeto do sistema.

O glossário de engenharia de software do IEEE (IEEE1990) define um requisito como:

1. Uma condição ou capacidade necessitada por um usuário para resolver um problema ou alcançar um objetivo.

2. Uma condição ou capacidade que deve ser satisfeita ou possuída por um sistema ou componente do sistema para satisfazer um contrato, um padrão ou uma especificação.

3. Uma representação documentada de uma condição ou capacidade como em 1 ou 2.

Com base na IEEE (1984), o processo de aquisição, refinamento e verificação das necessidades do usuário é chamado de engenharia de requisitos, cujo objetivo é a sistematização do processo de definição de requisitos, obtendo uma especificação correta e completa dos requisitos. (TURINE; MASSIERO, 1996).

Boehm (1989) define que o objetivo da engenharia de requisitos é o desenvolvimento de uma especificação completa, consistente e não ambígua, servindo de base para um acordo entre todas as partes envolvidas e deve descrever o quê o produto de software irá fazer ou executar, mas não como ele será feito.

O processo de levantamento de requisitos, segundo Leite (1990; 1994) deve se pautar em diferentes pontos de vista e fazer uso de uma combinação de métodos, ferramentas e pessoal. O produto deste processo é um modelo que servirá para produzir um documento de requisitos.

Para produzir um documento de requisitos completo e consistente — produto da E.R. — é

necessário, inicialmente, entender melhor o contexto em que o problema se situa, ou seja, quais são os objetivos do produto a ser desenvolvido, as tarefas/atividades fundamentais para a “engenharia” deste produto e os limites do desenvolvimento. (TURINE; MASSIERO, 1996, p. 4)

Algumas técnicas aplicadas nesta fase são: entrevista não estruturada e estruturada, observação de comportamento, aprendizagem com o usuário, prototipagem, braimstorming, análise de textos e reutilização de requisitos de outros sistemas.

No entanto, no caso das plataformas e-gov, em que os prováveis usuários encontram-se espalhados por todo país, estado ou cidade torna-se bastante difícil e, em alguns casos, até mesmo impossível trabalhar com qualquer uma das técnicas tradicionais de levantamento de requisitos citadas acima.

Então, o método proposto neste estudo encontra uma solução, através do uso dos insumos de conhecimento presente nas mídias sociais sobre as plataformas e-gov para elicitar novos requisitos a comporem as plataformas e-gov existentes, conforme já exposto.

Tanto a importância do monitoramento das mídias sociais, quanto a importância do tratamento do conhecimento oriundo destes canais de comunicação, através de técnicas de levantamento de requisitos deverão levadas em consideração no desenvolvimento do método a ser proposto pelo presente estudo.

Em seguida, apresentam-se os aspectos metodológicos utilizados para o desenvolvimento do estudo em tela.