SEGMENTAÇÃO DE DADOS PARA A PREDIÇÃO DE FUTURAS PUBLICAÇÕES POR PARTE DOCENTE DA INSTITUIÇÃO

• Autor(a) principal: BAUER, GUILHERME AUGUSTO
• Data de Publicação: 2017
• Outros Autores: KROTH, EDUARDO, SCHREIBER, JACQUES NELSON CORLETA, NARA, ELPIDIO OSCAR BENITEZ, BESKOW, ALVIN LAURO
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Repositório Institucional da UFSC
• Texto Completo: https://repositorio.ufsc.br/xmlui/handle/123456789/181191
• topic: Sequenciação; KDD; Lattes; Mineração; Docentes

A necessidade de as organizações terem informação correta e de forma rápida se repete nas universidades. A prática demonstra que existe uma dificuldade em se conseguir informações referentes a produção bibliográfica, científica e tecnológica de seus professores. Esses dados podem ser encontrados na Plataforma Lattes que possui na sua base de dados, os currículos de pesquisadores e professores brasileiros. Para realizar a extração de conhecimento de uma grande base de dados podem ser utilizadas técnicas de KDD (Descoberta de Conhecimento em Bases de Dados). Este artigo apresenta a sugestão de uma solução em software para coletar dados dos currículos Lattes dos professores de uma Instituição de Ensino Superior brasileira. O software implementa algoritmos de mineração de dados sobre os dados coletados a fim de gerar conhecimento que poderá ser utilizado em tomadas de decisão por gestores da universidade. Este artigo tem como principal objetivo, apresentar um método para obtenção de padrões de sequência de publicações qualificadas a partir de dados reais coletados na Plataforma Lattes, para aprimorar a gestão acadêmica dos cursos de Stricto Sensu (mestrado e doutorado). A tese inspiradora foi que, conhecendo-se o timeline de publicações do docente possa-se antever quais publicações qualificadas serão produzidas num futuro próximo.