Detalhes bibliográficos
| Ano de defesa: |
2015 |
| Autor(a) principal: |
Trucolo, Cáio César |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
http://www.teses.usp.br/teses/disponiveis/100/100131/tde-15032016-094740/
|
Resumo: |
Conforme o volume e a diversidade de informações científicas aumentam, se torna necessário entender o que, porque e como esse aumento acontece. Estratégias e políticas públicas podem se desenvolver a partir dessas informações potencializando os serviços de educação e inovação oferecidos à sociedade. A análise de tendências é um dos passos nessa direção. Este trabalho no entanto vai além de considerar apenas o conteúdo das informações analisadas incluindo a estrutura das fontes geradoras das informações, ou seja, as redes sociais, como uma dimensão adicional para modelar e predizer tendências ao longo do tempo. Os experimentos foram realizados com os títulos das publicações de todos os doutores brasileiros da área de Ciência da Computação. Os resultados mostraram que a incorporação das medidas oriundas da análise de redes sociais reduziram os erros de predição, na média, para cerca de 18% daqueles produzidos sem a utilização destas medidas. Adicionalmente, esta incorporação permitiu que previsões mais futuras fossem realizadas sem grandes aumentos no erro destas previsões |
