Identificação das áreas de pesquisa no IFTM usando técnica de agrupamento

Bruno Gutierrez Guimarães Ribeiro, Daniela Resende Silva Orbolato, Ernani Viriato Melo

Resumo


Este artigo propõe a análise de frequência de palavras-chave de resumos publicados no Seminário de Iniciação Científica (SIN) do Instituto Federal do Triangulo Mineiro (IFTM) para diagnosticar as áreas de pesquisa atuantes na instituição e em seus campi. Este artigo também tem como objetivo o agrupamento de docentes para facilitar possíveis pesquisas em conjunto. Como instrumento de coleta, utilizou-se 370 resumos do SIN 2017. O agrupamento foi realizado com Expectation Maximization e K-means. Os resultados mostraram que a iniciação científica do IFTM contempla 298 palavras-chave e que alguns docentes de campi distintos possuem áreas de pesquisa em comum.

Palavras-chave


Agrupamento; Áreas de Pesquisa; Maximização de Expectativa

Texto completo:

PDF

Referências


ALAM, Shafiq et al. Research on particle swarm optimization based clustering: a systematic review of literature and techniques. Swarm and Evolutionary Computation, v. 17, p. 1-13, 2014.

BARTLETT, Jonny Brooks. Probability concepts explained: Maximum likelihood estimation. Disponível em https://towardsdatascience.com/probability-concepts-explained-maximum-likelihood-estimation-c7b4342fdbb1 [visitado em outubro de 2018].

DEMPSTER, A. P.; Laird, N. M. & Rubin, D. B. Maximum likelihood from incomplete data via the em em algorithm. pp. 1—21, 1977.

FARIA, Victor Basílio. Estimação de Máxima Verossimilhança via Algoritmo EM. 2011. 14 p. Monografia (Bacharelado em Estatística) - Universidade Federal de Juiz de Fora, [S.I.], 2011. Disponível em: . Acesso em: 20 out. 2018.

GOLDSCHMIDT, Ronaldo; PASSOS, Emmanuel. Data Mining. Elsevier Brasil, 2015.

JÚNIOR, Armando Pereira Pontes; JÚNIOR, Clodomir Joaquim Santana; BASTOS FILHO, Carmelo José Albanez. Uso de Técnicas de Clusterização em uma Base de Dados Financeira. Revista de Engenharia e Pesquisa Aplicada, v. 3, n. 3, 2018.

MACQUEEN, James, "Some methods for classification and analysis of multivariate observations", Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability Volume 1: Statistics, pp. 281-297, 1967.

PAIVA, Raphael de Oliveira. Análise Comparativa de Métodos de Agrupamentos. 2013. 42 p. Monografia (Bacharelado em Ciência da Computação) - Universidade Federal de Juiz de Fora, [S.I.], 2013. Disponível em http://monografias.nrc.ice.ufjf.br/tcc-web/downloadPdf?id=69 [visitado em outubro de 2018].

PDI. PDI Plano de desenvolvimento Institucional (2014). Disponível em http://www.iftm.edu.br/pdi/ [visitado em maio de 2018].

SIN. Seminario de iniciação cientifica e inovação tecnológica do IFTM. Disponível em http://www.iftm.edu.br/sin/ [visitado em maio de 2018].

SINGH, Dilpreet; REDDY, Chandan K. A survey on platforms for big data analytics. Journal of big data, v. 2, n. 1, p. 8, 2015.

WEKA. WEKA 3: Data Mining Software in Java. Disponível em: https://www.cs.waikato.ac.nz/ml/weka/ [visitado em maio de 2018].


Apontamentos

  • Não há apontamentos.


 

 

 

Revista Brasileira de Iniciação Científica, Itapetininga, SP, Brasil, ISSN: 2359-232X

 Licença Creative Commons Este obra está licenciado com uma Licença Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0 Internacional.