Pular para o conteúdo principal

Metodologia Científica II - continuação

No primeiro post  foram detalhados os 6 primeiros vídeos do canal do Youtube do professor Eduardo Ogasawara do CEFET/RJ  

Mais 3 vídeos foram disponibilizados e estão comentados a seguir:

Gráficos, Figuras e Tabelas (33 minutos) - como apresentar os resultados das avaliações experimentais. Gráficos: associar análises dos resultados a cada gráfico apresentado, problemas comuns na montagem de gráficos (não usar todo eixo X ou Y, não usar área útil com uma escala adequada a ver o comportamento dos números, não marcar os pontos de observação da série, inconsistência no uso de cores ), escala logarítmica x linear, eixo X para a variável independente e Y para a dependente (resposta), escrever boas legendas para os gráficos, observar se diferenças entre variáveis apresentadas em gráficos separados podem atrapalhar a interpretação dos resultados. Diagramas devem ser pensados de acordo com o propósito, trata-se de uma abstração e cada elemento deve ser explicado no texto, rótulos das ligações e setas para dar semântica, setas bidirecionais podem ser simplificadas para evitar poluir (se a notação permitir), usar notação conhecida ou manter a consistência da semântica (o que cada forma significa). Tabelas devem ser abertas e livres (não densas), unidade de apresentação, sumarizar algumas linhas ou colunas.

Formalização matemática e de algoritmos (31 minutos) - a capacidade de formalizar matematicamente torna a contribuição mais compreensível do que o modo verboso (texto, explicações), ler e depois reler os artigos que apresentam essa formalização para compreender, use frases simples, use conceitos adequados como expressão, equação e inequação, defina conceitos e terminologia utilizados, Teorema é uma proposição verdadeira muito importantes, Lema é uma proposição verdadeira usada para provar outros Lemas ou Teoremas, Corolário é a conclusão do Lema, Prova explica pq é verdadeira, Conjectura não existe prova de ser verdadeiro, Axioma é uma suposição básica.  Formalização traz clareza (slide 7, minuto 18, ótimo exemplo), nomenclatura matemática já conhecida deve ser respeitada, consistência da notação, diferença entre letras em maiúsculo e minúsculo. Algoritmo deve descrever os passos, os dados de entrada e saída (input e output), as estruturas de dados internas (variáveis), propriedades de correção e análise da complexidade (e comparação com o estado da arte), dê preferência ao pseudocódigo para a apresentação, pode decompor em funções para facilitar a apresentação por partes.

Elaboração de proposta de pesquisa e execução de pesquisa (36 minutos) - estabelecer o objetivo de pesquisa, a motivação deve justificar o objetivo (baseado em citações de outros trabalhos), definir o problema e como resolver, definir as avaliações a serem realizadas, Hipótese de trabalho (relacionada ao problema), identificar trabalhos semelhantes mas que ainda não resolveram o problema em todos os aspectos, Revisão bibliográfica no tema de pesquisa para identificar o estado da arte e os problemas em aberto, o objetivo de pesquisa deve vir de problemas em aberto, a maioria das pesquisas são incrementais e vc pode aumentar o escopo da hipótese a partir de pequenos avanços nos resultados (começar grande/ambicioso pode ser mais difícil de atingir). Além da prova de teoria, uma avaliação experimental pode ser usada para provar a hipótese através de uma análise estatística dos dados coletados e é importante lembrar que correlação não implica em causalidade. Outra possibilidade são os estudos de caso mas vai requerer uma boa capacidade de argumentação. Pesquisa é um projeto com tempo definido e um único deadline claro (a conclusão), é importante ter metas intermediárias para melhor acompanhamento, pode seguir um modelo iterativo ( e também o cascata), planeja como coletar os dados e como apresentar os resultados, escreva ao longo da pesquisa (não deixe para o final).

Comentários

  1. Considerar essas anotações ao escolher o problema de pesquisa e desenvolvê-lo, principalmente se tratando de um Doutorado

    ResponderExcluir

Postar um comentário

Sinta-se a vontade para comentar. Críticas construtivas são sempre bem vindas.

Postagens mais visitadas deste blog

Connected Papers: Uma abordagem alternativa para revisão da literatura

Durante um projeto de pesquisa podemos encontrar um artigo que nos identificamos em termos de problema de pesquisa e também de solução. Então surge a vontade de saber como essa área de pesquisa se desenvolveu até chegar a esse ponto ou quais desdobramentos ocorreram a partir dessa solução proposta para identificar o estado da arte nesse tema. Podemos seguir duas abordagens:  realizar uma revisão sistemática usando palavras chaves que melhor caracterizam o tema em bibliotecas digitais de referência para encontrar artigos relacionados ou realizar snowballing ancorado nesse artigo que identificamos previamente, explorando os artigos citados (backward) ou os artigos que o citam (forward)  Mas a ferramenta Connected Papers propõe uma abordagem alternativa para essa busca. O problema inicial é dado um artigo de interesse, precisamos encontrar outros artigos relacionados de "certa forma". Find different methods and approaches to the same subject Track down the state of the art rese...

Knowledge Graph Embedding with Triple Context - Leitura de Abstract

  Jun Shi, Huan Gao, Guilin Qi, and Zhangquan Zhou. 2017. Knowledge Graph Embedding with Triple Context. In Proceedings of the 2017 ACM on Conference on Information and Knowledge Management (CIKM '17). Association for Computing Machinery, New York, NY, USA, 2299–2302. https://doi.org/10.1145/3132847.3133119 ABSTRACT Knowledge graph embedding, which aims to represent entities and relations in vector spaces, has shown outstanding performance on a few knowledge graph completion tasks. Most existing methods are based on the assumption that a knowledge graph is a set of separate triples, ignoring rich graph features, i.e., structural information in the graph. In this paper, we take advantages of structures in knowledge graphs, especially local structures around a triple, which we refer to as triple context. We then propose a Triple-Context-based knowledge Embedding model (TCE). For each triple, two kinds of structure information are considered as its context in the graph; one is the out...

KnOD 2021

Beyond Facts: Online Discourse and Knowledge Graphs A preface to the proceedings of the 1st International Workshop on Knowledge Graphs for Online Discourse Analysis (KnOD 2021, co-located with TheWebConf’21) https://ceur-ws.org/Vol-2877/preface.pdf https://knod2021.wordpress.com/   ABSTRACT Expressing opinions and interacting with others on the Web has led to the production of an abundance of online discourse data, such as claims and viewpoints on controversial topics, their sources and contexts . This data constitutes a valuable source of insights for studies into misinformation spread, bias reinforcement, echo chambers or political agenda setting. While knowledge graphs promise to provide the key to a Web of structured information, they are mainly focused on facts without keeping track of the diversity, connection or temporal evolution of online discourse data. As opposed to facts, claims are inherently more complex. Their interpretation strongly depends on the context and a vari...