Pular para o conteúdo principal

Notas de reunião - UTwente - abril e maio de 2024

 23 de abril de 2024

Daniel: objetivo da colaboração seria chegar a implementação de um CoaKG (multi layer e contextualizado) a partir da modelagem ontológica da ROT. 

Glenda: usa o Visual Paradigm para modelar em UFO e converter em OWL

Daniel: acha que o OWL não é pragmático para implementação

Sérgio: lembrou que ainda falta do formalismo do DOWA com o Hermann e que o quem@puc é um case para o CoaKG. O foco da colaboração no momento seria a Modelagem.

Daniel: desde que seja uma modelagem implementável. A aplicação da ROT no CoaKG seria um caso particular de uso da Ontologia de Confiança?

Glenda: Quais qualidades do CoaKG para que ele seja considerado Confiável?  Tanto do ponto de vista do Trustee quanto do Trustor. 

Daniel: o CoaKG não seria uma caixa preta. Tem que analisar cada statement. Entender que algumas informação são dependentes do tempo e espaço. 

Fernanda: separar as capacidades do CoaKG do conteúdo, identificar as vulnerabilidades do processo de Engenharia do CoaKG. 

Daniel: lembrou que o processo de crowdsourcing traz vulnerabilidades. 

Comecei a minha apresentação sobre os exemplos usando a ROT: A (trustor) trust B (trustee) for C (task) 

A confiança depende do objetivo de uso da informação. Nos casos é importante separar a confiança na fonte e na informação fornecida pela fonte. As relações de confiança aplicáveis a uma tarefa podem ser diversas e ser arbitrariamente detalhado. Neste ponto começa a entrar as características dos riscos. O objetivo pode dar diferentes pesos para o impacto dos riscos. 

Glenda: as evidências são fatos no mundo emitidos por terceiros que influenciam (positiva ou negativamente) na confiança do Trustee enquanto que os sinais de calibragem de confiança são emitidos pelo próprio Trustee. Exemplo de sinal seriam um funcionário uniformizado. Tanto evidências quanto sinais podem ser verdadeiros ou falsos. A evidência depende de uma cadeia de confiança.

Daniel: a proveniência das informações, se emitido pelo próprio Trustee ou por terceiros, não mudam a natureza da informação. Dentro do processo de decisão, a diferença ontológica não é essencial e sim os requisitos de proveniência que são estabelecidos na política de confiança. 


06 de maio de 2024

Apresentação da Glenda

Confiança está sempre ligada a uma Intenção de Quem Confia (Agente A). 

Em Quem Confia (Agente B) possui Capacidades, Vulnerabilidades e também Intenção; A Capacidade de realizar uma ação ou exibir um comportamento, onde as vulnerabilidades não impedem a capacidade e a Intenção está alinhada com a Capacidade (se também for agente).

ROT: Trustor, Trustee e Intention (for Task)

Trustor - trust -> Trustee

 


Daniel X Giancarlo: Ontológico x Epistemológico. A Confiança atribuída por alguma autoridade é diferente da confiança percebido por um agente. Divergência sobre Belief Intensity. Social Trust é sobre o Trustee ser um Agente. 

Disposições são capacidades e vulnerabilidades. 

Fatores que podem influenciar a Confiança. Sinais são emitidos pelo Trustee para passar Confiabilidade (Segurança). Misturar Verdades com Inverdades para confundir o público. Proveniência pode ser um sinal. O valor da transparência influencia positivamente, inclusive, sobre as fraquezas.


Evidencias são fornecidas por terceiros, são observadas no mundo. Instituições de certificação tem fé pública, são aceitas socialmente.

REPUTAÇÂO ainda precisa ser modelado, no aspecto coletivo. 

Herman: confiança pragmática para definir o tamanho da cadeia de confiança

13 de maio de 2024

Minha segunda apresentação. Desdobramento do primeiro exercício de exemplos trazendo as evidências e a influência das mesmas. 

Fernanda: Começamos a diferenciar a Confiança no Container (proveniência) da Confiança no Conteúdo. 

Daniel: Utilizar classes para as políticas de confiança.  

Glenda: As instâncias foram o alvo da ROT pq a nível de Classe podem existir instâncias que prejudiquem a confiança

Herman: trouxe o exemplo das Leis. Confiar na Lei X para tomar uma decisão. 

A confiança no CoaKGDSS como container. Pq usar o framework e não o ChatGPT para tomar uma decisão. 

A camada de confiança é particular do Agente, podem existir políticas gerais (para grupos/classes de agentes) que cada agente assume para si ou pode fazer exceção. 

Fernanda: as políticas de confiança são os requisitos para realizar cada tipo de ação, são 4: evidências, sinais, mental moment (do tomador de decisão), 

20 de maio de 2024

Giancarlo: discussão sobre as instâncias e classes. O tipo de indivíduo também influencia a confiança. mas a confiança é do indivíduo. As classes seriam patterns of trust. As classes são abstratas e as instâncias são concretas e elas que agem e podem ter influência no resultado. 

Sérgio: sobre os próximos passos, seria a integração as teses. 

Daniel: Fazer um vision paper sobre o objetivo desta integração. Fazer uma agenda de pesquisa.

Giancarlo: (1) como esta Ontologia de Trust se aplicaria ao conceito de Trust em Informação (low hanging fruit). (2) Proveniência como trajetória de produção de informação vai evidenciar a cadeia de confiança como nos exemplos do exame e da certidão. A pessoa deve acreditar no que o cartório diz e que isso reflete o que aconteceu no mundo real. Processo de explicação para a produção da informação com os truth makers explícitos e a possibilidade de contestar os resultados (por pontos onde não há confiança). 





Comentários

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...

Aula 12: WordNet | Introdução à Linguagem de Programação Python *** com NLTK

 Fonte -> https://youtu.be/0OCq31jQ9E4 A WordNet do Brasil -> http://www.nilc.icmc.usp.br/wordnetbr/ NLTK  synsets = dada uma palavra acha todos os significados, pode informar a língua e a classe gramatical da palavra (substantivo, verbo, advérbio) from nltk.corpus import wordnet as wn wordnet.synset(xxxxxx).definition() = descrição do significado É possível extrair hipernimia, hiponimia, antonimos e os lemas (diferentes palavras/expressões com o mesmo significado) formando uma REDE LEXICAL. Com isso é possível calcular a distância entre 2 synset dentro do grafo.  Veja trecho de código abaixo: texto = 'útil' print('NOUN:', wordnet.synsets(texto, lang='por', pos=wordnet.NOUN)) texto = 'útil' print('ADJ:', wordnet.synsets(texto, lang='por', pos=wordnet.ADJ)) print(wordnet.synset('handy.s.01').definition()) texto = 'computador' for synset in wn.synsets(texto, lang='por', pos=wn.NOUN):     print('DEF:',s...

DGL-KE : Deep Graph Library (DGL)

Fonte: https://towardsdatascience.com/introduction-to-knowledge-graph-embedding-with-dgl-ke-77ace6fb60ef Amazon recently launched DGL-KE, a software package that simplifies this process with simple command-line scripts. With DGL-KE , users can generate embeddings for very large graphs 2–5x faster than competing techniques. DGL-KE provides users the flexibility to select models used to generate embeddings and optimize performance by configuring hardware, data sampling parameters, and the loss function. To use this package effectively, however, it is important to understand how embeddings work and the optimizations available to compute them. This two-part blog series is designed to provide this information and get you ready to start taking advantage of DGL-KE . Finally, another class of graphs that is especially important for knowledge graphs are multigraphs . These are graphs that can have multiple (directed) edges between the same pair of nodes and can also contain loops. The...