Daniel: objetivo da colaboraĆ§Ć£o seria chegar a implementaĆ§Ć£o de um CoaKG (multi layer e contextualizado) a partir da modelagem ontolĆ³gica da ROT.
Glenda: usa o Visual Paradigm para modelar em UFO e converter em OWL
Daniel: acha que o OWL nĆ£o Ć© pragmĆ”tico para implementaĆ§Ć£o
SĆ©rgio: lembrou que ainda falta do formalismo do DOWA com o Hermann e que o quem@puc Ć© um case para o CoaKG. O foco da colaboraĆ§Ć£o no momento seria a Modelagem.
Daniel: desde que seja uma modelagem implementĆ”vel. A aplicaĆ§Ć£o da ROT no CoaKG seria um caso particular de uso da Ontologia de ConfianƧa?
Glenda: Quais qualidades do CoaKG para que ele seja considerado ConfiƔvel? Tanto do ponto de vista do Trustee quanto do Trustor.
Daniel: o CoaKG nĆ£o seria uma caixa preta. Tem que analisar cada statement. Entender que algumas informaĆ§Ć£o sĆ£o dependentes do tempo e espaƧo.
Fernanda: separar as capacidades do CoaKG do conteĆŗdo, identificar as vulnerabilidades do processo de Engenharia do CoaKG.
Daniel: lembrou que o processo de crowdsourcing traz vulnerabilidades.
Comecei a minha apresentaĆ§Ć£o sobre os exemplos usando a ROT: A (trustor) trust B (trustee) for C (task)
A confianƧa depende do objetivo de uso da informaĆ§Ć£o. Nos casos Ć© importante separar a confianƧa na fonte e na informaĆ§Ć£o fornecida pela fonte. As relaƧƵes de confianƧa aplicĆ”veis a uma tarefa podem ser diversas e ser arbitrariamente detalhado. Neste ponto comeƧa a entrar as caracterĆsticas dos riscos. O objetivo pode dar diferentes pesos para o impacto dos riscos.
Glenda: as evidĆŖncias sĆ£o fatos no mundo emitidos por terceiros que influenciam (positiva ou negativamente) na confianƧa do Trustee enquanto que os sinais de calibragem de confianƧa sĆ£o emitidos pelo prĆ³prio Trustee. Exemplo de sinal seriam um funcionĆ”rio uniformizado. Tanto evidĆŖncias quanto sinais podem ser verdadeiros ou falsos. A evidĆŖncia depende de uma cadeia de confianƧa.
Daniel: a proveniĆŖncia das informaƧƵes, se emitido pelo prĆ³prio Trustee ou por terceiros, nĆ£o mudam a natureza da informaĆ§Ć£o. Dentro do processo de decisĆ£o, a diferenƧa ontolĆ³gica nĆ£o Ć© essencial e sim os requisitos de proveniĆŖncia que sĆ£o estabelecidos na polĆtica de confianƧa.
06 de maio de 2024
ApresentaĆ§Ć£o da Glenda
ConfianƧa estĆ” sempre ligada a uma IntenĆ§Ć£o de Quem Confia (Agente A).
Em Quem Confia (Agente B) possui Capacidades, Vulnerabilidades e tambĆ©m IntenĆ§Ć£o; A Capacidade de realizar uma aĆ§Ć£o ou exibir um comportamento, onde as vulnerabilidades nĆ£o impedem a capacidade e a IntenĆ§Ć£o estĆ” alinhada com a Capacidade (se tambĆ©m for agente).
ROT: Trustor, Trustee e Intention (for Task)
Trustor - trust -> Trustee
Daniel X Giancarlo: OntolĆ³gico x EpistemolĆ³gico. A ConfianƧa atribuĆda por alguma autoridade Ć© diferente da confianƧa percebido por um agente. DivergĆŖncia sobre Belief Intensity. Social Trust Ć© sobre o Trustee ser um Agente.
DisposiƧƵes sĆ£o capacidades e vulnerabilidades.
Fatores que podem influenciar a ConfianƧa. Sinais sĆ£o emitidos pelo Trustee para passar Confiabilidade (SeguranƧa). Misturar Verdades com Inverdades para confundir o pĆŗblico. ProveniĆŖncia pode ser um sinal. O valor da transparĆŖncia influencia positivamente, inclusive, sobre as fraquezas.
Evidencias sĆ£o fornecidas por terceiros, sĆ£o observadas no mundo. InstituiƧƵes de certificaĆ§Ć£o tem fĆ© pĆŗblica, sĆ£o aceitas socialmente.
REPUTAĆĆO ainda precisa ser modelado, no aspecto coletivo.
Herman: confianƧa pragmƔtica para definir o tamanho da cadeia de confianƧa
Minha segunda apresentaĆ§Ć£o. Desdobramento do primeiro exercĆcio de exemplos trazendo as evidĆŖncias e a influĆŖncia das mesmas.
Fernanda: ComeƧamos a diferenciar a ConfianƧa no Container (proveniĆŖncia) da ConfianƧa no ConteĆŗdo.
Daniel: Utilizar classes para as polĆticas de confianƧa.
Glenda: As instĆ¢ncias foram o alvo da ROT pq a nĆvel de Classe podem existir instĆ¢ncias que prejudiquem a confianƧa
Herman: trouxe o exemplo das Leis. Confiar na Lei X para tomar uma decisĆ£o.
A confianƧa no CoaKGDSS como container. Pq usar o framework e nĆ£o o ChatGPT para tomar uma decisĆ£o.
A camada de confianƧa Ć© particular do Agente, podem existir polĆticas gerais (para grupos/classes de agentes) que cada agente assume para si ou pode fazer exceĆ§Ć£o.
Fernanda: as polĆticas de confianƧa sĆ£o os requisitos para realizar cada tipo de aĆ§Ć£o, sĆ£o 4: evidĆŖncias, sinais, mental moment (do tomador de decisĆ£o),
Giancarlo: discussĆ£o sobre as instĆ¢ncias e classes. O tipo de indivĆduo tambĆ©m influencia a confianƧa. mas a confianƧa Ć© do indivĆduo. As classes seriam patterns of trust. As classes sĆ£o abstratas e as instĆ¢ncias sĆ£o concretas e elas que agem e podem ter influĆŖncia no resultado.
SĆ©rgio: sobre os prĆ³ximos passos, seria a integraĆ§Ć£o as teses.
Daniel: Fazer um vision paper sobre o objetivo desta integraĆ§Ć£o. Fazer uma agenda de pesquisa.
Giancarlo: (1) como esta Ontologia de Trust se aplicaria ao conceito de Trust em InformaĆ§Ć£o (low hanging fruit). (2) ProveniĆŖncia como trajetĆ³ria de produĆ§Ć£o de informaĆ§Ć£o vai evidenciar a cadeia de confianƧa como nos exemplos do exame e da certidĆ£o. A pessoa deve acreditar no que o cartĆ³rio diz e que isso reflete o que aconteceu no mundo real. Processo de explicaĆ§Ć£o para a produĆ§Ć£o da informaĆ§Ć£o com os truth makers explĆcitos e a possibilidade de contestar os resultados (por pontos onde nĆ£o hĆ” confianƧa).
ComentƔrios
Postar um comentƔrio
Sinta-se a vontade para comentar. CrĆticas construtivas sĆ£o sempre bem vindas.