ArticlePDF Available

Abstract and Figures

A terceira onda da computação, conhecida como Computação Ubíqua, define espaços onde sistemas computacionais, dispositivos e usuários estão totalmente interligados ao ambiente e a computação é onipresente. Na área da Agricultura, a computação vem sendo cada vez mais utilizada, tanto na forma de sistemas computacionais para análise de informações quanto na forma de instrumentos de auxílio, com equipamentos, que associados a outros dispositivos auxiliam produtores e empresas na obtenção de melhores resultados. Apesar da existência de tecnologias para o auxílio da realização de atividades na agricultura de precisão, ainda há resistência por parte dos produtores em relação ao uso de sistemas computacionais para o acompanhamento de dados de lavouras. Esta resistência se deve ao fato de que os sistemas projetados atualmente visam auxiliar técnicos agrícolas e engenheiros agrônomos no acompanhamento de lavouras, possuindo assim, uma visão comercial e administrativa. Deste modo, propõe-se neste trabalho a definição de uma arquitetura de auxílio a técnicos agrícolas, engenheiros agrônomos e produtores. A partir da definição da arquitetura, foram desenvolvidos módulos que compõem a mesma, sendo que posteriormente a arquitetura foi validada através da aplicação da mesma em um estudo de caso.
Content may be subject to copyright.
A preview of the PDF is not available
... The idea is to create a unique source of true for this data. Similarly, U-agro [8] propose a unified architecture for farm data, which try to solve the data integration by unifying the source of data in the farm. The main limitation of AGDATABOX and U-agro is to ignore the data already available in the farms. ...
Conference Paper
Full-text available
The last years the precision agriculture transformed one of the most ancient activities into a humongous source of data. This can happen by means of sensors that monitor continuously the physical environment (e.g., satellite imagery, high technology machinery, micro weather stations) producing large quantities of data in an unprecedented pace. Although there are many papers describing how to use this data (e.g., in modern Big Data systems, as the input of Machine Learning pipelines), today this is a virtually impossible task without a huge effort conciliation and integration. There are many research opportunities that emerge from this scenario, for instance data accessibility through integration methods, new tools (e.g., visualization, ETL tools), and novel datasets and benchmarks. This is specially interesting in the Brazilian context, our country have more than 800 thousand of hectares of arable land and the agribusiness represents almost 30% of our Gross Domestic Product (GDP). This paper presents the experience of four years of working at Leaf Agriculture, the goal is to list the challenges and opportunities for data integration in the precision agriculture.
Thesis
Full-text available
Os ambientes virtuais de aprendizagem estão se tornando cada vez mais flexíveis e consequentemente intuitivos, obedecendo às preferências e características dos usuários. Nessa perspectiva, recursos provenientes de tecnologias como a Computação Ciente de Contexto são utilizados para capturar informações sobre os estudantes e posteriormente as mesmas são empregadas para realizar adaptações no sistema. As diversas pesquisas referentes à consciência de contexto aplicada em ambientes virtuais convergiram no termo ubiquitous learning. Ele consiste em uma modalidade de ensino em que o estudante aprende de maneira versátil, com um ambiente que considera as propensões do aluno. Em consonância a ubiquitous learning, tutores artificiais, como os agentes inteligentes conversacionais, são opções para oferecer suporte aos usuários de sistemas computacionais deixando-os mais proeminentes. Partindo desse pressuposto, esta pesquisa se insere, tendo como finalidade apresentar a concepção, implementação e avaliação de um agente inteligente conversacional que adapta suas mensagens de auxílio, conforme o contexto do estudante. O agente em questão intitula-se Ubibot, ele utiliza linguagem natural para estabelecer diálogos com o estudante e resolver dúvidas que podem surgir durante o aprendizado do conteúdo da disciplina de Engenharia de Software. O Ubibot é capaz de identificar dois tipos de contexto, isto é, duas informações de aprendizagem referentes ao aluno, sendo elas: nível de conhecimento e nível de desempenho. Para coletar essas informações, o agente utiliza dois módulos, o MINE, responsável por detectar o nível de conhecimento, e o MIDE, responsável por verificar as notas do aluno no ambiente Moodle e calcular o nível de desempenho. A partir dos indicadores para a adaptação, o agente modifica o grau de complexidade de suas respostas, visando não frustrar o aluno durante o aprendizado do conteúdo. As respostas emitidas pelo Ubibot foram codificadas com classes em Artificial Intelligence Markup Language, inerentes aos conteúdos que fazem parte da ementa da disciplina de Engenharia de Software. Além disso, o agente por estar interconectado a um bloco no ambiente virtual de aprendizagem Moodle, provê adaptação de sua interface por intermédio do framework Bootstrap. Após a implementação do Ubibot, ele foi socializado com estudantes da disciplina de Engenharia de Software, com intuito de avaliá-lo. Para realizar a avaliação os estudantes interagiram com o agente durante o período de cinco semanas e posteriormente foram conduzidos a responderem três questionários: o primeiro que indagou a percepção dos estudantes quanto à integração do agente no ambiente Moodle; o segundo que investigou os aspectos pedagógicos e técnicos do agente; por fim, o terceiro que teve a meta de inferir a usabilidade do sistema, para isso foi utilizado o instrumento de pesquisa System Usability Scale. Os resultados encontrados evidenciam que o Ubibot influenciou positivamente no processo de ensino-aprendizagem, atendendo as expectativas dos estudantes, uma vez que o resultado de usabilidade de software foi considerado bom.
Conference Paper
Full-text available
Um dos maiores desafios para sistemas de saúde ubíquos é encontrar uma forma de utilizar informações de contexto do ambiente de um modo simples e funcional entre diferentes sistemas computacionais. Uma das mais frequentes formas de representação de contexto, conhecida como ontologia, possui um importante papel em sistemas ubíquos se utilizada com formas de persistência e recuperação de informações de contexto. Este artigo descreve o processo de desenvolvimento de um serviço de persistência de contexto, baseado em ontologias, para realizar a adaptação de documentos clínicos na arquitetura de software ClinicSpace. Abstract Challenges for ubiquitous health systems contain use of context information of environment in a simple and transparent way between computer systems. The most frequently form used to describe areas, known as ontology, which has an important role in ubiquitous systems if combined with forms of persistence and recovery of context information. This article describes the design of the context persistence service, based on ontologies, for the adaptation of clinical documents in the ClinicSpace software architecture.
Article
Full-text available
As teorias e metodologias desenvolvidas, tanto no escopo temático da ciência da informação quanto no da ciência da computação, que estão voltadas para a representação do conhecimento, apresentam, de forma mais ou menos abrangente, discussões sobre princípios como contexto de conhecimento, natureza dos conceitos, relações entre conceitos e sistemas de conceito. No campo do quadro teórico, investigam-se os modelos de abstração utilizados nas duas áreas e modelos representacionais associados à modelagem de sistemas de banco de dados, especificamente o modelo orientado a objetos. Da ciência da informação, analisam-se teorias ligadas à representação de sistemas de conceitos, como a teoria da classificação facetada e a teoria do conceito. Da teoria da terminologia, utilizam-se princípios estabelecidos para a determinação de conceitos e suas relações. Garantindo a especificidade de cada área, a comparação entre as teorias se dá, tendo em vista quatro pontos relacionados ao processo de modelização, a saber: o método de raciocínio; o objeto de representação; as relações entre os objetos; as formas de representação gráfica. http://revista.ibict.br/ciinf/article/view/1064