titulo |
Apesar dos benefÃcios dos dados disponibilizados em formato aberto apresentados |
inicio_execucao |
há um grande problema quando surge a necessidade de associar diversos dados ou quando a quantidade de dados é excessiva para interpretação humana. Por exemplo |
fim_execucao |
caso o cidadão queira verificar qual a média de pessoas que pegam um determinado tipo de transporte em um determinado horário para evitar horários de pico em rotas com conexões intermunicipais ou interestaduais |
foco_tecnologico |
ele seria obrigado a verificar cada uma das fontes de dados dos diferentes municÃpios e/ou estados |
area_conhecimento |
para então analisar e planejar manualmente cada uma das conexões e horários |
resumo |
de forma a criar o melhor trajeto para atender as suas necessidades. Este problema pode ser ainda mais complexo para os funcionários que gerenciam o transporte público |
justificativa |
pois |
participantes |
para obter as informações sobre os diversos serviços oferecidos pelos municÃpios |
valor_total_executado |
eles teriam que manualmente acessar centenas de bases de dados |
aprovado |
que possivelmente possuem informações diferentes |
unidade_organizacional |
para assim |
titulo |
|
inicio_execucao |
|
fim_execucao |
|
foco_tecnologico |
|
area_conhecimento |
|
resumo |
|
justificativa |
|
participantes |
|
valor_total_executado |
|
aprovado |
|
unidade_organizacional |
titulo |
Nesse cenário |
inicio_execucao |
caso os dados estivessem estruturados e ligados de forma que um computador pudesse processá-los |
fim_execucao |
então as tarefas apresentadas poderiam ser automatizadas (Barros et al. |
foco_tecnologico |
2011) . Uma aplicação poderia acessar os dados das diversas bases de municÃpios |
area_conhecimento |
dos estados e da federação para planejar trajetos em qualquer região do paÃs. Assim |
resumo |
ao invés de dias |
justificativa |
tarefas complexas e trabalhosas poderiam ser realizadas em poucos minutos. |
participantes |
|
valor_total_executado |
|
aprovado |
|
unidade_organizacional |
titulo |
|
inicio_execucao |
|
fim_execucao |
|
foco_tecnologico |
|
area_conhecimento |
|
resumo |
|
justificativa |
|
participantes |
|
valor_total_executado |
|
aprovado |
|
unidade_organizacional |
titulo |
Quando o volume dos dados abertos é grande |
inicio_execucao |
a análise e extração de conhecimento dessas fontes de dados estão entre os mais complexos e importantes desafios no gerenciamento de grandes volumes de dados |
fim_execucao |
os chamados Big Data (Marz & Warren |
foco_tecnologico |
2015). Tal complexidade é justificada principalmente pela inerente interdisciplinaridade envolvida na construção dessas aplicações que integram resultados de pesquisa de disciplinas tais como Gerenciamento de Grandes Volumes de Dados |
area_conhecimento |
Recuperação de Informação |
resumo |
Visualização de Informações |
justificativa |
Engenharia de Software |
participantes |
MultimÃdia/HipermÃdia |
valor_total_executado |
Interação Humano-Computador |
aprovado |
Algoritmos |
unidade_organizacional |
Inteligência Artificial |
|
PWG – Powering Growth é um projeto para facilitar o |
Sobre nós |
Privacidade |