No abstract

Resumo Mudanças sociais trazidas pelo uso crescente das tecnologias de informação e comunicação, notadamente a internet, impuseram aos governos a necessidade de criar programas educacionais e projetos de capacitação profissional no sentido de incluir digitalmente a população, contribuindo para reduzir as desigualdades sociais e ampliar a competitividade econômica. De um modo geral as ações educativas ditas de inclusão digital costumam ser avaliadas por meio de dados numéricos que não permitem aferir o impacto dessas ações sobre o desenvolvimento de competências e habilidades pessoais. Este trabalho apresenta um modelo que possibilita a análise qualitativa do grau de literacia digital e informacional alcançado por ações educativas e profissionalizantes. O Framework de Avaliação Contextualizada de Information Literacy (FACIL) se constitui, não só em fundamentos para a construção de avaliações de resultados de programas de inclusão social/digital como também fornece um arcabouço teórico para suportar a criação de trabalhos e exercícios que contribuam para o desenvolvimento de literacia da informação por parte dos estudantes. São indicadas as bases teóricas e a metodologia para desenvolvimento do modelo, as diretrizes para sua aplicação e, como exemplo, o relato do teste de validação e suas conclusões.

O Facebook é uma rede social usada por mais de um bilhão de usuários, e está presente em vários páıses tentando influenciar as pessoas a adotarem determinados comportamentos alvos. Este trabalho foi realizado visando entender a influência cultural na interação dos usuários no contexto das tecnologias persuasivas. Para isso foi realizado um estudo de caso sobre a utilização da rede social Facebook, comparando o Brasil com outros páıses, sendo os dados da utilização obtidos via questionários e analisados por métodos estatísticos. Concluiu-se que os usuários das culturas analisadas possuem comportamento semelhante na rede.

Formal concept analysis (FCA) is largely applied in different areas. However, in some FCA applications the volume of information that needs to be processed can become unfeasible. Thus, the demand for new approaches and algorithms that enable processing large amounts of information is increasing substantially. This article presents a new algorithm for extracting proper implications from high-dimensional contexts. The proposed algorithm, called ImplicPBDD, was based on the PropIm algorithm, and uses a data structure called binary decision diagram (BDD) to simplify the representation of the formal context and enhance the extraction of proper implications. In order to analyze the performance of the ImplicPBDD algorithm, we performed tests using synthetic contexts varying the number of objects, attributes and context density. The experiments show that ImplicPBDD has a better performance—up to 80% faster—than its original algorithm, regardless of the number of attributes, objects and densities.

No abstract