Para a comunidade de avaliação e gerenciamento de situações de emergências, determinar um processo de análise informacional para o desenvolvimento da Consciência da Situação (SAW) é um desafio, devido à limitada qualidade e complexidade dos dados, além da dinamicidade de ambientes reais monitorados. Operadores de sistemas de avaliação de situações de emergência, expostos a dados de qualidade incerta, estão suscetíveis a erros de SAW, diminuindo suas chances de uma tomada de decisão assertiva. Neste contexto, representar corretamente informações sobre tais situações, à medida que são coletadas e processadas, vai contribuir para melhor orientar humanos e sistemas sobre o que de fato acontece num ambiente de interesse. O presente trabalho visa contribuir com o problema de produção de melhores insumos na avaliação de situações de incêndios florestais, no âmbito do projeto DF100Fogo, apresentando o desenvolvimento de uma ontologia que agrega informações sobre a qualidade dos dados, promovendo ao operador de sistemas de emergência, uma melhor representação de dados sobre os incêndios. Um estudo de caso envolvendo um atendimento a uma situação de incêndio florestal será mostrado para demonstrar a aplicabilidade da ontologia junto à gestão da qualidade. Resultados apresentam um modelo de representação semântica, capaz de receber instâncias extraídas de dados de inteligência humana, com origem em sensoriamento participativo, e avaliadas quantitativamente sob aspectos de qualidade da informação.
O gerenciamento de informações de riscos utilizando dados criminais apresenta desafios associados à Consciência Situacional (SAW), como a dinamicidade, heterogeneidade, variedade e o volume de dados. Tais desafios impõem dificuldades referentes à representação de informações de vítimas, criminosos, locais de eventos e à própria especificação das situações de crime. Representar de forma precisa as informações do domínio criminal vai contribuir para processos de análise quantitativa de dados, gerando assim melhores subsídios para a SAW de humanos e consequentemente uma tomada de decisão mais assertiva. Neste contexto, o estado-da-arte em modelos semânticos para representar riscos e crimes apresenta lacunas que restringem a quantificação de entidades e características relevantes das situações críticas. Portanto, este artigo apresenta um processo de quantificação de dados de ontologias para o domínio de gerenciamento de riscos sobre dados criminais, visando suportar a extração de dados específicos sobre crimes, para melhorar o apoio aos analistas criminais para a sua obtenção de SAW. Para tal, foram empregados a análise de tarefas dirigidas por objetivos, a análise de vocabulários e propriedades no contexto criminal e o desenvolvimento de uma nova ontologia para a representação de dados criminais. Resultados indicam que o processo desenvolvido é capaz de mensurar informações presentes na ontologia, tais como objetos furtados ou roubados por criminosos, o que pode contribuir para que um analista criminal adquira e mantenha seu nível de SAW sobre a incidência criminal de áreas urbanas brasileiras.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.