SlideShare uma empresa Scribd logo
Anais VI Simpósio Regional de Geoprocessamento e Sensoriamento Remoto - Geonordeste, Aracaju, SE, Brasil, 26 a 30 de novembro de 2012, UFS.



          ANÁLISE ESPACIAL-TEMPORAL DE DADOS USANDO TÉCNICAS DE MINERAÇÃO DE
                      DADOS GEOGRÁFICOS E A FERRAMENTA VIS-STAMP


            Thiago Reis da Silva1, Diego Grosmann1, Fábio Abrantes Diniz1, Íthalo Bruno Grigório de Moura1,
                                              Angélica Félix de Castro1
                               1
                                Programa de Pós-Graduação em Ciência da Computação, UERN/UFERSA, Mossoró – RN.
                                 {trsilva.si, diegogrosmann, fabio.abrantes.diniz, ithalobgm, angelicafcastro}@gmail.com



          RESUMO: O uso de técnicas e ferramentas para a análise de fenômenos que variam no espaço e no
          tempo é indispensável. Esses fenômenos, por exemplo, poderão estar relacionados ao ordenamento
          territorial, distribuição da saúde, segurança pública, entre outros. Desta forma, surgem ferramentas
          computacionais chamadas de Sistemas de Informações Geográficas (SIG) que apoiam a modelagem
          desses fenômenos, permitindo o armazenamento e a visualização das informações geradas. Devido ao
          crescimento da quantidade de dados geográficos, surgiu um novo campo chamado de Mineração de
          Dados Geográficos. Nesta perspectiva, nosso objetivo é expor o uso de SIG como uma ferramenta
          para análise espaço-temporal. E, através do uso de Mineração de Dados Geográficos, utilizar métodos
          de Clusterização, para identificar padrões dispostos nos dados. Para isso, foi utilizada a ferramenta
          VIS-STAMP (A Visualization System for Space-Time and Multivariate Patterns) e, foi abordado um
          estudo de caso com base nos dados do controle acadêmico do Instituto Federal do Piauí (IFPI) –
          Campus de Floriano, de 1998 a 2010. Com a análise destes dados, pretende-se verificar as correlações
          entre a classe social, etnia e outros indicadores socioeconômicos a fim de verificar os perfis dos
          estudantes de tal Instituto.

          PALAVRAS-CHAVE: Mineração de dados geográficos, Análise espaço-temporal, Sistemas de
          informações geográficas.

          INTRODUÇÃO: Os Institutos Federais de Educação, Ciência e Tecnologia são instituições que
          produzem, disseminam e aplicam o conhecimento tecnológico e acadêmico para formação da
          cidadania, por meio do Ensino, da Pesquisa e da Extensão, contribuindo para o progresso
          socioeconômico local, regional e nacional. A implantação do campi, no interior do Estado, atende a
          meta do Programa de Expansão da Rede Federal de Educação Tecnológica e à própria natureza dos
          Institutos Federais de Educação, Ciência e Tecnologia, no que diz respeito à descentralização de
          qualificação profissional, levando em conta as necessidades socioeconômicas de cada região. Com
          isso, pretende-se evitar o êxodo de jovens estudantes para a capital (SILVA et. al. 2012).

          Neste contexto, este artigo analisa a base de dados do Instituto Federal do Piauí (IFPI – Campus
          Floriano), para detectar, através de Mineração de Dados Geográficos e com utilização da ferramenta
          VIS-STAMP, os perfis da comunidade acadêmica desta Instituição de Ensino, verificando se a classe
          social, a etnia declarada pelos estudantes, tem impacto na escolha do curso ou realidade
          socioeconômica dos mesmos.

          O trabalho proposto por Oliveira et. al. (2011) apresenta uma análise da base de dados das matrículas
          dos discentes do IFPI - Campus Picos, utilizando a ferramenta WEKA e três algoritmos diferentes:
          Classificação, Clusterização e Associação. Em Silva et. al. (2011) é apresentada uma análise similar a
          de Oliveira et. al. (2011), utilizando a ferramenta WEKA para encontrar padrões que mostrassem
          relações entre a classe social, etnia e cidade de procedência dos alunos matriculados no IFPI – Campus
          Floriano. Este artigo diferencia-se dos trabalhos anteriores por utilizar a ferramenta VIS-STAMP para
          descobrir padrões e depois comparar com os resultados do trabalho proposto por Silva et. al. (2011).

          MINERAÇÃO DE DADOS E A FERRAMENTA VIS-STAMP: A Mineração de Dados é uma das
          etapas do processo de descoberta do conhecimento em banco de dados, do inglês, Knowledge
          Discovery in Databases (KDD), sendo um processo, não trivial, de extração de informações
Anais VI Simpósio Regional de Geoprocessamento e Sensoriamento Remoto - Geonordeste, Aracaju, SE, Brasil, 26 a 30 de novembro de 2012, UFS.



          implícitas, previamente desconhecidas e potencialmente úteis, a partir dos dados armazenados em um
          banco de dados (FAYYAD; SHAPIRO; SMYTH, 1996). A ferramenta VIS-STAMP é um software
          para explorar dados multivariados em espaço-temporal (DIASHENG, 2006). Descobre padrões e
          apresenta-os de uma forma de fácil interpretação humana, ajudando no raciocínio analítico e/ou
          tomada de decisão.

          A ferramenta é composta por um MapMatrix (Mapa de Matriz) para a visualização temporal dos
          mapas; um Space-Time Matrix (S-T Matrix) o qual organiza os padrões multivariados no campo
          espaço-temporal; um Self Organizing Map (SOM), que são Mapa Auto Organizável, possibilitando a
          representação multivariada de agrupamento e de abstração (incluindo agrupamento de séries
          temporais); e um Parallel Coordinate Plot (PCP), que são os Plots de coordenadas paralelas que
          permitem a visualização de padrões multivariados (DIASHENG, 2006).

          METODOLOGIA E ÁREA DE ESTUDO: Para o desenvolvimento deste artigo foi utilizada a base
          de dados de matrícula do IFPI – Campus Floriano, que contém dados dos estudantes matriculados
          entre o ano de 1998 e o ano de 2010, totalizando 4348 registros. As etapas da Mineração de dados
          utilizadas foram: seleção de dados, pré-processamento, transformação dos dados,
          interpretação/avaliação (SILVA et. al. 2011).

          O presente artigo faz uma análise dos dados do corpo discente que estudou e estuda no IFPI – Campus
          Floriano, localizado no estado do Piauí. O Piauí está localizado a noroeste da região Nordeste do
          Brasil, ocupa uma área de 251.576 km² (pouco maior que o Reino Unido) e tem 3.118.360 habitantes
          (IBGE, 2012). Sua capital é a cidade de Teresina. A economia do estado é baseada no setor de
          serviços (comércio), na indústria (química, têxtil, de bebidas), na agricultura (soja, algodão, arroz,
          cana-de-açúcar, mandioca, mel) e na pecuária extensiva. A Figura 1 ilustra a localização da área de
          estudos (município de Floriano) em relação ao mapa do Brasil e ao estado do Piauí, do qual o
          município de Floriano faz parte.




             Figura 1 - Localização da área de estudos em relação ao território do Brasil. Fonte: (SILVA et. al.
                                                          2011).

          RESULTADOS E DISCUSSÃO: Nesta seção, são apresentados os resultados da análise espaço-
          temporal dos índices apresentados com o VIS-STAMP. Inicialmente, foi feita uma Mineração de
          Dados usando as seguintes variáveis: renda, classe social (C, D, E e F) e cor da pele (Parda, Amarela,
          Branca e Negra) e constatou-se uma correlação entre elas. Foi visto que os estudantes de etnia parda
          (cluster amarelo forte) e com uma renda em média de 2 (dois) salários mínimos são maioria no
          instituto, como ilustra a Figura 2 (A).

          A Figura 2 (B) corresponde ao SOM (que é um Mapa Auto Organizável para processar os perfis
          multivariados, onde cada nó colorido representa um cluster e nós mais próximos são mais parecidos).
          O SOM é utilizado em Mineração de Dados para reduzir a dimensionalidade dos dados, apresentando-
          os no formato bidimensional. É importante salientar que o cluster de cor azul, o maior cluster na
Anais VI Simpósio Regional de Geoprocessamento e Sensoriamento Remoto - Geonordeste, Aracaju, SE, Brasil, 26 a 30 de novembro de 2012, UFS.



          Figura 2 (B), representa a cidade de Floriano – PI, pois é a cidade que possui a maior quantidade de
          aluno no Instituto. Assim, quanto maior a quantidade de dados presentes no cluster, maior será a área
          do círculo no SOM.




           Figura 2 – (A) PCP com os clusters formados pelos índices, (B) SOM mostrando os clusters formados
                                                   e suas grandezas.

          As outras cidades, que possuem um número considerado de alunos no Instituto são: Guadalupe,
          representado pelo cluster vermelho, Jerumenha, que corresponde ao cluster verde escuro. O cluster
          roxo representa a cidade de Canto do Buriti, o cluster lilás corresponde à cidade de Amarante. Outras
          cidades do Piauí também são apresentadas na Figura 2 (B), mas com um número pequeno de alunos,
          como é o caso da cidade de Oeiras, representado na Figura 2 (B), pelo cluster azul claro.




             Figura 3 – Matrix de Mapa representando a formação de cluster espaço-temporal com os dados do
                                         Instituto entre os anos de 1998 a 2010.

          A representação do MapMatrix (Matrix de Mapa) – Figura 3 – possibilita ao usuário visualizar os
          clusters, mostrando como eles se apresentam e como as mudanças ocorrem em uma determinada linha
Anais VI Simpósio Regional de Geoprocessamento e Sensoriamento Remoto - Geonordeste, Aracaju, SE, Brasil, 26 a 30 de novembro de 2012, UFS.



          de tempo, entre os anos de 1998 a 2010. Constatando que, com o passar dos tempos, mais estudantes
          das cidades circunvizinhas se deslocaram para estudar no campus de Floriano – PI. É no MapMatrix
          que podemos analisar a representação espaço-temporal, analisando as diferenças que ocorrem nos
          mapas em cada ano.

          Posteriormente a base foi minerada, usando apenas a classe etnia (Branca, Amarela, Negra e Parda).
          Notou-se, visualizando apenas um cluster (cluster roxo), uma correlação entre os índices. É possível
          verificar relações esperadas e inesperadas. A relação esperada é que a grande maioria dos estudantes é
          da cidade de Floriano – PI e a inesperada é que uma parte considerada dos alunos se declarou negra,
          como podemos observar na Figura 4.




                                Figura 4 – Visão individual dos dados do clus ter selecionado.

          A Figura 5 representa o SOM após a seleção do cluster, exibido na Figura 4, onde se constatou que a
          dimensão do círculo é elevada, caracterizando assim, a existência de uma grande quantidade de
          estudantes presentes nele.




                                      Figura 5 – Visão em cluster da seleção de um cluster.

          Analisando os padrões gerados pela ferramenta, identificou-se que a cor da pele em nada influencia a
          instituição de origem: em todas as etnias, a maioria dos alunos foi proveniente de escola pública. No
          entanto, na classe social C apresentou uma predominância em instituições filantrópicas. Para as
          instituições públicas e privadas, a predominância continua sendo de estudantes da classe E.
Anais VI Simpósio Regional de Geoprocessamento e Sensoriamento Remoto - Geonordeste, Aracaju, SE, Brasil, 26 a 30 de novembro de 2012, UFS.



          A classe social também apresentou relação direta com o curso escolhido. Identificou-se que alunos de
          classe social mais alta preferem cursos nas áreas de técnico em edificações e informática e ensino
          médio subsequente em edificações. Outros padrões relevantes foram:

               1. Os alunos, que ingressaram antes de 2008 e tem idade maior que 20 anos, escolheram o curso
                  de Matemática, são da cidade de Floriano, pertencem classe social C e são de etnia negra;
               2. Os alunos que ingressaram depois de 2008 e oriundos de escolas particulares, escolheram o
                  curso de Análise e Desenvolvimento de Sistemas e são de etnia parda;
               3. O curso de Biologia até o ano de 2005 foi preferido por mulheres da classe social C e etnia
                  branca.

          Comparando os resultados gerados com o trabalho apresentado em Silva et. al. (2011), constatou-se
          que mesmo utilizando outra ferramenta para mineração dos dados da base do IFPI, os resultados
          encontrados são basicamente os mesmos, não diferenciando muito de uma ferramenta para outra.
          Concluindo-se que não importa utilizar diferentes ferramentas para mineração desta base, que o
          resultado encontrado será essencialmente o mesmo.

          CONCLUSÕES: Verificou-se que os estudantes do IFPI – Campus Floriano são predominantes de
          classe social baixa e de etnia parda. Foi constatado também que, a cada ano os estudantes de etnia
          negra vêm aumentando no Instituto. Tais estudantes são oriundos de escolas públicas, verificando que
          o IFPI, de fato, exerce o seu papel de inclusão social, pois não apresentou uma disparidade entre seus
          alunos referentes à classe social, a etnia e a origem escolar dos mesmos.

          Através desta pesquisa concluiu-se que a Mineração de Dados é um processo de fundamental
          importância para a obtenção de informações de grandes bases de dados. Como trabalho futuro propõe-
          se a exploração desta base de dados utilizando outros softwares de Mineração de Dados Geográficos,
          fazendo uma comparação entre os resultados gerados.

          AGRADECIMENTOS: Os autores agradecem a CAPES pela concessão das bolsas de pesquisa e ao
          IFPI – Campus Floriano pela disponibilização da base de dados.

          REFERÊNCIAS:
          IBGE. Instituto Brasileiro de Geografia e Estatísticas. Disponível em: <http://ibge.gov.br>. Acesso
          em: jun. 2012.
          Diasheng, G., Jin, C., Maceachren, M. A., K, L. A Visual Inquiry System for Space-Time and
          Multivariate Patterns (VIS-STAMP). 2006.
          Fayyad, U. M.; Shapiro, G. P.; Smyth, P. From data mining to knowledge discovery: An overview.
          AI Magazine pp. 37–54, 1996.
          Oliveira, A. T.; Vidal Filho, J. N.; Lima, D. R.; Castro, A. F.; Silva, M. P. S. Spatial analysis of the
          student profile of federal techical school of Piauí. In: ISTI: Conferência Ibérica de Sistemas e
          Tecnologias de Informação. Portugal, 2011. p. 368-373.
          Silva, T. R.; Grosmann, D.; Oliveira, A. T; Castro, A. F.; Silva, M. P. S. Análise Espacial do Perfil
          dos Alunos do IFPI – Campus Floriano usando Técnicas de Mineração de Dados. In: Encontro
          Regional de Computação Ceará, Maranhão e Piauí - ERCEMAPI. Teresina, PI. 2011.

Mais conteúdo relacionado

Semelhante a ANÁLISE ESPACIAL-TEMPORAL DE DADOS USANDO TÉCNICAS DE MINERAÇÃO DE DADOS GEOGRÁFICOS E A FERRAMENTA VIS-STAMP

APOSTILA Estatística Descritiva Autoinstrucional.pdf
APOSTILA Estatística Descritiva Autoinstrucional.pdfAPOSTILA Estatística Descritiva Autoinstrucional.pdf
APOSTILA Estatística Descritiva Autoinstrucional.pdf
Roosivelt Félix da Silva Araújo
 
Programa olimpiadas mat
Programa olimpiadas matPrograma olimpiadas mat
Programa olimpiadas mat
Marcelo Gouveia Gouveia
 
Estatistica.pdf
Estatistica.pdfEstatistica.pdf
Estatistica.pdf
RicardoJorgeDossanto4
 
Pc
PcPc
Cartografia da covid 19 para uso em ambientes escolares
Cartografia da covid 19 para uso em ambientes escolaresCartografia da covid 19 para uso em ambientes escolares
Cartografia da covid 19 para uso em ambientes escolares
Junimar Oliveira
 
artigo PIBICJr - Scientia Plena Jovem
artigo PIBICJr - Scientia Plena Jovemartigo PIBICJr - Scientia Plena Jovem
artigo PIBICJr - Scientia Plena Jovem
Juarez Filho
 
Livro Cidades Inteligentes(2)-31-66.pdf
Livro Cidades Inteligentes(2)-31-66.pdfLivro Cidades Inteligentes(2)-31-66.pdf
Livro Cidades Inteligentes(2)-31-66.pdf
Cedemir Pereira
 
Colaboração entre programas de pós-graduação brasileiros em Ciência da Infor...
Colaboração entre programas de pós-graduação brasileiros em Ciência da  Infor...Colaboração entre programas de pós-graduação brasileiros em Ciência da  Infor...
Colaboração entre programas de pós-graduação brasileiros em Ciência da Infor...
heuew
 
estatistica.pdf
estatistica.pdfestatistica.pdf
estatistica.pdf
TrigogMenteDCrist
 
DESENVOLVIMENTO SUSTENTÁVEL. Da tentativa de definição do conceito às experiê...
DESENVOLVIMENTO SUSTENTÁVEL. Da tentativa de definição do conceito às experiê...DESENVOLVIMENTO SUSTENTÁVEL. Da tentativa de definição do conceito às experiê...
DESENVOLVIMENTO SUSTENTÁVEL. Da tentativa de definição do conceito às experiê...
Raquel Dezidério Souto
 
Bom
BomBom
401236.pptx
401236.pptx401236.pptx
Plano de atv. Março (Física 1ª série).pdf
Plano de atv. Março (Física 1ª série).pdfPlano de atv. Março (Física 1ª série).pdf
Plano de atv. Março (Física 1ª série).pdf
kleiane1
 
Noções de estatística pesquisa e representações gráficas
Noções de estatística pesquisa e representações gráficasNoções de estatística pesquisa e representações gráficas
Noções de estatística pesquisa e representações gráficas
Bruno Agra instituto Datavox
 
Iniciando no arcgis
Iniciando no arcgisIniciando no arcgis
Iniciando no arcgis
tecnomapa
 
Apostila arcgis-prof-patricia
Apostila arcgis-prof-patriciaApostila arcgis-prof-patricia
Apostila arcgis-prof-patricia
Leandro Correia
 
Artigo elizabete
Artigo elizabeteArtigo elizabete
Artigo elizabete
betzandonadi
 
Artigo elizabete
Artigo elizabeteArtigo elizabete
Artigo elizabete
betzandonadi
 
Aula 02 cartografia sistemática e temática
Aula 02   cartografia sistemática e temáticaAula 02   cartografia sistemática e temática
Aula 02 cartografia sistemática e temática
Pedro Paulo Gomes de Oliveira
 
O processo de memória em jovens
O  processo de memória em jovensO  processo de memória em jovens
O processo de memória em jovens
Fatima Costa
 

Semelhante a ANÁLISE ESPACIAL-TEMPORAL DE DADOS USANDO TÉCNICAS DE MINERAÇÃO DE DADOS GEOGRÁFICOS E A FERRAMENTA VIS-STAMP (20)

APOSTILA Estatística Descritiva Autoinstrucional.pdf
APOSTILA Estatística Descritiva Autoinstrucional.pdfAPOSTILA Estatística Descritiva Autoinstrucional.pdf
APOSTILA Estatística Descritiva Autoinstrucional.pdf
 
Programa olimpiadas mat
Programa olimpiadas matPrograma olimpiadas mat
Programa olimpiadas mat
 
Estatistica.pdf
Estatistica.pdfEstatistica.pdf
Estatistica.pdf
 
Pc
PcPc
Pc
 
Cartografia da covid 19 para uso em ambientes escolares
Cartografia da covid 19 para uso em ambientes escolaresCartografia da covid 19 para uso em ambientes escolares
Cartografia da covid 19 para uso em ambientes escolares
 
artigo PIBICJr - Scientia Plena Jovem
artigo PIBICJr - Scientia Plena Jovemartigo PIBICJr - Scientia Plena Jovem
artigo PIBICJr - Scientia Plena Jovem
 
Livro Cidades Inteligentes(2)-31-66.pdf
Livro Cidades Inteligentes(2)-31-66.pdfLivro Cidades Inteligentes(2)-31-66.pdf
Livro Cidades Inteligentes(2)-31-66.pdf
 
Colaboração entre programas de pós-graduação brasileiros em Ciência da Infor...
Colaboração entre programas de pós-graduação brasileiros em Ciência da  Infor...Colaboração entre programas de pós-graduação brasileiros em Ciência da  Infor...
Colaboração entre programas de pós-graduação brasileiros em Ciência da Infor...
 
estatistica.pdf
estatistica.pdfestatistica.pdf
estatistica.pdf
 
DESENVOLVIMENTO SUSTENTÁVEL. Da tentativa de definição do conceito às experiê...
DESENVOLVIMENTO SUSTENTÁVEL. Da tentativa de definição do conceito às experiê...DESENVOLVIMENTO SUSTENTÁVEL. Da tentativa de definição do conceito às experiê...
DESENVOLVIMENTO SUSTENTÁVEL. Da tentativa de definição do conceito às experiê...
 
Bom
BomBom
Bom
 
401236.pptx
401236.pptx401236.pptx
401236.pptx
 
Plano de atv. Março (Física 1ª série).pdf
Plano de atv. Março (Física 1ª série).pdfPlano de atv. Março (Física 1ª série).pdf
Plano de atv. Março (Física 1ª série).pdf
 
Noções de estatística pesquisa e representações gráficas
Noções de estatística pesquisa e representações gráficasNoções de estatística pesquisa e representações gráficas
Noções de estatística pesquisa e representações gráficas
 
Iniciando no arcgis
Iniciando no arcgisIniciando no arcgis
Iniciando no arcgis
 
Apostila arcgis-prof-patricia
Apostila arcgis-prof-patriciaApostila arcgis-prof-patricia
Apostila arcgis-prof-patricia
 
Artigo elizabete
Artigo elizabeteArtigo elizabete
Artigo elizabete
 
Artigo elizabete
Artigo elizabeteArtigo elizabete
Artigo elizabete
 
Aula 02 cartografia sistemática e temática
Aula 02   cartografia sistemática e temáticaAula 02   cartografia sistemática e temática
Aula 02 cartografia sistemática e temática
 
O processo de memória em jovens
O  processo de memória em jovensO  processo de memória em jovens
O processo de memória em jovens
 

Mais de Thiago Reis da Silva

Apostila de Introdução a Programação
Apostila de Introdução a ProgramaçãoApostila de Introdução a Programação
Apostila de Introdução a Programação
Thiago Reis da Silva
 
Introdução a Programação
Introdução a ProgramaçãoIntrodução a Programação
Introdução a Programação
Thiago Reis da Silva
 
The use of games on the teaching of programming: a systematic review
The use of games on the teaching of programming: a systematic reviewThe use of games on the teaching of programming: a systematic review
The use of games on the teaching of programming: a systematic review
Thiago Reis da Silva
 
Desenvolvendo plug-in do Moodle em forma de módulo
Desenvolvendo plug-in do Moodle em forma de móduloDesenvolvendo plug-in do Moodle em forma de módulo
Desenvolvendo plug-in do Moodle em forma de módulo
Thiago Reis da Silva
 
Facilitando o aprendizado na tv digital interativa com a utilização de mapa d...
Facilitando o aprendizado na tv digital interativa com a utilização de mapa d...Facilitando o aprendizado na tv digital interativa com a utilização de mapa d...
Facilitando o aprendizado na tv digital interativa com a utilização de mapa d...
Thiago Reis da Silva
 
O uso de ferramentas pedagógicas no desenvolvimento de objetos de aprendizagem
O uso de ferramentas pedagógicas no desenvolvimento de objetos de aprendizagemO uso de ferramentas pedagógicas no desenvolvimento de objetos de aprendizagem
O uso de ferramentas pedagógicas no desenvolvimento de objetos de aprendizagem
Thiago Reis da Silva
 
Integrando o network simulator 2.0 a um ambiente virtual de aprendizagem
Integrando o network simulator 2.0 a um ambiente virtual de aprendizagemIntegrando o network simulator 2.0 a um ambiente virtual de aprendizagem
Integrando o network simulator 2.0 a um ambiente virtual de aprendizagem
Thiago Reis da Silva
 
Ensino de programação utilizando jogos digitais: uma revisão sistemática da l...
Ensino de programação utilizando jogos digitais: uma revisão sistemática da l...Ensino de programação utilizando jogos digitais: uma revisão sistemática da l...
Ensino de programação utilizando jogos digitais: uma revisão sistemática da l...
Thiago Reis da Silva
 
Survey e Análise Estatística
Survey e Análise Estatística Survey e Análise Estatística
Survey e Análise Estatística
Thiago Reis da Silva
 
Um modelo de objeto de aprendizagem com ênfase no planejamento para o Moodle
Um modelo de objeto de aprendizagem com ênfase no planejamento para o MoodleUm modelo de objeto de aprendizagem com ênfase no planejamento para o Moodle
Um modelo de objeto de aprendizagem com ênfase no planejamento para o Moodle
Thiago Reis da Silva
 
Aplicação de uma técnica de visualização de dados baseado em árvores para au...
Aplicação de uma técnica de visualização de dados baseado  em árvores para au...Aplicação de uma técnica de visualização de dados baseado  em árvores para au...
Aplicação de uma técnica de visualização de dados baseado em árvores para au...
Thiago Reis da Silva
 
OBA-MC: um modelo de objeto de aprendizagem centrado no processo de ensino-ap...
OBA-MC: um modelo de objeto de aprendizagem centrado no processo de ensino-ap...OBA-MC: um modelo de objeto de aprendizagem centrado no processo de ensino-ap...
OBA-MC: um modelo de objeto de aprendizagem centrado no processo de ensino-ap...
Thiago Reis da Silva
 
Ferramentas avaliativas disponíveis em um ambiente virtual de aprendizagem us...
Ferramentas avaliativas disponíveis em um ambiente virtual de aprendizagem us...Ferramentas avaliativas disponíveis em um ambiente virtual de aprendizagem us...
Ferramentas avaliativas disponíveis em um ambiente virtual de aprendizagem us...
Thiago Reis da Silva
 
Ampliando o aprendizado na TV digital com MCD-TV e ginga
Ampliando o aprendizado na TV digital com MCD-TV e gingaAmpliando o aprendizado na TV digital com MCD-TV e ginga
Ampliando o aprendizado na TV digital com MCD-TV e ginga
Thiago Reis da Silva
 
MCD-TV - aprendizagem significativa com objeto de aprendizagem OBA-MC na tv d...
MCD-TV - aprendizagem significativa com objeto de aprendizagem OBA-MC na tv d...MCD-TV - aprendizagem significativa com objeto de aprendizagem OBA-MC na tv d...
MCD-TV - aprendizagem significativa com objeto de aprendizagem OBA-MC na tv d...
Thiago Reis da Silva
 
Minicurso SCRUM
Minicurso SCRUMMinicurso SCRUM
Minicurso SCRUM
Thiago Reis da Silva
 
Uma proposta de padronização de objetos de aprendizagem com base em objetivos...
Uma proposta de padronização de objetos de aprendizagem com base em objetivos...Uma proposta de padronização de objetos de aprendizagem com base em objetivos...
Uma proposta de padronização de objetos de aprendizagem com base em objetivos...
Thiago Reis da Silva
 
Scrum uma metodologia ágil paragestão e planejamento de projetos de software
Scrum uma metodologia ágil paragestão e planejamento de projetos de softwareScrum uma metodologia ágil paragestão e planejamento de projetos de software
Scrum uma metodologia ágil paragestão e planejamento de projetos de software
Thiago Reis da Silva
 
Aplicação de uma técnica de visualização de dados baseado em árvores para aux...
Aplicação de uma técnica de visualização de dados baseado em árvores para aux...Aplicação de uma técnica de visualização de dados baseado em árvores para aux...
Aplicação de uma técnica de visualização de dados baseado em árvores para aux...
Thiago Reis da Silva
 

Mais de Thiago Reis da Silva (20)

Apostila de Introdução a Programação
Apostila de Introdução a ProgramaçãoApostila de Introdução a Programação
Apostila de Introdução a Programação
 
Introdução a Programação
Introdução a ProgramaçãoIntrodução a Programação
Introdução a Programação
 
The use of games on the teaching of programming: a systematic review
The use of games on the teaching of programming: a systematic reviewThe use of games on the teaching of programming: a systematic review
The use of games on the teaching of programming: a systematic review
 
Desenvolvendo plug-in do Moodle em forma de módulo
Desenvolvendo plug-in do Moodle em forma de móduloDesenvolvendo plug-in do Moodle em forma de módulo
Desenvolvendo plug-in do Moodle em forma de módulo
 
Facilitando o aprendizado na tv digital interativa com a utilização de mapa d...
Facilitando o aprendizado na tv digital interativa com a utilização de mapa d...Facilitando o aprendizado na tv digital interativa com a utilização de mapa d...
Facilitando o aprendizado na tv digital interativa com a utilização de mapa d...
 
O uso de ferramentas pedagógicas no desenvolvimento de objetos de aprendizagem
O uso de ferramentas pedagógicas no desenvolvimento de objetos de aprendizagemO uso de ferramentas pedagógicas no desenvolvimento de objetos de aprendizagem
O uso de ferramentas pedagógicas no desenvolvimento de objetos de aprendizagem
 
Integrando o network simulator 2.0 a um ambiente virtual de aprendizagem
Integrando o network simulator 2.0 a um ambiente virtual de aprendizagemIntegrando o network simulator 2.0 a um ambiente virtual de aprendizagem
Integrando o network simulator 2.0 a um ambiente virtual de aprendizagem
 
Ensino de programação utilizando jogos digitais: uma revisão sistemática da l...
Ensino de programação utilizando jogos digitais: uma revisão sistemática da l...Ensino de programação utilizando jogos digitais: uma revisão sistemática da l...
Ensino de programação utilizando jogos digitais: uma revisão sistemática da l...
 
Survey e Análise Estatística
Survey e Análise Estatística Survey e Análise Estatística
Survey e Análise Estatística
 
Um modelo de objeto de aprendizagem com ênfase no planejamento para o Moodle
Um modelo de objeto de aprendizagem com ênfase no planejamento para o MoodleUm modelo de objeto de aprendizagem com ênfase no planejamento para o Moodle
Um modelo de objeto de aprendizagem com ênfase no planejamento para o Moodle
 
Aplicação de uma técnica de visualização de dados baseado em árvores para au...
Aplicação de uma técnica de visualização de dados baseado  em árvores para au...Aplicação de uma técnica de visualização de dados baseado  em árvores para au...
Aplicação de uma técnica de visualização de dados baseado em árvores para au...
 
OBA-MC: um modelo de objeto de aprendizagem centrado no processo de ensino-ap...
OBA-MC: um modelo de objeto de aprendizagem centrado no processo de ensino-ap...OBA-MC: um modelo de objeto de aprendizagem centrado no processo de ensino-ap...
OBA-MC: um modelo de objeto de aprendizagem centrado no processo de ensino-ap...
 
Ferramentas avaliativas disponíveis em um ambiente virtual de aprendizagem us...
Ferramentas avaliativas disponíveis em um ambiente virtual de aprendizagem us...Ferramentas avaliativas disponíveis em um ambiente virtual de aprendizagem us...
Ferramentas avaliativas disponíveis em um ambiente virtual de aprendizagem us...
 
Ampliando o aprendizado na TV digital com MCD-TV e ginga
Ampliando o aprendizado na TV digital com MCD-TV e gingaAmpliando o aprendizado na TV digital com MCD-TV e ginga
Ampliando o aprendizado na TV digital com MCD-TV e ginga
 
MCD-TV - aprendizagem significativa com objeto de aprendizagem OBA-MC na tv d...
MCD-TV - aprendizagem significativa com objeto de aprendizagem OBA-MC na tv d...MCD-TV - aprendizagem significativa com objeto de aprendizagem OBA-MC na tv d...
MCD-TV - aprendizagem significativa com objeto de aprendizagem OBA-MC na tv d...
 
Minicurso SCRUM
Minicurso SCRUMMinicurso SCRUM
Minicurso SCRUM
 
Uma proposta de padronização de objetos de aprendizagem com base em objetivos...
Uma proposta de padronização de objetos de aprendizagem com base em objetivos...Uma proposta de padronização de objetos de aprendizagem com base em objetivos...
Uma proposta de padronização de objetos de aprendizagem com base em objetivos...
 
Scrum uma metodologia ágil paragestão e planejamento de projetos de software
Scrum uma metodologia ágil paragestão e planejamento de projetos de softwareScrum uma metodologia ágil paragestão e planejamento de projetos de software
Scrum uma metodologia ágil paragestão e planejamento de projetos de software
 
Artigo
ArtigoArtigo
Artigo
 
Aplicação de uma técnica de visualização de dados baseado em árvores para aux...
Aplicação de uma técnica de visualização de dados baseado em árvores para aux...Aplicação de uma técnica de visualização de dados baseado em árvores para aux...
Aplicação de uma técnica de visualização de dados baseado em árvores para aux...
 

Último

Orientações para utilizar Drone no espaço Brasil
Orientações para utilizar Drone no espaço BrasilOrientações para utilizar Drone no espaço Brasil
Orientações para utilizar Drone no espaço Brasil
EliakimArajo2
 
Como fui de 0 a lead na gringa em 3 anos.pptx
Como fui de 0 a lead na gringa em 3 anos.pptxComo fui de 0 a lead na gringa em 3 anos.pptx
Como fui de 0 a lead na gringa em 3 anos.pptx
tnrlucas
 
Ferramentas e Técnicas para aplicar no seu dia a dia numa Transformação Digital!
Ferramentas e Técnicas para aplicar no seu dia a dia numa Transformação Digital!Ferramentas e Técnicas para aplicar no seu dia a dia numa Transformação Digital!
Ferramentas e Técnicas para aplicar no seu dia a dia numa Transformação Digital!
Annelise Gripp
 
PRATICANDO O SCRUM Scrum team, product owner
PRATICANDO O SCRUM Scrum team, product ownerPRATICANDO O SCRUM Scrum team, product owner
PRATICANDO O SCRUM Scrum team, product owner
anpproferick
 
Por que escolhi o Flutter - Campus Party Piauí.pdf
Por que escolhi o Flutter - Campus Party Piauí.pdfPor que escolhi o Flutter - Campus Party Piauí.pdf
Por que escolhi o Flutter - Campus Party Piauí.pdf
Ian Oliveira
 
Gestão de dados: sua importância e benefícios
Gestão de dados: sua importância e benefíciosGestão de dados: sua importância e benefícios
Gestão de dados: sua importância e benefícios
Rafael Santos
 
Teoria de redes de computadores redes .doc
Teoria de redes de computadores redes .docTeoria de redes de computadores redes .doc
Teoria de redes de computadores redes .doc
anpproferick
 

Último (7)

Orientações para utilizar Drone no espaço Brasil
Orientações para utilizar Drone no espaço BrasilOrientações para utilizar Drone no espaço Brasil
Orientações para utilizar Drone no espaço Brasil
 
Como fui de 0 a lead na gringa em 3 anos.pptx
Como fui de 0 a lead na gringa em 3 anos.pptxComo fui de 0 a lead na gringa em 3 anos.pptx
Como fui de 0 a lead na gringa em 3 anos.pptx
 
Ferramentas e Técnicas para aplicar no seu dia a dia numa Transformação Digital!
Ferramentas e Técnicas para aplicar no seu dia a dia numa Transformação Digital!Ferramentas e Técnicas para aplicar no seu dia a dia numa Transformação Digital!
Ferramentas e Técnicas para aplicar no seu dia a dia numa Transformação Digital!
 
PRATICANDO O SCRUM Scrum team, product owner
PRATICANDO O SCRUM Scrum team, product ownerPRATICANDO O SCRUM Scrum team, product owner
PRATICANDO O SCRUM Scrum team, product owner
 
Por que escolhi o Flutter - Campus Party Piauí.pdf
Por que escolhi o Flutter - Campus Party Piauí.pdfPor que escolhi o Flutter - Campus Party Piauí.pdf
Por que escolhi o Flutter - Campus Party Piauí.pdf
 
Gestão de dados: sua importância e benefícios
Gestão de dados: sua importância e benefíciosGestão de dados: sua importância e benefícios
Gestão de dados: sua importância e benefícios
 
Teoria de redes de computadores redes .doc
Teoria de redes de computadores redes .docTeoria de redes de computadores redes .doc
Teoria de redes de computadores redes .doc
 

ANÁLISE ESPACIAL-TEMPORAL DE DADOS USANDO TÉCNICAS DE MINERAÇÃO DE DADOS GEOGRÁFICOS E A FERRAMENTA VIS-STAMP

  • 1. Anais VI Simpósio Regional de Geoprocessamento e Sensoriamento Remoto - Geonordeste, Aracaju, SE, Brasil, 26 a 30 de novembro de 2012, UFS. ANÁLISE ESPACIAL-TEMPORAL DE DADOS USANDO TÉCNICAS DE MINERAÇÃO DE DADOS GEOGRÁFICOS E A FERRAMENTA VIS-STAMP Thiago Reis da Silva1, Diego Grosmann1, Fábio Abrantes Diniz1, Íthalo Bruno Grigório de Moura1, Angélica Félix de Castro1 1 Programa de Pós-Graduação em Ciência da Computação, UERN/UFERSA, Mossoró – RN. {trsilva.si, diegogrosmann, fabio.abrantes.diniz, ithalobgm, angelicafcastro}@gmail.com RESUMO: O uso de técnicas e ferramentas para a análise de fenômenos que variam no espaço e no tempo é indispensável. Esses fenômenos, por exemplo, poderão estar relacionados ao ordenamento territorial, distribuição da saúde, segurança pública, entre outros. Desta forma, surgem ferramentas computacionais chamadas de Sistemas de Informações Geográficas (SIG) que apoiam a modelagem desses fenômenos, permitindo o armazenamento e a visualização das informações geradas. Devido ao crescimento da quantidade de dados geográficos, surgiu um novo campo chamado de Mineração de Dados Geográficos. Nesta perspectiva, nosso objetivo é expor o uso de SIG como uma ferramenta para análise espaço-temporal. E, através do uso de Mineração de Dados Geográficos, utilizar métodos de Clusterização, para identificar padrões dispostos nos dados. Para isso, foi utilizada a ferramenta VIS-STAMP (A Visualization System for Space-Time and Multivariate Patterns) e, foi abordado um estudo de caso com base nos dados do controle acadêmico do Instituto Federal do Piauí (IFPI) – Campus de Floriano, de 1998 a 2010. Com a análise destes dados, pretende-se verificar as correlações entre a classe social, etnia e outros indicadores socioeconômicos a fim de verificar os perfis dos estudantes de tal Instituto. PALAVRAS-CHAVE: Mineração de dados geográficos, Análise espaço-temporal, Sistemas de informações geográficas. INTRODUÇÃO: Os Institutos Federais de Educação, Ciência e Tecnologia são instituições que produzem, disseminam e aplicam o conhecimento tecnológico e acadêmico para formação da cidadania, por meio do Ensino, da Pesquisa e da Extensão, contribuindo para o progresso socioeconômico local, regional e nacional. A implantação do campi, no interior do Estado, atende a meta do Programa de Expansão da Rede Federal de Educação Tecnológica e à própria natureza dos Institutos Federais de Educação, Ciência e Tecnologia, no que diz respeito à descentralização de qualificação profissional, levando em conta as necessidades socioeconômicas de cada região. Com isso, pretende-se evitar o êxodo de jovens estudantes para a capital (SILVA et. al. 2012). Neste contexto, este artigo analisa a base de dados do Instituto Federal do Piauí (IFPI – Campus Floriano), para detectar, através de Mineração de Dados Geográficos e com utilização da ferramenta VIS-STAMP, os perfis da comunidade acadêmica desta Instituição de Ensino, verificando se a classe social, a etnia declarada pelos estudantes, tem impacto na escolha do curso ou realidade socioeconômica dos mesmos. O trabalho proposto por Oliveira et. al. (2011) apresenta uma análise da base de dados das matrículas dos discentes do IFPI - Campus Picos, utilizando a ferramenta WEKA e três algoritmos diferentes: Classificação, Clusterização e Associação. Em Silva et. al. (2011) é apresentada uma análise similar a de Oliveira et. al. (2011), utilizando a ferramenta WEKA para encontrar padrões que mostrassem relações entre a classe social, etnia e cidade de procedência dos alunos matriculados no IFPI – Campus Floriano. Este artigo diferencia-se dos trabalhos anteriores por utilizar a ferramenta VIS-STAMP para descobrir padrões e depois comparar com os resultados do trabalho proposto por Silva et. al. (2011). MINERAÇÃO DE DADOS E A FERRAMENTA VIS-STAMP: A Mineração de Dados é uma das etapas do processo de descoberta do conhecimento em banco de dados, do inglês, Knowledge Discovery in Databases (KDD), sendo um processo, não trivial, de extração de informações
  • 2. Anais VI Simpósio Regional de Geoprocessamento e Sensoriamento Remoto - Geonordeste, Aracaju, SE, Brasil, 26 a 30 de novembro de 2012, UFS. implícitas, previamente desconhecidas e potencialmente úteis, a partir dos dados armazenados em um banco de dados (FAYYAD; SHAPIRO; SMYTH, 1996). A ferramenta VIS-STAMP é um software para explorar dados multivariados em espaço-temporal (DIASHENG, 2006). Descobre padrões e apresenta-os de uma forma de fácil interpretação humana, ajudando no raciocínio analítico e/ou tomada de decisão. A ferramenta é composta por um MapMatrix (Mapa de Matriz) para a visualização temporal dos mapas; um Space-Time Matrix (S-T Matrix) o qual organiza os padrões multivariados no campo espaço-temporal; um Self Organizing Map (SOM), que são Mapa Auto Organizável, possibilitando a representação multivariada de agrupamento e de abstração (incluindo agrupamento de séries temporais); e um Parallel Coordinate Plot (PCP), que são os Plots de coordenadas paralelas que permitem a visualização de padrões multivariados (DIASHENG, 2006). METODOLOGIA E ÁREA DE ESTUDO: Para o desenvolvimento deste artigo foi utilizada a base de dados de matrícula do IFPI – Campus Floriano, que contém dados dos estudantes matriculados entre o ano de 1998 e o ano de 2010, totalizando 4348 registros. As etapas da Mineração de dados utilizadas foram: seleção de dados, pré-processamento, transformação dos dados, interpretação/avaliação (SILVA et. al. 2011). O presente artigo faz uma análise dos dados do corpo discente que estudou e estuda no IFPI – Campus Floriano, localizado no estado do Piauí. O Piauí está localizado a noroeste da região Nordeste do Brasil, ocupa uma área de 251.576 km² (pouco maior que o Reino Unido) e tem 3.118.360 habitantes (IBGE, 2012). Sua capital é a cidade de Teresina. A economia do estado é baseada no setor de serviços (comércio), na indústria (química, têxtil, de bebidas), na agricultura (soja, algodão, arroz, cana-de-açúcar, mandioca, mel) e na pecuária extensiva. A Figura 1 ilustra a localização da área de estudos (município de Floriano) em relação ao mapa do Brasil e ao estado do Piauí, do qual o município de Floriano faz parte. Figura 1 - Localização da área de estudos em relação ao território do Brasil. Fonte: (SILVA et. al. 2011). RESULTADOS E DISCUSSÃO: Nesta seção, são apresentados os resultados da análise espaço- temporal dos índices apresentados com o VIS-STAMP. Inicialmente, foi feita uma Mineração de Dados usando as seguintes variáveis: renda, classe social (C, D, E e F) e cor da pele (Parda, Amarela, Branca e Negra) e constatou-se uma correlação entre elas. Foi visto que os estudantes de etnia parda (cluster amarelo forte) e com uma renda em média de 2 (dois) salários mínimos são maioria no instituto, como ilustra a Figura 2 (A). A Figura 2 (B) corresponde ao SOM (que é um Mapa Auto Organizável para processar os perfis multivariados, onde cada nó colorido representa um cluster e nós mais próximos são mais parecidos). O SOM é utilizado em Mineração de Dados para reduzir a dimensionalidade dos dados, apresentando- os no formato bidimensional. É importante salientar que o cluster de cor azul, o maior cluster na
  • 3. Anais VI Simpósio Regional de Geoprocessamento e Sensoriamento Remoto - Geonordeste, Aracaju, SE, Brasil, 26 a 30 de novembro de 2012, UFS. Figura 2 (B), representa a cidade de Floriano – PI, pois é a cidade que possui a maior quantidade de aluno no Instituto. Assim, quanto maior a quantidade de dados presentes no cluster, maior será a área do círculo no SOM. Figura 2 – (A) PCP com os clusters formados pelos índices, (B) SOM mostrando os clusters formados e suas grandezas. As outras cidades, que possuem um número considerado de alunos no Instituto são: Guadalupe, representado pelo cluster vermelho, Jerumenha, que corresponde ao cluster verde escuro. O cluster roxo representa a cidade de Canto do Buriti, o cluster lilás corresponde à cidade de Amarante. Outras cidades do Piauí também são apresentadas na Figura 2 (B), mas com um número pequeno de alunos, como é o caso da cidade de Oeiras, representado na Figura 2 (B), pelo cluster azul claro. Figura 3 – Matrix de Mapa representando a formação de cluster espaço-temporal com os dados do Instituto entre os anos de 1998 a 2010. A representação do MapMatrix (Matrix de Mapa) – Figura 3 – possibilita ao usuário visualizar os clusters, mostrando como eles se apresentam e como as mudanças ocorrem em uma determinada linha
  • 4. Anais VI Simpósio Regional de Geoprocessamento e Sensoriamento Remoto - Geonordeste, Aracaju, SE, Brasil, 26 a 30 de novembro de 2012, UFS. de tempo, entre os anos de 1998 a 2010. Constatando que, com o passar dos tempos, mais estudantes das cidades circunvizinhas se deslocaram para estudar no campus de Floriano – PI. É no MapMatrix que podemos analisar a representação espaço-temporal, analisando as diferenças que ocorrem nos mapas em cada ano. Posteriormente a base foi minerada, usando apenas a classe etnia (Branca, Amarela, Negra e Parda). Notou-se, visualizando apenas um cluster (cluster roxo), uma correlação entre os índices. É possível verificar relações esperadas e inesperadas. A relação esperada é que a grande maioria dos estudantes é da cidade de Floriano – PI e a inesperada é que uma parte considerada dos alunos se declarou negra, como podemos observar na Figura 4. Figura 4 – Visão individual dos dados do clus ter selecionado. A Figura 5 representa o SOM após a seleção do cluster, exibido na Figura 4, onde se constatou que a dimensão do círculo é elevada, caracterizando assim, a existência de uma grande quantidade de estudantes presentes nele. Figura 5 – Visão em cluster da seleção de um cluster. Analisando os padrões gerados pela ferramenta, identificou-se que a cor da pele em nada influencia a instituição de origem: em todas as etnias, a maioria dos alunos foi proveniente de escola pública. No entanto, na classe social C apresentou uma predominância em instituições filantrópicas. Para as instituições públicas e privadas, a predominância continua sendo de estudantes da classe E.
  • 5. Anais VI Simpósio Regional de Geoprocessamento e Sensoriamento Remoto - Geonordeste, Aracaju, SE, Brasil, 26 a 30 de novembro de 2012, UFS. A classe social também apresentou relação direta com o curso escolhido. Identificou-se que alunos de classe social mais alta preferem cursos nas áreas de técnico em edificações e informática e ensino médio subsequente em edificações. Outros padrões relevantes foram: 1. Os alunos, que ingressaram antes de 2008 e tem idade maior que 20 anos, escolheram o curso de Matemática, são da cidade de Floriano, pertencem classe social C e são de etnia negra; 2. Os alunos que ingressaram depois de 2008 e oriundos de escolas particulares, escolheram o curso de Análise e Desenvolvimento de Sistemas e são de etnia parda; 3. O curso de Biologia até o ano de 2005 foi preferido por mulheres da classe social C e etnia branca. Comparando os resultados gerados com o trabalho apresentado em Silva et. al. (2011), constatou-se que mesmo utilizando outra ferramenta para mineração dos dados da base do IFPI, os resultados encontrados são basicamente os mesmos, não diferenciando muito de uma ferramenta para outra. Concluindo-se que não importa utilizar diferentes ferramentas para mineração desta base, que o resultado encontrado será essencialmente o mesmo. CONCLUSÕES: Verificou-se que os estudantes do IFPI – Campus Floriano são predominantes de classe social baixa e de etnia parda. Foi constatado também que, a cada ano os estudantes de etnia negra vêm aumentando no Instituto. Tais estudantes são oriundos de escolas públicas, verificando que o IFPI, de fato, exerce o seu papel de inclusão social, pois não apresentou uma disparidade entre seus alunos referentes à classe social, a etnia e a origem escolar dos mesmos. Através desta pesquisa concluiu-se que a Mineração de Dados é um processo de fundamental importância para a obtenção de informações de grandes bases de dados. Como trabalho futuro propõe- se a exploração desta base de dados utilizando outros softwares de Mineração de Dados Geográficos, fazendo uma comparação entre os resultados gerados. AGRADECIMENTOS: Os autores agradecem a CAPES pela concessão das bolsas de pesquisa e ao IFPI – Campus Floriano pela disponibilização da base de dados. REFERÊNCIAS: IBGE. Instituto Brasileiro de Geografia e Estatísticas. Disponível em: <http://ibge.gov.br>. Acesso em: jun. 2012. Diasheng, G., Jin, C., Maceachren, M. A., K, L. A Visual Inquiry System for Space-Time and Multivariate Patterns (VIS-STAMP). 2006. Fayyad, U. M.; Shapiro, G. P.; Smyth, P. From data mining to knowledge discovery: An overview. AI Magazine pp. 37–54, 1996. Oliveira, A. T.; Vidal Filho, J. N.; Lima, D. R.; Castro, A. F.; Silva, M. P. S. Spatial analysis of the student profile of federal techical school of Piauí. In: ISTI: Conferência Ibérica de Sistemas e Tecnologias de Informação. Portugal, 2011. p. 368-373. Silva, T. R.; Grosmann, D.; Oliveira, A. T; Castro, A. F.; Silva, M. P. S. Análise Espacial do Perfil dos Alunos do IFPI – Campus Floriano usando Técnicas de Mineração de Dados. In: Encontro Regional de Computação Ceará, Maranhão e Piauí - ERCEMAPI. Teresina, PI. 2011.