Bayes Editor: Desenvolvimento e validação de um editor de Redes Bayesianas
DOI:
https://doi.org/10.22456/1982-1654.76382Palavras-chave:
Redes Bayesianas, Bayes Editor, Raciocínio ClínicoResumo
Este artigo tem como objetivo apresentar o desenvolvimento e validação de um editor de redes bayesianas, denominado Bayes Editor, a ser utilizado no processo de ensino e aprendizado na área da saúde. Inicia com um referencial teórico que explica os principais conceitos da área de redes bayesianas, seguido de um comparativo de ferramentas com o mesmo propósito disponíveis no mercado. O processo de desenvolvimento do editor é descrito em detalhes. A validação do editor desenvolvido ocorreu com alunos dos cursos de enfermagem, biomedicina e informática. A partir dos resultados pode-se melhorar a ferramenta, bem como, destacar aspectos relevantes da ferramenta, como a usabilidade e facilidade de uso, quando comparada com o uso de outro aplicativo similar.Downloads
Referências
BEAL, M. J. Variational algorithms for approximate Bayesian inference. London: University of London, 2003.
HUGIN. Company Information. Disponível em: <http://www.hugin.com/company- information>. Acesso em: agosto de 2017.
MADSEN, Anders L. et al. The Hugin tool for learning Bayesian networks. In: Symbolic and quantitative approaches to reasoning with uncertainty. Springer Berlin Heidelberg, 2003. p. 594-605.
MARONI, V. Construção de um motor de inferência para análise de desempenho em ambientes virtuais de aprendizagem aplicados ao ensino da medicina de família e comunidade. 2013. 103 f. Dissertação (Mestrado em Ciências da Saúde) – Universidade Federal de Ciências da Saúde de Porto Alegre, Porto Alegre, RS, 2013.
MARQUES, R. L.; DUTRA, I. Redes Bayesianas: o que são, para que servem, algoritmos e exemplos de aplicações. Coppe Sistemas – Universidade Federal do Rio de Janeiro, Rio de Janeiro, Brasil, 2002.
NETICA. Netica Application. Disponível em: <https://www.norsys.com/netica.html>. Acesso em: julho de 2017.
NILSSON, N. J. Artificial intelligence: a new synthesis. San Francisco: Morgan Kaufmann, 1998. 513 p.
RUSSELL, S.; NORVIG, P. Inteligência Artificial. 3. ed. Rio de Janeiro: Elsevier.2013. 1016p.
SANTOS, F. S. Desenvolvimento de módulo de redes bayesianas para o amplia. 2009. 70 f. Trabalho de Conclusão de Curso (Monografia) – Curso de Ciência da Computação, Universidade Feevale, Novo Hamburgo, RS, 2009.
SEIXAS, L. J.; FLORES, C. D.; VICARI, R. M.; LADEIRA, M. An architecture for an intelligent learning environment with a constructivist approach. ITS2002. San Sebastian, Spain. 2002.
UNBBAYES. UnBBayes Overview. Disponível em: <http://unbbayes.sourceforge.net/index.html>. Acesso em: julho de 2017.
WIEGERINCK, W.; KAPPEN, B.; BURGERS, W. Bayesian networks for expert systems: Theory and practical applications. In: Interactive collaborative information systems. Springer Berlin Heidelberg, 2010. p. 547-578.