Bayes Editor: Desenvolvimento e validação de um editor de Redes Bayesianas
DOI:
https://doi.org/10.22456/1982-1654.76382Keywords:
Redes Bayesianas, Bayes Editor, Raciocínio ClínicoAbstract
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
References
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.
Downloads
Published
How to Cite
Issue
Section
License
The copyright for papers published in this journal belong to the author, with rights of first publication for the journal. As the papers appears in this publicly accessed journal, the papers are for free use, receiving their credit, in educational and non-commercial uses. The journal will allow the use of the papers published for non-commercial purposes, including the right to send the paper to publicly accessed databases.Accepted 2017-11-13
Published 2017-12-31
