MANUAL DE USO DO VANTAGEPOINT Versão 1

Transcrição

1 MANUAL DE USO DO VANTAGEPOINT Versão 1 São Paulo Outubro 2014

2 TRADUÇÃO ADAPTADA DO VANTAGEPOINT HELP (Search Technology, Inc.) ELISABETH ADRIANA DUDZIAK DT/SIBi SIBELE FAUSTO DT/SIBi RUBENILDO OLIVEIRA DA COSTA FO UNIVERSIDADE DE SÃO PAULO Reitor: Prof. Dr. Marco Antonio Zago Vice-Reitor: Prof. Dr. Vahan Agopyan SISTEMA INTEGRADO DE BIBLIOTECAS DA USP DEPARTAMENTO TÉCNICO Mariza Leal de Meirelles Do Coutto GRUPO DE ESTUDOS BIBLIOMÉTRICOS APLICADOS DO SIBiUSP ELISABETH ADRIANA DUDZIAK DT/SIBi - (Coordenação) SIBELE FAUSTO DT/SIBi ROSELI MATSUDA DT/SIBi EIDI RAQUEL FRANCO ABDALLA FM STELA DO NASCIMENTO MADRUGA - FMVZ RUBENILDO OLIVEIRA DA COSTA FO GIRLEI APARECIDO DE LIMA - FZEA IRENE LUCINDA ICMC GRACIELLI PEPE IFSC DANIEL JORGE CAETANO - DT/SIBi RICARDO AMARAL DE FARIA DT/SIBi TARCISIO PEREIRA DT/SIBi Manual de uso do VantagePoint v.1 Outubro 2014 Página 1

3 SUMÁRIO 1 INTRODUÇÃO ACESSO REMOTO AO COMPUTADOR VANTAGEPOINT MINERAÇÃO DE DADOS Obtenção de dados de pesquisa VANTAGEPOINT: ESTRUTURA E FUNCIONALIDADES Conhecendo o VantagePoint Importando dados TRATAMENTO DE DADOS Definições Tratamento de dados: organização (Listas, Grupos e Matrizes) Criação de Listas Criação de Grupos e Matrizes Limpeza de dados Aplicação da List Cleanup Aplicação do Thesaurus REFERÊNCIAS Manual de uso do VantagePoint v.1 Outubro 2014 Página 2

4 1 INTRODUÇÃO O software VantagePoint (VP) é uma importante ferramenta de mineração e análise de dados que agora está disponível aos bibliotecários e técnicos do Sistema de Bibliotecas da USP (SIBiUSP) por meio de acesso remoto a computadores virtuais especialmente preparados para utilização desse aplicativo. Por meio dele, será possível realizar análises e estudos relacionados à produção científica da USP, produção docente, produção de teses e dissertações, análise de coleções, análises temáticas, bem como análises de tendências de pesquisa. Desta forma, as equipes do SIBiUSP podem contribuir para a gestão das atividades e dos produtos de pesquisa da Universidade de São Paulo. Este Manual de Uso do VantagePoint é um instrumento de apoio às equipes do SIBiUSP elaborado pelo Grupo de Estudos Bibliométricos Aplicados, apresentando o passo a passo para operar o Software VP, que está disponível para facilitadores de todas as bibliotecas do sistema USP através de acesso remoto mediante senha. Aqui são explicitados os procedimentos para o Acesso remoto ao computador VantagePoint e a conduta para se operar o software. O fluxo de operação do VantagePoint segue basicamente 3 etapas: Mineração de dados, Tratamento de dados e Análise de dados. A Mineração de dados, ou prospecção de dados (Data Mining) constitui-se de procedimentos para a exploração e descoberta de informações relevantes em grandes conjuntos de dados, através da atribuição de padrões para sua recuperação, agregando os dados recuperados em conjuntos (Clustering) para sua posterior verificação e validação. O Tratamento de dados é etapa indispensável para a validação do conjunto de dados recuperados, constituindo-se de procedimentos detalhados para a limpeza e certificação desses dados, excluindo-se as anomalias e redundâncias e mantendo os dados relevantes que atendam às necessidades informacionais que se apresentam para a análise. Por fim, a Análise de dados é a etapa que permite a descoberta de conhecimento sobre os dados recuperados, explicitando os resultados da análise através de recursos visuais: tabelas, gráficos, mapeamentos, etc. Este Manual trata da Mineração de Dados e do Tratamento de Dados. A Análise de dados é abordada através de aplicações em casos reais das bibliotecas do sistema, sendo documentada em tutoriais na Plataforma Wiki criada para o VantagePoint, também disponível a todas as bibliotecas da USP. Esclarecemos ainda que este Manual de Uso do VantagePoint é um guia geral, elaborado para consulta rápida aos tópicos básicos para operar o software VantagePoint, com o objetivo de ser útil às equipes do SIBiUSP em suas análises e estudos sobre a produção científica da Universidade. Para descrições mais detalhadas relacionadas ao uso do aplicativo em bases de dados específicas, a consulta deve se reportar aos tutoriais disponibilizados pelo Grupo de Estudos Bibliométricos Aplicados do SIBiUSP na Plataforma Wiki do VantagePoint e ao guia do VantagePoint original disponível no aplicativo, na aba Help. Manual de uso do VantagePoint v.1 Outubro 2014 Página 3

5 2 ACESSO REMOTO À MÁQUINA VIRTUAL - VANTAGEPOINT Passo a passo para realizar a conexão Na tela inicial do seu computador: a) Clique em Iniciar b) Clique em Todos os Programas c) Clique em Acessórios d) Clique em Conexão de Área de Trabalho Remota e) Uma caixa de conexão remota será aberta. Digite o número do IP de sua máquina. Ex: :12990 f) Digite seus dados de usuário. Ex: vdi.sibi.usp.br\ g) Outra caixa se abrirá. Digite seu número USP. Ex: g) Conectar i) Uma tela aparecerá solicitando confirmação de conexão. Aceitar. Na máquina virtual estão disponíveis os Diretórios M e N. O Diretório M é uma área comum a todos que contém os arquivos de dados das Bases 03 e 04 do Dedalus e o filtro xml MARC. O Diretório N é a área de cada usuário. Manual de uso do VantagePoint v.1 Outubro 2014 Página 4

6 3 MINERAÇÃO DE DADOS A mineração de dados é um processo de duas etapas: 3.1) Obtenção de dados de pesquisa 3.2) Importação de dados é descrita na seção 4 desse Manual (VantagePoint: estrutura e funcionalidades) 3.1 Obtenção de dados de pesquisa Para realizar a obtenção de dados, o pesquisador deve ter clareza sobre seus objetivos e sobre o universo em que a análise será realizada. A descrição precisa de sua estratégia de busca definirá o foco de sua pesquisa e diminuirá o risco de serem gerados ruídos (anomalias e redundâncias) nos dados. O primeiro passo para uma eficiente obtenção de dados consiste na definição dos conceitos a serem recuperados. Em seguida, ocorre a seleção da base de dados ou bases de dados que possuem as informações relevantes à pesquisa. Selecionada a base de dados, a estratégia de busca deve ser definida a partir do Diagrama de Venn (intersecção de círculos), que está embasado na lógica booleana (OR, NOT, e AND), que é utilizada na maioria dos motores de busca. Use o operador OR para ampliar uma pesquisa e trazer novos conceitos. Use o operador NOT para excluir conceitos irrelevantes. Use o operador AND para restringir uma pesquisa por meio da intersecção de dois ou mais temas. A maioria das bases de dados textuais adota motores de busca que utilizam lógica booleana e sintaxe especial. A pesquisa avançada permite restringir a busca de modo a estabelecer um foco mais preciso. A execução de uma pesquisa por dados eficaz inclui: Fase 1: Descrição do(s) objetivo(s) de sua pesquisa Fase 2: Conceitos e delimitações: Defina os conceitos que a busca deve cobrir. Manual de uso do VantagePoint v.1 Outubro 2014 Página 5

7 a. Comece com as palavras-chave que descrevem os conceitos. Observe que as bases de dados em geral adotam o idioma inglês. Considere também que as palavras-chave podem ser frases. b. Pense em possíveis sinônimos e/ou grafias diferentes. Escolha uma ou mais bases de dados para empreender as buscas. Pense em outros delimitadores que possam ser necessários: a. Qual é o período de pesquisa que se quer cobrir? Datas? b. Quais tipos de publicação você quer delimitar? Artigos? Teses? c. Em quais idiomas os artigos devem estar? Inglês? Português? Francês? Fase 3: Obtenha os registros e salve-os em formato compatível com o VantagePoint. (Ex:.txt,.xml, etc ). Finalmente, após realizar a pesquisa em determinada base de dados, os registros recuperados devem ser salvos no computador. Manual de uso do VantagePoint v.1 Outubro 2014 Página 6

8 4. VANTAGEPOINT ESTRUTURA E FUNCIONALIDADES Nessa seção descrevemos a estrutura e as funcionalidades do software VantagePoint. O VantagePoint é projetado para uso em campos com texto delimitado Campos Fields - toda base de dados se organiza a partir de campos delimitados, o que significa que a informação é organizada a partir de campos como autor, título e palavras-chave. É importante entender os diferentes tipos de informações com os quais as bases de dados normalmente trabalham. Tais campos podem ser divididos em campos de conteúdo, campos de identidade, campos de edição, campos de descritor e campos administrativos. Campo delimitado Delimited Fields: delimitado significa que cada campo tem um marcador que indica onde começa e onde termina. Nem todos os campos de texto são delimitados. Por exemplo, quando vemos um endereço, implicitamente sabemos que as linhas representam um nome, endereço, e cidade/estado. No entanto, não há nada que identifique explicitamente cada parte do endereço. O VantagePoint precisa de delimitadores para identificar corretamente a informação e ler cada campo. Texto: o VantagePoint funciona melhor em texto simples (.txt). Isso é importante porque muitos formatos de arquivos contêm dados de não-texto. Por exemplo, uma imagem incorporada em um documento não pode ser vista com um editor de texto. Da mesma forma, o tipo de letra e informações de margem na maioria dos formatos de documento aparece como jargão no bloco de notas. O VantagePoint às vezes pode extrair objetos vinculados, como fotos, mas o formato de texto simples continua a ser o formato de arquivo preferencial para análise pelo aplicativo. Campos de conteúdo Os campos de conteúdo são o cerne de um registro. Esta é a informação, geralmente escrita em frases, do que o autor está tentando transmitir. Uma vez que são escritos especificamente para as pessoas, os computadores geralmente têm mais dificuldade com estes campos e devem recorrer ao processamento de linguagem natural (NLP), a partir de algoritmos, para dar sentido a ela. Título (Title) este campo apresenta a descrição de uma linha do conteúdo. Sua utilidade varia de acordo com a complexidade do tema e a habilidade do autor. Resumo (Abstract) geralmente elaborado em um único parágrafo. A maioria dos bancos de dados de patentes e de literatura que usamos são "bancos de Manual de uso do VantagePoint v.1 Outubro 2014 Página 7

9 dados abstratos" que realmente não contêm o texto integral dos documentos, apenas um resumo e talvez um link para o texto completo. Corpo do texto o conteúdo intelectual do registro. Geralmente escrito em parágrafos e, por vezes, intercalado com tabelas e figuras, o texto pode conter uma grande quantidade de informações tangenciais, não diretamente relevantes. Campos de Identidade Estes campos se referem à identidade do autor. Partindo-se da premissa de que a atividade de publicar indica perícia, esses campos podem lhe dar uma ideia de quem são e onde estão os especialistas. Autor/Inventor (Author/Inventor) os nomes do autor ou autores. A maioria das pesquisas terá vários autores, mas o nome do investigador principal geralmente é o primeiro da lista. Afiliação/Cessionária da Patente (Affiliation/Patent Assignee) a instituição primária associada à pesquisa. Alguns bancos de dados listarão múltiplas afiliações (para autores de várias origens institucionais), mas a maioria apresenta apenas uma afiliação. Campos de Publicação Estes campos descrevem onde a pesquisa foi originalmente publicada. Enquanto patentes e relatórios de defesa (teses e dissertações) são obtidas diretamente do banco de dados, a maioria dos bancos de dados que usamos apresentam registros publicados em periódicos ou apresentados em congressos. Periódico/Título da Conferência (Journal/Conference title) o nome da revista ou conferência na qual a pesquisa foi publicada originalmente. Informação de Prioridade (Priority Information) onde e quando a obra foi originalmente elaborada. Mais comum em patentes. País de Publicação (Country Publication) Na literatura aponta a internacionalização e em patentes aponta onde a empresa está buscando a proteção de patentes. Data da Publicação (Publication date) Este campo pode ser usado para separar o que é recente e detectar as tendências ao longo do tempo. Tipo de Documento (Document type) registro da tipologia documental: artigos de periódico, trabalhos de evento, teses, ou outros tipos de publicação. Manual de uso do VantagePoint v.1 Outubro 2014 Página 8

10 Campos de descritor Estes campos descrevem a pesquisa utilizando termos ou taxonomias descritivas. A maioria dos registros terá vários descritores. Palavras-chave (keywords) os campos de palavras-chave ou de frases-chave são utilizados para descrever o tema da pesquisa. Os termos podem ser controlados ou não controlados. Termos controlados, como aparecem no campo de descritor, são geralmente atribuídos por indexadores profissionais que trabalham para o provedor do banco de dados (MEDLINE, DeCS, INSPEC, Pascal, etc.). Eles são geralmente consistentes, tanto em relação ao significado, quanto à aparência (ortografia, as abreviações, plurais, etc.). Termos não controlados, quando aparecem no campo identificador, são fornecidos pelo autor da pesquisa. Muitas vezes são altamente técnicos e específicos para a investigação, em vez de descrever um tópico mais amplo. Esteja ciente de que termos não controlados podem ser muito inconsistentes no modo como são apresentados. Campos de PLN (NLP fields) o VantagePoint pode usar o PLN (Processamento de Linguagem Natural) para extrair palavras e frases, criando listas a partir de um campo de conteúdo. Uma vez extraídas, estas listas podem ser usadas como descritores adicionais. Como a lista é de termos quase completamente descontrolados, não pode ser usada para obter uma ideia rápida sobre um conjunto de dados. No entanto, uma vez que se tem uma ideia dos descritores que se procura, as palavras e frases de PLN podem ser pesquisadas por termos semelhantes. Isso permite encontrar registros que podem estar relacionados a um termo, mesmo que o termo não tenha sido usado como um descritor formal. Códigos de Classificação (Classification Codes) Muitos provedores de banco de dados desenvolveram taxonomias para classificar e agrupar seus registros. O número de categorias e subcategorias depende da amplitude de temas incluídos no banco de dados. Por exemplo, o sistema de código de classe do INSPEC é relativamente pequeno, uma vez que abrange apenas física, eletrônica e computação. O sistema de Classificação Internacional de Patentes (IPC) é enorme porque classifica uma ampla gama de tecnologias. Código de Tratamento de Dados (Treatment Code) Alguns bancos de dados da literatura atribuem um código de tratamento indicando se um registro se refere a uma pesquisa prática, experimental ou teórica. Manual de uso do VantagePoint v.1 Outubro 2014 Página 9

11 Campos de Admin Finalmente, a maioria dos bancos de dados tem alguns campos que se relacionam com a administração do recurso e não com o conteúdo do registro. Copyright Este campo informa o detentor dos direitos da propriedade intelectual contida no registro. Por vezes, o distribuidor de dados acrescenta o seu próprio direito de autor, para além do fornecedor de dados. Números de adesão (Accession numbers) Este é um número ou código único para cada registro em um banco de dados. Como os direitos de autor, o registro pode ter o seu próprio número único (um número de patentes, por exemplo) e outro atribuído pelo fornecedor de banco de dados. 4.1 Conhecendo o VantagePoint Ao abrir o VantagePoint, será exibida a tela principal, com o grupo de guias e comandos na parte superior, chamado Faixa de Opções, e uma Área de Trabalho central, que exibe uma caixa de diálogo, a partir da qual é possível escolher qual método de importação ou tipo de arquivo de dados se deseja utilizar (Fig. 1). Antes de iniciar a importação de dados, você deve conhecer mais detalhes sobre esse layout. Fig. 1 Tela principal e área de trabalho do VantagePoint Cancele a Caixa de diálogo e utilize a Faixa de Opções superior, a partir das Guias. Na parte superior (Faixa de Opções), existe uma série de guias, semelhantes a uma aba de fichário. Para acessar uma guia, basta mover o cursor do mouse sobre a opção e dar um clique nela. São exibidas dez guias básicas: File, Edit, View, Sheets, Fields, Groups, Tools, Scripts, Window e Help. A partir delas, é possível acessar diferentes grupos e comandos que o programa oferece. Cada guia apresentará um tipo de atividade ou orientação que pode ser aplicada ao seu trabalho. Manual de uso do VantagePoint v.1 Outubro 2014 Página 10

12 Abaixo das Guias, são apresentados botões de comando relacionados às atividades. Os comandos são ferramentas que modificam o conteúdo existente em seu trabalho. São utilizados para inserir informações ou abrir um menu com mais comandos. Guias Comandos Fig. 2 Guias e Comandos do VantagePoint Abrindo um arquivo Quando houver necessidade de importar ou utilizar dados e tabelas, clique em File na Faixa de Opções. Você também pode abrir um arquivo de dados a partir da caixa de diálogo exibida na abertura do programa. Fig. 3 Guia File: exibe as opções de importação de arquivos de dados Quando o usuário inicia a utilização do VantagePoint a partir de um arquivo importado, a Guia Edit fica desabilitada. Fig. 4 Guia Edit: exibe as opções de edição Manual de uso do VantagePoint v.1 Outubro 2014 Página 11

13 Fig. 5 Guia View: exibe os modos e janelas de exibição Descrição das funcionalidades da guia View: Toolbar exibe as opções da barra de comandos Status bar apresenta o status do programa Workbook permite visualizar o conteúdo da janela central de trabalho Analyst s Guide permite visualizar no canto inferior esquerdo a janela do guia do analista do VantagePoint Title Window permite visualizar no canto superior esquerdo a janela que exibe a lista de títulos de arquivos de dados My keywords permite visualizar no canto direito a janela que exibe as palavras-chave Detail Windows fornecem detalhes dos registros selecionados em determinada linha da janela central Summary - Sumário de dados, com todos os registros e campos importados Add Detail Window permite adicionar janelas de detalhes Reset to Default restabelece o modo de exibição original do software Manual de uso do VantagePoint v.1 Outubro 2014 Página 12

14 Fig. 6 Guia Sheets: exibe as opções de cruzamento de dados e listas de dados Fig. 7 Guia Fields: exibe as opções relativas aos campos dos registros Manual de uso do VantagePoint v.1 Outubro 2014 Página 13

15 Fig. 8 Guia Tools Exibe ferramentas de edição e customização Descrição das funcionalidades da guia Tools: Data Fusion- permite a fusão de dados Record Fusion permite a fusão de registros importados de diferentes bases de dados Combine Duplicate Records permite a combinação de registros duplicados Remove Duplicate Records permite a remoção de registros duplicados Record Classifications classificação de registros Import Filter Editor ferramenta de edição de filtros Thesaurus Editor ferramenta de edição de listas limpas consolidadas Fuzzy Editor ferramenta de edição de dados Options permite customizar exibição de dados Customize Toolbar permite customizar a barra de ferramentas Edit Keyboard Shortcuts ferramenta para atalhos Detail Window Colors permite editar as cores dos gráficos gerados Manual de uso do VantagePoint v.1 Outubro 2014 Página 14

16 Fig. 9 Guia Scripts exibe opções de geração de gráficos e exportação de dados Opções principais da guia Scripts: Aduna Cluster Map permite criar, a partir de cruzamento de dados, visualização de resultados na forma de mapa de agrupamentos (Fig. 8). Fig. 10 Exemplo de Aduna Cluster Map de patentes Manual de uso do VantagePoint v.1 Outubro 2014 Página 15

17 Buble Chart permite criar, a partir de cruzamento de dados, visualização de resultados na forma de gráfico de bolhas (Fig. 11) Fig. 11 Exemplo de gráfico de bolhas relacionando afiliação e data de publicação Company Activity Gantt Gráfico de atividades das companhias Fig. 12 Exemplo de Diagrama de Gantt que ilustra o avanço de patentes atribuídas em determinado período de tempo Company Profile Scatter Diagrama de dispersão ou de espalhamento por empresas. Também pode ser utilizado em outras demonstrações para análise de dados (Fig. 13). Manual de uso do VantagePoint v.1 Outubro 2014 Página 16

18 Fig. 13 Exemplo de Gráfico de dispersão ou espalhamento World Map exibe o mapa-múndi com destaque para dados filtrados (Fig. 14) Fig. 14 Exemplo de World Map de acordo com prioridade de patentes por país A guia Help fornece auxílio para uso e funções do VantagePoint Manual de uso do VantagePoint v.1 Outubro 2014 Página 17

19 Fig. 15 Obtenha informações sobre o VantagePoint na guia Help Utilize a tecla F1 para obter ajuda quanto ao uso e as funções do VantagePoint (Fig.16). Fig.16 Help do VantagePoint (clique em F1) Manual de uso do VantagePoint v.1 Outubro 2014 Página 18

20 4.2 Importando dados É possível importar três tipos de arquivos de dados: a) Opção 1 - arquivo contendo dados brutos (.txt,.xml, etc.) com uso de filtro de importação b) Opção 2 - arquivo de tabelas (excel, access, etc) c) Opção 3 - arquivo de dados em xml Nota: Caso a caixa "Não perguntar novamente" (Don t show this dialog box again) esteja marcada, qualquer que seja o método escolhido torna-se o padrão para futuras importações de dados. a) Opção 1 - Importar arquivo de dados brutos (uso de filtro de importação) Fig.17 A opção de importação de dados brutos com uso de filtro Import Raw Data File (Use Import Filter) - foi selecionada. Clicar em OK. Manual de uso do VantagePoint v.1 Outubro 2014 Página 19

21 Outra forma de importar dados é clicar em File, na opção desejada (Fig. 18) Fig. 18 Opção na guia File para seleção de dados a serem importados Ao selecionar essa opção, automaticamente inicia-se a Etapa 1 do Assistente de Importação. No canto superior esquerdo da tela, uma caixa de diálogo será aberta solicitando a escolha do arquivo a ser importado (Select Files), conforme Fig. 19. Fig. 19 Etapa 1 início da importação de dados caixa de diálogo para seleção de arquivo Ao clicar em Select Files, outra caixa de diálogo será aberta para que se selecione o arquivo a ser carregado de seu computador. Manual de uso do VantagePoint v.1 Outubro 2014 Página 20

22 A seguir são apresentados dois exemplos de importação de dados No exemplo 1, foi utilizado um arquivo de dados obtido da base Web of Science (WoS), conforme a Fig. 20. Fig Seleção do arquivo obtido a partir de pesquisa realizada na Web of Science (WoS) Caso necessite baixar uma sequência de arquivos, selecione todos e clique em Abrir (Fig. 21) Fig Seleção de vários arquivos obtidos a partir de pesquisa realizada na Web of Science (WoS) Manual de uso do VantagePoint v.1 Outubro 2014 Página 21

23 Ao clicar em Abrir, o arquivo será selecionado e a caixa de diálogo do VantagePoint exibirá parcialmente o formato dos dados na janela (Fig. 22). Fig Exibição do arquivo selecionado da Web of Science com formato parcial de campos exibido no quadrante inferior Basta seguir a sequência clicando em Next. Na Etapa 2 serão apresentadas as opções de filtros de importação de dados instalados. Escolha a opção de filtro ISI WOS (Fig. 23). Fig. 23 Seleção do filtro de importação adequado à leitura dos registros da Web of Science (ISI-WoS) Manual de uso do VantagePoint v.1 Outubro 2014 Página 22

24 Para prosseguir, clique em Next. A Etapa 3 exibe os campos dos registros a serem importados (Fig. 24). É possível assinalar a opção de importar todos os campos (Show all fields). Fig Etapa 3 - Lista de campos a serem importados Para finalizar a importação de dados, clique em Finish. Neste momento será exibida no canto superior direito uma figura de carregamento de dados, abaixo da qual será possível visualizar a barra de porcentagem de carregamento (Fig.25) abaixo. Fig. 25 Processo de carregamento de dados importados Manual de uso do VantagePoint v.1 Outubro 2014 Página 23

25 Após o carregamento de dados, será exibido o Summary - Sumário de dados da pesquisa realizada na WOS, com todos os registros e campos importados (Fig. 26). Fig O sumário de dados é exibido na parte central da tela No exemplo 2, foi utilizado um arquivo de dados obtido no Dedalus. Fig. 27 Seleção do arquivo obtido a partir de pesquisa no Dedalus a ser carregado para o VantagePoint Manual de uso do VantagePoint v.1 Outubro 2014 Página 24

26 Ao selecionar o arquivo e clicar em abrir, a caixa de diálogo do VantagePoint exibirá parcialmente o formato dos dados (Fig.28). Fig. 28 Exibição do arquivo selecionado com formato parcial de campos exibidos no quadrante inferior da caixa de diálogo Basta seguir a sequência clicando em Next. Na Etapa 2 serão apresentadas as opções de filtros de importação de dados disponíveis. Tendo importado o filtro MARC, o mesmo aparecerá automaticamente na lista de opções de filtro. Caso tais opções de filtros não atendam aos requisitos do arquivo carregado, clique na opção Select New Filter Directory. Fig. 29 Exibição das opções de filtro disponíveis e escolha pela opção Select New Filter Directory Ao clicar nesta opção, o sistema abrirá uma caixa de diálogo a partir da qual será possível importar um filtro armazenado em seu computador. Manual de uso do VantagePoint v.1 Outubro 2014 Página 25

27 b) Opção 2 Importar dados de uma Tabela (Excel, Access, etc) Fig. 30 Opção de importação de Tabela foi selecionada Se você escolher a opção Importar Tabela de banco de dados, uma caixa de diálogo permitirá escolher a fonte de dados (pelo nome do arquivo ou por procura do local. Quando o arquivo é localizado e selecionado, clicar em Abrir ou clique duas vezes no nome do arquivo). Se há mais um arquivo a ser importado, será exibida a caixa "Selecione Informações para Importar". Faça as seleções e pressione OK. Um Resumo aparecerá. Continue com a Etapa 5 (veja Importar Tabela do banco de dados no guia do VantagePoint para obter mais detalhes e informações importantes sobre esta função). Fig. 31 Selecione o arquivo em Excel a ser importado para o VantagePoint Manual de uso do VantagePoint v.1 Outubro 2014 Página 26

28 Fig. 32 Após seleção, clique em OK para baixar o arquivo Excel Fig Janela para importação de Planilha específica Manual de uso do VantagePoint v.1 Outubro 2014 Página 27

29 Fig Janela para importação de Planilha específica clique em OK Após a importação dos dados da Tabela Excel, será exibido o Sumário de dados (Summary) na janela central do VP (Fig. 35). Fig. 35 Sumário de dados obtidos de tabela Excel Manual de uso do VantagePoint v.1 Outubro 2014 Página 28

30 c) Opção 3 Importar dados em xml Fig Janela para seleção de importação de arquivo em xml A importação de dados de arquivos em xml segue o mesmo procedimento dos arquivos em tabelas excel descrito anteriormente. Manual de uso do VantagePoint v.1 Outubro 2014 Página 29

31 5. TRATAMENTO DE DADOS Para proceder ao tratamento de dados com o VantagePoint, é necessário definir alguns conceitos. 5.1 Definições O que é um Arquivo (File) ou Conjunto de dados (Data Set) Um arquivo VantagePoint (.vpt) contém todos os requisitos para um dado conjunto de documentos. A criação e uso de um arquivo VantagePoint é ilustrado no diagrama a seguir (Fig. 37): Fig. 37. Diagrama da criação e uso de um arquivo VP O usuário consulta uma base de dados bibliográficos e recebe dados bibliográficos brutos, sem tratamento. Quando um arquivo de dados bibliográficos brutos é importado para o VantagePoint, o pré-processador analisa o texto da seguinte maneira: a. Primeiro, o texto é dividido em registros individuais. Um registro é o maior segmento individual de informações no arquivo. Um arquivo de dados brutos é composto por vários (dezenas, centenas, ou talvez milhares) registros, cada um dos quais tem uma estrutura similar. b. Então, o pré-processador divide cada registro em campos. Para a maior parte, cada registro contém a mesma estrutura de campo (por exemplo, título, autores, palavraschave, resumo, etc.). Em raras ocasiões, um registro pode estar sem algum campo específico. c. Em seguida, o pré-processador divide os campos de texto (por exemplo, o resumo e o título) em palavras ou frases, e cria um novo campo para cada um deles (por exemplo, palavras do título, palavras do resumo e frases do resumo). Manual de uso do VantagePoint v.1 Outubro 2014 Página 30

32 d. Finalmente, o pré-processador cria uma base de dados sobre todos os conteúdos dos campos para todos os registos. Por exemplo, se a palavra "química" é encontrada em pelo menos um registro, então a palavra "química" é inserida no banco de dados, ligando essa palavra a todos os registros que contém "química". O que são registros ou campos? A forma mais básica de dados brutos no VantagePoint é um registro bibliográfico. Em bases de dados bibliográficos, um registro consiste em um único resumo de um artigo científico ou documento técnico, juntamente com a informação associada (por exemplo, o título, os nomes dos autores, a afiliação do autor principal, a data de publicação, etc.). Cada tipo de informação no registro é um campo. A Figura 38 mostra uma ilustração de um único registro bibliográfico, onde os campos são: autores [Arthor(s) AU], afiliação institucional [Affiliation AF], título [Title TI], revista [Journal JN], data [Date DA], etc. Em muitos casos, os campos entregues pelo motor de busca bibliográfica contêm mais do que um "pedaço" de dados. Na figura abaixo, as áreas destacadas no texto ilustram como o VantagePoint analisa alguns dos campos do registro para um maior nível de detalhe: Fig. 38. Destaques em um texto mostrando como o VP analisa os campos do registro Manual de uso do VantagePoint v.1 Outubro 2014 Página 31

33 A seguir são mostradas algumas funcionalidades do VP relacionadas ao gerenciamento dos Arquivos (Files), bem como seu desdobramento em Listas (Lists) e Grupos (Groups) Arquivos (Files) Importando campos adicionais 1. Na guia do menu principal, selecione Campos (Fields) e no menu dropdown, selecione Importar Mais Campos (Import More Fields) 2. Na janela do lado direito da caixa de diálogo Choose Database and Fields (Escolha Banco de Dados e Campos), selecione os campos que deseja importar e clique em OK (Se nenhum campo for mostrado, marque a caixa "Show All Fields"). Fig. 39. Escolha de conjunto de registros e campos Nota: O software VantagePoint (versão 3.0 e posteriores) contêm as definições prévias de bases de dados, aplicando-as quando um arquivo de dados brutos é originalmente importado através do filtro para uma base de dados específica (ex: WoS, PubMed). Cada registro no arquivo.vpt é associado a uma dessas definições originais da base de Manual de uso do VantagePoint v.1 Outubro 2014 Página 32

34 dados, elencando seus campos e mostrado-os na janela do lado esquerdo que é desativada durante a função Importação (Import). O VP usa o arquivo de definições internas do banco de dados associado a cada registro, a fim de analisar os campos desse registro. Caixas de verificação (checkboxes) da importação de campos adicionais de uma determinada base de dados: - Importação de nota editável (Import from Editable Note): Use o texto das "Notas sobre este registro" - Notes about this Record (ver em Exibição de Registro Record Display) como entrada para a importação de um campo adicional (ao invés da importação do registro bruto). - Importação de campo existente (Import from Existing Camp): Use o texto de um campo existente como entrada para importação como campo adicional (ao invés da importação do registro bruto). Nota: Tanto para Importação de nota editável (Import from Editable Note) e Importação de um campo existente (Import from Existing Camp), o filtro de importação incorporado no VantagePoint deve conter os comandos de análise para o novo campo. Propriedades do Conjunto de dados (Dataset Properties) As Propriedades do Conjunto de Dados (Dataset Properties) são acessadas a partir do menu principal: Arquivo (File) e Propriedades do Conjunto de Dados (Dataset Properties) Fig. 40. Propriedades do arquivo de registros Manual de uso do VantagePoint v.1 Outubro 2014 Página 33

35 Há duas guias nessa caixa de diálogo: Propriedades do Conjunto de Dados (Dataset Properties), que descreve as características do conjunto de dados, e as Dependências Externas (External Dependencies), que lista os arquivos externos que o conjunto de dados utiliza nas planilhas de browser do VP. Na guia Propriedades do Conjunto de Dados (Dataset Properties) é possível: - Definir o Idioma da Base de Dados (Database Language), selecionando o idioma de escolha na caixa Linguagem da Base de Dados (Database Language) - Visualizar o Título de Campo (Title View Field): Selecionando o campo a ser usado para preencher a janela de Visualização do Título (Title View). Este atributo é normalmente definido no momento da importação. Pode-se selecionar qualquer campo como o título Ver Campo (View Field); no entanto é recomendado usar apenas os campos com valor único (ou seja, campos para o qual cada registro tem um e somente um valor). - Caminho para dados do tipo "Link": Os campos com dados do tipo "Links" contém os nomes de arquivos associados a um registro. Os dados do campo são links para páginas da web (URL) ou nomes de arquivos com o caminho do arquivo. Quando o usuário clica no item de dados na Visualização de Registro em Campo (Fielded Record View), o VP lança a aplicação associada ao nome do arquivo no link. Exemplos desse tipo de arquivo: links da Internet (por exemplo,.htm,.html), Imagens (por exemplo,.jpg,.bmp), Documentos (por exemplo,.pdf,.doc), Planilhas (por exemplo,.xls), e links de intranet (por exemplo,.ndl). Alterar Filtro de Importação (Change Import Filter) - Clique nesse botão para: - Alterar os filtros de importação (também conhecidos como configurações da base de dados - database configurations) que estão salvos nos arquivos.vpt importados pelo VantagePoint (versão 3.0 e posteriores). Para saber mais, consulte Alterar as Configurações de Banco de Dados (Changing Database Configurations in a VantagePoint file no guia do VantagePoint). - Mudar a Visualização de um registro (Field Order for Record View ): Clique neste botão para mudar a forma como os registros são exibidos na Visualização de Registro em Campo (Fielded Record View). Isso leva à seguinte caixa de diálogo (dados mostrados apenas ilustrativos - qualquer nome de campo do conjunto de dados pode ser mostrado): Manual de uso do VantagePoint v.1 Outubro 2014 Página 34

36 Fig. 41. Alterando a ordem dos campos nos registros Para incluir um campo na Visualização de um registro (Field Order for Record View), clique em On na caixa de seleção ao lado do nome do campo, ou clique em Off para não mostrar o campo desejado. Para alterar a ordem em que os campos são apresentados em Field Order for Record View (Visualização de um registro), clique no nome do campo e use as setas para cima e para baixo para mover os nomes dos campos (ou clique e arraste o nome do campo). Clique em OK para salvar as alterações e retornar à caixa de diálogo Dataset Properties (Propriedades do Conjunto de Dados). - Search Strategy (Estratégia de Pesquisa): Muitos provedores de dados colocam sua estratégia de busca no início do conjunto de dados brutos. O VP salva a parte do conjunto de dados brutos que ocorre antes do primeiro registro na janela de Search Strategy das Propriedades do Conjunto de Dados (Dataset Properties). É possível editar o conteúdo da janela Search Strategy para manter outras anotações sobre o conjunto de dados brutos, como por exemplo a data da pesquisa. - Comments: Dataset Properties (Comentários: Propriedades do Conjunto de Dados): é uma seção de comentários onde pode-se digitar qualquer informação adicional que se deseje manter com o arquivo (por exemplo, história do processamento ou tesauro criado e utilizado a partir do conjunto de dados). Manual de uso do VantagePoint v.1 Outubro 2014 Página 35

37 External Dependencies (Guia Dependências externas) A partir da versão 6.0 do VP, os arquivos de dependência externa usados pelo browser do VP podem ser automaticamente incorporados ao arquivo de dados.vpt. Incorporar esses arquivos de dependência elimina a necessidade de agrupar o arquivo externo.jpg ou.png ao compartilhar o arquivo.vpt com outros usuários do VP ou no VantagePoint Reader. Uma vez que os arquivos de dependência externa são incorporados no arquivo.vpt, o arquivo externo permanecerá no disco de origem até que seja apagado. Na guia External Dependencies é possível: - Verificar o status de arquivos selecionados (Check Status for Selected File) / de todos os arquivos (Check Status for All Files ): ao clicar estes botões o VP faz a verificação da presença dos arquivos externos que o conjunto de dados utiliza no browser do VP. - Localizar um arquivo selecionado (Localize Selected File): leva à caixa de diálogo Localizar arquivos (Localize Files) que permite reestabelecer a relação na planilha do browser do VP. - Incorporar arquivos selecionados (Embed Selected Files): Incorpora o arquivo de dependência selecionado no arquivo de dados.vpt. Se a operação for bem sucedida, o "status" do arquivo mudará de "OK" para "incorporado". - Copiar da lista de arquivos para a área de transferência (Copy File List to Clipboard): Copia a lista de arquivos de dependência para a área de transferência para que possa ser colado em outro aplicativo (por exemplo, no bloco de notas ou no Excel). - Remover dependência selecionada (Remove Selected Dependency): Remove a dependência do browser no arquivo. Isso só deve ser usado se há certeza que o browser não precisa do arquivo. Uma caixa de diálogo de confirmação aparece antes de remover a dependência. Manual de uso do VantagePoint v.1 Outubro 2014 Página 36

38 Fig. 42. Guia de dependências externas nas propriedades do conjunto de dados Criando um subconjunto de dados (Sub-dataset): Pode-se extrair uma parte de um conjunto de dados aberto para um novo conjunto de dados, menor. O novo conjunto de dados pode ser extraído usando grupos ou itens selecionados de uma lista, e irá conter todos os registros com qualquer um dos itens selecionados de uma lista (ou qualquer um do grupo selecionado). 1. Na tela principal de trabalho (Main Workspace), selecione a guia da planilha para a lista ou matriz a ser usada para criar o novo conjunto de dados. Se um grupo estiver definido para a extração, vá para a etapa 2. Caso nenhum grupo esteja definido, crie uma seleção, destacando os itens da lista (linhas, colunas ou células) para ser usado para criar o novo conjunto de dados. Se os itens da lista são consecutivos, você pode "clicar e arrastar" para destacar todos os itens a serem usados. Caso contrário, use a tecla Ctrl e clique em vários itens. 2. No menu principal (Main Menu), selecione File e Create sub-dataset (Criar Subconjunto de dados), ou pressione Ctrl + N no teclado. Manual de uso do VantagePoint v.1 Outubro 2014 Página 37

39 Fig. 43. Criação de sub-conjunto de dados 3. A caixa de diálogo Create Sub-dataset é exibida. 4. Crie o novo conjunto de dados a partir de um Grupo (Group - se o conjunto de dados contém grupos), de uma Seleção (Selection), ou de todos os registros (All Records). 5. Se você selecionar Grupo, selecione o grupo que você deseja usar como base para extrair o subconjunto de dados. Você pode navegar a estrutura hierárquica dos grupos clicando duas vezes sobre os tipos de lista para expandir ou recolher os nomes de grupo (Para mais informações sobre grupos, consulte a seção de Grupos no guia do VantagePoint). Selecione Normal ou Complementar. Resultados "Normais" na criação de um subconjunto de dados são compostos pelos registros ou grupo selecionado. "Complemento" exclui o grupo ou registros selecionados e cria um subconjunto de dados usando todos os outros registros. Se o conjunto de dados contém registros marcados por omissão (veja Gravar Display), eles serão omitidos do subconjunto de dados se esta caixa permanece marcada. Manual de uso do VantagePoint v.1 Outubro 2014 Página 38

40 O número de registros que serão criados no subconjunto de dados é exibido acima da janela onde os nomes do grupo aparecem. Clique em OK para iniciar o processo de extração. Dependendo do tamanho do conjunto de dados, a extração pode demorar alguns instantes. Sabe-se que o processo está completo quando um Resume View (Ver Resumo) do novo conjunto de dados é exibido no Main Workspace (janela central de trabalho). 5.2 Tratamento de dados: organização (Listas, Grupos e Matrizes) Criação de Listas Após a importação do arquivo de registros bibliográficos, o VP apresenta o Summary (Fig. 44), localizado na janela central de trabalho (Main Workplace), que exibe informações indispensáveis para criação de listas. Cabeçalho Fig. 44. Informações no Summary As principais informações exibidas são: 1. No cabeçalho (destacado em vermelho na figura acima): o campo Number of Records exibe a quantidade de registros importados. Além disso, o campo Source File exibe a localização do arquivo armazenado no computador. Sugere-se nominar tal arquivo com informações definidas na estratégia de busca, por exemplo: 4.802_WoS_art_USP_2012_ , que significa o resultado de registros Manual de uso do VantagePoint v.1 Outubro 2014 Página 39

41 Title View da base de dados Web of Science a partir dos delimitadores Tipo de publicação (artigo científico), Instituição (USP), ano (2012) e data da busca (26/03/2014). 2. Nas colunas abaixo do cabeçalho: a primeira apresenta os nomes dos campos dos registros. Como exemplo, o campo Countries (Author...) foi selecionado na figura acima, que exibe na segunda coluna Number of Itens o total de diferentes itens existentes naquele campo (=110), enquanto que a coluna % Coverage apresenta a porcentagem de cobertura, isto é, todos os registros possuem itens no campo Countries (Author...), 100%. Depois de entender a abrangência dos campos e registros do arquivo, inicia-se então a criação de listas, bastando apenas clicar duas vezes no campo do Summary que deseja listar ou no Comando. A lista apresenta todos os itens de um campo em ordem de ocorrência decrescente, conforme figura abaixo. Detail Windows Fig. 45. Exemplo de Lista e suas Detail Windows Na figura acima, uma lista a partir do campo Countries (Author...) é apresentada. Nela, identifica-se o item USA na segunda linha com 694 ocorrências, de acordo com a coluna # Records (número de registros que contém determinado item). Na coluna seguinte # Instances, exibe a frequência do item, ou seja, quantas vezes o item aparece no conjunto de registros. Nesse caso, o item USA aparece vezes no conjunto de registros. Manual de uso do VantagePoint v.1 Outubro 2014 Página 40

42 Por outro lado, no momento que a linha é selecionada, aparecerão as Detail Windows - janelas do lado direito da janela central de trabalho, conforme indicado na figura acima. As Detail Windows fornecem detalhes dos registros selecionados em determinada linha da janela central, no caso da figura acima, informações dos campos Journal e Research Area da linha 2, item USA. Ou seja, listam todos os periódicos e áreas de pesquisa dos 694 registros com afiliação USA. As Detail Windows fornecem informações não só em formato de lista, como exemplificado da figura, mas também em formato de gráfico. Para isso, é necessário clicar com o botão direito do mouse na frente da Detail Window, depois em Show Chart para escolher o tipo de gráfico. Esse também é o mesmo processo para criar novas Detail Windows com campos diferentes. Além disso, o VP apresenta outra janela do lado oposto das Detail Windows, denominada Title View, conforme destacado em vermelho na figura acima, à E. A Title View exibe os títulos dos registros da linha selecionada na janela central. A partir da Title View é possível selecionar vários registros usando Ctrl-clique e Shiftclique e botão direito do mouse em determinado(s) título(s) da lista; um menu será exibido com as seguintes opções: - View Records: Exibe o registro do título selecionado. - Copy Title Names: Copia a seleção para a área de transferência. - Select All: Seleciona todos os títulos. - Create Sub-Dataset from Selection: Cria um sub-arquivo de registros. - Omit Selected Records From New Dataset: Marca registro(s) para a omissão na criação de um novo arquivo de registros. - Don t Omit Selected Records From New Datasets: Remove a marcação de um registro previamente marcado para omissão. - Classify Records: Permite que o usuário atribua uma classificação para um registo ou registos Criação de Grupos e Matrizes Os itens de uma lista podem ser marcados como membros de um grupo. Os grupos são úteis na criação de matrizes de co-ocorrência e de um novo arquivo de registros, como demonstrados a seguir. Manual de uso do VantagePoint v.1 Outubro 2014 Página 41

43 A criação de grupos começa a partir de uma lista. Na figura abaixo, a lista do campo Countries é apresentada como exemplo para criação de grupos. Fig. 46. Criando Grupos Após seguir a seguinte sequência na Guia: Group > Edit Groups > Add, surgirá a caixa de diálogo Create Group, como demonstrado no centro da figura acima. Digite o nome do grupo e clique em OK. Logo após, clique em Add para criar os demais grupos; ao finalizar, clique em Close. Os grupos podem ser visualizados em forma de colunas, conforme figura abaixo. Grupos Fig. 47. Identificando Itens em Grupos Manual de uso do VantagePoint v.1 Outubro 2014 Página 42

44 Como demonstrado na figura acima, foram criados os seguintes grupos: USA, América Latina, BRICS e Outros. Com isso, é possível identificar os Países que pertencem a tais grupos. Cada país deverá ser adicionado ao grupo a qual pertence, clicando na coluna do grupo. Como observado no exemplo acima, existem três marcações no grupo América Latina, que são os países Argentina, Chile e México. Nesse momento, já é possível criar a matriz de co-ocorrência (Co-occurrence matrix), clicando na Guia Sheets, depois em Add Matrix ou o Comando. Fig. 48. Criando Matriz de co-ocorrência a partir de Grupos Na caixa de diálogo Create Matrix, selecione no campo Countries All Items para determinar as linhas (Rows) da Matriz e em Select Groups/Show Groups para determinar suas colunas (Columns), e clique em OK. Após essa função, a matriz de países e seus grupos aparecerá, conforme figura abaixo. Manual de uso do VantagePoint v.1 Outubro 2014 Página 43

45 Fig. 49. Exemplo de Matriz de co-ocorrência É possível obter 2 entendimentos principais a partir da Matriz, como por exemplo: 1- Na primeira linha (Brasil), percebe-se que das publicações (coluna Records), o Brasil publicou 683 com os EUA, 318 com a América Latina e 248 com os BRICS (Grupo político de cooperação, formado por os países Brasil, Rússia, Índia, China e África do Sul). 2- Na terceira linha, percebe-se que o Brasil publicou 200 trabalhos com a França e EUA, 142 com a França e América Latina, e 168 com a França e os BRICS. Essa análise pode ser realizada com os demais países da lista. Outros entendimentos também podem ser obtidos ao selecionar qualquer linha ou célula da Matriz e observando as Detail Windows, conforme figura abaixo. Manual de uso do VantagePoint v.1 Outubro 2014 Página 44

46 Countries N. of Countries Research Area Fig. 50. Exemplos de análises a partir das Detail Windows Na figura acima, foi selecionado a linha 15 da Matriz, correspondente ao país Rússia com 171 publicações em colaboração com o Brasil. Além disso, destacaram-se três Detail Windows: Countries, Number of Countries e Research Area. 1- Countries: países com publicação em colaboração com o Brasil e Rússia - a França com 147, os EUA com 146, e no final, a Itália com 128. Isso demonstra que existe uma forte colaboração na produção científica desses países, pois existe pouca diferença na quantidade de publicações de cada país. 2- Number of Countries: número de países com colaboração em cada publicação. No gráfico, percebe-se a maior coluna com mais de 60 artigos nos quais estão envolvidos 39 países, ou seja, 39 países publicaram, juntos, mais de 60 artigos. Isso evidencia novamente uma forte colaboração, pois 60 artigos representam aproximadamente 1/3 do total de publicações, Research Area: apresenta, por fim, qual é a área de pesquisa dominante na forte colaboração científica evidenciada nas análises anteriores. No caso, a área de Física lidera com 153 publicações do total. Por fim, é preciso informar ainda que a Matriz de co-ocorrência pode ser criada também a partir de somente um campo, sem o uso de grupos. Porém, essa ação pode gerar uma Matriz com um grande número de células, linhas e colunas, dificultando a compreensão da mesma. De qualquer forma, exemplificamos abaixo o processo de criação de uma Matriz criada a partir de um único campo (Research Area). Manual de uso do VantagePoint v.1 Outubro 2014 Página 45

47 Tal processo é praticamente o mesmo apresentado anteriormente, mas com uma única diferença: seleciona-se igualmente o campo Research Area em Rows e Columns, como destacado na Figura ao lado. Fig. 51. Criando matriz de co-ocorrência a partir de campos Ao clicar em OK, a Matriz de co-ocorrência a partir de um único campo é criada, conforme figura abaixo. Fig. 52. Exemplo de matriz de co-ocorrência a partir de campo Conforme mencionado anteriormente, a Matriz criada a partir de um único campo gerou um excesso de informações com 138 linhas e colunas. No exemplo, as células tracejadas que cortam transversalmente a Matriz são desconsideradas, pois tratam-se do mesmo termo já que a análise é de um único campo. Contudo, ainda é possível extrair alguma informação dessa Matriz utilizando os recursos das Detail Windows. Ao selecionar a célula que cruza os termos Psychiatry e Neurosciencies/Neurology (linha 18 com a coluna 8), conforme destacado na Figura acima, verificamos nas Detail Manual de uso do VantagePoint v.1 Outubro 2014 Página 46

48 Windows o comportamento de produção científica dessas áreas, nas quais o Brasil não tem preferência por publicar somente com um país (Countries); na maioria das vezes, publica sozinho (Number of Countries); e que quando publica nessas áreas, costuma incluir também a área de Pharmacology/Pharmacy (Research Area). Tendo em mente que o VP trabalha com dados brutos extraídos de bases de dados (os arquivos files, ou conjunto de dados data set), separando os dados obtidos em registros em campos específicos, a etapa seguinte é a limpeza desses dados. 5.3 Limpeza de dados Aplicação da List Cleanup A função List Cleanup do VantagePoint reduz e/ou limpa uma lista. Usar o List Cleanup não afeta a lista original, pois o VP cria uma nova lista de cada vez. O VP limpa uma lista tentando identificar os itens que podem ser equivalentes. Por exemplo, os termos interação humano-computador" e "Interação Humano Computador" aparecerão como itens separados em uma lista (por causa do hífen entre "humano" e "computador" em um dos termos). Os algoritmos da List Cleanup selecionam este termo, bem como plurais e erros de ortografia simples. Além disso, o VP pode identificar equivalentes tais como J. Smith, James Smith e Smith, J., apresentando essas possíveis equivalências para sua confirmação. 1. Para limpar uma lista, abrir a caixa de diálogo List Cleanup (Main Menu Field e List Cleanup). Fig. 53. Limpeza de dados a partir da função List Cleanup Manual de uso do VantagePoint v.1 Outubro 2014 Página 47

49 2. As listas (ou campos) em seu conjunto de dados são mostradas na parte superior esquerda da caixa de diálogo List Cleanup. Selecione a lista que deseja limpar. 3. No lado direito da caixa de diálogo, encontrar o módulo de limpeza que você deseja usar. Os módulos de limpeza geralmente estão localizados em uma pasta chamada "fuzzy" na pasta de instalação VantagePoint (por exemplo, C:\Arquivos de programas\ VantagePoint\Fuzzy). O módulo de limpeza "fuzzy" especifica regras e parâmetros que norteiam o processo de correspondência de um termo para outro. Quando você clica em um arquivo.fuz, uma descrição do módulo Fuzz aparece na janela na parte inferior da caixa de diálogo. 4. Na caixa New Field, o VP atribui um nome para a nova lista que será criada, mas é possível digitar outro nome, se desejar. 5. Usando a opção Confirm Changes (Confirmar alterações), é possível confirmar as mudanças sugeridas pelo List Cleanup ou permitir que as mudanças ocorram sem confirmação. A operação padrão é marcar na caixa de seleção (marcar para confirmar as alterações). Para grandes listas a criação da caixa de diálogo Confirm Cleanup pode levar mais tempo (veja abaixo). 6. Selecione Verify Matches/another Field (Verificar itens/outro campo), se você quiser definir uma condição tal que os termos são considerados itens e são combinados somente quando o conjunto de registros com cada termo contém dados correspondentes em outro campo (escolhido pelo usuário). Clique em Setup Verification button (botão de verificação de configuração), se você marcou esta caixa e a caixa de diálogo Choose Field (Escolher Campo) aparecerá. Manual de uso do VantagePoint v.1 Outubro 2014 Página 48

50 Fig 54. Escolha do campo para verificação (no exemplo acima, selecionou-se o campo Corporate Source) Na caixa de diálogo Choose Field (Escolher campo), escolha o campo que você deseja usar para verificar os itens mostrados pela List Cleanup. Ao clicar na caixa Use Fuzzy Match, você pode verificar se os itens estão em concordância com outros itens de verificação. Clique em OK e volte para a caixa de diálogo List Cleanup (Figura 53 acima etapa 1). 7. Se a sua lista original tem grupos, escolha como você gostaria de preservar esses grupos na nova lista, pois a limpeza de uma lista combina dois ou mais itens da lista original em um único item na nova lista gerada. Se as associações de grupo dos itens das listas (original e nova lista) discordarem, é preciso escolher quais item deverão ser mantidos na nova lista. 8. Em Resolving Indeterminate Group Tags (Resolvendo um grupo Indeterminado de tags) - Mark neutral: deixará a associação de grupo (ou exclusão) do novo item da lista gerada em branco, se houver qualquer divergência entre os itens da lista original e da nova lista gerada. Manual de uso do VantagePoint v.1 Outubro 2014 Página 49

51 - Based on record count (Baseado na contagem de registros): decide a inclusão no grupo (ou exclusão) com base em um "voto" do número de registros incluídos (ou excluídos) usando os itens da lista original. - Mark include (Marcar incluir): incluirá (através da marcação check) o novo item da lista no grupo se algum dos itens da lista original estão incluídos nesse grupo. 9. Clique em Use para limpar a lista. O VP pode demorar alguns instantes na procura de itens da lista e sugerir equivalentes. Quando concluído, se você marcou a caixa Confirm Changes (Confirmar alterações), aparece a caixa de diálogo Confirm Cleanup (Confirmar Limpeza. Veja o tópico Confirmação de Limpeza de Lista (Confirm List Cleanup) para as próximas etapas. Se a caixa Confirm Changes não for marcada, aparecerá a List Cleanup a lista já limpa. Confirmação de limpeza de Lista (List Cleanup Confirmation) Esta é a caixa de diálogo para confirmar as operações de limpeza da lista (List Cleanup). Aqui você pode aceitar, alterar ou excluir as operações de limpeza da lista sugeridas pelo VP. Nenhuma operação está realmente executada na lista até que você clique no botão Accept (Aceitar). A qualquer momento, antes de aceitar, você pode salvar a sessão e retomar mais tarde. Veja salvar a sessão de limpeza (Saving the Cleanup Session) no guia do VantagePoint para mais detalhes. Fig. 55. Confirmação de limpeza da lista Manual de uso do VantagePoint v.1 Outubro 2014 Página 50

52 A maior parte da caixa de diálogo mostra potenciais equivalências encontradas pelos algoritmos do VP. Existem dois níveis de itens de lista mostrados aqui - os nomes de grupo/conjuntos ou outras formas de nomeação [sinônimos] (ao lado dos sinais "+" ou "-") e os itens da lista fonte potencialmente equivalentes, que aparecem abaixo de cada nome em outra forma quando o agrupamento é expandido. Os nomes de grupo/conjuntos podem ser classificados em ordem alfabética, clicando no cabeçalho Item Name (Nome do item). Alternativamente, os grupos/conjuntos podem ser classificados por número de registros, clicando no cabeçalho Number of Records (N. de Registros). Para uma ordem de classificação reversa, é só clicar no cabeçalho novamente. O número de registros (Number of Records) é o total de cada agrupamento. A contagem de registros de cada item da lista-fonte no agrupamento acrescenta-se ao grupo/conjunto total. Expanding/Collapsing groups (Expandir/Colapsar grupos): clicando no sinal de "+" na caixa à esquerda de um item da lista, pode-se expandir o grupo/conjunto de equivalências sugeridas. Para recolher o agrupamento, basta clicar no sinal "-". É possível clicar e arrastar um item de um grupo para outro. Quando se clica com o botão direito do mouse sobre um item da lista, aparece um menu pop-up. Alguns dos itens do menu serão desativados ao longo do tempo, porque eles não são apropriados para certas operações. O menu pop-up tem as seguintes seleções: - Find (Localizar): Exibe a caixa de diálogo Find (Localizar). Também através do atalho Ctrl + F. - Select All (Selecionar tudo): Seleciona todos os itens apresentados. Também através do atalho Ctrl + A. - Create New Grouping (Criar Novo Agrupamento): Cria um novo grupo/conjunto, começando com o item destacado (ungrouped - não agrupado) da lista. Esta ação é ativada se todos os itens da lista estão exibidos (consulte Display All Items - Exibir todos os itens, abaixo) e clicando com o botão direito do mouse em um item da lista não agrupada (sem um "+" ou "-"). Também através da tecla Insert (Inserir). - Remove Term from Grouping (Remover Termo de Agrupamento): Remove o item destacado da lista fonte do agrupamento. O item da lista fonte é removido do grupo e muda-se para o nível principal. Também pode ser removido usando a tecla Delete (Deletar). - Rename Term (Renomeie Termo): Abre o nome do grupo/conjunto para edição. Também através do atalho Ctrl + R. Manual de uso do VantagePoint v.1 Outubro 2014 Página 51

53 - Make this item the Group Name (Faça este item o nome do grupo): Faz com que o item destacado da lista fonte seja o nome do grupo/conjunto. Também através do atalho Ctrl + N. - Delete Grouping (Excluir Agrupamento): Apaga o agrupamento. Os itens da lista de fonte são movidos para o nível principal. Também pode ser apagados com a tecla Delete. - Cut (Corte): Corta o grupo/conjunto destacado da árvore da lista. Quando utilizado em combinação com Paste (Cole - ver abaixo), é uma maneira conveniente para alterar itens da lista-fonte. Depois de cortar um agrupamento ou item, o texto aparece como cinza e permanece em seu lugar até que seja colado em outro lugar. Se você aceitar a limpeza de lista antes de colar, o item permanece em seu local (ou seja, a List Cleanup faz um "Uncut" sem cortes, antes de completar a limpeza de lista). Também através do atalho Ctrl + X. - Uncut (Sem cortes): Após uma operação de Cut (Corte), isso restaura o agrupamento ou a lista de itens de origem para a posição de antes do corte. Também através do atalho Ctrl + Z. - Paste (Colar): Após uma operação de Cut, coloca o grupo/conjunto lista de itens de origem cortado para o grupo/conjunto em destaque. Também através do atalho Ctrl + V. - Collapse All Items (Recolher todos os itens): Altera a exibição para ocultar todos os itens da lista de origem e mostrar apenas os nomes de grupo/conjunto. - Expand All Items (Expandir todos os itens): Altera a exibição para expandir os grupos e mostrar os itens da lista de fonte dentro de cada grupo/conjunto. - Add Item(s) to Custom Set (Adicionar Item (s) no conjunto personalizado): Cria um "conjunto personalizado de itens" com o item(s) selecionado no display. - Remove Item(s) from Custom Set (Remover Item(s) do conjunto personalizado): Remove o(s) item(s) selecionado(s) do conjunto personalizado de itens. - Remove All Items from Custom Set (Remover todos os itens do conjunto personalizado): Remove todos os itens do conjunto personalizado de itens. - Sort (ordenar): All Itens (Todos os itens): Classifica todos os itens de nível superior (Top-Level Items) e itens dependentes pelo nome (Siblings irmãos), ou pelo número de registros. Top-Level Items (itens de nível superior): Classifica somente todos os itens de nível superior, nome ou por número de registros. Manual de uso do VantagePoint v.1 Outubro 2014 Página 52

54 - Children of Selected Item (Filhotes do item selecionado): Ordena os itens-filho dos Top itens por nome ou por número de registros. (Nota: "Children filhos, mudam para Siblings (irmãos) ao clique com o botão direito em um item dentro de um grupo). - Under Display (Em Exibição): Há três seleções que determinam o que é mostrado na exibição dos itens: All itens (Todos os itens): Mostra todos os itens da lista, agrupados e não agrupados. Combined Itens default (Itens combinados - padrão): Mostra apenas os grupos e itens da lista-fonte que devem ser alterados. Custom Set of Items (Conjunto de Itens personalizado): Mostra apenas um conjunto de itens menor, personalizado para limpeza manual ou confirmação de limpeza. Under Custom Set of Items (Conjunto personalizado de itens): Há vários controles úteis para adicionar ou remover itens do conjunto personalizado: Find Close Matches (%) (Encontre Opções Próximas (%)): Adiciona itens que correspondem ao item selecionado(s) dentro do percentual de corte selecionado. A percentagem controla o grau de similaridade necessário para combinar os itens. Quanto mais baixa a percentagem é, menor o limite de correspondência. O percentual é alterado usando as setas para cima/para baixo à direita do botão. Quando se exibe All Items (Todos os itens) or Combined Items (Itens combinados), ao clicar em Find Close Matches (Localizar Próxima Opção) reduzse os itens exibidos para um conjunto personalizado de itens que correspondem ao(s) item(s) selecionado(s) dentro do percentual de corte especificado. A Figura 56 abaixo mostra um exemplo no modo de exibição Combined Items (Itens Combinados), onde selecionou-se Maps (Mapas) e a seguir clicou-se em Find Close Matches (Localizar Próxima Opção). Neste exemplo, o VP mostra que as opções disponíveis estão em 50%. Manual de uso do VantagePoint v.1 Outubro 2014 Página 53

55 Fig. 56. Modo de exibição Combined Items do List Cleanup No exemplo acima, a exibição muda para um conjunto (sub-set) personalizado de itens criados como resultado, conforme mostrado na Figura 57 abaixo: Fig. 57. Confirmando sub-itens da List Cleanup (no exemplo acima, o sub-set criado é denominado Maps) Manual de uso do VantagePoint v.1 Outubro 2014 Página 54

56 Quando um conjunto personalizado de itens (Custom Set of Items) é exibido, ao clicarse em Add Close Matches (Adicionar Opções Próximas) acrescenta-se itens ocultos do conjunto que coincidem com o item selecionado(s) dentro do percentual de corte disponível. No exemplo acima, foi selecionado um item em um conjunto personalizado e a seguir clica-se Add Close Matches (Adicionar Opções Próximas), conforme abaixo: Fig. 58. Confirmando itens ocultos Então, quando se clica em Add Close Matches (Adicionar Opções Próximas), novos itens ocultos são adicionados ao conjunto personalizado, como mostrado abaixo: Fig. 59. Exibição de itens ocultos confirmados Manual de uso do VantagePoint v.1 Outubro 2014 Página 55

57 Remove All (Remover tudo): Limpa o conjunto personalizado de itens da exibição. Invert Set (Inverter Conjunto): Oculta os itens exibidos e mostra todos os itens escondidos. Find (Procurar): Busca por um termo. Pode-se usar expressões regulares, marcadas na caixa de diálogo, como na Figura 60 a seguir. Os resultados da busca são exibidos (pressionando-se Add - adicionar): Fig. 60. Confirmando sub-itens Add (Adicionar): Adiciona itens ocultos do conjunto que coincidem com a busca (termo ou expressão regular) feita no Find. Remove (Remover): Remove itens do conjunto mostrado que coincidam com a busca (termo ou expressão regular) feita no Find. LEMBRETE: A operação de limpeza não é aplicada à lista atual até que se clique em Accept (Aceitar). A qualquer momento, antes de aceitar, pode-se salvar a sessão e retomar mais tarde. Veja See Saving the Cleanup Session (Salvar a sessão de limpeza) no guia do VantagePoint para mais detalhes. Save as Thesaurus (Salvar como Thesaurus): salva a operação de limpeza como um dicionário de sinônimos (.the). Isso permite salvar as recomendações e suas operações de limpeza manual automaticamente, para que se possa usá-los novamente mais tarde Consulte Applying a thesaurus to a list (Aplicação de um thesaurus a uma lista) na seção adiante. Manual de uso do VantagePoint v.1 Outubro 2014 Página 56

58 Accept (Aceitar): Quando as alterações/modificações/operações de limpeza estão prontas, basta clicar em Accept (Aceitar) para mudar o nome de todos os itens da lista de origem criando uma nova lista. Cancel (Cancelar): Cancela a operação da List Cleanup. Quaisquer alterações feitas na caixa de diálogo Cleanup Confirm (Confirmação de Limpeza) serão perdidas (a menos que a sessão tenha sido salva). Os itens do menu Cleanup Confirm (Confirmar Limpeza) são mostrados e descritos a seguir: Em Cleanup (Limpeza): Fig. 61. Confirmando limpeza de dados Save Session to Finish Later (Salve sessão para terminar mais tarde): salva a sessão para que a mesma possa ser retomada mais tarde. Veja o item Salvando a Sessão de Limpeza (Saving the Cleanup Session). Load Saved Session (carrega uma sessão salva anteriormente). Veja Salvando a sessão de Limpeza (Saving the Cleanup Session). Save as Thesaurus (Salvar como Thesaurus): salva a operação de limpeza como um dicionário de sinônimos (.the). Isso permite que você salve as recomendações de limpeza automática e suas operações de limpeza manual para que você possa usá-los mais tarde (ver à frente Aplicação do Thesaurus). Após clicar em Save as Thesaurus, a caixa de diálogo Save as (Salvar como) lhe permitirá nomear o arquivo.the e colocá-lo em uma pasta apropriada. Você pode criar um novo arquivo de dicionário de sinônimos, ou pode mesclar as entradas do dicionário de sinônimos em um arquivo de dicionário de sinônimos existente. Consulte Managing Multiple Matches in a Thesaurus (Gerenciamento de várias correspondências em um Thesaurus). Quando terminar de trabalhar com o dicionário de sinônimos, você é direcionado à caixa de diálogo Cleanup Confirm para completar (ou cancelar) a operação de limpeza na lista atual. Manual de uso do VantagePoint v.1 Outubro 2014 Página 57

59 Em Sets (Conjuntos): Fig. 62. Selecionando um novo nome Select New Name Using... (Selecione novo nome usando...): Most Frequent Name (Nome mais frequente): Atribui o nome ao conjunto/ agrupamento de acordo com a entrada com o maior número de registros. Longest Name (Nome mais longo): Atribui o nome ao conjunto/agrupamento de acordo com a entrada com o maior nome. Shortest Name (Nome mais curto): Atribui o nome ao conjunto/agrupamento de acordo com a entrada com o menor nome. Rename sets as I work (Renomeie conjuntos como eu trabalho) - Com base na seleção Definir Nome (Set Name), renomeia conjuntos tal como o trabalho é realizado em cada conjunto. Rename Set Current (Renomeie o conjunto atual): Muda o nome do conjunto atual com base na seleção Set Name. Rename all sets (Renomeie todos os Conjuntos): Renomeia todos os conjuntos com base na seleção Set Name. Você pode exibir uma Detail Window para o item(s) selecionado(s). Certifique-se de marcar Show Detail Window (Mostrar Janela Detalhada) e, em seguida, selecione Add New Detail Window (Adicionar uma nova janela detalhada). Fig. 63. Mostrar Detail Window Detail Windows (Janelas Detalhadas): são úteis para verificar manualmente os resultados de limpeza, pois o analista pode utilizar os dados de co-ocorrência de outros campos do registro para decidir se uma correspondência apropriada foi feita Manual de uso do VantagePoint v.1 Outubro 2014 Página 58

60 (ou se um item não correspondente deve ser adicionado a um grupo, como ilustrado abaixo). Qualquer número de Detail Windows pode ser adicionado ao escolher Add New Detail Window (Adicionar uma nova Janela Detalhada) no menu Detail Windows. Fig. 64. Conferência a partir das Detail Windows Salvando a Sessão de Limpeza (Saving The Cleanup Session) Se não for possível finalizar a limpeza da lista e você deseja retomar a sessão em um momento posterior, selecione Cleanup (Limpeza) do menu Cleanup Confirm (Confirmar Limpeza) e Save Session to Finish Later (Salvar Sessão para Terminar Mais Tarde). Lembrete: Se foi criado um conjunto personalizado de itens, ele não é salvo com a Cleanup Session (Sessão de Limpeza). Fig. 65. Salvando o List Cleanup Manual de uso do VantagePoint v.1 Outubro 2014 Página 59

61 Em seguida, será solicitado a digitar um nome de sessão que você pode recuperar em um momento posterior e retomar de onde parou. Fig. 66. Digite o nome para salvar Clique em OK. Uma caixa de diálogo de confirmação será exibida informando a sua sessão de limpeza foi salva. Fig. 67. Clique em OK Clique em OK. Agora você pode clicar em Cancel na caixa de diálogo Confirm Cleanup e responda Yes para confirmar - a sessão será guardada para recuperação em um momento posterior. Fig. 68. Clique em Cancel Uma vez que uma sessão está salva, você pode selecionar Resume Saved List Cleanup (Resumo da Lista Salva) no Main Menu (Menu Principal), item Fields (Campos). Manual de uso do VantagePoint v.1 Outubro 2014 Página 60

62 Fig. 69. Resumo da List Cleanup Você é apresentado com uma lista para escolher a sessão que deseja que seja retomada. São exibidas as sessões de limpeza criadas com o atual conjunto de dados. Verificando Show All Sessions (Mostre todas as Sessões), serão exibidas todas as sessões de limpeza, incluindo aquelas criadas usando outros conjuntos de dados. Fig. 70. Selecione a seção de limpeza salva Selecione a sessão e clique em OK. Em seguida, será apresentado à caixa de o diálogo Confirm Cleanup (Confirmar Limpeza). Manual de uso do VantagePoint v.1 Outubro 2014 Página 61

63 Nota: Quando uma sessão de limpeza é retomada e a limpeza é realizada, a sessão não fica mais disponível para recuperação. Se você quiser usar a sessão no futuro, deverá salvá-la novamente antes de aceitar a limpeza Aplicação do Thesaurus a uma lista (Applying a thesaurus to a list) Outra função de limpeza de campos (ou Listas) é o Thesaurus, que complementa a List Cleanup na redução de listas. Um Thesaurus nada mais é do que um dicionário de sinônimos criado pelo usuário para aplicar a uma lista. Assim como a List Cleanup, a aplicação do Thesaurus não afeta a lista original, pois é criada uma nova lista. 1 A partir da tela principal do VP escolha a aba Fields e depois Thesaurus 2 Os campos são apresentados da parte superior esquerda da caixa de diálogo Thesaurus. No exemplo abaixo, foi selecionado o campo Countries. Fig. 71. Aplicando o Thesaurus na redução de lista 3 - No lado direito da caixa de diálogo, selecione o Thesaurus correspondente, no caso o Country.the. 4 - Os arquivos Thesaurus têm sempre a terminação.the e estão localizados em uma subpasta chamada "Thesaurus" na pasta de instalação VP: (C:\ProgramFiles\VantagePoint\Thesaurus). Manual de uso do VantagePoint v.1 Outubro 2014 Página 62