Introdução - AVA UNIVIRTUSava.grupouninter.com.br/tead/CCDD2/ccdd_Pos/engProducao/... · se...

CCDD – Centro de Criação e Desenvolvimento Dialógico

1

Projeto Pós-graduação

Curso Engenharia de Produção

Disciplina Gestão da Informação e do Conhecimento

Tema Inteligência de Negócios e Tendências em Gestão do Conhecimento

Professor Luciano Frontino de Medeiros

Introdução

Neste tema aprofundaremos nossos estudos sobre a inteligência de

negócios, a qual faz uso de vários processos e tecnologias para a Gestão do

Conhecimento. Como o ponto de partida é o conhecimento nas organizações, o

uso apropriado e intensivo das informações e do conhecimento pode trazer mais

vantagens e benefícios. A contribuição da Inteligência Artificial, assim como suas

principais técnicas, também serão abordadas. Ao final, estudaremos algumas

tendências dentro da Gestão do Conhecimento, demonstrando por fim o seu

aspecto dinâmico.

Acesse o material online e assista à videoaula de introdução ao tema.

Problematização

Mario é um gerente de vendas de uma empresa que comercializa

produtos de couro, e acompanhou a evolução da empresa nos últimos oito anos.

Com a expansão da empresa no atendimento a clientes de outros estados, o

faturamento aumentou em quase 40%, porém o volume de produtos vendidos

aumentou em quase 85%, em relação ao trimestre anterior. Com este fato, Mario

está desconfiado de que alguns produtos estejam com preços bastante

defasados em relação à concorrência nos estados em que a empresa está

atuando mais recentemente. Caso os preços fossem equiparados aos da

concorrência, mas permanecendo ainda atrativos, Mario poderia garantir maior

lucratividade.

Entretanto, o sistema de informação da empresa, apesar de ser integrado

e fornecer relatórios, tais como o giro de estoque dos produtos vendidos, não


2

permite muita liberdade para verificar outras correlações de dados. Mario

gostaria de verificar relatórios, tais como as vendas detalhadas por cliente,

produto, região, estado, período de venda e tipo de produto. Uma alternativa que

a área de tecnologia da informação (TI) da empresa lhe passou é a composição

de um data warehouse a partir dos dados do banco de dados do sistema da

empresa. Com este data warehouse, Mario poderia utilizar uma ferramenta de

processamento analítico online (OLAP) para montar cubos de informação. Mario

também ouviu falar de um site que coleta os preços publicados na Web e

concentra as informações para os usuários que fazem pesquisa de preços. E

mais, Mario gostaria de informar no sistema que gera o data warehouse o preço

que é praticado pelos concorrentes nas regiões atendidas.

Após analisar a situação, como você acha que Mario poderia atuar com

relação a isto?

Não responda agora. Vamos voltar ao conteúdo teórico do nosso tema e,

ao final, retomaremos a nossa história e apresentaremos as possibilidades de

solução para o problema.

Business Intelligence

A Inteligência de Negócios (Business Intelligence ou BI) reflete-se

naquelas atividades na organização que visam a descoberta da informação e do

conhecimento, ou o apoio às decisões e o uso de sistemas inteligentes

(O’BRIEN, 2002).


3

Uma vez que os dados sejam organizados em data warehouses e data

marts (subconjuntos de data warehouses), eles ficam disponíveis para que

sejam feitas análises posteriores. O analista ou usuário pode contar com

diversas ferramentas para fazer essas análises e descobrir padrões de

comportamento dos dados, correlações e captura de insights úteis para a

orientação na tomada de decisão. Dessa forma, as ferramentas de BI permitem

consolidar, analisar e acessar quantidades massivas de dados. Algumas das

principais ferramentas são softwares para consultas de banco de dados,

ferramentas para análise multidimensional de dados (ou processamento

analítico on-line – OLAP) e o data mining. A seguir, serão estudados alguns

elementos relacionados à atividade de BI.

Sistema de Apoio à Decisão

O Sistema de Apoio à Decisão (SAD) são sistemas de informação

computadorizados que fornecem apoio interativo aos gerentes e profissionais de

empresas durante o processo de tomada de decisão (O’BRIEN, 2002). O “SAD

auxilia o processo de decisão gerencial combinando dados, ferramentas e

modelos analíticos sofisticados e software amigável ao usuário em um único e

poderoso sistema que pode dar suporte à tomada de decisão semiestruturada e

não estruturada” (LAUDON e LAUDON, 2010).

Figura 1 - Inteligência de Negócio


4

Sistemas de apoio à decisão podem assumir diversas formas no que

tange o nível organizacional e os tipos de decisão que podem ser tomados.

Assim, é preciso caracterizar cada uma dessas dimensões para que se possa

verificar onde é necessário determinado tipo de decisão:

Estratégico: caracteriza-se pelas decisões em termos de

estratégia, objetivos, recursos a serem utilizados, e políticas e

diretrizes da organização;

Gerencial: preocupa-se principalmente com o grau de eficiência e

eficácia em que os recursos são utilizados e com a qualidade do

desempenho das unidades de operação;

Conhecimento: trata da avaliação de novas ideias para produtos e

serviços, bem como maneiras de comunicar novos conhecimentos

e modos de distribuir a informação por toda a organização;

Operacional: determina como realizar as tarefas específicas, no

maior detalhamento possível, apresentadas pelos tomadores de

decisão das gerências estratégica e tática.

Quanto ao tipo das decisões, a lista a seguir detalha como as decisões

podem ser diferenciadas entre si.

Decisões estruturadas: são aquelas decisões com características

repetitivas e rotineiras. Envolvem um procedimento definido, de

modo que não precisam ser tratadas a cada vez como novas, e são

caracterizadas pela certeza, devendo-se alcançar a eficiência dos

processos;

Decisões semiestruturadas: apenas parte do problema tem uma

resposta clara e precisa, dada por um procedimento aceito.

Decisões caracterizadas por risco;

Decisões não estruturadas: são aquelas onde o responsável por

elas deve usar seu bom senso, sua capacidade de avaliação e sua

perspicácia na definição do problema. Cada decisão é inusitada,


5

importante e não rotineira, e não há procedimentos bem entendidos

ou predefinidos para tomá-las. Caracterizadas pela incerteza.

Assim, a estrutura da decisão implica características diversas da

informação, e de certa forma encontramos isto correlacionado aos diferentes

níveis da organização. A figura a seguir ilustra esse fato, mostrando que, à

medida que se sobe na pirâmide organizacional, as informações vão

modificando suas características, indo desde aquelas que possuem foco estreito,

internas e dizendo respeito ao histórico das atividades, para aquelas que tem

características não programadas, mais resumidas e de cunho externo (O’BRIEN,

2002).

Acesse o material online e assista à videoaula do professor Luciano. Nela,

ele falará um pouco mais sobre a Inteligência de Negócios.

Figura 2 - Pirâmide organizacional


6

Na figura a seguir, temos uma matriz onde o tipo da decisão é

correlacionado com o nível organizacional, permitindo identificar que função ou

subsistema da empresa é considerado para a tomada de decisão. Por exemplo,

no nível operacional, uma decisão tipicamente estruturada é o controle de

estoque: quando os níveis de segurança de estoque são atingidos, as ordens de

compra podem ser automaticamente geradas. Já uma decisão não estruturada

se adapta bem ao nível estratégico como planejamento de novos negócios.

Entretanto, mesmo decisões não estruturadas podem ser tomadas em níveis

mais operacionais, tal como a administração de caixa: dependendo de como o

mercado financeiro se comporta e de informações que mudam a todo momento,

pode ser mais rentável investir a sobra de caixa em um fundo em preferência a

outro (O’BRIEN, 2002).

A figura 3 mostra, por fim, como se posicionam os sistemas genéricos,

mostrando que, enquanto os sistemas de informação gerencial estão no centro

do quadro, lidando com informações semiestruturadas e em nível tático ou

gerencial, os sistemas de apoio à decisão já se encontram mais em direção ao

nível estratégico, envolvendo também decisões que tem uma característica indo

de semiestruturada para não estruturada (LAUDON e LAUDON, 2004).

Figura 3 - Relação entre Decisão e nível organizacional


7

Quanto aos estágios da tomada de decisão, podem ser considerados os

seguintes:

Inteligência: consiste em identificar e entender os problemas que

estão ocorrendo na organização: o porquê do problema, onde está

e qual o seu efeito;

Concepção: o indivíduo imagina possíveis soluções para o

problema. Os SAD de menor porte são ideais para este estágio do

processo de decisão porque operam de modo simples, podem ser

desenvolvidos rapidamente e funcionar com quantidade limitada de

dados;

Seleção: consiste em escolher uma das alternativas de solução.

Neste ponto, o decisor precisará de um SAD de grande porte para

trabalhar uma maior quantidade de dados frente a uma variedade

de alternativas e modelos complexos, verificando custos,

consequências e oportunidades;

Implementação: os gerentes podem usar um sistema que emite

relatórios de rotina sobre o andamento de uma solução específica,

podendo usar SIG’s e até mesmo sistemas bem menores.

Figura 4 - Nível organizacional e tipos de decisão


8

Em geral os estágios não seguem necessariamente um caminho linear,

podendo o decisor voltar e repetir um estágio anterior.

Para se aprofundar mais nas características do SAD, acesse o material

online e assista ao vídeo que se encontra disponível.

Inteligência Artificial na Gestão do Conhecimento

Além da contribuição das tecnologias para a gestão do conhecimento,

dentro da área de Inteligência Artificial (IA) podem ser encontradas técnicas que

podem auxiliar nos processos de gestão do conhecimento. A IA reúne uma

coletânea de técnicas desenvolvidas sob diversas metáforas, envolvendo desde

a simulação dos processos mentais e chegando até aos processos de evolução

biológica. Dentre uma série de técnicas existentes, serão explorados aqui os

Sistemas Especialistas (SE), as Redes Neurais Artificiais (RNA), o Raciocínio

Baseado em Casos (RBC) e os Algoritmos Genéticos (AG).

Sistemas Especialistas (SE)

Os Sistemas Especialistas (SE) são uma das aplicações de IA mais

conhecidas. É um sistema baseado em conhecimento que utiliza o seu

conhecimento sobre uma área específica e complexa, atuando como um

especialista ou um consultor (O’BRIEN, 2004). Os SE fornecem respostas para

questões dentro de uma área muito específica, fazendo inferências. O

conhecimento num sistema especialista é formalizado a partir de regras de

produção (regras estruturadas do tipo SE-ENTÃO) que constituem a sua base

de conhecimento. Dados de entrada são fornecidos de maneira a testar essas

regras, produzindo informação para apoio à decisão. Exemplos bem sucedidos

de SE são os casos clássicos do MYCIN e DENDRAL. MYCIN (1976) foi

concebido para auxiliar em diagnósticos médicos bacteriológicos, contendo

aproximadamente 500 regras, e apresentava acertos superiores a diagnósticos

médicos. DENDRAL (1965) foi desenvolvido pela Universidade de Stanford para

fazer a análise do dolo marciano. Um dos casos mais bem sucedidos que atraiu

bastante atenção para os SE foi o sistema XCON da DEC, para fazer


9

configuração de computadores. As configurações manuais levavam 25 minutos,

enquanto que o XCON gastava 2 minutos, o que proporcionou uma economia da

ordem de US$ 25 milhões por ano.

Redes Neurais Artificiais (RNA)

Uma Rede Neural Artificial (RNA), tal como o seu paralelo biológico, é

composta de um certo número de nós ou unidades denominadas neurônios,

conectados por ligações, sinapses ou ainda links. Cada sinapse possui uma

quantidade associada ou um peso. O conhecimento da rede é adquirido pela

atualização direcionada destes pesos. Alguns neurônios são conectados ao

ambiente externo constituindo as entradas e saídas (MEDEIROS, 2006). Como

a característica principal de uma RNA é o aprendizado, várias são as aplicações

potenciais e práticas. Tarefas de classificação e segmentação (tais como

encontrar clientes em segmentos específicos), reconhecimento de padrões e

aprendizado de comportamento de sistemas ou mesmo tendências, são alguns

dos exemplos de situações em que podem ser aplicadas as RNA.

Algoritmos Genéticos (AG)

Os Algoritmos Genéticos (AG) são sistemas cuja concepção é inspirada

no mecanismo de Evolução Natural e na Genética. O objetivo de uso de AG

refere-se à busca de soluções para problemas complexos, fazendo a codificação

deste problema em uma certa configuração, utilizando a metáfora dos

cromossomos. Utilizando combinações, seleções naturais e mutações sobre

esses cromossomos, a busca é orientada por uma função objetivo a cada

“geração” produzida, visando uma solução ótima. “A tarefa de um programador

consiste basicamente na modelagem do conhecimento do problema, uma vez

que o AG possui um procedimento padrão de resolução” (FIALHO et al, 2006).

Algoritmos genéticos podem ser utilizados para encontrar um mix ótimo de

produção em sistemas de manufatura complexos, ou em roteirização otimizada

de sistemas logísticos.


10

Raciocínio Baseado em Casos

O Raciocínio Baseado em Casos (RBC) é uma técnica de IA que reproduz

aspectos da cognição humana para resolver problemas especialistas (WEBER,

1998 apud FIALHO et al, 2006). O RBC simula o ato humano de relembrar um

episódio prévio para resolver um determinado problema, de acordo com as

afinidades existentes entre eles. Em outras palavras, o ato de relembrar um

episódio anterior é simulado em um sistema de RBC por meio da comparação

de um novo problema com um conjunto de casos, que constituem a Base de

Casos, do mesmo tipo. Esta comparação é feita mediante uma avaliação de

similaridade entre os principais aspectos ou índices, sendo que os casos mais

similares são assim recuperados (FIALHO et al, 2006).

Quer saber mais sobre Inteligência Artificial e Gestão do Conhecimento?

Acesse o material online e assista à videoaula do professor Luciano!

Processamento Analítico Online (OLAP)

O processamento analítico online se diferencia dos outros processos de

acompanhamento de informações mediante relatórios. Enquanto que um

sistema de informação possui relatórios previamente programados para uso dos

gestores, o OLAP prevê uma metodologia bastante diferente. Partindo da

perspectiva dos dados, e não do sistema em si, o gestor elabora os relatórios

que reflitam melhor sobre um determinado cenário, utilizando uma ferramenta

apropriada para correlação de dados. Os dados são combinados em tempo real,

para fornecer novas informações ou conhecimentos.

Entretanto, os dados precisam estar previamente preparados, sendo

fornecidos pela área de TI da organização aos gestores em questão. É

necessário também disponibilizar ferramentas próprias para OLAP, que

permitam a análise dos dados a partir de diferentes formas visuais de

construção.


11

Por exemplo, um sistema de informação que tenha a seguinte estrutura

de banco de dados pode ser utilizado para uma atividade de OLAP:

Cada tabela neste banco de dados possui uma certa quantidade de

registros, como por exemplo, a tabela de pedidos (“orders”):

Um data warehouse poderá compor todos os dados disponíveis para uso

posterior, tal como uma planilha:

Figura 5 - Exemplo de atividade OLAP

Figura 6 - Tabela de banco de dados


12

A atividade de OLAP consiste em manipular estas informações, buscando

correlações entre os dados para serem visualizados na forma de cubos de

informação. Por exemplo, caso se queira montar um cubo detalhando

especificamente as vendas por período, por país e por cliente, torna-se possível

ao gestor comparar quais clientes estão comprando mais ou menos, quais

países compram mais produtos, como está a evolução de compra ao longo dos

períodos pesquisados etc.

Figura 7 - Warehouse

Figura 8 - Exemplo de atividade OLAP


13

Tendências em Gestão do Conhecimento

A evolução da tecnologia incentiva o surgimento de novas ferramentas,

as quais podem se converter em soluções para os problemas organizacionais,

ou mesmo potencializar as atividades ligadas à informação e ao conhecimento.

Em razão disso, é importante que os gestores estejam atentos às mudanças que

acontecem no ambiente empresarial de forma particular, quanto ao lançamento

de novos produtos ou tecnologias. Algumas tendências podem ser identificadas

com relação ao patamar tecnológico atual, devendo ser consideradas de

maneira estratégica pelas empresas.

Uso Corporativo de Redes Sociais: com a proliferação e a adesão de

cada vez mais usuários das redes sociais, as empresas pretendem fazer o uso

mais seletivo e qualitativo das informações que são postadas pelas pessoas. Os

próprios sistemas de informação tendem a ter interfaces cada vez mais

semelhantes aos de redes sociais. Este processo permite um monitoramento

contínuo das informações que são postadas, desde opiniões até preferências

dos usuários. Tais informações podem ser de grande valia para tarefas de

mineração de dados para identificar as tendências de consumo.

Contratação de Data Centers: a proliferação de data centers surgem

como resposta à necessidade de armazenamento massivo e de menor custo de

dados empresariais (Big Data). Com possibilidade de locação em detrimento da

aquisição de sistemas integrados de gestão (ERP), há uma diminuição de custo

por parte das empresas. Com o uso de data centers, as empresas não precisam

mais investir em ativos imobilizados e compra de hardware de provimento de

serviços de dados e informação às suas necessidades internas. Neste cenário,

a redução de custo é potencializada, permitindo às empresas se concentrarem

no foco de seus negócios.

Computação em Nuvem: com o aumento da conectividade e o

deslocamento dos sistemas de informação de dentro para fora das empresas, a

“nuvem” acaba sendo o conceito central de toda essa mudança. Não apenas

sistemas de informação, mas sistemas operacionais poderão ser carregados a


14

partir de computadores ou outros dispositivos da própria Internet, sem a

necessidade de instalação prévia destes sistemas operacionais. Aliado a isso, a

utilização de ferramentas disponíveis na Web para trabalhos colaborativos tende

a se proliferar cada vez mais. Os softwares para uso em escritório (editor de

texto, planilha eletrônica, apresentação etc.) não precisarão ser instalados

previamente nos computadores. Basta que exista uma conexão de Internet com

velocidade suficiente para que o uso extensivo de recursos na “nuvem” seja feito.

Computação Ubíqua: refere-se à computação “onipresente”, a

computação que acontece em todo o lugar. Com o avanço de tecnologias tais

como os smartphones de pulso e óculos especiais, as pessoas tendem a “vestir”

cada vez mais o computador.

Avanço da Inteligência Computacional: há o uso mais intensivo de

ferramentas inteligentes para lidar com a quantidade massiva de dados na Web.

Novos algoritmos e técnicas permitirão mais eficácia em lidar com este cenário,

melhorando a predição de comportamentos a partir dos dados correlacionados

em grande quantidade. Aliado a isso, a tendência é que surjam ferramentas

capazes de tratar os dados de forma mais semântica.

Implicações das Neurociências Cognitivas: o surgimento de novas

formas de interação entre homem e máquina, com dispositivos que façam o

papel de “interfaces de cérebro”, permitirá o uso de sinais de EEG para controle

de sistemas. Espera-se também a proliferação de próteses e sensores para

acionamento de dispositivos para inclusão de pessoas com necessidades

especiais.

E-Government: os serviços públicos demandados pela população

poderão cada vez mais ser disponibilizados por sistemas ubíquos de gestão

pública. Isso poderá incentivar inclusive a uma maior participação da população

em processos relacionados à gestão pública. As novas ferramentas de

mineração de dados e sistemas para gestão do conhecimento permitirão a

proliferação de observatórios para acompanhamento das ações de agentes

públicos e das aplicações de recursos em projetos que visem o bem-estar social.


15

Não deixe de conferir o vídeo que está disponível no material online. Nele,

o professor Luciano traz mais informações sobre OLAP e Tendências.

Revendo a Problematização

Muito bem! Estamos chegando ao final dos nossos estudos e acredito que

agora você já tem os conhecimentos necessários para decidir qual é a melhor

solução para a situação apresentada no início deste tema. O que Mario deveria

fazer? Escolha uma das opções a seguir:

a. Mario pode solicitar à área de TI que forneça o data warehouse já com o

preço praticado pelos principais fornecedores. Dessa forma, ele poderá

fazer comparações e estimar quanto o preço poderá ser equiparado ao

praticado para continuar sendo atrativo.

b. Mario pode utilizar o data warehouse fornecido pela área de TI e

prospectar manualmente o mercado com informações dos preços

praticados, buscando essas informações em sites de comparação de

preços, ou no próprio site dos concorrentes.

c. Mario pode utilizar o data warehouse para fazer as análises do

comportamento das vendas, sem fazer inicialmente a análise com os

preços da concorrência. Entretanto, deve solicitar à direção e à área de

TI a implantação de um sistema que possa monitorar continuamente os

preços praticados pela concorrência.

Para consultar o feedback de cada uma das alternativas, acesse o material on-line.

Síntese

Nesse tema foram estudados os conceitos relacionados com a

Inteligência de Negócios (BI – Business Intelligence) e a sua relação com a

Gestão do Conhecimento. Os sistemas de apoio à decisão são bastante

importantes em contextos de GC, assim como a aplicação de técnicas, tais como


16

o processamento analítico online (OLAP). A Inteligência Artificial também

contribui com as suas técnicas, potencializando as tecnologias para a GC. As

mudanças tecnológicas fazem com que a GC seja uma área bastante dinâmica,

e é importante analisar as tendências tecnológicas e verificar qual o impacto que

elas podem ter dentro da área de GC.

Para relembrar os conteúdos que foram abordados nesse tema, acesse o

material online e assista à videoaula do professor Luciano.


17

Atividades

Relacione os conceitos a seguir sobre a estrutura da decisão e depois

marque a alternativa correta:

Administração tática e decisão semiestruturada

Administração operacional e decisão estruturada

Administração estratégica e decisão semiestruturada

Administração operacional e decisão não estruturada

( ) Administração de caixa

( ) Fusões e aquisições de empresas

( ) Avaliação de desempenho de funcionários

( ) Controle de estoque

a. 4-3-2-1

b. 4-3-1-2

c. 4-1-3-2

d. 3-4-1-2

Consiste em identificar e entender os problemas que estão ocorrendo na

organização – o porquê do problema, onde está e qual o seu efeito.

Estamos falando da fase da tomada de decisão:

a. Seleção.

b. Inteligência.

c. Concepção.

d. Implementação.


18

Relacione os conceitos a seguir sobre os sistemas de Inteligência Artificial

e depois marque a alternativa correta:

Sistemas Especialistas

Redes Neurais Artificiais

Algoritmos Genéticos

Raciocínio Baseado em Casos

( ) Refere-se à busca de soluções para problema complexos, codificando

o problema em uma configuração de cromossomos.

( ) Sistema baseado em conhecimento que utiliza o seu conhecimento

sobre uma área específica e complexa, atuando como um especialista ou um

consultor

( ) Simulam o ato humano de relembrar um episódio prévio para resolver

um determinado problema de acordo com as afinidades existentes entre eles.

( ) Tarefas de classificação e segmentação, reconhecimento de padrões

e aprendizado de comportamento de sistemas ou tendências, são alguns dos

exemplos de situações em que podem ser aplicadas.

a. 3-1-4-2

b. 3-2-4-1

c. 2-1-4-3

d. 3-1-2-4

Em uma atividade típica de OLAP (Processamento Analítico Online), os

dados são combinados em tempo real em várias dimensões de análise,

para fornecer novas informações ou conhecimentos. Este construto é

denominado de:

a. Tabela.


19

b. Registro.

c. Cubo.

d. Rede.

Não somente os sistemas de informação, mas mesmo sistemas

operacionais poderão ser carregados a partir de computadores ou outros

dispositivos da própria Internet, sem a necessidade de instalação prévia

desses sistemas operacionais. Aliado a isto, a utilização de ferramentas

disponíveis na Web para trabalhos colaborativos tende a se proliferar

cada vez mais. Estamos falando aqui de:

a. Uso de redes sociais corporativas.

b. Sistemas de interface homem-máquina.

c. E-Government.

d. Computação em Nuvem.

Para consultar o gabarito das questões, acesse o material on-line.


20

Referências

ACCIOLY, C. R. Análise da influência do mercado de suco

pasteurizado sobre o comportamento da oferta de laranjas: utilizando a

metodologia system dynamics. São Carlos: UFSCar, 2001. 164 p. Dissertação

– UFSCar.

BOM SUCESSO, Edina de Paula. Relações interpessoais e qualidade

de vida no trabalho. Rio de Janeiro: Qualitymark, 2002.

BOTELHO, Eduardo. Do gerente a líder: a evolução do profissional.

São Paulo: Ed. Atlas, 2000.

CHRISTOPOULOS, T. Estado da Arte em Comunidades de Prática.

Conexões Científicas. http://www.lidec.futuro.usp.br/downloads/conex-

estadodaarte.pdf

DAVENPORT, T.; PRUSAK, L. Conhecimento Empresarial. Rio de

Janeiro: Campus, 1999.

FIALHO, F. Ciências da Cognição. Florianópolis: Ed. Insular, 2001.

FIALHO, F.; MACEDO, M; SANTOS, N.; MITIDIERI, T. C. Gestão do

Conhecimento e Aprendizagem – As Estratégias Competitivas da

Sociedade Pós-Industrial. Florianópolis: Visual Books, 2006.

FONG, A. M. K; KEPPELL, M. Knowledge Management: The Relevance

of Storytelling In The Management of Knowledge in Organisations. Em:

ATKINSON, R; McBEATH, C.; JONAS-DWYER, D; PHILLIPS, R (eds). Beyond

the comfort zone: Proceedings of the 21st ASCILITE Conference, p.571.

Perth, 5-8 Dezembro. http://www.ascilite.org.au/conferences/perth04/procs/ma-

poster.html

GIL, Antonio C. Gestão de pessoas: enfoque nos papéis profissionais.

São Paulo: Atlas, 2001.

HENDRIKS, P. H. J. & VRIENS, D. J. Knowledge-based systems and

knowledge management: friends or foes? Information & Management, 35(2),

113-125, 1999.

http://www.lidec.futuro.usp.br/downloads/conex-estadodaarte.pdf

http://www.lidec.futuro.usp.br/downloads/conex-estadodaarte.pdf

http://www.ascilite.org.au/conferences/perth04/procs/ma-poster.html

http://www.ascilite.org.au/conferences/perth04/procs/ma-poster.html


21

HOLAN, P. M.; PHILLIPS, N. Remembrance of Things Past? The

Dynamics of Organizational Forgetting. Management Science: v. 50, n. 11, p.

1603-1613, 2004.

HOLLENBECK, John R. e WAGNER III, John A. Comportamento

organizacional. São Paulo: Saraiva. 2003.

KANAANE, R. Comportamento humano nas organizações: o homem

rumo ao século XXI. São Paulo: Atlas, 1995.

KIMBLE, C.; HILDRETH, P.; WRIGHT, P. Communities of Practice: Going

Virtual. Em: MALHOTRA, Y. (Ed.) Knowledge Management and Business

Model Innovation. Idea Group Publishing, Hershey (USA)/ London (UK). pp 220-

234. 2001. http://www-users.cs.york.ac.uk/~kimble/research/13kimble.pdf

LAVE, J. e WENGER, E. Situated Learning – Legitimate peripheral

participation. Cambridge: Cambridge University Press. 1991.

LAVERDE, A. M. O.; BARAGAÑO, A.F. & DOMINGUEZ, J.M.S.

Knowledge Processes: On Overview of the Principal Models. 3rd, European

Knowledge Management Summer School. San Sebastian, Spain, 7-12 Set. 2003.

MEDEIROS. L. F. Gestão do Conhecimento na Era Quântica.

Florianópolis: Visualbooks, 2010.

MEDEIROS, L. F. Banco de Dados – Princípios e Prática. Curitiba:

Editora IBPEX, 2007 (pre-print).

MEDEIROS. L. F. Redes Neurais em Delphi. 2ª. Ed. Florianópolis:

Visualbooks, 2006.

MINTZBERG, H; AHLSTRAND, B; LAMPEL, J. Safári de Estratégia.

Porto Alegre: Ed. Bookman, 2000.

MORIN, E. Introdução ao Pensamento Complexo. Porto Alegre: Sulina,

2005.

MORIN, E. Os sete saberes necessários à educação no futuro. 10ª ed.

São Paulo: Cortez, 2005.

MOSER, P. K; MULDER, D. H; TROUT, J. D. A Teoria do

Conhecimento. São Paulo: Martin Fontes, 2004.

http://www-users.cs.york.ac.uk/~kimble/research/13kimble.pdf


22

NISSEN, M. Delineating Knowledge Flows for Enterprise Agility. Em:

KHOROUS-POUR, M. (ed.). Encyclopedia of Information Science and

Technology. Herschey: Idea Group Inc.,v.1, p.779-785, 2005.

NONAKA, I; KONNO, N. The Concept of “Ba”: Building a foundation

for knowledge creation. California Management Review, v.40, n.3, p.40-54,

1998.

NONAKA, I.; REINMÖLLER, P. TOYAMA, R. Integrated information

technology systems for knowledge creation. In: DIERKES, M.; ANTAL, A. B.;

CHILD, J.; NONAKA, I. Handbook of Organizational Learning and

Knowledge. Oxford: Oxford, p. 827-848, 2003.

NONAKA, I., TAKEUCHI, H. The knowledge creation: how Japanese

companies create the dynamics of innovation. New York: Oxford University

Press, 1995.

NONAKA, I & TAKEUCHI, H. Criação de Conhecimento na Empresa:

como as empresas japonesas geram a dinâmica da inovação. Rio de

Janeiro: Campus, 1997.

O’BRIEN, J. Sistemas de Informação e as Decisões Gerenciais na Era

da Internet. 2ª. Ed. São Paulo: Saraiva, 2004.

PASETTO, N. V.; MESADRI, F. Comportamento Organizacional:

Integrando conceitos da administração e da psicologia. Curitiba: IBPEX,

2012.

PAWLOWSKY, P.; FORSLIN, J.; REINHARDT, R. Practices and tools of

organizational learning. In: DIERKES, M.; ANTAL, A. B.; CHILD, J.; NONAKA, I.

Handbook of Organizational Learning and Knowledge. Oxford: Oxford, p.

775-793, 2003.

POLANYI, M. Personal knowledge: towards a post-critical

philosophy. Londres: Routledge e Kegan Paul, 1958.

RITTO, A. C. Organizações Caórdicas – Modelagem de Organizações

Inovadoras. Rio de Janeiro: Ed. Ciência Moderna, 2005.


23

ROBBINS, S. P.; JUDGE, T. A.; SOBRAL, F. Comportamento

Organizacional: Teoria e prática no contexto brasileiro. São Paulo: Pearson,

2010.

RUSSEL, S. & NORVIG, P. Artificial Intelligence. New Jersey: Prentice-

Hall, 1995.

SCHREIBER et al. Knowledge Engineering and Management- The

Common KADS Metodology. Cambridge: MIT Press, 2002.

SAIANI, C. O Valor do Conhecimento Tácito: a Epistemologia de

Michael Polanyi na Escola. São Paulo: Escrituras, 2004.

SENGE, P. A Quinta Disciplina: A arte e a prática das organizações

de aprendizado. 16ed. São Paulo: Best Seller, 2004.

SOUZA, A.; LEITE, G.; SALLES, P. Using qualitative reasoning to

model wind power production in coastal zone. QR2011: 25th International

Workshop on Qualitative Reasoning, p.132-139.

http://www.qrg.northwestern.edu/papers/Files/qr-

workshops/QR2011/2011_Proceedings/qr11_paper18.pdf

SPECTOR, Paul E. Psicologia nas Organizações. São Paulo: Saraiva,

2003.

STEIL, A. Competências e Aprendizagem Organizacional.

Florianópolis: Instituto Stela, 2006.

STUDER, R., RICHARD BENJAMINS, V. & FENSEL, D. Knowledge

Engineering: Principles and methods. Data & Knowledge Engineering, 25,

161-197, 1998.

ULRICH, David. Os campeões de Recursos Humanos. São Paulo: Ed.

Futura, 1998.

WENGER, E.; McDERMOTT, R.; SNYDER, W. M. Seven Principles for

Cultivating Communities of Practice. HBS Working Knowledge, 25/03/2002.

http://www.askmecorp.com/pdf/7Principles_CoP.pdf

ZANELLI, José Carlos (org). Psicologia, organizações e trabalho no

Brasil. Porto Alegre: Artmed, 2004.

http://www.qrg.northwestern.edu/papers/Files/qr-workshops/QR2011/2011_Proceedings/qr11_paper18.pdf

http://www.qrg.northwestern.edu/papers/Files/qr-workshops/QR2011/2011_Proceedings/qr11_paper18.pdf

http://www.askmecorp.com/pdf/7Principles_CoP.pdf

Introdução - AVA UNIVIRTUSava.grupouninter.com.br/tead/CCDD2/ccdd_Pos/engProducao/... · se...

Documents

Transcript of Introdução - AVA UNIVIRTUSava.grupouninter.com.br/tead/CCDD2/ccdd_Pos/engProducao/... · se...