Abordagem chem-risk: avaliação, gerenciamento e comunicação de riscos químicos em alimentos empregando descoberta de conhecimento em bases de dados, lógica fuzzy e ontologias

AUTOR(ES)
FONTE

IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia

DATA DE PUBLICAÇÃO

31/05/2011

RESUMO

Esta pesquisa apresenta a abordagem Chem-Risk a qual é aplicada ao domínio mundial da segurança química alimentar, visando contornar um problema freqüentemente encontrado: dados com pouca semântica, apresentando baixa qualidade, que levam a resultados de baixa qualidade, pouco confiáveis e, portanto, inadequados para corretamente expressarem a realidade do domínio analisado. Em atendimento a esta finalidade, a abordagem Chem-Risk cria uma Plataforma Base Flexível para adequadamente pré-processar os resultados das análises laboratoriais em alimentos agropecuários, permitindo que inúmeras outras variáveis, aqui consideradas como fatores de risco alimentar, sejam consideradas nestas análises. Gerenciados por esta plataforma, conceitos da lógica fuzzy e ontologias viabilizam a incorporação dos novos fatores de risco, aprimoram a qualidade dos dados e produzem um conhecimento técnico superior, àquele oferecido pelas abordagens tradicionalmente empregadas no contexto das políticas públicas brasileiras, que visam avaliar os riscos químicos e maximizar a segurança química dos alimentos agropecuários. Devido à complexidade e escopo requeridos para a ontologia, uma nova abordagem de engenharia ontológica é apresentada. As técnicas de mineração de dados aqui empregadas desempenham um papel fundamental, auxiliando as autoridades governamentais e especialistas de risco a extraírem maiores níveis de conhecimentos não-triviais, a partir do conhecimento superior fornecido pela incorporação da lógica fuzzy e ontologia, durante a etapa de préprocessamento dos dados. Os resultados alcançados na etapa de mineração revelam uma semântica mais fidedigna à realidade da segurança química alimentar, complementam esta realidade e ampliam o nível de conhecimento especializado em favor de decisões não triviais. Por outro lado, se não houvesse adequado pré-processamento de dados a nível semântico, os resultados, apesar de aparentemente corretos, estariam encobrindo bases falsas e, portanto, estariam completamente equivocados perante a realidade da segurança química mundial dos alimentos agropecuários. Acreditamos que o que torna o nosso estudo de caso mais notável é que ele ajuda a melhorar a saúde da população mundial e, por extensão, salvar nossas próprias vidas.

ASSUNTO(S)

data mining (mineração de dados) ontologia fuzzy logic ciencia da computacao

ACESSO AO ARTIGO

Documentos Relacionados