Abstract To present Multimodal Information Architecture contributions on information organizing on training artificial neural networks, aiming to position information science as an active body of knowledge in artificial intelligence problems. The definitions of Multimodal Information Architecture were used following the technological phase with an explanatory and qualitative approach. A five-step procedure is proposed for delineating, analyzing and transforming the informational space to be used in neural network training and learning methods, in order to complement gaps identified by authors focused on computer science implementations. Great potential for developing a structured method of Multimodal Information Architecture was observed, which would provide instruments for organizing data pre-processing which are used as test and learning sample in artificial neural networks. This method could place information science as an actor and producer of artificial intelligence solutions, replacing its current role as consumer of prefabricated solutions made by computer science. networks problems approach fivestep five step delineating methods implementations observed preprocessing pre processing

Resumo Apresentar contribuições da Arquitetura da Informação Multimodal na organização da informação para treinamento de redes neurais artificiais, visando posicionar a Ciência da Informação como área do conhecimento atuante em problemas de Inteligência Artificial. Utilizaram-se as definições da Arquitetura da Informação Multimodal seguindo a fase tecnológica com abordagem explicativa e qualitativa. Propõe-se procedimento de cinco passos para delineamento, análise e transformação do espaço informacional a ser utilizado em métodos de treinamento e aprendizagem de redes neurais, de forma a complementar lacunas identificadas por autores voltados a implementações da ciência da computação. Verifica-se potencial para desenvolvimento de um método estruturado de Arquitetura da Informação Multimodal que forneça instrumentos para a organização do pré-processamento de dados a serem utilizados como massa de teste e aprendizado em redes neurais artificiais. Esse método posicionaria a ciência da informação como atuante e produtora de soluções de inteligência artificial, substituindo o papel atual de mera consumidora de soluções pré-fabricadas pela Ciência da Computação. artificiais Artificial Utilizaramse Utilizaram se qualitativa Propõese Propõe delineamento computação Verificase Verifica préprocessamento pré processamento artificial préfabricadas fabricadas Computação

ABSTRACT Introduction: Ferdinand Saussure, linguist, semiologist, philosopher and one of the main founders of semiotics, affirms that "Meaning" (significance) is a representation of something created in the mind, an association that is useful for a "Signifier" that is a psychic impression of sound. Objective: In this context, the objective of this research is to verify the feasibility of generating communication based on images formed in the mind (Signified) and what it can represent cognitively related to the Signifier using a brain-computer interface Method: A computer brain interface has been developed and a user has been tested so that it uses neuro-muscular commands and pure mental commands that invoke Signified (records in the user's mind) that represent a goal of communicating. Result: The results allow to evaluate a relationship between signified and signifier of information drawing from the brain. Psychic images of a communication intent were linked to sound images that are also mental entities, when brain activated, are converted in “speech” (physical sound) computationally. Conclusion: The results demonstrate the feasibility of communication in this modality, which could support the basic communication needs of people who do not communicate orally. Introduction Saussure linguist semiologist semiotics Meaning "Meaning significance (significance "Signifier Objective context (Signified braincomputer Method neuromuscular neuro muscular records users s communicating Result entities activated speech “speech physical computationally Conclusion modality orally

RESUMO Introdução: Ferdinand Saussure, linguista, semiólogo, filósofo e um dos principais fundadores da semiótica afirma que o “Significado” é uma representação de algo criado na mente, uma associação que que está relacionada a um “Significante” que é a impressão psíquica do som. Objetivo: Nesse contexto, o objetivo dessa pesquisa é verificar a viabilidade de gerar comunicação baseada em imagens formadas na mente (Significado) e o que ela pode representar cognitivamente relacionado ao Significante utilizando uma interface cérebro-computador. Metodologia: Uma interface cérebro-computador foi desenvolvida e um usuário foi submetido a testes de modo que utilizou comandos neuromusculares e comandos mentais puros invocando Significados (associações na mente do usuário) que representam um propósito de se comunicar. Resultados: Os resultados permitiram avaliar a relação que une o significado ao significante extraindo informações do cérebro. Imagens psíquicas dotadas de intenção de comunicação foram vinculadas a imagens sonoras, que também são entidades mentais, e quando ativadas cerebralmente foram convertidas em “fala” (som físico) computacionalmente. Conclusão: Os resultados demonstram a viabilidade de comunicação nessa modalidade, o que poderia apoiar a necessidades básicas de comunicações de pessoas que não se comunicam oralmente. Introdução Saussure linguista semiólogo Significado “Significado “Significante som Objetivo contexto (Significado cérebrocomputador. cérebrocomputador cérebro computador. computador Metodologia associações comunicar Resultados sonoras fala “fala físico computacionalmente Conclusão modalidade oralmente

RESUMO A busca pela relevância é uma característica básica da cognição humana. Considerando que o intervalo entre a construção e o uso dos mapas é um processo comunicacional, profissionais das geociências podem explorar a condição da busca pela relevância para aperfeiçoar o atendimento das necessidades de diversos usuários de mapas. Este artigo fundamenta-se em debater em que medida a Teoria da Relevância e a abordagem da Multimodalidade podem contribuir para a ampliação do uso dos mapas, partindo do princípio do menor esforço e do discurso multimodal no processo comunicacional. O objetivo foi ampliar as formas de representação dos fenômenos geográficos modelados para o ambiente computacional para que os mapas atendam necessidades relevantes e, portanto, sejam mais úteis. Para alcançar este objetivo, o artigo apresenta um experimento utilizando elementos da geoinformação, da Teoria da Relevância e da Multimodalidade. Nas considerações finais, apresenta possibilidades de estudos futuros.

ABSTRACT The search for relevance is a basic feature of human cognition. Whereas the interval between the construction and the use of maps is a communication process, geosciences professionals can explore the relevance of the search condition to better serve the needs of many users maps. This article is based on debate to what extent the relevance theory and approach of Multimodality may contribute to the increased use of maps, based on the principle of least effort and multimodal speech in the communication process. The objective is to discuss the validity of the identification of a set of modes involved in the production (experts) and use (user) so that the geoinformation maps meet relevant requirements, and hence are more useful. To accomplish this, the article presents an experiment using elements of geoinformation, the relevance theory and Multimodality. In the final considerations, it presents further study possibilities.

This article reports the findings of an empirical study about Automated Text Clustering applied to scientific articles and newspaper texts in Brazilian Portuguese, the objective was to find the most effective computational method able to cluster the input of texts in their original groups. The study covered four experiments, each experiment had four procedures: 1. Corpus Selections (a set of texts is selected for clustering),2. Word Class Selections (Nouns, Verbs and Adjectives are chosen from each text by using specific algorithms),3.Filtering Algorithms (a set of terms is selected from the results of the preview stage, a semantic weight is also inserted for each term and an index is generated for each text), 4. Clustering Algorithms (the clustering algorithms Simple K-Means, sIB and EM are applied to the indexes). After those procedures, clustering correctness and clustering time statistical results were collected. The sIB clustering algorithm is the best choice for both scientific and newspaper corpus, under the condition that the sIB clustering algorithm asks for the number of clusters as input before running (for the newspaper corpus, 68.9% correctness in 1 minute and for the scientific corpus, 77.8% correctness in 1 minute). The EM clustering algorithm additionally guesses the number of clusters without user intervention, but its best case is less than 53% correctness. Considering the experiments carried out, the results of human text classification and automated clustering are distant; it was also observed that the clustering correctness results vary according to the number of input texts and their topics.