RESUMO A diversidade de formatos utilizados para o desenvolvimento de objetos de aprendizagem contribui para que o processo de recuperação de informação relevante permaneça sendo um grande desafio para a Ciência da Informação e a Ciência da Computação. A adoção de metadados para a catalogação destes recursos vem sendo utilizada tanto em âmbito nacional quanto internacional. No entanto, não existe um consenso sobre qual é o melhor padrão de metadados. Tem como objetivo apresentar um mapeamento relacional entre principais padrões de metadados utilizados pelos repositórios de objetos de aprendizagem. A metodologia utilizada se fundamenta em análise exploratória e analítica de repositórios de objetos de aprendizagem para identificar os metadados de cada iniciativa e propor um modelo de correlação entre os padrões. Os resultados apontam que os padrões Dublin Core e LOM são referências para outros padrões de metadados. Assim, o mapeamento foi realizado a partir de uma correspondência entre esses padrões e para a validação foram analisados 140 objetos de aprendizagem disponíveis em repositórios na Web. Conclui-se que é possível estabelecer um modelo de correlação entre os metadados com um número significativo de elementos para colaborar com o processo de indexação automática e aprimorar a recuperação de informação.

ABSTRACT The formats diversity used for the development of learning objects contributes to the relevant information retrieval process remains a major challenge for Information Science and Computer Science. The adoption of metadata for cataloging these resources are being used both nationally and internationally. However, there is no consensus regarding the best metadata standard. It aims to present a crosswalk between main metadata standards used by learning objects repositories. Methodology is based on exploratory and analytical analysis of learning object repositories to identify the metadata of each initiative and propose a correlation model between the patterns. The results indicate that Dublin Core and LOM standards are references to other metadata standards. Thus, mapping was performed based on a correspondence between these patterns and validating was analyzed 140 learning objects available in repositories web. It follows that it is possible to establish a correlation model between the metadata with a significant number of elements to collaborate with the automatic indexing process and improve information retrieval.

RESUMO Um sistema de recuperação de informação é um elemento mediador entre um estoque de informação e seus usuários. Sua eficácia depende do controle adequado da linguagem de representação dos itens de informações e das buscas de seus usuários. Este trabalho apresenta um modelo de recuperação de informação baseada em ontologia que usa a estrutura formal do modelo espaço vetorial. O vetor que representam um documento é criado durante o processo de indexação automático no qual uma ontologia fornece novos termos para enriquecer semanticamente essa representação. O vetor de busca é criado a partir de um processo de expansão de consulta, na qual novos termos são adicionados na expressão de busca inicialmente formulada pelo usuário a partir de inferências na ontologia. Usando o modelo proposto, foi desenvolvido um sistema denominado OntoSmart, cujos resultados preliminares apontam em uma melhoria significativa na precisão dos resultados de busca.

ABSTRACT Information retrieval system is a mediator element between a stock of information and its users. Its effectiveness depends on representation language of information items and requests of its users. This work presents an ontology-based information retrieval model which uses the formal structure of Vector Space Model. The vector that represent a document is created during the automatic indexing process, in which an ontology provide new terms in order to semantically enrich that representation. The search vector is created from a query expansion process, in which new terms are added in the search expression initially formulated by the user from inferences in the ontology. Using the proposed model, the OntoSmart system is being developed. Preliminary results show a significant improvement in the precision of search results.

A Ciência da Informação é um campo que ainda denota traços atinentes à sua estruturação e solidificação, por isso, ainda sofre influências externas devido ao respectivo fraco grau de autonomia. A sua gênese é atribuída à explosão informacional que caracterizou o período pós - segunda Guerra Mundial e às conferências subsequentes que visavam analisar a implementação de máquinas na transferência da informação. Parte do seu contributo social é centrada na recuperação da informação mediada pela tecnologia que garante a despersonalização do conhecimento para indivíduos, grupos e sociedade, através da informação como conhecimento em ação. A área desenvolveu-se sobre um enfoque tecnológico de caráter interdisciplinar que atualmente cria as suas limitações. A informação registrada que constitui o seu objeto pela possibilidade de manipulação, também se torna uma limitação, daí a necessidade de adoção da técnica de mineração de dados para a descoberta do conhecimento em grandes volumes de dados e ampliação do universo da recuperação da informação.

Information Science is a field that still denotes traits peculiar to its structuring and solidification. Therefore still suffers external influences due to its low degree of autonomy. Its genesis is attributed to the information explosion that characterized the post - World War II and the subsequent conferences aimed at reviewing the implementation of machines in the information transfer process. Part of its social contribution is centered in information retrieval mediated by technology that ensures depersonalization of knowledge to individuals, groups and society through information and knowledge into action. The area has developed a focus on interdisciplinary technology that actually creates its limitations. The recorded information that constitutes its object by the possibility of manipulation, it also becomes a limitation, hence the need to adopt the technique of data mining to knowledge discovery in large data volumes and expansion of the universe of information retrieval.

Redes neurais constituem um campo da ciência da computação ligado à inteligência artificial, buscando implementar modelos matemáticos que se assemelhem às estruturas neurais biológicas. Nesse sentido, apresentam capacidade de adaptar os seus parâmetros como resultado da interação com o meio externo, melhorando gradativamente o seu desempenho na solução de um determinado problema. A utilização de redes neurais em sistemas computacionais de recuperação de informação permite atribuir um caráter dinâmico a tais sistemas, dado que as representações dos documentos podem ser reavaliadas e alteradas de acordo com a especificação de relevância atribuída pelos usuários aos documentos recuperados. O presente trabalho apresenta as principais iniciativas de se aplicarem os conceitos de redes neurais aos sistemas de recuperação de informação e avalia sua aplicabilidade em grandes bases documentais, como é o caso da Web.

Neural networks are a field of Computer Science related to Artificial Intelligence. The field aims at implementing mathematical models that are similar to biological neural structures. It is also capable of adapting its parameters as a result of interactions with the external environment, gradually improving their performance in the solution of a particular task. By using neural networks in computer information retrieval systems one can assign a dynamic character to those systems by allowing the representation of documents to be reevaluated and modified according to specifications of relevance attributed by users to retrieved documents. This work presents the main initiatives in applying neural networks concepts to information retrieval systems and evaluates its applicability to large document databases as is the case of the Web.