ricardo maekawa - logs de busca - proposta de projeto de mestrado eca/usp
Post on 11-Mar-2016
234 Views
Preview:
DESCRIPTION
TRANSCRIPT
1
Ricardo Nogueira Maekawa
logs de busca
2009
Proposta de projeto apresentada ao Programa de Pós-Graduação em Ciência da Informação, Área de Concentração Cultura e Informação, Linha de Pesquisa Gestão de Dispositivos de Informação, da Escola de Comunicação e Artes da Universidade de São Paulo, como exigência parcial do Título de Mestre em Ciência da Informação sob orientação da Profª. Dr ª. Sueli Mara S. P. Ferreira.
2
Resumo
O fenômeno da adoção em massa do uso dos sistemas de busca para os mais variados fins em todo
o mundo, fez emergir um conjunto de dados sobre os hábitos das pessoas quando navegam na
internet ou em qualquer interface digital provida de uma caixa de busca: os logs de busca. Os logs de
busca fazem parte do rastro digital deixado pelas pessoas nessa vida.
O conhecimento a respeito do fenômeno dos logs de busca cresce exponencialmente, mas ainda é
pequeno perto da grandeza do tema, que lida com algo que irradia impactos em termos culturais,
sociais e econômicos em nível global. Nada mais justo. Afinal, a própria existência dos logs de busca
é igualmente recente.
Um log de busca, é composto basicamente de duas informações: (1) o termo que a pessoa escreve
quando faz uma busca e; (2) data e hora. Sistemas avançados de busca na web, assim como certos
websites, costumam coletar outros dados junto com os logs, como número internet protocol(ip) e sua
região(geo-referenciamento).
Os objetivos principais desse estudo são: (a) aumentar o conhecimento teórico e prático a respeito
dos logs de busca, (b) identificar formas de ver os logs de busca e os tipos de relação que podem
haver entre essas formas, (c) checar se esse tipo de abordagem é capaz de oferecer informações
que permitam aprimorar um dado dispositivo digital, (d) propor uma metodologia reutilizável, open-
source, baseada em coleta, seleção, organização, relacionamento, acesso e leitura de logs de busca,
a partir do levantamento de possibilidades de sistemas de classificação capazes de servirem como
estruturas basilares para a transformação das informações obtidas a partir da coleta de logs de
busca, em conhecimento com aplicação prática para o aperfeiçoamento de um dado dispositivo
provido de interface digital.
Espera-se que o projeto ajude a aumentar o nível da base de conhecimento que temos hoje a
respeito dos logs de busca e que, dessa forma, possa contribuir com mais um fator ligado à melhora
no design de um sistema de informação, uma interface humano-computador, ou no sentido de
melhorar o entendimento sobre tipos de perfis demográficos e de tipos de necessidades e casos de
uso que podem ocorrer em ambientes digitais.
Palavras-chave: logs-de-busca, formação-de-clusters, sistemas-de-categorização, metodologia, open-
source.
3
Introdução O advento da adoção em massa dos sistemas de busca em toda web, abriu precedente para
intensificação de um campo de estudos sobre logs de busca, incipiente até os anos 1990. Esse
crescente interesse tem explicação: atualmente, os sistemas de busca na web fazem parte do dia a
dia de bilhões de pessoas em todo o mundo, e continua sendo impulsionado por uma indústria de
vinte bilhões de dólares, alimentada constantemente pela publicidade na web ( Broder et. all). Dessa
forma, ao mesmo tempo que esse de campo de conhecimento é capaz mostrar dados relativos à
hábitos, necessidades, perfis e contexto de uso de grande volume de pessoas, fornece também
insumos para o aprimoramento do design de sistemas de informação e para o desenvolvimento de
interfaces humano-computador.
O objetivo desse estudo é propor uma metodologia reutilizável, baseada em coleta, seleção,
organização (sistemas de classificação), relacionamento, acesso e leitura de logs de busca, capaz de
mostrar quais classes de coisas (o que), de que forma (como) em que contexto (quando e onde) e
com que intuito (para que), grupos pertencentes aos mais variados tipos de agrupamentos
demográficos costumam realizar buscas na web.
Os objetos de estudo que devem dar suporte à comprovação ou não-comprovação das hipóteses
apresentadas, vão ser os logs de sites de busca na web ( Google ), assim como de certos websites
(Universidade de São Paulo, Ed. Abril), que possuem grande amplitude em relação à quantidade de
nichos e segmentos de usuários.
Não é o intuito desse estudo apresentar essencialmente quais categorias de coisas, e quais coisas
são buscadas na web e nos sites em língua portuguesa, por segmento, perfil-demográfico e época do
ano; mas sim uma ou mais metodologias, baseadas na submissão de uma determinada base de logs
de busca à séries de camadas de sistemas de categorização, capazes de transformar a informação
contida nos logs de busca nesse tipo de conhecimento.
Em termos práticos, a metodologia deve permitir a 1) orientação para modelagem de mapas
preditivos de termos de busca a partir de qualquer tipo de base de logs de busca, relacionados a 2)
segmentações culturais e demográficas, além da 3) identificação do nível de qualidade dos
“nós”(Barabasi, 2003) formados por uma determinada estrutura de navegação no sentido de
conseguir estabelecer um bom diálogo com as máquinas de busca, de acordo com seu objetivo
semântico, 4) insights para o aprimoramento do design de sistemas de informação e para o
4
desenvolvimento de interfaces humano-computador. e 5) mostrar as maneiras com que os logs de
busca podem ser vistos.
Objeto
O estudo analítico dos logs de busca proporcionam “insights” que vão muito além do processo de
busca por informações por parte dos mais diversos perfis demográficos. Esse tipo de entendimento
pode ajudar no design de sistemas de informação e no desenvolvimento de interfaces humano-
computador. O interesse por esse tema, vem aumentando significativamente nos últimos anos, por
uma série de motivos, todos relacionados à adoção em massa desse tipo de sistema na Internet.
A pesquisa por “search logs” e/ou “logs de busca” na ferramenta Google Scholar ( especializada em
artigos acadêmicos ) em setembro de 2009, retornou 810.000 resultados. Esse número deve
aumentar nos próximos anos, uma vez que não é mais novidade o fato de que logs de busca
possuem capacidade de revelar muita coisa sobre os hábitos e necessidades humanas.
Ao mesmo tempo, esse número de resultados mostra que é muito difícil e até mesmo arriscado, ser
categórico ao afirmar que uma determinada forma de tratar logs de busca ainda não foi realizada.
Os artigos mais proeminentes, no entanto, como já foi dito, costumam concentrar suas atenções para
bancos de dados de logs de sites específicos e suas metodologias possuem baixo grau de
reutilização, por conta das particularidades de cada banco de logs , que acabam sendo tratados de
forma reducionista, com sistemas de classificação que só servem para o caso estudado. Um outro
ponto de observação, é que sistemas gramaticais de classificação, raramente são utilizados como
parte do processo metodológico dos estudos de logs de busca.
No Brasil, as cientistas Rachel Virgínia Aires e Sandra Maria Aluísio, publicaram em 2003 um artigo
intitulado “Como incrementar a qualidade dos resultados das máquinas de busca: da análise de logs à
interação em português”. Os intuitos dessa pesquisa foram 1) avaliar se os usuários expressavam
bem seus objetivos em palavras-chave, 2) dizer como seriam as buscas de cada usuário, caso se
expressassem em linguagem natural e 3) dizer se as consultas em língua natural forneciam
informações que pudessem facilitar a recuperação da informação. Esse artigo utilizou um sistema de
coleta de logs a partir de ambientes controlados, com uma pequena amostragem.
Os resultados dessa pesquisa mostraram-se próximos à questão do intuito por trás das buscas
5
(Broder, 2000), principalmente quando apresentaram os objetivos de cada log de busca. Dessa
forma, apesar do foco desse estudo ser muito mais voltado para a linguagem natural em si do que
para os objetivos de cada busca, o resultado indireto do estudo trata de ser uma versão nacional dos
intuitos das buscas de Andrei Broder.
Quadro teórico de referência
Segundo a psicóloga norte americana Eleanor Roch, professora de psicologia da Universidade de
Berkeley, especialista em psicologia cognitiva e autora de uma importante teoria a respeito dos
processos cognitivos que envolvem a categorização, a teoria clássica a respeito dos sistemas de
classificação afirma que as pessoas fazem uso dessa propriedade de maneira automática e
inconsciente. Apenas em casos problemáticos, ocorre uma espécie de conscientização da existência
desse atributo do cérebro humano. Normalmente, no entanto, indivíduos categorizam
automaticamente pessoas, animais, objetos feitos ou não pelo homem. Isso, segundo Roch, às vezes
pode levar à crença de que as coisas são categorizadas como elas são, que elas possuem origem
natural, e que as categorias que estão na mente das pessoas, naturalmente atentem à todas as
espécies de coisas que existem no mundo.
Mas uma grande proporção das categorias que possuímos não são categorias de coisas. Tratam-se
de categorias de entidades abstratas. Nós categorizamos eventos, ações, emoções, relações
espaciais, relações sociais, e mais um enorme leque de outras entidades abstratas como governos,
doenças, e entidades presentes em campos científicos e populares, como elétron e frio. Quer dizer,
deve haver alguém capaz de desenvolver uma teoria acurada para todas as nossas categorias,
concretas e abstratas.
Desde o tempo de Aristóteles até o último trabalho de Wittgenstein(Lakoff, 1985), a idéia de categoria
era bem entendida e não-problemática. Eles assumiram as categorias como sendo algo similar à
repositórios abstratos, que podiam englobar ou não determinas coisas, de acordo com suas
propriedades. Assumiram também que coisas poderiam estar na mesma categoria se e apenas se
tiverem certas propriedades em comum. E as propriedades que essas coisas tem em comum
deveriam servir como base para a definição da categoria.
6
Essa teoria clássica não foi resultado de estudos empíricos. Ela nunca foi assunto de um grande
debate. Trata-se de uma posição filosófica cuja base é a especulação. Através dos séculos, a
categorização simplesmente foi encarada como algo pertencente ao background das disciplinas
escolares. De fato, até recentemente, a teoria clássica sequer era entendida como sendo uma teoria.
Ela foi ensinada em muitas disciplinas não como sendo uma hipótese empírica mas como algo
inquestionável, definitivamente, uma verdade.
Em muito pouco tempo, tudo isso mudou. A categorização foi movida do background para o centro
devido aos resultados de estudos empíricos de diversas disciplinas. Com a psicologia cognitiva, a
categorização tornou-se um campo maior de estudo, graças ao trabalho pioneiro de Eleanor Rosch,
que fez da categorização, um grande assunto (Lakoff, 1985).
Esse estudo deve considerar alguns pontos das teorias de Eleanor Roch a respeito dos sistemas de
categorias, do ponto de vista cognitivo humano. A maior contribuição para esse trabalho em termos
práticos, é a conclusão resultante de sua teoria dos protótipos, que mostra que as pessoas costumam
abandonar as definições abstratas sobre as coisas, ao passo que se prendem em coisas concretas e
experienciais. Isso deve ter influencias sobre a formação dos logs de busca.
Andrei Broder, o inventor do Alta Vista; um dos primeiros sistemas de busca cujo uso se popularizou
amplamente na internet; foi capaz de demonstrar que as necessidades dos usuários em relação a tais
sistemas vão muito além da recuperação de informação (RI). Broder identificou outros tipos de uso
para ferramentas de busca, como os intuitos transacionais e navegacionais (Broder, 2000). Suas
conclusões, assim como as de praticamente todos os estudos desse gênero, basearam-se na coleta,
classificação e análise dos logs de busca e sua relação com os contextos histórico-culturais e de uso,
presentes no momento de inserção de tais termos de busca. No entanto, a grande diferença entre os
estudos de Broder, em relação à outros estudos, é o alto grau de reutilização de sua metodologia
para todo tipo de base de logs. Não só essa característica do trabalho de Broder, que atualmente
está trabalhando no desenvolvimento de um algoritmo automático para rotulação de logs de busca
usando a própria web como base de conhecimento, mas os resultados de sua pesquisa, vão ser
utilizados de maneira intensiva nesse trabalho.
John Battelle, jornalista e co-fundador da revista norte americana Wired, lançou em 2005 o livro “The
Search: How Google and Its Rivals Rewrote the Rules of Business and Transformed Our Culture”.
Battelle foi um personagem muito ativo no desenvolvimento dos sistemas de busca na web. Em
7
diversos momentos, seu destino esteve entrelaçado com os principais protagonistas do mercado de
buscas, de engenheiros, idealizadores, pesquisadores e investidores. Battelle cunhou um termo
importante para esse projeto de pesquisa; o de que os logs de busca representam um banco de
dados de intenções das pessoas. Ele buscou apoio em alguns artigos científicos sobre logs de busca,
inclusive os de Andrei Broder, sobre os intuitos que estão por trás das buscas; e de Byrne et al, 1999,
sobre a taxonomia das tarefas que as pessoas podem realizar por intermédio da web ( tasksonomy ).
Ao mesmo tempo, relacionou tudo isso com o retrato histórico do fragmento de tempo que foi e vem
servindo de palco para essa grande mudança que está acontecendo por conta das buscas na pós-
modernidade, em termos culturais, econômicos e históricos. A ampla visão de Battelle sobre os logs
de busca, e o holismo de suas análises é fonte de grande inspiração para esse trabalho.
Nos anos 2002, o Google lançou o Google Zeitgeist – termo de origem alemã, cunhado pelo escritor
romântico Johann Gottfried Herder e outros-, que significa o conjunto do clima intelectual e cultural do
mundo, numa certa época, ou as características genéricas de um determinado período de tempo. Zeit
siginifica tempo, geist significa espírito. Portanto, espírito do tempo.
Por meio do Google Zeitgeist, a gigante de buscas Google passou a mostrar os logs de busca mais
utilizados pelas pessoas nos estados unidos anualmente. Na primeira versão, os logs foram
apresentados em duas grandes categorias, determinadas a) por volume de buscas e b) em termos de
rapidez de crescimento.
A última versão do Google Zeitgeist, o Zeitgeist 2008; estendeu-se para mais de 15 países e
apresentou os logs de busca agrupados em muito mais categorias que a primeira versão. No caso
dos logs brasileiros, por exemplo, além das duas iniciais ( volume de buscas e rapidez de
crescimento ), os logs foram apresentados em mais quatro facetas: a) futebol, b) eleições, c)
celebridades e d) relacionas com o Google.
O Google Zeitgeist, impulsionou o surgimento de uma série de outras ferramentas de tratamento de
logs de busca no Google, como Google Trends, que mostra o comportamento de logs de busca em
termos de volume de buscas por período, país, região e compara com outros logs de busca com
relação à esses mesmos critérios; e o Google Insights, que mostra logs de busca por país, região,
range de tempo e de categoria.
8
Google Insights: logs de busca agrupados em quase 27 categorias.
Em agosto de 2009, SHIMSHONI et al., do Google Labs Israel, publicaram um paper chamado “On
Predictability os Search Trends”. Esse estudo teve como foco principal identificar qual o grau de
preditividade dos termos de busca, ao longo dos anos; com base na leitura dos logs de busca
disponibilizados pelas ferramentas Google Trends e Google Insights. O objetivo do estudo foi o de
responder essencialmente três questões: 1) Quantos logs de busca podem ser previstos? 2) Existem
categorias de coisas que são mais previsíveis que outras? Como é a distribuição de preditividade
entre essas categorias? 3) Qual o grau de previsibilidade dos logs de busca em cada categoria?
Quais categorias são mais e quais são menos previsíveis? Os resultados da pesquisa de
SHIMSHONI et al., são fortemente voltados para o tratamento dos logs de busca em relação à fatores
temporais com intuito de medição de preditividade de logs de busca, de acordo com certas categorias
cujo processo de escolha e formação foram realizados previamente pelo Google Insights.
Esse estudo levará em conta os resultados e a metodologia para medição de fatores de preditividade
de logs de busca, bem como as categorias do Google Insights , cujo processo de formação devem ser
investigados.
9
Objetivos
O objetivo geral desse estudo é aumentar o conhecimento teórico e prático a respeito dos logs de
busca.
Em termos específicos, o projeto tem o objetivo de responder as seguintes questões:
a) Identificar formas de ver os logs de busca. Como é possível classificar logs de busca?
b) Identificar os tipos de relação que podem haver entre essas formas.
c) Checar se esse tipo de abordagem é capaz de oferecer informações que permitam aprimorar um
dispositivo digital.
b) Até que ponto essas camadas de classificação são reutilizáveis (servem para n! bancos de logs)?
c) Como essas camadas de classificação podem ser encadeadas, de forma que permitam extrair
conhecimento com aplicações práticas para um dado sistema de informação?
d) Como essas camadas de classificação podem mostrar dados relativos ao perfil demográfico dos
usuários, assim como relativos a aspectos culturais e de necessidades de uso?
e) Esses sistemas classificatórios podem dizer algo com relação à psicologia cognitiva envolvida no
processo de formulação de logs de busca?
O objetivo primordial desse estudo em termos práticos é propor uma metodologia reutilizável, open-
source, baseada em coleta, seleção, organização (sistemas de classificação pré-existente),
relacionamento, acesso e leitura de logs de busca, capaz de mostrar quais classes de coisas (o que),
de que forma (como) em que contexto (quando e onde) e com que intuito(para que), grupos
pertencentes aos mais variados tipos de agrupamentos demográficos costumam realizar buscas na
web. Quer dizer, a aplicação dessa técnica à uma determinada base de dados de logs de busca, deve
permitir reconhecer perfis demográficos, hábitos e necessidades da população responsável por
realizar esses logs.
Do ponto de vista teórico, a idéia é ajudar no desenvolvimento das teorias de classificação pré-
existentes, específicas sobre logs de busca, e as com propósitos mais gerais, que podem ser
aproveitadas de alguma forma para esse fim, como por exemplo, as categorias gramaticais da língua
portuguesa.
10
Metodologia
A metodologia parte do pressuposto que em um dado sistema de busca, os logs podem variar com
frequência significativa em relação à variável temporal. No entanto, é possível submeter tais logs à
séries de camadas de classificação pré-existentes até que essas categorias passem a apresentar um
baixo grau de variação em relação à todo tipo de variação temporal. Quer dizer, associar os logs de
busca a camadas de classificação deve fazer com que novas relações temporais em relação aos logs
de busca, sejam estabelecidas. O objetivo testar um encadeamento hierárquico entre diferentes
esquemas de classificação, baseado em frequência de variação.
Os logs de busca podem ser classificados de muitas formas:
a) com relação à seu teor gramatical
b) com relação ao número de termos
c) com relação ao intuito ( Broder, 1997 )
d) com relação à variáveis temporais
e) com relação à variáveis climáticas ( estações do ano )
f) com relação à outros sistemas de classificação para o conhecimento humano,
desenvolvidos por outros pesquisadores
g) com relação ao seu grau de sazonalidade e previsibilidade ( Shimshoni, Efron,
Matias; 2009 )
11
Seguem as etapas para a realização do estudo:
1. Definir os objetos de estudo e os períodos de tempo para coleta dos logs de busca.
( pedi permissão aqui na Abril para poder usar os logs de busca dos sites das revistas, o Google Insights é aberto para uso,
apesar de apresentar algumas restrições, pretendo encaminhar também um peddoi de permissão para poder usar os logs de
busca da USP - não sei se eles possuem ferramentas que fazer esse tipo de coleta. É possível rapidamente usar outros
objetos de estudo, desde que possuam logs de busca )
2. Coletar os logs de busca e armazená-los em um banco de dados relacional ou planilha
3. Definir quais sistemas de categorias devem compor as camadas de classificação relacionadas aos
logs de busca.
Ex:
Camada 1: classifica logs de busca de acordo com o intuito das buscas (navegacional, informacional,
transacional)
Camada 2(apenas para as informacionais): classifica termos com relação à uma forma de
classificação, cujo conceito foi criado e desenvolvido pelo filósofo grego Platão, perto dos anos 350
a.c. O pensamento Platônico classificava as coisas como concretas e abstratas.
Camada 3(apenas para as informacionais): classifica logs de busca concretos de acordo com seu
teor gramatical. Substantivos concretos e nomes próprios. Fazer o mesmo procedimento para os logs
de busca abstratos.
Camada 4: olha para o conjunto de substantivos concretos, nomes próprios, substantivos abstratos,
intuitos navegacionais e transacionais e se faz a seguinte pergunta: “o que é isto?”. A resposta para
12
essa pergunta deve apontar a categoria de coisas, no mundo concreto, a qual este log de busca
pertence.
Camada 5: estabelece sistema de classificação
4. Atribuir os sistemas de classificação aos logs de busca utilizando um banco de dados relacional.
5. Utilizar softwares específicos para visualização, relacionamento e extração estatística de dados
como Freemind ( http://freemind.sourceforge.net/wiki/index.php/Main_Page ) e UCINET (
http://www.analytictech.com/products.htm ). Aplicar séries de "views" para os dados, várias formas de
ordenar os logs de busca, com possibilidade de estabelecer relações booleanas entre os itens dos
sistemas de classificação.
6. O objetivo será hierarquizar as camadas de categorias de acordo com seu grau de
variação/freqüência com que ocorre. Categorias mais “amplas” tendem a variar menos que categorias
mais “estreitas”. Deve-se, nesse caso, identificar os padrões de freqüência usando a fórmula de
SHIMSHONI et al., 2009.
7. Com os logs de busca referenciados por sistemas de classificação ordenar e analisar os dados
para descobrir se:
a) existem sistemas de classificação que pode servir a todos os bancos de dados de logs de
busca e em que grau;
b) existem sistemas de classificação que podem servir em menor ou maior grau que outros no
sentido de conseguirem classificar todo tipo de informação de bancos de logs de busca;
c) tais sistemas podem ser encadeados hierarquicamente de modo que possam se
transformar numa metodologia reutilizável e open-source para tratamento de logs de busca para
qualquer caso.
d) caso seja possível encadear os sistemas de classificação de acordo com o grau de variação dos
seus atributos; propor um protocolo de comunicação para os logs de busca que forem submetidos à
essa metodologia.
13
e) verificar se a interface digital em questão favorece o universo de entidades que é mais buscado
no sistema em questão.
O resultado final vai permitir o desenvolvimento de uma série de análises conclusivas com relação
aos hábitos e necessidades dos usuários junto aos mecanismos de busca. Como uma ferramenta de
busca como o Google é utilizada por quase a totalidade de usuários da Internet no Brasil, tais
análises devem ter reflexos diretos nos hábitos e necessidades de utilização da Internet em territórios
brasileiro. As classes de coisas que são buscadas ajudam a entender as categorias de tarefas
mediadas pela web( Byrne; John; Wehrle; Crow, 1999 ), e que estão alinhadas às necessidades dos
usuários brasileiros.
Considerações finais
O método proposto permitirá inferir informações adicionais aos logs de busca. Com isso, será
possível identificar a formação de padrões com base em mais direções do que as informações nativas
dos logs de busca.
Espera-se que os resultados desse trabalho possam contribuir para um melhor entendimento do
comportamento humano relacionado à utilização da Internet, com especial atenção ao caso brasileiro,
e com relação aos impactos culturais causados pelo uso em massa de ferramentas de busca em
todas as instâncias da web e da computação em termos gerais. Dessa forma, a pesquisa tentará
aproximar ao máximo, leitura de dados, teoria, conclusão e a aplicação prática a respeito dos logs de
busca de maneira geral. A pesquisa deve, além disso, fornecer uma base franquear acesso à outros
pesquisadores interessados nesse tema.
Sumário da pesquisa
1. Resumo.............................................página 02
2. Introdução.........................................página 03
3. Objeto...............................................página 04
4. Quadro teórico e de referência.........página 05
5. Objetivos..........................................página 09
14
6. Metodologia.....................................página 10
7. Considerações finais.......................página 13
Referências Bibliográficas
BRODER et al. Classifying Search Querys Using the Web as a Source of Knowledge. Yahoo!
Research, Santa Clara, CA, USA, 2007.
SHIMSHONI, Yair; EFRON, Niv; Matias, Yossi. On the Predictability of Search Trends. Google, Israel
Labs, 2009.
AIRES, Rachel V. X.; Aluísio, Sandra M.. Como incrementar a qualidade dos resultados das máquinas
de busca: da análise de logs à interação em português.
LAKOFF, George. Women, Fire and Dangerous Things – What Categories Reveals about the Mind.
University of Chicago Press, 1987.
BRODER, Andrei. A Taxonomy of Web Search. IBM Research; Alta Vista Corporation, 2000.
BYRNE, Michael D.; JOHN, Bonnie E.; WEHRLE, Neil S.; CROW, David C.. The Tangled Web We
Wove: A Tasksonomy of WWW Use. Human Factors in Computing Systems: Proceedings of CHI 99,
pp. 544-551. New York: Addison Wesley.
BATTELLE, John. The Search: How Google and Its Rivals Rewrote the Rules of Business and
Tranformed Our Culture. Portfolio, Penguin Group (USA), Inc. 2005.
DURKHEIM, Emile; MAUSS, Marcel. Primitive Classification. The University of Chicago Press, 1963.
FOUCAULT, Michel. As Palavras e as coisas. Martins Fontes, 2007.
INAN, Hurol. Search Analytics – A Guide to Analyzing and Optimizing Website Search Engines. Hurol
Inan, 2006.
BARABASI, Albert-László. Linked – How Evething Is Connected to Everything Else and What It Means
for Business, Science, and Everyday Life. Penguin Group, 2003.
MAEDA, John. The Laws of Simplicity. Massachusetts Institute of Tecnology, 2006.
15
Cronograma das atividades de pesquisa
a) Aprofundamento teórico: 01/2010 até 04/2010
b) Preparação para coleta de dados: 05/2010 até 06/2010
c) Coleta de dados: 05/2010 até 06/2011
d) Análise: 07/2011 até 08/2011
e) Testes: 09/2011 até 10/2011
f) Conclusões: 11/2011 até 12/2011
g) Defesa: 01/2012
top related