universidade do vale do itajaÍ centro de ciÊncias ...siaibib01.univali.br/pdf/alexandre magnus...

167
UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR CURSO DE CIÊNCIA DA COMPUTAÇÃO SISTEMA DE INFORMAÇÕES BASEADO EM SISTEMAS ESPECIALISTA E RACIOCÍNIO BASEADO EM CASOS PARA AUXILIAR NA PRÁTICA DESPORTIVA NA UNIVALI Área de Inteligência Artificial por Alexandre Magnus Balbinotti Anita Maria da Rocha Fernandes, Drª. Orientadora Paulo Maes Junior, M.Sc. Co-orientador Itajaí (SC), dezembro de 2006

Upload: vannhu

Post on 11-Nov-2018

217 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR

CURSO DE CIÊNCIA DA COMPUTAÇÃO

SISTEMA DE INFORMAÇÕES BASEADO EM SISTEMAS ESPECIAL ISTA E RACIOCÍNIO BASEADO EM CASOS

PARA AUXILIAR NA PRÁTICA DESPORTIVA NA UNIVALI

Área de Inteligência Artificial

por

Alexandre Magnus Balbinotti

Anita Maria da Rocha Fernandes, Drª. Orientadora

Paulo Maes Junior, M.Sc. Co-orientador

Itajaí (SC), dezembro de 2006

Page 2: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR

CURSO DE CIÊNCIA DA COMPUTAÇÃO

SISTEMA DE INFORMAÇÕES BASEADO EM SISTEMAS ESPECIAL ISTA E RACIOCÍNIO BASEADO EM CASOS

PARA AUXILIAR NA PRÁTICA DESPORTIVA NA UNIVALI

Área de Inteligência Artificial

por

Alexandre Magnus Balbinotti Relatório apresentado à Banca Examinadora do Trabalho de Conclusão do Curso de Ciência da Computação para análise e aprovação. Orientadora: Anita Maria da Rocha Fernandes, Drª.

Itajaí (SC), dezembro de 2006

Page 3: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

3

DEDICATÓRIA

Dedico este trabalho aqueles que sempre acreditaram em mim e me apoiaram: meus pais

Antônio e Maria de Fátima Balbinotti e à minha irmã Izabele.

Page 4: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

4

AGRADECIMENTOS

Gostaria de agradece a Deus por te me dado uma família maravilhosa, a que me orgulho

muito.

Obrigado pai (Antônio B. Balbinotti) e mãe (Maria de Fátima Balbinotti) pela educação que

vocês me deram, se hoje estou formando é porque tive muita persistência e incentivo de vocês, nas

horas em que pensei em jogar tudo para o alto, que não tinha mais coragem nem vontade de

continuar, vocês continuavam acreditando em min.

Obrigado Bele (Izabele Balbinotti) pelas suas ajudas nas correções, nas brigas do dia-a-dia

para que eu tivesse mais responsabilidade, e pela irmã inteligente e esforçada que você é.

Obrigado Marcelo Wener pela sua amizade e nossas conversas, você me ajudou muito não

ter desistido dos meus sonhos. Isilene Angioletti, você foi e sempre estará no meu coração, obrigado

pela lição de vida que você me mostrou. Fabio Hiromitsu Moriguchi, para mim você sempre será o

Japa (haiaaa), cara sem sua ajuda eu não teria conseguido obrigado. Odair Golo obrigado por sua

amizade, lembra dos finais de semanas empenhados no apartamento até algumas manhas em cima

do projeto, obrigado Oda.

Mineiro (Marcelo da Silva) obrigado pelos churrascos e as cervejas no apartamento, e por

me ajudar a não desistir mesmo quando estava tudo indo por água a baixo.

Agradeço a todos os meus amigos que sempre estiveram ao meu lado, dando-me apoio,

conselhos, puxões de orelha, e pela força.

Agradeço a minha orientadora, que nesses últimos 2 anos tem sido uma segunda mãe para

mim, brigando incentivando e me ajudando muito.

Page 5: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

v

SUMÁRIO

LISTA DE ABREVIATURAS...............................................................vii

LISTA DE FIGURAS ...........................................................................viii

LISTA DE TABELAS..............................................................................x

LISTA DE EQUAÇÕES.........................................................................xi

RESUMO................................................................................................xii

ABSTRACT...........................................................................................xiii 1 INTRODUÇÃO....................................................................................1

1.1 OBJETIVOS ..................................................................................................... 4 1.1.1 Objetivo Geral ................................................................................................ 4 1.1.2 Objetivos Específicos...................................................................................... 4 1.2 METODOLOGIA............................................................................................. 5 1.3 ESTRUTURA DO TRABALHO ..................................................................... 7

2 FUNDAMENTAÇÃO TEÓRICA ......................................................8 2.1 PRÁTICA DE ATIVIDADES FÍSICAS.......................................................... 8 2.2 AVALIAÇÃO FÍSICA ................................................................................... 12 2.2.1 Antropometria.............................................................................................. 14 2.2.2 Aspecto Hemodinâmico e Metabólico ......................................................... 15 2.2.3 Índice de Massa Corporal - IMC................................................................. 17 2.3 ANAMNESE ................................................................................................... 18 2.3.1 Anamnese Clínica......................................................................................... 18 2.3.2 Anamnese de Risco Coronário .................................................................... 18 2.4 SISTEMA ESPECIALISTA .......................................................................... 18 2.4.1 Especialista ................................................................................................... 19 2.4.2 Conhecimento............................................................................................... 19 2.4.3 Raciocínio ..................................................................................................... 19 2.4.4 Características do SE ................................................................................... 19 2.4.5 Componentes para construção do SE.......................................................... 20 2.4.6 Estrutura do SE............................................................................................ 22 2.4.7 Etapas de Construção do SE........................................................................ 23 2.4.8 Estratégia do SE ........................................................................................... 24 2.5 JESS, THE JAVA EXPERT SYSTEM SHELL ........................................... 25 2.6 RACIOCÍNIO BASEADO EM CASOS........................................................ 26 2.6.1 Definição de RBC ......................................................................................... 27 2.6.2 O Caso........................................................................................................... 29 2.6.3 Etapas de Desenvolvimento do RBC ........................................................... 30 2.6.4 Recuperação ................................................................................................. 32 2.6.5 Adaptação..................................................................................................... 34

Page 6: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

vi

2.6.6 Aprendizagem .............................................................................................. 35 2.7 FERRAMENTAS SIMILARES..................................................................... 36 2.7.1 SAPAF .......................................................................................................... 36 2.7.2 PHYSICAL TEST........................................................................................ 37

3 DESENVOLVIMENTO....................................................................39 3.1 PROBLEMAS NO ACOMPANHAMENTO DE ATIVIDADES FÍSICAS 39 3.1.1 Arquitetura do sistema ................................................................................39 3.2 MODELAGEM DO CONHECIMENTO DO SE......................................... 41 3.2.1 Metodologia .................................................................................................. 41 3.3 MODELAGEM DO CONHECIMENTO DO RBC................... ................... 46 3.3.1 Desenvolvimento do Sistema........................................................................ 46 3.3.2 Modelagem dos Casos .................................................................................. 46 3.3.3 Natureza dos Atributos ................................................................................47 3.4 MODELAGEM DO BANCO DE DADOS.................................................... 49 3.4.1 Relacionamentos de Músculos x Equipamentos ......................................... 49 3.4.2 Relacionamentos de Instituições x Campus x Cursos ................................ 49 3.4.3 Relacionamentos de Países x Estados x Cidades ........................................ 49 3.4.4 Relacionamentos de Usuários x Funções..................................................... 50 3.4.5 Relacionamentos de Alunos x Avaliação Física .......................................... 50 3.4.6 Relacionamentos de Alunos x Índice de Atividade Física .......................... 51 3.4.7 Relacionamentos de Alunos x Anamnese.................................................... 51 3.5 MODELAGEM DO SISTEMA - UML......................................................... 51 3.5.1 Diagramas da UML......................................................................................52 3.5.2 Diagramas de Casos de Uso (Use case)........................................................ 52 3.5.3 Diagramas de Pacotes ..................................................................................59 3.5.4 Diagrama de Atividades............................................................................... 60 3.5.5 Diagramas de Seqüência .............................................................................. 62 3.6 TELAS DO SISTEMA ................................................................................... 71 3.7 TESTES DE VALIDAÇÃO ........................................................................... 81 3.7.1 Antropometria.............................................................................................. 81 3.7.2 Aspectos hemodinâmicos e metabólicos ...................................................... 83

4 CONCLUSÕES..................................................................................86

REFERÊNCIAS BIBLIOGRÁFICAS..................................................89

Page 7: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

vii

LISTA DE ABREVIATURAS

BC Base de Casos CDC Centros para Controle e Prevenção de Doenças DER Diagrama Entidade Relacionamento DFD Diagrama de Fluxo de Dados FC Freqüência Cardíaca IA Inteligência Artificial IMC Índice de Massa Corporal JESS Java Expert System Shell JSE Java Standard Edition MER Modelo Entidade Relacionamento MI Máquina de Inferência O.M.S Organização Mundial de Saúde PA Pressão Arterial PA Peso Atual PC Computador Pessoal P.I Peso Ideal P.G Percentual de Gordura P.M Peso Magro RBC Raciocínio Baseado em Casos SE Sistema Especialista TC Taxa de Colesterol TCC Trabalho de Conclusão de Curso TG Taxa de Glicemia TPM Tensão Pré-Menstrual UML Unified Modeling Language UNIVALI Universidade do Vale do Itajaí VO² Volume de Oxigênio pulmonar

Page 8: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

viii

LISTA DE FIGURAS

Figura 1. Modelo de Sistema Especialista ......................................................................................21 Figura 2. Etapas de Construção de Sistema Especialista.................................................................24 Figura 3. Ciclo do RBC .................................................................................................................31 Figura 4. Estrutura do sistema com as técnicas de IA utilizadas .....................................................40 Figura 5. UtilizaJess.java ...............................................................................................................42 Figura 6. Trecho de código da base de regra pressao.clp ................................................................43 Figura 7. Classe Pressao.java.........................................................................................................44 Figura 8. Árvore de decisão de PA.................................................................................................45 Figura 9. Estrutura do caso de uso .................................................................................................47 Figura 10. Relacionamento de Músculo e Equipamentos...............................................................49 Figura 11. Relacionamento de Instituições x Campus x Cursos......................................................49 Figura 12. Relacionamento de Paises x Estados x Cidades.............................................................50 Figura 13. Relacionamento de Usuários x Funções ........................................................................50 Figura 14. Relacionamento de Alunos x Avaliação Física..............................................................50 Figura 15. Relacionamento de Alunos x Índice de Atividade Física ...............................................51 Figura 16. Relacionamento de Alunos x Anamnese .......................................................................51 Figura 17. Controle de acesso de usuários......................................................................................52 Figura 18. Caso de uso de alunos...................................................................................................53 Figura 19. Caso de uso consulta de alunos .....................................................................................53 Figura 20. Caso de uso consulta de equipamentos..........................................................................54 Figura 21. Caso de uso consulta de músculos.................................................................................54 Figura 22. Caso de uso consulta de professores..............................................................................54 Figura 23. Caso de uso consulta dados de anamnese ......................................................................55 Figura 24. Caso de uso consulta dados da avaliação física .............................................................55 Figura 25. Caso de uso consulta de ficha de programação..............................................................55 Figura 26. Caso de uso de professores e administrador do sistema .................................................56 Figura 27. Caso de uso de controle de login...................................................................................57 Figura 28. Caso de uso de professores atualização de alunos..........................................................57 Figura 29. Caso de uso de professores consultas de alunos.............................................................57 Figura 30. Caso de uso de professores e anamnese.........................................................................58 Figura 31. Caso de uso de professores e avaliação física ................................................................58 Figura 32. Diagrama de pacotes.....................................................................................................59 Figura 33. Diagrama de Atividades para a Avaliação Física...........................................................60 Figura 34. Diagrama de Atividades para o objeto pressão Jess. ......................................................61 Figura 35: Diagrama de Atividades para o objeto Índice de Aptidão no Jess. .................................62 Figura 36. Diagrama de Seqüência de Antropometria ....................................................................64 Figura 37. Diagrama de Seqüência de Índice de Massa Corporal ...................................................65 Figura 38. Diagrama de Seqüência de Índice de Aptidão Física .....................................................66 Figura 39. Diagrama de Seqüência do JESS no Índice de Aptidão Física .......................................67 Figura 40. Diagrama de Seqüência de geração de Programação .....................................................68 Figura 41. Diagrama de Seqüência do RBC...................................................................................70 Figura 42. Tela de Login de acesso................................................................................................71 Figura 43. Tela de entrada no sistema ............................................................................................71 Figura 44. Tela de atualização de alunos........................................................................................72 Figura 45. Tela de alteração de aluno.............................................................................................73 Figura 46. Tela de exclusão de alunos............................................................................................74

Page 9: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

ix

Figura 47. Tela de transação de avaliação física do aluno ..............................................................74 Figura 48. Tela de anamnese de risco coronário.............................................................................75 Figura 49. Tela de anamnese clínica ..............................................................................................75 Figura 50. Tela de transação de avaliação física antropometria ......................................................76 Figura 51. Tela de índice de massa corporal...................................................................................77 Figura 52. Tela de índice de atividade física ..................................................................................78 Figura 53. Tela de índice de atividade física ..................................................................................78 Figura 54. Tela de transação de avaliação física Vo2 .....................................................................79 Figura 55. Tela de Programação sugerida ......................................................................................80 Figura 56. Tela de Programação nova ficha ...................................................................................80 Figura 57. Tela de Relatório de Programação filtro........................................................................81 Figura 58. Tela de Relatório de Programação física .......................................................................81 Figura 57. Medida de Abdominal ................................................................................................152 Figura 58. Medida de Auxiliar Média ..........................................................................................152 Figura 58. Medida de Fêmur........................................................................................................153 Figura 59. Medida de Tríceps ......................................................................................................153 Figura 60. Medida de Escapula ....................................................................................................153 Figura 61. Medida do Peito..........................................................................................................153 Figura 62. Medida de Supra-Ilíaca ...............................................................................................154

Page 10: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

x

LISTA DE TABELAS

Tabela 1. Aumento e diminuição de parâmetros decorrentes da atividade física ...............................9 Tabela 2. Avaliação da Pressão Arterial – PA................................................................................10 Tabela 3. O Índice de Atividade Física ..........................................................................................11 Tabela 4. Avaliação e Catégoria de Aptidão ..................................................................................11 Tabela 5. Ponto de medidas de Yuhasz ..........................................................................................12 Tabela 6. Ponto de medidas de Faulkner ........................................................................................13 Tabela 7. Ponto de medidas de Pollock ..........................................................................................13 Tabela 8. Peso ideal.......................................................................................................................14 Tabela 9. Estimativa de VO² aproximado para as combinações de velocidade e inclinação ............16 Tabela 10. Condição de IMC em adultos .......................................................................................17 Tabela 11. Condição de IMC.........................................................................................................17 Tabela 12. Estrutura do caso..........................................................................................................30 Tabela 13. Natureza dos Atributos.................................................................................................48 Tabela 14. Diagramas da UML......................................................................................................52 Tabela 15. Entrada de dados do aluno............................................................................................82 Tabela 16. Tabela de percentual de gordura para homens...............................................................83 Tabela 17. Tabela de percentual de gordura para mulheres.............................................................83 Tabela 18. Estimativa de VO² aproximado para as combinações de velocidade e inclinação ..........84

Page 11: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

xi

LISTA DE EQUAÇÕES

Equação 1......................................................................................................................................11 Equação 2......................................................................................................................................12 Equação 3......................................................................................................................................13 Equação 4......................................................................................................................................13 Equação 5......................................................................................................................................13 Equação 6......................................................................................................................................13 Equação 7......................................................................................................................................14 Equação 8......................................................................................................................................16 Equação 9......................................................................................................................................16 Equação 10....................................................................................................................................17 Equação 11....................................................................................................................................48 Equação 12....................................................................................................................................82 Equação 13....................................................................................................................................82 Equação 14....................................................................................................................................82 Equação 15....................................................................................................................................83 Equação 16....................................................................................................................................83 Equação 17....................................................................................................................................84 Equação 18....................................................................................................................................84

Page 12: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

xii

RESUMO

BALBINOTTI, Alexandre Magnus. Sistema de Informações baseado em Sistemas Especialista e Raciocínio Baseado em Casos para Auxiliar na Prática Desportiva na UNIVALI. Itajaí, 2006. 89 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação)–Centro de Ciências Tecnológicas da Terra e do Mar, Universidade do Vale do Itajaí, Itajaí, 2006.

Uma grande preocupação dos professores de Educação Física ou Personal Trainers, que trabalham em academias de musculação é prescrever uma ficha de programação física, através de uma avaliação física. Segundo o profissional especialista outra preocupação é o acompanhamento de alguns atletas, pois fica difícil para o treinador, Personal Trainer, ou mesmo o profissional de Educação Física analisar o crescimento e desenvolvimento específico do atleta por não ter ferramentas que auxiliem o seu trabalho. Desta forma, termina recorrendo a ferramentas encontradas na Internet, algumas pagas, mas nenhuma delas atendendo sua real necessidade, que seria prescrever uma ficha de programação com os dados avaliados do aluno. O presente TCC apresenta um estudo de acompanhamento das atividades físicas da academia de musculação da Universidade do Vale do Itajaí – UNIVALI, onde foi desenvolvida uma ferramenta baseada em Sistemas Especialista e Raciocínio Baseado em Casos a fim de auxiliar os profissionais de Educação Física na prática desportiva na UNIVALI. Tal ferramenta coletará e analisará situações físicas dos alunos, tendo um histórico de suas avaliações físicas, seus comportamentos através de anamnese propiciando ao professor uma ficha de programação física para o aluno avaliado. Palavras-chave: Sistemas Especialistas. Raciocínio Baseado em Casos. Ficha de Programação Física.

Page 13: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

xiii

ABSTRACT

A great concern from the Physical Education teachers or Personal Trainers, who work in work out academies, is to prescribe a physical programming card, by a physical evaluation. According to the specialist professional another concern is the accompaniment of some athletes, because it is difficult for the trainer, Personal Trainer, or even for the Physical Education professional to analyze the growth and the athlete's specific development for not having tools to aid his work. For that, he looks for tools from internet, some of them paid, but none of them assisting his real need, that would be to prescribe a physical programming card with the evaluated data from the student. This work presents a study of attendance from the physical activities from the work out academy of the Universidade do Vale do Itajaí - UNIVALI, where was developed a tool based on Expert System and Case-Based Reasoning in order to aid the professionals of Physical education on the sport practice in UNIVALI. This tool will collect and will analyze the students' physical situations, based on a report of their physical evaluations, their behavior by anamnesis, providing to the teacher a physical programming card for the evaluated student. Key-words: Expert System. Case-Based Reasoning. Physical Programming’s Card.

Page 14: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

1 INTRODUÇÃO

Antigamente o homem buscava intensamente aprimorar seus músculos para melhorar o

desenvolvimento de sua força, pois era dela que tirava sua própria subsistência. Dela também

dependiam a caça e a defesa do território.

A medida em que a inteligência e o domínio do conhecimento foram se desenvolvendo, o

uso da força física foi utilizado para outros fins pelos romanos. Além das lutas ou recreação, foi

também utilizado nas práticas militares para adquirir riquezas e territórios. Mas a atividade física

teve seu apogeu com a criação das competições olímpicas, onde cada modalidade tinha seu devido

valor. Logo, havia a necessidade de treinamentos específicos para cada modalidade, ou seja, cada

competidor deveria ser o melhor no que ele fizesse e não mais em todas as modalidades. Com isso,

foi se aprimorando o estudo do corpo humano, de seus músculos e exercícios necessários para o

melhor desenvolvimento a fim de se chegar a um objetivo que na época era ser o melhor

competidor ou atleta de sua modalidade (RODRIGUES e CARNAVAL, 1997).

Nos últimos anos, as pesquisas médicas demonstram que boa parte da falta de saúde é

causada pela inatividade física. Através da consciência e de mais informações a respeito de

cuidados para com a saúde, as pessoas estão mudando seus hábitos de vida. Ao saberem que o único

meio de prevenir os males da inatividade é permanecer ativo, fazendo atividades físicas diárias, não

durante um mês, mas sim durante toda a vida (SOUZA, 1986 apud RODRIGUES e CARNAVAL,

1997).

Na ausência de exercícios físicos diários, o corpo torna-se depósito de tensões acumuladas e,

sem canais naturais de saída para essas tensões, os músculos tornam-se fracos e tensos. O ideal é

praticar atividade física durante toda a vida, mas, independente disto, é importante recuperar uma

existência mais saudável e gratificante em qualquer idade (RODRIGUES e CARNAVAL, 1997).

A atividade física pode ser dividida em três partes importantes: diárias (andar, correr, pular e

etc.), esportivas (prática de esportes como vôlei, futebol, natação, atletismo e etc), e desportivas

(prática de exercícios em academias de musculação) (CHARKEY, 1998).

A musculação auxilia outras atividades físicas principalmente a prática de esportes. O nome

musculação é usado para as séries de exercícios com sobrecarga (pesos), que se iniciaram nas

academias como modalidade masculina, que teria como objetivo o aumento do tamanho dos

músculos. Mas hoje em dia aconselha-se sua utilização para todos os sexos (RODRIGUES e

CARNAVAL, 1997).

Page 15: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

2

É verdade que a musculação deixa os músculos mais firmes, mas eles só vão aumentar de

tamanho realmente se o exercício for prescrito com esse objetivo. Eles ficam mais firmes porque há

um aumento em sua densidade, o que os torna mais pesados. Além de delinear e enrijecer os

músculos, a musculação ainda colabora no aumento do gasto calórico em programas de

emagrecimento, e ajuda a evitar lesões, pois os músculos mais fortes dão mais estabilidade às

articulações. Junto com essas vantagens, tem também o bem estar proporcionado pelo exercício

físico (MATSUDO e MATSUDO, 2000).

Não se pode deixar de observar, que para ter todos esses benefícios, o programa de

exercícios deve ser prescrito considerando as características de cada pessoa e seus objetivos, por um

profissional habilitado. Conforme Rasch (1996 apud RODRIGUES e CARNAVAL, 1997), “um

programa de treinamento deve ser prescrito individualmente com o mesmo cuidado que se

prescreve um medicamento”, pois cada pessoa tem uma tendência ou dificuldade diferenciada de

outra.

Desta forma estrutura-se o treinamento de uma pessoa, e é necessário saber seu objetivo,

para que este possa ser alcançado. Sendo assim, deve-se previamente definir as possibilidades de

objetivos, tais como:

1. Atlético desportivo: levantamento olímpico e modelagem física também conhecida como

halterofilismo; e

2. Utilitária: recreação, estética, aplicação desportiva e aplicação médica (RODRIGUES e

CARNAVAL, 1997).

Para isso, a academia de musculação da UNIVALI conta com uma sala no ginásio de

esportes, equipada com 35 aparelhos para a prática desportiva, uma televisão, microcomputador PC

e um aparelho de som, dois professores responsáveis para aténder cerca de 60 alunos por dia em

média (Anexo I), com diferente faixa etária e objetivos distintos. Muitos desses alunos utilizam a

academia durante um curto período, estipulado pelos professores menos de um mês, que chega a um

percentual de 30% dos alunos (CCS, 2005).

São aténdidos alunos, professores e funcionários da Universidade e do Colégio de Aplicação

UNIVALI (CAU), dando prioridade a seu público alvo que são os alunos. A musculação funciona

de segunda a sexta feira durante o ano letivo da Universidade, sendo que a academia entra em férias

duas vezes ao ano, nas férias de Junho e final de ano. Os horários disponíveis de aténdimento são as

terças e quintas feiras nos horários matutinos das 11h30min às 13h30min, à tarde das 16h30min às

Page 16: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

3

18h00min e à noite das 18h30min às 22h30minh, em outros dias o aténdimento é somente no

período da tarde e noite.

As informações referentes aos alunos são coletadas através de um questionário (Anexo II),

sendo elas: nome do aluno, turma, data de início, idade, objetivo, nível de atividade física: iniciante,

quem nunca faz qualquer tipo de atividade física; intermediário, pessoas que já fizeram academia ou

praticam algum tipo de atividade física; experiente, pessoas que já estão fazendo uso da prática

esportiva com acompanhamento há algum tempo, e outras informações referentes a sua

programação como nome do exercício a ser realizado, nome do aparelho, quantidade de repetições e

pesos. Essas informações são preenchidas manualmente em uma ficha de cartolina, sendo

diferenciada por suas cores azul para masculino e rosa para feminino e armazenadas em um

fichário. Com isso, cabe ao profissional de Educação Física tomar a decisão sobre o tipo de

aparelho necessário, suas repetições, pesos e intervalos para tal pessoa.

Outra preocupação é o acompanhamento de alguns atletas, pois fica difícil para o treinador,

Personal Trainer, ou mesmo o profissional de Educação Física analisar o crescimento e

desenvolvimento específico do atleta por não ter ferramentas que auxiliem o seu trabalho, tendo que

recorrer a ferramentas encontradas na Internet, algumas pagas, mas nenhuma delas aténdendo sua

real necessidade, que seria oferecer uma suposta programação física com os dados coletados.

Para esse projeto foi desenvolvida uma ferramenta baseada em Sistemas Especialistas e

Raciocínio Baseado em Casos para auxiliar os profissionais de Educação Física na prática

desportiva na UNIVALI, auxiliando na tomada de decisão na hora da escolha do programa de

exercícios.

O Sistema Especialista (SE) foi utilizado para reproduzir o conhecimento de um especialista

ao longo de seus anos de trabalho (KANDEL, 1992). Na 1ª parte da Avaliação Física, onde são

coletados dados do aluno como: idade em anos, sexo, gordura percentual (tríceps, suprailiaca, coxas

e abdômen), altura em centímetros, resistência aeróbica com teste de 12 minutos de esteira, e

cineantropometria, ou seja, medidas corporais tais como circunferência de tórax, abdômen, cintura,

quadril, bíceps, antebraços, coxas e panturrilhas, para criação de uma base de fatos que representa

os conhecimentos que podem ser considerados como o ponto de partida para a resolução do

problema. Seus padrões podem ser caracterizados como o conhecimento de domínio público, que

podem ser extraídos através de normas já estabelecidas em livros, manuais, textos etc, para

constatação de fatos e resultados de experimentos (FERNANDES, 2003).

O SE teve presente no controle da Pressão Arterial (PA), onde é informada a pressão

sanguínea (sistólica e diastólica) para avaliação de controle de PA, ou seja, se esta dentro dos

Page 17: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

4

padrões aceitáveis (normal, elevada e muito elevada em 4 estágios). Maiores informações sobre a

PA podem ser encontrados no Capítulo 3.

Na segunda parte foram coletados dados do histórico que antecede o estado físico do aluno

com informações familiares, costumes e tendências, conhecido como “Anamnese”. Os dados

coletados são: possíveis problemas (cardíacos, respiratórios, articulares, postura); faz-se ou fez uso

de bebida alcoólica; se for ou já foi fumante; se faz uso de medicamentos e quais; se tem algumas

cirurgias recentes e quais; se é alérgico a substâncias e quais. Esta etapa foi utilizada para auxiliar o

profissional de Educação Física na prescrição dos exercícios, salvo que é apenas para complemento

da avaliação do aluno, não constando se quer qualquer regra ou técnica para esse auxilio.

Já o RBC (Raciocínio Baseado em Casos), foi utilizado para validação da prescrição da

atividade física conforme a coleta de dados no SE acima citado. O RBC teve um papel fundamental

para a prescrição da atividade física, pois foram elaboradas as fichas de prescrição conforme casos

passados com grau de similaridade das medidas antropométricas, sexo, idade etc. Para se criar uma

base de casos, onde cada caso tem seus atributos os quais aqui chamamos de “medidas”, seus

respectivos valores e seus graus de similaridade. O RBC servirá para auxiliar na solução do

problema, e para o aprendizado baseado em experiências passadas, ou seja, quanto mais se utilizar,

mais inteligente se torna o programa no auxílio às decisões. Também foi utilizado para recuperação

e adaptação de experiências passadas chamadas casos, armazenadas em uma base de casos.

Conforme Wangenheim e Wangenheim (2003), “um novo problema é resolvido com base na

adaptação de solução de problemas similares já conhecidas”. Em nosso caso foi utilizado no auxilio

da escolha de qual programação esportiva para os alunos avaliados.

1.1 OBJETIVOS

1.1.1 Objetivo Geral

O objetivo geral deste projeto é desenvolver uma ferramenta web baseada em SE e RBC

para auxiliar o profissional de Educação Física da UNIVALI na escolha da programação de

atividade física do aluno.

1.1.2 Objetivos Específicos

Os objetivos específicos deste projeto de pesquisa são:

• Analisar o tema/problema e soluções similares;

Page 18: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

5

• Analisar as variáveis a serem utilizadas no SE;

• Classificar o SE a ser desenvolvido, bem como estabelecer sua estrutura;

• Analisar as variáveis a serem utilizadas no RBC, seus elementos básicos e pesos para as

variáveis;

• Modelar métricas de similaridade do RBC;

• Estudo de tecnologias necessárias à implementação do sistema;

• Fazer a modelagem do SE, RBC e do Sistema;

• Validar a interface e modelagem do sistema;

• Validar a parte de SE e RBC;

• Desenvolvimento de um protótipo;

• Realizar teste simulado de funcionamento das funções (software) e transações do

sistema (software, hardware).

1.2 METODOLOGIA

A metodologia deste TCC divide-se em etapas já realizadas no TCC I e etapas previstas para

o TCC II. O presente TCC consiste no desenvolvimento de uma ferramenta baseada em Sistemas

Especialista e Raciocínio Baseado em Casos para auxiliar os profissionais de Educação Física na

prática desportiva na UNIVALI. De modo geral, faz-se necessário a execução de atividades, tais

como leituras específicas sobre avaliação física, entrevistas com especialistas da área, obtenção de

casos reais para utilização do RBC, com questionários armazenados em fichas para carga no banco

de dados e entrevistas com alunos para verificar necessidades na musculação, dúvidas, objetivos

etc.

No primeiro momento foi feito uma pesquisa de campo para analisar quais as dificuldades

encontradas para o acompanhamento dos alunos da academia de musculação da Universidade,

juntamente com as necessidades de avaliação dos professores responsáveis pelo acompanhamento.

Através deste levantamento de informações e necessidades, foi escolhido o tema abordado,

analisadas as fichas de prescrição de atividades físicas, também conhecida como “ficha de

programação”.

Page 19: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

6

Na segunda etapa foi analisado o ponto de vista dos alunos da academia, onde foram

entrevistados 80 alunos através de um questionário (Anexo III) para apontar algumas mudanças que

poderiam ser feitas (melhorias), quais as necessidades de acompanhamento que eles gostariam que

fossem feitas para obter um controle de avaliação física com medidas antropométricas etc.

Após estas etapas, foi feita uma pesquisa pela internet a procura de ferramentas similares no

mercado, onde se constatou que nenhuma delas aténdia perfeitamente as necessidades dos alunos e

profissionais de Educação Física da Universidade. No Capítulo 2, tem-se uma explicação das

vantagens e desvantagens de duas ferramentas pesquisadas e analisadas.

Sendo assim, foi feita uma nova entrevista com os professores de Educação Física, para

modelagem de quais regras eles gostariam que o sistema oferecesse, e quais não teriam

necessidades. Através das entrevistas que foram retirados os requisitos funcionais e não funcionais

do sistema. Foi feito um levantamento dos recursos que dispõe a academia de musculação da

UNIVALI, em forma de um relatório descrito pelo profissional da área, e aprovado pelo mesmo.

Através da entrevista com o especialista da área foi possível estabelecer as variáveis a serem

utilizadas pelo SE e pelo RBC, dando ênfase as notações dadas pelo especialista e engenheiro do

conhecimento. O SE pode ser classificado como de interpretação, que são sistemas que inferem

descrições de situações a partir da observação de fatos, ou seja, analisa os dados e procura

determinar sua relação e seus significados (FERNANDES, 2003).

A pesquisa bibliográfica teve um papel importante dentro do SE, pois foi através dela que se

tiveram as regras para avaliação física ( VO², % de gordura, taxa de colesterol, PA, índice de

atividade física etc). Foram estudados e documentados os fatores críticos de sucesso (usuário,

especialista, gerente de projeto e engenheiro do conhecimento), estrutura (base de conhecimento,

máquina de inferência, subsistema de explicação, interface do usuário) e as características

(conhecimento de alto nível, facilidade de treinamento, corpo do conhecimento, memória

institucional e modelo preditivo) para o SE.

Já na parte de modelagem do SE foram criadas as árvores de decisão e em seguida as regras

as quais foram validadas no Expert Sinta.

Também foram estudados e documentados os elementos básicos do RBC, suas métricas de

similaridade, os pesos das variáveis estabelecidas juntamente com o profissional da área e o ciclo do

RBC também conhecido como os 4 R (recuperação, reutilização, revisão e retenção).

A modelagem do projeto foi descrita em UML que é uma linguagem universal para

descrever os requisitos funcionais, não funcionais, casos de uso, diagramas (atividades, seqüência,

classes etc) e protótipo de telas do sistema, através de uma ferramenta paga o Interprise Architect.

Page 20: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

7

1.3 ESTRUTURA DO TRABALHO

Este trabalho está descrito através de uma introdução, onde tem - se uma visão geral sobre o

escopo do trabalho, falando sobre o tema problema (necessidades), a solução proposta, em seguida

o objetivo geral, ou seja, a finalidade do projeto como um todo.

A Fundamentação Teórica do trabalho esta dividida em três seções (Atividade física, SE e

RBC), onde cada seção explica sua utilização (aplicação) dentro do escopo do trabalho, a atividade

física fala sobre duas partes importantes para avaliação física: Antropometria que seria a medidas

corporais e Aspectos Hemodinâmicos e Metabólicos, com testes de resistência. O SE fala sobre as

etapas necessárias para seu desenvolvimento bem como sua fundamentação teórica e o RBC onde

terá juntamente com os dados do SE para montagem da ficha de programação física com base em

casos anteriores.

O Desenvolvimento trata das etapas técnicas realizadas do sistema, com suas regras, árvores

de decisão, explicação de pesos e variáveis a serem utilizadas nas técnicas de SE e RBC, a

modelagem das informações, a descrição dos passos necessários para a montagem do SE com a

utilização de uma Shell Java (JESS), e os passos para criação de uma base de caso para o RBC.

Para finalizar, é apresentada uma conclusão com todos os problemas e objetivos alcançados.

Page 21: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

2 FUNDAMENTAÇÃO TEÓRICA

Este capítulo discute aspectos importantes em se tratando de Prescrição de Atividades

Físicas. Ele está subdividido em quatro partes: (i) explanação sobre o problema encontrado pelos

Professores da Academia de Musculação da UNIVALI; (ii) dissertação sobre os aspectos

importantes para uma avaliação física; (iii) fundamentação do uso de algumas fórmulas para

avaliações físicas, e (iv) descrição do uso de medidas (Antropometria) para avaliação física dos

alunos.

2.1 PRÁTICA DE ATIVIDADES FÍSICAS

De acordo com Lima (1999), a saúde é, na maioria das vezes, um fator que controla e

previne o surgimento de algumas doenças. A literatura apresenta algumas vantagens que a atividade

física proporciona:

• As pessoas ativas têm vida mais intensa, apresentam mais vigor, resistem mais às

doenças e permanecem em forma. São mais autoconfiantes, menos deprimidas e

estressadas (RODRIGUES e CARNAVAL, 1997);

• A prática de exercícios físicos regulares como fator determinante no aumento da

expectativa de vida das pessoas (KATCH e MCARDLE, 1996);

• Matsudo e Matsudo (2000) reiteram a prescrição de atividade física enquanto fator de

prevenção de doença e melhoria da qualidade de vida;

• Lima (1999) afirma que a Atividade Física tem, cada vez mais, representado um fator de

Qualidade de Vida dos seres humanos, possibilitando-lhes uma maior produtividade e

melhor bem-estar;

• Blair et al. (2001) identificam nas sociedades industrializadas a atividade física

enquanto fator de qualidade de vida, quer seja em termos gerais, quer seja relacionada à

saúde;

• Lopes e Alterthum (1999) escrevem que a prática da caminhada contribui para a

promoção da saúde de forma preventiva e consciente, vendo na atividade física um

importante instrumento de busca de melhor qualidade de vida;

Page 22: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

9

• Para Silva, Chorayerb e Barros (1999), uma pessoa ativa tem tendência a ter o seu peso

dentro da faixa normal e mantê-lo com mais facilidade e por mais tempo do que a

sedentária;

• Já para Dantas, Carvalho e Pinheiro (2006), o ativo apresenta pressão arterial e

freqüência cardíaca mais baixa do que o sedentário, tanto em repouso quanto em

atividade. Desta forma, suporta por mais tempo o exercício enquanto o sedentário tem

certas limitações cardiovasculares;

• Para Guedes e Guedes (1995) ajuda na prevenção da osteoporose e na diminuição da

TPM (Tensão Pré-Menstrual);

• Conforme Nahas (1997) a pessoa ativa tem maior VO2 (volume de oxigênio pulmonar)

e suporta atividades de longa duração com mais facilidade;

• Rodrigues e Carnaval (1997) afirmam que a atividade física melhora a postura e ajuda a

combatér maus hábitos como o fumo, entre outros; e

• Melhoria da força física, resistência, flexibilidade e facilidade na realização de tarefas

cotidianas (LIMA, 1999).

A atividade física sistemática pode proporcionar modificações morfológicas e funcionais em

diversas partes do organismo. A Tabela 1 demonstra alguns parâmetros que tendem a aumentar e

outros que reconhecidamente diminuem com a prática de atividades físicas regulares.

Tabela 1. Aumento e diminuição de parâmetros decorrentes da atividade física

Aumenta Diminui Capacidade de transporte de oxigênio Ação neuro-hormonal exagerada Capacidade fibrinolítica Atividade plaquetária Circulação colatéral Depressão isquêmica para cargas semelhantes Conteúdo de oxigênio no sangue Estresse psíquico Eficiência cardíaca Freqüência cardíaca Eficiência na distribuição do sangue Intolerância à glicose Eficiência no retorno venoso Menos manifestações clínicas para o mesmo esforço Função tireoideana Níveis lipídicos Hormônio de crescimento Obesidade Massa de eritrócitos e volume sanguíneo Pressão arterial sistêmica Tamanho do vaso Produção crônica de catécolaminas Torelância ao estresse Vulnerabilidade para a arritmia

Fonte: Adaptado de Fitcor (1997, apud CHARKEY, 1998).

Page 23: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

10

A pressão arterial é vital para a avaliação da atividade física e merece aténção especial.

Pressão arterial alta, ou hipertensão, é considerada um assassino silencioso, sendo que faz-se

necessário a checagem periódica da PA, para maior longevidade de vida. Existem dois tipos de

pressão: a pressão sistólica, exercida contra as paredes internas da artéria quando o coração se

contrai para bombeamento do sangue e a pressão diastólica, exercida contra as paredes internas da

artéria entre um batimento e outro, quando o coração está relaxado. Ambas as pressões contribuem

para a pressão média (CHARKEY, 1998).

A pressão média é exercida nas paredes internas da artéria, e ambas tem conseqüência para a

saúde. A Tabela 2 mostra os limites aceitáveis da PA, onde na hipertensão está dividida em

estágios, e cada estágio corresponde a uma atividade a ser exercida ou aplicada.

• Estágio 01: corresponde à aplicação de dieta, perda de peso e exercício;

• Estágio 02: corresponde à aplicação de dieta, perda de peso, exercício, diminuição de

estresse;

• Estágio 03: corresponde à aplicação de dieta, perda de peso, exercício, diminuição de

estresse e uso de medicamentos para baixar a PA; e

• Estágio 04: corresponde à aplicação de dieta, perda de peso, exercício, diminuição de

estresse e uso de medicamentos para baixar a PA e possíveis cirurgias (angeoplastia e/

ou ponte de safena).

Tabela 2. Avaliação da Pressão Arterial – PA

PA Sistólica PA Diastólica Ação PA normal < 130 mmHg < 85 mmHg Revistar anualmente PA Limite 130 – 139 85 – 89 Revistar em 6 meses PA Hipertensão Estágio 01 140 – 159 90 – 99 Rechecar Estágio 02 160 – 179 100 – 109 Consultar médico logo Estágio 03 180 – 210 110 – 120 Consultar médico agora Estágio 04 > 210 >120 Consultar médico já

Fonte: Adaptado de Charkey (1998).

A atividade física juntamente com outros fatores de vida (alimentação, vida social, espiritual

etc) ajuda na prevenção de doenças. À medida que aumenta sua intensidade, duração e freqüência

aumentam o escore do índice de aptidão física (CHARKEY, 1998). São dados pesos para cada

variável como mostra na Tabela 3 para se chegar a um escore que é calculado através da Equação 1,

a qual dá a prescrição de qual índice de atividade física encontra-se a pessoa avaliada (Tabela 4).

Page 24: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

11

Tabela 3. O Índice de Atividade Física

Escore Atividade Diária Intensidade 5 Respiração pesada sustentada e transpiração 4 Respiração pesada intermitente e transpiração 3 Moderadamente pesada 2 Moderado 1 Leve Duração 4 Acima de 30 min 3 20 a 30 min 2 10 a 20 min 1 Abaixo de 10 min Freqüência 5 Diariamente ou quase diariamente 4 3 a 5 vezes por semana 3 1 a 2 vezes por semana 2 Poucas vezes ao mês 1 Menos de uma vez por mês

Fonte: Adaptado de Charkey (1998).

O índice de atividade física é catégorizado conforme a Tabela 4, onde é mostrado o total de

escore acumulado, o tipo de avaliação, ou seja, se a pessoa tem um estilo de vida muito intenso,

saudável, aceitável ou sedentário. Por fim catégoriza a capacidade física da pessoa como alta, muito

boa, boa, pobre ou muito pobre.

Tabela 4. Avaliação e Catégoria de Aptidão

Escore Avaliação Catégoria de Capacidade Física. 100 Estilo de vida muito alto Alta 80 a 100 Ativo e saudável Muito boa 40 a 80 Aceitável Boa 20 a 40 Não suficientemente boa Insuficiente

Fonte: Adaptado de Kasari (1976 apud CHARKEY (1998).

Para se calcular o escore de aptidão física foi utilizada a Equação 1, estabelecida por

Charkey (1998).

Escore = intensidade × duração × freqüência Equação 1

Page 25: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

12

2.2 AVALIAÇÃO FÍSICA

A avaliação física está divida em duas partes importantes e distintas: Antropometria e

Aspectos hemodinâmicos e metabólicos. Para a avaliação física, existem regras estabelecidas. São

definidos pontos de medidas, também chamado de “dobras cutâneas” do corpo humano para

verificar o percentual de gordura do corpo, e através do percentual de gordura comparado a uma

tabela (Anexo IV), referente à idade e sexo da pessoa pode-se definir se ela está magra, peso

normal, com excesso de peso ou obesa.

Através das fórmulas dos autores (Yuhasz 1962, Faulkner 1968 e Pollock 1975 apud

GOMES e FILHO, 1992), estudiosos sobre o tema, é possível verificar o percentual de gordura do

corpo humano.

Segundo Yuhasz (1962, apud GOMES e FILHO, 1992) é necessário somente 6 (seis) pontos

de medida para avaliar o percentual de gordura (Tabela 5), enquanto Faulkner (1968, apud GOMES

e FILHO, 1992) utiliza 4 (quatro) pontos (Tabela 6), e Pollock (1975, apud GOMES e FILHO,

1992) utiliza 7 (sete) pontos (Tabela 7).

Tabela 5. Ponto de medidas de Yuhasz

Pontos Descrição Abdominal Parte localizada entre o umbigo e as costelas Coxa Direita e Esquerda Membro inferior entes do joelho Peito Parte localizada entre os mamilos Subescapular Parte abaixo de espádua. Supraílica Parte latéral da barriga Tríceps Parte posterior do braço

Fonte: Adaptado de Gomes e Filho (1992).

O cálculo para o percentual de gordura de Yuhasz (1962, apud GOMES e FILHO, 1992) é

simples, é feito uma somatória de todas as medidas, multiplicado por 0,097 e subtraído por 3.64,

conforme Equação 2.

P.G = ST × 0,097 – 3,64 Equação 2

Legenda

P.G � percentual de gordura P.G F � percentual de gordura feminina P.G M � percentual de gordura masculina P.M � peso magro P.A. � peso atual P.I � peso ideal ST � soma dos pontos

Page 26: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

13

Tabela 6. Ponto de medidas de Faulkner

Pontos Descrição Abdominal Parte localizada entre o umbigo e as costelas Coxa Direita e Esquerda Membro inferior entes do joelho Peito Parte localizada entre os mamilos Subescapular Parte abaixo de espádua.

Fonte: Adaptado de Gomes e Filho (1992).

Já o cálculo de Faulkner (1968, apud GOMES, 1992) é dividido em fórmulas separadas,

onde a primeira é feita para um percentual de gordura normal com o somatório de todas as medidas,

multiplicado por 0,153 e adicionado 5,783 (Equação 3), a segunda fórmula ele pega o percentual

calculado multiplicado pelo peso atual da pessoa dividido por cem (Equação 4). Para finalizar

utiliza a Equação 5 para calcular o Peso Magro da pessoa, onde é igual ao peso atual menos o

percentual de gordura da Equação 3.

P.G = ST × 0,153 + 5,783 Equação 3

P.G = (P.G × P.A)/ 100 Equação 4

P.M = P.A – P.G Equação 5

Tabela 7. Ponto de medidas de Pollock

Pontos Descrição Abdominal Parte localizada entre o umbigo e as costelas Auxiliar Média Cintura Coxa Membro inferior antes do joelho Peito Parte localizada entre os mamilos Subescapular Parte abaixo de espádua. Supraílica Parte latéral da barriga Tríceps Parte posterior do braço

Fonte: Adaptado de Gomes e Filho (1992).

O diferencial da fórmula de Pollock (1975, apud GOMES e FILHO, 1992) para os outros

especialistas é que utiliza uma fórmula por sexo (masculino, feminino), ou seja, para mulheres

utiliza a Equação 6 e para homens a Equação 7, onde ST é a soma total das medidas.

P.G F= 1,0970 - [0,00046971 (ST) + 0,00000056 (ST)2 ] - 0,00012828 × (IDADE) Equação 6

Page 27: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

14

P.G M = 1,112 - [0,00043499 (ST) + 0,00000055 (ST)2 ] - 0,0002882 × (IDADE) Equação 7

Tabela 8. Peso ideal

Sexo Magreza Normal Excesso Obesidade Masculino < 7% 7% a 15 % 15% a 20% > 20% Feminino < 12% 12% a 25% 25% a 30% > 30 %

Fonte: Adaptado de Charkey (1998).

2.2.1 Antropometria

É uma ciência que vem se desenvolvendo desde os antigos egípcios e hindus, os quais já

possuíam a curiosidade de medir seus corpos, empregando partes do corpo como unidade de

medida, como o dedo médio, o polegar, o pé etc (RODRIGUES e CARNAVAL, 1997).

A antropometria nada mais é que a medida de corpos. Conforme Ferreira (1999),

“Antropometria é: Processo ou técnica de mensuração do corpo humano ou de suas várias partes.

Repartição onde se pratica a antropometria”.

Na análise antropométrica alguns elementos tem que ser analisados, como os pontos de

referência, que são os pontos do corpo humano que serão medidos, e estão divididos em: Lineares,

Circunferênciais e Massas.

2.2.1.1 Medidas Lineares:

São medias em relação a membros do corpo sendo:

1. Estatura: pode ser medida em pé ou deitado, correspondendo à distância do vértex até a

região plantar, realizando a medida o mais próximo possível em cm;

2. Altura Total: distância da região plantar ao dactylon, com o membro superior direito

elevado a 180º, por sobre a cabeça, na vertical;

3. Altura Sentado: sentado em um banco que possibilite a obtenção de um ângulo reto entre

o pé e a perna, a perna e a coxa, e a coxa e o abdômen. Mede-se a distância do vértex ao

assento; e

4. Altura do Tronco: sentado da mesma forma da altura sentado, mede-se do banco até a 7ª

vértebra cervical.

Page 28: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

15

2.2.1.2 Medidas de Circunferências

As medidas de circunferência correspondem as chamados perímetros.

1. Tórax (Peitoral): sentado e com os braços para baixo, coloca-se o antropômetro

perpendicularmente ao tórax por trás da pessoa. Mede-se a distância entre os pontos

direito e esquerdo;

2. Abdominal: ao fim de uma expiração normal, mede-se a distância entre os dois pontos

achados na interseção das linhas imaginárias médias axilares, direita e esquerda, com a

linha imaginária paralela ao solo, que passa pelo ponto meso-esternal;

3. Quadril: antropômetro de braço curvo mede-se com a distância do ponto meso-esternal à

apófise espinhosa vertebral, num plano horizontal ao ponto meso-esternal;

4. Braço: distância entre os pontos ileocristal direito e esquerdo;

5. Antebraço: braço em flexão em 90º, antebraço em flexão de 90º, medir a distância entre

os epicôndilos umerais, latéral e medial;

6. Coxa: distância entre os processos estilóides do rádio e cúbito; e

7. Perna: distância entre os dois côndilos femorais, estando a pessoa sentado, com pernas

em flexão de 90º com o tronco, sem tocar os pés no solo.

2.2.1.3 Medidas de Massa

É a mais usada das medidas antropométricas em Educação Física (RODRIGUES e

CARNAVAL, 1997). A tomada do peso antes e após o exercício é um tipo de medida que deve ser

encarado com cautela, pois a sua diminuição é devido à perda de água e sal, e não queima de

gordura, recuperando rapidamente o peso inicial. Conforme Ferreira (1999), “Peso é: força que age

sobre um corpo nas vizinhanças de um planeta e resulta da atração universal; o produto da massa de

um corpo pela aceleração da gravidade.”, e “Massa é: a unidade de volume dum corpo; massa

volumar, massa volumétrica”.

2.2.2 Aspecto Hemodinâmico e Metabólico

Este capítulo discute aspectos importantes em se tratando de prescrição de atividades físicas.

Ele está subdividido em duas partes: o primeiro é o teste de resistência de esteira, e o segundo o

teste de corrida. È através destes testes de resistência que pode ser medido o VO² max, segundo a

Tabela 9.

Page 29: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

16

2.2.2.1 Teste de VO² máx.

O teste de VO² pode utilizar tanto medidas metabólicas (concentração de oxigênio, dióxido

de carbono ou volume de ar expirado) quanto estimar a classificação do aluno.

A esteira é um aparelho de musculação também utilizado para caminhadas ou corridas. É

feita uma avaliação do aluno com o aparelho durante 12 minutos de caminhada em dois estágios:

• Repouso nas 3 etapas (antes, durante, após), para avaliação da freqüência

cardíaca(bat/min) e pressão arterial(mmHg); e

• Esforço também nas 3 etapas (antes, durante, após) para avaliação da freqüência

cardíaca(bat/min), pressão arterial(mmHg), peso corporal(Kg) e percepção de esforço; e

A corrida será realizada em uma esteira onde o aluno terá que percorrer uma distância de

1.000 metros com o menor tempo possível. Também terá dois estágios:

• Repouso nas 3 etapas (antes, durante, após), para avaliação da freqüência

cardíaca(bat/min) e pressão arterial(mmHg); e

• Esforço também nas 3 etapas (antes, durante, após) para avaliação da freqüência

cardíaca(bat/min), pressão arterial(mmHg), peso corporal(Kg) e percepção de esforço.

Tabela 9. Estimativa de VO² aproximado para as combinações de velocidade e inclinação

Classificação Vo2 Absoluto (litro/min) Vo2 Relativo (ml/kg/min) Cardíacos gravemente enfermos 1 (l/mim) 16 a 18 Cardíacos moderadamente enfermos 1 a 2 18 a 22 Sedentários baixa capacidade física 2,1 a 2,7 23 a 29 Sedentários média capacidade física 2,7 a 3,3 30 a 39 Ativos treinados > 3,4 > 40 Atletas de alto nível 6 80

Fonte: Adaptado de Yazbek & Battistella (1994, apud CHARKEY, 1998)

Para o cálculo de VO2 máx, faz-se necessário saber o íncide de aptidão física da pessoa bem

como seu sexo. Para homens aplica-se a Equação 8, já para mulheres aplica-se a Equação 9.

Homens VO2(mL/[Kg×min]) = 122.0 – (5.31 × Tempo em minutos) Equação 8

Mulheres VO2(mL/[Kg×min]) = (-1.123 × [ Tempo em minutos] + 61,57) Equação 9

Page 30: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

17

2.2.3 Índice de Massa Corporal - IMC

O índice de Massa Corporal (IMC) é uma fórmula que indica se um adulto está acima do

peso, se está obeso ou abaixo do peso ideal considerado saudável. A fórmula para calcular o Índice

de Massa Corporal conforme a Equação 10.

IMC = peso / (altura)² Equação 10

Antes de tudo, é preciso salientar que o Índice de Massa Corporal é apenar um indicador, e

não determina de forma inequívoca se uma pessoa está acima do peso ou obesa (Charkey, 1998).

A Organização Mundial de Saúde (O.M.S) usa um critério simples conforme mostra a Tabela 10.

Tabela 10. Condição de IMC em adultos

Condição IMC em Adultos Abaixo do peso abaixo de 18,5 Peso normal entre 18,5 e 25 Acima do peso entre 25 e 30 Obeso acima de 30

Fonte: Adaptado de Sobierajski (2006).

A vantagem do sistema da Organização Mundial de Saúde é que ele é simples, com números

redondos e fáceis de utilizar. Há outros critérios mais detalhados. Segundo Sobierajski (2006) “Os

resultados da NHANES II SURVEY (National Health and Nutrition Examination Survey), uma

pesquisa realizada nos Estados Unidos entre 1976-1980, indicaram a adoção dos seguintes

critérios:” conforme mostra a Tabela 11.

Tabela 11. Condição de IMC

Condição IMC p/ Mulheres IMC p/ Homens Abaixo do peso <19,1 <20,7 no peso normal 19,1 - 25,8 20,7 - 26,4 marginalmente acima do peso 25,8 - 27,3 26,4 - 27,8 acima do peso ideal 27,3 - 32,3 27,8 - 31,1 obeso > 32,3 > 31,1

Fonte: Adaptado de Sobierajski (2006).

Existem problemas em usar o IMC para determinar se uma pessoa está acima do peso. Por

exemplo, pessoas musculosas podem ter um índice de massa corporal alto e não serem gordas, não é

aplicável para crianças, diferenças raciais, ou seja, à Organização Mundial de Saúde concluiu que

pessoas de origem asiática poderiam ser consideradas acima do peso com um IMC de apenas 23.

Page 31: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

18

2.3 ANAMNESE

A anamnese esta sendo dividida em duas partes neste projeto: (i) anamnese clínica e (ii)

anamnese de risco coronário. Serão coletados dados do histórico que antecede o estado físico do

aluno com informações familiares, costumes e tendências, conhecido como “anamnese”. Os dados

coletados são: possíveis problemas (cardíacos, respiratórios, articulares, postura); faz-se ou fez uso

de bebida alcoólica; se for ou já foi fumante; se faz uso de medicamentos; se tem algumas cirurgias

recentes; e se é alérgico a substâncias.

2.3.1 Anamnese Clínica

A anamnese clínica é utilizada para levantamento de dados clínicos como: aspecto

cardiorespratório; aspecto musculoesquelético; aspecto ósteoarticular; cirurgias recentes; lesão

grave; patologias anteriores; reação alérgica; e uso de medicamento.

2.3.2 Anamnese de Risco Coronário

A anamnese clínica é utilizada para levantamento de dados clínicos como: Problemas

Cardíacos; Prática de Atividade Física; Restrição de Atividade Física; Fumante; Peso Corporal;

Pressão Arterial; Taxa de Colesterol e Taxa de Glicemia, esses dados são informados pelo professor

avaliador do aluno, através de laudos médicos e outros dados já informados na avaliação física

inicial.

2.4 SISTEMA ESPECIALISTA

Os sistemas especialistas podem ser caracterizados como sistemas que reproduzem o

conhecimento de um especialista adquirido ao longo dos anos de experiência (KANDEL, 1992),

conforme Watérman, (1986, apud FENANDES 2003) é extraído do especialista seus

procedimentos, estratégias e regras para solução de seus problemas.

Seus padrões podem ser caracterizados como o conhecimento de domínio público, que pode

ser extraído através de normas já estabelecidas em livros, manuais, textos etc, para constatação de

fatos e resultados de experimentos (FERNANDES, 2003).

Sua estratégia para se chegar a uma decisão é criando uma base de regras que representa os

conhecimentos que são extraídos diretamente dos especialistas. Estes conhecimentos representam o

“pensamento” desenvolvido pelo especialista, tendo por base os fatos já conhecidos e as deduções a

partir deles. Por fim é criada uma base de conhecimento que é o conjunto do conhecimento a

Page 32: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

19

respeito do domínio do problema nas tomadas de decisão, feitas através de fatos e regras “se

CONDICAO então” conforme Pereira (1995, apud FERNANDES 2003).

2.4.1 Especialista

O especialista é aquela pessoa que, através de treinamento e experiência, alcançou um alto

grau de conhecimento humano. Ele é capaz de exercitar coisas que os outros não conseguem, sendo

exímios e eficientes no que fazem (FERNANDES, 2003).

2.4.2 Conhecimento

Existem dois tipos de conhecimento:

• Conhecimento público: as definições públicas de fatos e teorias, tais como livros-texto,

anais, revistas e referências, nos quais o domínio do estudo está representado, ou seja,

suas regras já estão estabelecidas.

• Conhecimento privado: conhecimento que o especialista foi adquirindo mediante a

experiência pessoal na área e que não é publicado na literatura. O conhecimento privado

consiste em um grande número de regras heurísticas, ou seja, estão na cabeça do

especialista por sua vivência (FERNANDES, 2003).

2.4.3 Raciocínio

Os SE derivam seu poder da riqueza das bases de conhecimento que exploram. É

extremamente importante que essas bases sejam tão completas e precisas quanto possível. Muitas

vezes, entretanto, não existe nenhuma codificação padrão desse conhecimento, ou seja, ele só existe

dentro da cabeça do especialista humano, que chamamos de raciocínio (COSTA, KOTECHI e

OLIVEIRA 2002).

Assim, a única maneira de levar este conhecimento para o programa será pela interação com

o especialista humano.

2.4.4 Características do SE

As características do SE segundo Fernandes (2003) são:

• Conhecimento de alto nível: É uma das características mais utilizadas, que permite ao

SE atuar como um especialista e produzir resultados de alta qualidade num tempo

mínimo, provendo ajuda na resolução de problemas. Isto se deve ao fato que o

Page 33: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

20

conhecimento representado no SE é a opinião de especialistas de alto nível, o que

representa anos de experiência em uma determinada tarefa;

• Facilidade de treinamento: Um SE é capaz de oferecer treinamento, uma vez que já

contém conhecimento e habilidade de explicar seu processamento de raciocínio;

• Corpo do conhecimento: O conhecimento adquirido durante a construção de um SE deve

ser explícito e organizado para simplificar a tomada de decisão. A aquisição e

codificação do conhecimento é um dos mais importantes aspectos de um SE;

• Memória institucional: O corpo do conhecimento que define a proficiência de um SE

pode também oferecer uma característica adicional, uma memória institucional. Se a

base de conhecimento foi desenvolvida através de interações de pessoas-chave num

escritório ou departamento, representa a política atual ou procedimento operacional de

tal grupo. Esta compilação de conhecimentos apresenta um consenso de opiniões de alto

nível e um registro permanente das melhores estratégias e os métodos utilizados pelo

grupo de trabalho. Quando as pessoas chave vão embora, ainda fica retido seu

conhecimento; e

• Modelo preditivo: O sistema pode agir como uma teoria ou modelo de processamento de

informação de solução de problema em um dado domínio, fornecendo as respostas

desejadas de um determinado problema e mostrando como ele se comportaria para novas

situações.

2.4.5 Componentes para construção do SE

O processo de construção de um SE, ilustrado na Figura 1, é geralmente chamado de

“engenharia do conhecimento”, o qual envolve uma forma especial de interação entre o construtor

do sistema chamada de “Engenheiro do Conhecimento”, e um especialista do domínio. Conforme

Watérnan (1986, apud FERNANDES, 2003) o Engenheiro do Conhecimento tem que extrair do

especialista seus procedimentos, regras e estratégias para solução do problema, e construir o

conhecimento do especialista dentro do sistema especialista.

Page 34: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

21

Figura 1. Modelo de Sistema Especialista

Fonte: Fernandes (2003).

Os elementos mais importantes na construção de um SE são:

• Sistema especialista: o sistema propriamente dito, no caso o sistema para a avaliação

física;

• Especialista do domínio: é uma pessoa informada e reconhecida por produzir soluções

ótimas, a problemas particulares, de uma determinada área. É aquela pessoa que, através

de muito treinamento, estudo e experiência, adquire um alto nível de desenvolvimento

de uma determinada área de conhecimento humano. O especialista é a fonte de

conhecimento do SE, e neste projeto o Especialista do domínio é o professor de

Educação Física;

• Engenheiro do conhecimento: é o responsável pela criação da base de conhecimento. Ele

obtém o conhecimento do especialista do domínio, com o uso de técnicas de elicitação

de conhecimento. O conhecimento é transformado de forma conveniente e é adicionado

à base de conhecimento;

Page 35: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

22

• Ferramenta de construção: é a linguagem de programação ou ambiente de

desenvolvimento utilizado pelo engenheiro do conhecimento ou programadores, para a

construção de SE. Este projeto está sendo desenvolvido em JAVA, que é uma linguagem

voltada para Web; e

• Usuário final: é a pessoa que utiliza o SE, podendo ser outro especialista, um aprendiz

ou um leigo, naquela área de conhecimento. Esta ferramenta estará disponível para

professores e alunos interagirem com o sistema, tendo algumas restrições em relação a

acesso de alunos. As restrições seriam a não alteração de cadastros básicos como: (i)

cadastro de professores; (ii) cadastro de equipamentos; e (iii) cadastros de músculos, etc.

2.4.6 Estrutura do SE

A estrutura do SE segundo Camargo (1999) é constituída por:

• Base de conhecimento: é o conjunto de conhecimento a respeito do domínio do

problema que será utilizado nas tomadas de decisão, feitas através de fatos e regras, ou

outro tipo de representação, tal como a lógica matémática, redes semânticas ou

“frames”;

• Base de fatos: representa os conhecimentos que são, “a priori”, conhecidos e que podem

ser considerados como o ponto de partida para a resolução do problema. São também

caracterizados como o conhecimento de domínio público, de fácil acesso e que podem

ser extraídos através de textos, manuais, normas, livros, constatação de fatos e resultados

de experimentos;

• Base de regras: representa os conhecimentos que são extraídos diretamente dos

especialistas. Estes conhecimentos representam o “pensamento” desenvolvido pelo

especialista (“heurística”), tendo por base os fatos já conhecidos e as deduções a partir

deles;

• Heurística: aqui o termo “heurística”, significa a habilidade, ou a simplificação utilizada

pelo especialista, no sentido de aperfeiçoar a busca da solução de um problema. Desta

forma, novos conhecimentos podem ser acrescidos à BC (Base de Casos), habilitando o

SE a uma tomada de decisão sobre o problema (como o especialista resolve o problema);

• Máquina de inferência: contém um interpretador que decide como aplicar as regras para

inferir novo conhecimento, além de uma lista de prioridades de aplicação destas regras.

Page 36: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

23

Nele são implementados modos de raciocínio, estratégias de busca, resolução de

conflito, representação de incerteza e de conhecimento;

• Interpretador/inferência: a partir dos conhecimentos e na memória de trabalho, a

máquina de inferência determina quais as regras que devem ser disparadas para inferir

novos conhecimentos; e

• Programador/controle: a máquina de inferência determina ou programa a ordem em que

às regras devem ser aplicadas.

2.4.7 Etapas de Construção do SE

Conforme Fernandes (2003), as etapas de construção do Sistema Especialista são:

• Identificação: nesta etapa são identificadas as características básicas do problema a ser

resolvido. Isto inclui identificação dos participantes do projeto (engenheiro do

conhecimento e especialista do domínio), dos recursos envolvidos (fontes do

conhecimento, cronograma, recursos computacionais e financeiros), das características

do problema (caracterização ou definição do problema e a definição dos dados) e das

metas e objetivos para a construção do SE;

• Conceituação: o engenheiro de conhecimento e o especialista de domínio determinam os

conceitos, relações e mecanismos de controle que são necessários para descrever o

problema a ser solucionado e estabelecer o nível de detalhamento que será usado na

representação do conhecimento. Nesta fase não é feita uma análise completa do

problema, pois após a implementação do protótipo, certamente ela será retomada;

• Formalização: envolve a expressão de conceitos e de relações-chave, de uma maneira

formal. O Engenheiro de Conhecimento deve prender sua aténção em 3 aspectos:

� O espaço de hipóteses (refinamento dos conceitos, características e

interligação);

� O modelo subjacente (como as soluções são geradas); e

� As características dos dados (definição de tipos, precisão, consistência,

volume e formas de aquisição);

• Implementação: antes de se partir para a implementação definitiva de um SE, é

necessário fazer um protótipo onde serão ensaiadas as várias formas de desempenho e

Page 37: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

24

onde deverão ser feitos os testes, verificando o desempenho. Após a homologação do

protótipo, então se parte para a implementação final do sistema; e

• Validação/testes: o SE deve ser testado e avaliado frequentemente, desde a

implementação do protótipo inicial, levando-se em consideração o desempenho e a

utilidade. Algumas das perguntas que se deve fazer na hora de testar a desempenho do

protótipo são:

� O sistema toma decisões que o especialista considera como apropriadas?

� As regras de inferência são corretas, consistentes e completas?

� As estratégias de controle permitirão que o sistema considere os itens numa

ordem natural, como e porque uma conclusão foi alcançada?

A Figura 2 ilustra o fluxo de construção do SE e suas etapas.

Figura 2. Etapas de Construção de Sistema Especialista

Fonte: Fernandes (2003).

2.4.8 Estratégia do SE

A estratégia de raciocínio pode ser:

• Encadeamento progressivo (Forward Chaining): o sistema é dirigido pelos dados, parte

de fatos conhecidos e tenta deduzir novos fatos, através da MI (Máquina de Inferência),

até chegar à solução. Também é conhecido como encadeamento dirigido por dados;

Page 38: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

25

• Encadeamento regressivo (Backward Chaining): o sistema faz o caminho inverso,

partindo da solução do problema (meta), a qual tenta verificar se é verdadeira através de

suas condições, que passam a ser, então, submetidas também a aprovação. Isto ocorre

sucessivamente, até se chegar a um conjunto de condições verificáveis. Também é

conhecido como encadeamento dirigido por objetivos; ou

• Encadeamento misto: os encadeamentos progressivos e regressivos se alternam de

acordo com o desenvolvimento da solução do problema e com a disponibilidade de

dados.

2.5 JESS, THE JAVA EXPERT SYSTEM SHELL

Inicialmente, cada sistema especialista era criado a partir do zero, ou seja, não tendo

nenhuma ferramenta que lhe auxilia-se no desenvolvimento ou mesmo nas negras. Mas com o

passar dos tempos foi verificado que os SE tinham muito em comum, em particular por serem

construídos como um conjunto de representações declaráveis (regras), combinadas com um

interpretador dessas representações. Segundo Richi e Knigth (1994, apud SANDIA NATIONAL

LABORATORIES, 2006), era possível separar o interpretador do conhecimento específico do

domínio da aplicação e assim criar um sistema que poderia ser utilizado para elaborar novos

sistemas especialistas, através da adição de novos conhecimentos, correspondentes ao novo domínio

do conhecimento, sendo assim chamados os interpretadores de “Shells”. Jess é uma shell para

construção de sistemas especialistas, que foi desenvolvida na linguagem Java. Esta shell suporta o

desenvolvimento de sistemas especialistas baseados em regras que podem ser facilmente integrados

em programas escritos em Java (SANDIA NATIONAL LABORATORIES, 2006).

A versão atual do Jess é a 6.0, compatível com todas as versões de Java, a partir de Java 1.2.

e é muito similar com outra shell para sistemas especialistas: CLIPS. Esta linguagem possui uma

applet genérica, a classe jess.ConsoleApplet, que pode ser usada, em geral, em situações simples

baseadas em perguntas e respostas (ibidem). Jess pode ser usado de duas formas distintas. Pode ser

um sistema baseado em regras com centenas ou milhares delas, que alimentam uma base de

conhecimento, onde as regras representam o conhecimento de um especialista humano de

determinada área. Também pode ser utilizado para desenvolvimento de scripts dinâmicos ou como

meio rápido de desenvolvimento de aplicações (ibidem).

Conforme Sandia National Laboratories (2006), esta linguagem de programação possui

propósito geral e é muito eficaz por ter acesso direto a todas as classes e bibliotecas da linguagem

Page 39: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

26

Java. Porém, enquanto código escrito em Java precisa ser compilado antes para que um

interpretador possa executar o programa, sendo um comando de Jess executa imediatamente após

sua digitação. Isto permite testar as APIs de Java interativamente e auxiliar expressivamente no

desenvolvimento de novos programas.

A máquina de inferência de Jess utiliza o conhecido algoritmo de Rete, que trabalha de

maneira a negociar espaço por tempo. Jess contém alguns comandos que permitem sacrificar um

pouco a performance do sistema para diminuir o uso de memória. Apesar de tudo, a memória usada

por esta linguagem é pequena, e programas de tamanho moderado facilmente se enquadram no

padrão de uso de memória de Java, que é de 16 Mb (SANDIA NATIONAL LABORATORIES,

2006).

2.6 RACIOCÍNIO BASEADO EM CASOS

Neste capítulo, apresenta-se a técnica de Raciocínio Baseado em Casos (RBC), como

fundamentação teórica do desenvolvimento do sistema.

Para resolver a lacuna deixada pelos sistemas especialistas, ou seja, os casos que

independem de regras ou do conhecimento do especialista, os pesquisadores de IA têm explorado

soluções na cognição humana. Segundo Sun (1996 apud WANGENHEIN e WANGENHEIN,

2003), o raciocínio é um aspecto fundamental da cognição humana. Ele está envolvido em todos os

tipos de processos cognitivos, variando do entendimento da linguagem ao processo de tomada de

decisão. O processo de reutilizar episódios passados corresponde a uma forma freqüente e poderosa

do raciocínio humano. Para Delpizzo (1997) esta alegação está apoiada na pesquisa da psicologia

cognitiva, onde vários estudos demonstram o uso de experiências de situações prévias no processo

humano de aprendizado e resolução de problemas. Neste sentido, o Raciocínio Baseado em Casos

(RBC) é uma técnica de IA que baseia-se na premissa de que seres humanos utilizam um raciocínio

analógico ou experimental para aprender e resolver problemas complexos. Sistemas RBC utilizam a

filosofia de aprender através de situações que aconteceram no passado (aprendizado por

experiência). Gentner (1983 apud ANGELONI e PEREIRA, 2003) apresenta dois pressupostos para

o emprego do raciocínio baseado em analogia: problemas similares têm soluções similares e os

tipos de problemas se repetem.

Kolhodner e Leake (1996 apud BECKER, WEISSEHEIMER, e HEINZLE, 2003)

acrescentam que sistemas RBC oferecem também tempo de resposta rápido e a possibilidade de

trabalhar em domínios que não são completamente conhecidos. Estas características possibilitam a

Page 40: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

27

aplicação do raciocínio baseado em casos em diversos tipos de tarefas. Algumas das possíveis

aplicações são:

• Sistemas de diagnóstico: estes sistemas procuram recuperar casos acontecidos que

tenham similaridades na sua lista de sintomas com um novo caso e sugerem diagnósticos

baseados nos casos que melhor se encaixam. A maioria dos sistemas instalados é deste

tipo, sendo muitos na área médica;

• Sistemas de help desk: os sistemas de diagnóstico podem ser aplicados na área de

aténdimento a clientes, lidando com problemas em produtos ou serviços;

• Sistemas de avaliação: estes sistemas são utilizados para determinar valores para

variáveis, comparando-as com o valor conhecido de um caso similar. Este tipo de

aplicação é muito comum nas áreas de finanças e marketing;

• Sistemas de apoio à decisão: estes sistemas lidam com problemas complexos oferecendo

suporte para a recuperação de informações relevantes em problemas similares.

Usualmente, esta recuperação é feita em documentos; e

• Sistemas de projeto: arquitetos e engenheiros podem utilizar estes sistemas para

recuperar casos anteriores que tenham características similares ao projeto em

desenvolvimento. Outras técnicas de raciocínio podem ser combinadas, oferecendo

suporte durante todas as etapas do projeto.

2.6.1 Definição de RBC

Raciocínio Baseado em Casos (RBC) é uma ferramenta da Inteligência Artificial (IA), que

utiliza conhecimento de experiências passadas para resolver problemas atuais (KOLODNER, 1993;

LEAKE, 1996; WEBER, 1997 apud WANGENHEIN e WANGENHEIN, 2003). O paradigma que

sustenta esta técnica, que em muitos aspectos é fundamentalmente diferente das outras técnicas de

IA, é a capacidade de utilizar o conhecimento específico de uma experiência anterior para resolver

uma situação nova. Um problema novo é resolvido buscando um caso que seja similar, e

reutilizando-o para este novo caso. Uma segunda diferença importante é que RBC retém cada nova

experiência resolvida , tornando-a imediatamente disponível para a resolução de problemas futuros

conforme Riesbeck e Schank (1989 apud ANGELONI e PEREIRA, 2003).

Muitas das inspirações originais para o desenvolvimento do RBC surgiram dos conceitos de

memória do raciocínio humano (SCHANK, 1982 apud DELPIZZO, 1997). O entendimento da

técnica de RBC está implícito em assumir alguns princípios da natureza do mundo:

Page 41: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

28

2.6.1.1 Regularidade

O mundo é na maioria das vezes regular, as ações executadas nas mesmas condições tendem

a ter os mesmos, ou similares, resultados. Consequentemente, soluções para problemas similares

são utilizáveis para o início da resolução de outro (LEAKE, 1996 apud WANGENHEIN e

WANGENHEIN, 2003).

2.6.1.2 Tipicalidade

Os tipos de problemas tendem a se repetir e as razões para as experiências são

provavelmente as mesmas para as futuras ocorrências (WATSON, 1997 apud ANGELONI e

PEREIRA, 2003)

2.6.1.3 Consistência

Pequenas mudanças ocorridas no mundo requerem apenas pequenas mudanças na maneira

como nós interpretamos o mundo, e consequentemente, pequenas mudanças nas soluções de novos

problemas (KOLODNER, 1993 apud WANGENHEIN e WANGENHEIN, 2003).

2.6.1.4 Facilidade de adaptação

As coisas não se repetem exatamente da mesma maneira; as diferenças tendem a ser

pequenas e pequenas diferenças são fáceis para compensar (KOLODNER, 1993 apud DELPIZZO,

1997). As etapas abaixo descrevem o funcionamento de um sistema de RBC independentes de

possíveis variações que possa assumir este sistema (WEBER, 1997 apud WANGENHEIN e

WANGENHEIN, 2003):

• Identificação: de um problema a ser resolvido (problema de entrada);

• Definição: das principais características que identifiquem este problema;

• Busca: e recuperação na memória de casos com características similares;

• Seleção: de um ou mais dentre os casos recuperados;

• Revisão deste (s) caso (s): para determinar a necessidade de adaptação;

• Reutilização do caso: adaptado para resolver problema de entrada; e

• Avaliação da solução: do problema de entrada e inclusão do caso adaptado na memória

de casos (aprendizagem).

A tarefa de RBC pode ser dividida em duas classes: RBC Interpretativo e RBC de resolução

de problemas. RBC interpretativo utiliza casos anteriores como ponto de referência para classificar

Page 42: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

29

novas situações, e RBC com solução de problemas utiliza casos anteriores para sugerir soluções

para aplicar em novas situações. (LEAKE, 1996 apud WANGENHEIN e WANGENHEIN, 2003).

2.6.2 O Caso

O caso é a entidade computacional onde as experiências são representadas e manipuladas

dentro do contexto de um sistema de RBC (WEBER, 1997 apud WANGENHEIN e

WANGENHEIN, 2003). A experiência abstraída no caso deve estar descrita em termos de seu

conteúdo e contexto (KOLODNER, 1993 apud WANGENHEIN e WANGENHEIN, 2003). O caso

pode assumir diferentes formas de representação. O exemplo mais simples de um caso é uma

experiência descrita através de atributos devidamente valorados. Um caso é uma parte

contextualizada de um problema que representa uma valiosa experiência da qual podemos

aproveitar o(s) seu(s) ensinamento(s).

Kolodner e Leake (1993 apud LAGEMANN, 1998) colocam que um caso pode ter

diferentes formas e tamanhos, associando soluções com problemas, resultados com situações ou

vice-versa: "se o que for diferente numa nova situação ensinar algo que não possa ser facilmente

inferido do novo caso já gravado, então é útil gravá-lo como um novo caso".

Watson (1997 apud WANGENHEIN e WANGENHEIN, 2003) coloca que um caso é feito

de dois componentes: a descrição do problema e a descrição da solução. A descrição contida nos

casos é uma interpretação da experiência no domínio da aplicação.

2.6.2.1 Estrutura do caso

Através de entrevistas com o especialista, foram extraídas as características principais do

problema, que serão os atributos do sistema especialista. A estrutura do caso foi definida com base

nos atributos especificados e é apresentada na Tabela 12.

Um caso é um pedaço contextualizado de conhecimento representando uma experiência real

(KOLODNER, 1993 apud DELPIZZO). Um caso representa um conhecimento específico,

relacionado a uma situação em um determinado contexto. Os casos podem ser de diferentes formas

e tamanhos, porém todos têm em comum o fato de representarem uma experiência real registrada

em todas as suas características relevantes ou não. Um caso possui três componentes muito

importantes, sendo que, para algum caso específico talvez eles não estejam presentes. São eles:

• A descrição do problema que foi resolvido: a descrição dos aspectos relevantes do

problema que caracterizam uma situação em particular a ser resolvida;

Page 43: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

30

• A descrição da solução: a solução utilizada para o problema específico na sua

descrição;

• Conclusão: a avaliação da solução utilizada para determinado problema.

Tabela 12. Estrutura do caso

Característica Domínio Peso Objetivo Descrição do Objetivo do aluno em fazer exercícios 3 Idade 12 até 80 1 Sexo Masculino/ feminino 2 Peso 40 até 150 0,75 Índice de atividade física muito bom, bom, regular, ruim 1 Pressão arterial normal, limite, hipertensão 1,5

Percentual de gordura excelente, bom, acima da média, média, abaixo da média, ruim, muito ruim

0,5

Índice de massa corporal abaixo do peso, peso normal, acima do peso e obeso 0,25 Programação Ficha de programação 0

2.6.2.2 Similaridade

A similaridade é o ponto crucial de RBC, onde todo processo de raciocínio que fundamenta

esta técnica torna-se viável. Avalia-se a similaridade do caso a ser solucionado (problema de

entrada) com os casos candidatos. O que faz um caso ser similar ou não a outro é a semelhança das

características que realmente representam o conteúdo e o contexto da experiência. O que faz um

caso ser similar ao outro depende do domínio do conhecimento da aplicação. Quando a recuperação

é do tipo que busca a similaridade diretamente, comparando com os índices, uma função que mede

a similaridade é usada, (SILVA, 1997 apud DALFOVO e MINELLA, 2003).

2.6.3 Etapas de Desenvolvimento do RBC

Pode-se simplificar a descrição a respeito de RBC como um processo cíclico compreendido

por quatro "Rs", conforme ilustra a Figura 3:

1. Recuperação: do caso mais similar;

2. Reutilização: dos casos para resolver o novo problema;

3. Revisão (adaptação): da solução, se necessária;

4. Retenção (aprendizagem): da nova solução como um novo caso.

Page 44: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

31

Figura 3. Ciclo do RBC

2.6.3.1 Representação dos Casos

Um caso é uma parte contextualizada de um problema que representa uma valiosa

experiência de onde pode-se tirar boas lições no futuro. Um caso pode ser visto sob dois aspectos: o

que ele pode ensinar e o contexto no qual ele se insere. Determinar o que é um caso é o primeiro

problema na modelagem do RBC (WEBER, 1997 apud WANGENHEIN e WANGENHEIN,

2003), pois são os casos que contém elementos para que a solução do problema proposto seja

alcançado.

Esta seção é composta por:

• Modelagem dos Casos;

• Modelagem de Memória; e

• Indexação.

2.6.3.2 Modelagem dos Casos

Na representação dos casos há dois componentes básicos: a descrição do problema e a

descrição da solução. A descrição do problema é realizada através da atribuição de características

que descrevem o problema de entrada. A descrição da solução consiste em determinar quais

Page 45: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

32

características descrevem a solução do caso, apontando a solução do problema de entrada e

informando qual o resultado da aplicação desta solução ao problema de entrada (WEBER, 1996

apud WANGENHEIN e WANGENHEIN, 2003).

2.6.3.3 Modelagem da Memória

A base de casos consiste na coleção de casos que representam a base de conhecimento de

um sistema de RBC. A memória compreende a base de casos e os mecanismos de acesso dessa base

a outros módulos da arquitetura do sistema (KOLODNER, 1993 apud FILHO, BORGES e SILVA,

2002).

Apesar de ser um dos primeiros modelos de representação de conhecimento de IA, o modelo

de memória com o uso de redes semânticas não é capaz de representar o conhecimento em sua

totalidade (SLADE, 1991 apud FERNANDES, 2003). Como conseqüência dos esforços dos

psicólogos também interessados na busca de um modelo de representação, Tulving (1983 apud

COSTA, KOTECHI e OLVEIRA, 2002) apresentou o modelo de memória episódica. No intuito de

encontrar um paradigma capaz de representar o conhecimento, os pesquisadores de IA continuavam

sua busca, com os melhores resultados, em termos de raciocínio analógico, sendo alcançados pela

equipe de Roger Schank em Yale. Suas pesquisas desencadearam o desenvolvimento do modelo de

memória conceitual (SCHANK, 1982 apud CAMARGO, 1999).

Dentro do escopo de RBC, ao tratarmos de modelagem de memória existem dois aspectos

que precisamos enfocar separadamente. O primeiro trata-se do tipo de filosofia de representação

que um dado sistema simula, que pode ser, entre outros, memória episódica ou memória dinâmica.

O segundo é utilizado quando se pretende um enfoque de implementação (redes semânticas), a

modelagem da memória trata da estrutura da organização adotada para os casos (WEBER, 1996

apud FERNANDES, 2003).

2.6.4 Recuperação

Uma característica importante dos sistemas de RBC é possuir alternativas para identificar

os casos a fim de conseguir representá-los e indexá-los, garantindo que sejam recuperados os mais

úteis para resolver o problema do usuário. Somente consegue-se alternativas para identificar os

casos através de procedimentos de comparação e medição de similaridades (LEAKE, 1996 apud

FERNANDES, 2003). A determinação da medida de similaridade é um importante componente

para identificar a utilidade do caso. Deve-se considerar também, que o grau de utilidade de um caso

depende dos propósitos a que ele se destina e quais dos seus aspectos foram relevantes no passado.

Page 46: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

33

Estas considerações habilitam os procedimentos de comparação a determinar em que dimensão é

importante para um caso focá-lo no julgamento da similaridade (CARVALHO, 1996 apud

DALFOVO e MINELLA, 2003).

Conforme Kolodner (1993, apud FERNANDES, 2003), os algoritmos de recuperação

procuram determinados locais na memória, acessando casos que podem ser úteis, onde esta procura

é realizada por heurísticas de Match e Raking, que irão escolher os casos mais úteis do conjunto.

Match conforme Kolodner (1993, apud FERNADES, 2003), é um processo que faz

comparação entre dois casos, e determina o grau de similaridade entre os mesmos. Já Raking trata

de ordenar os casos conforme sua unidade, fazendo uma comparação de qual é o melhor que o

outro.

Considerando que a definição dos índices retrata todos os aspectos a serem considerados na

recuperação, os algoritmos de comparação poderão usá-los para se orientarem na busca,

determinando quais características devem ser focadas no julgamento da similaridade. Qualquer caso

pode ser indexado de várias formas, entretanto, o importante é que o algoritmo de comparação

esteja apto a distinguir entre os aspectos relevantes em cada caso específico.

No processo de recuperação não se pode falar apenas em comparação e medição da

similaridade, precisa-se falar também sobre as estruturas que serão usadas pelos algoritmos para

dirigir a busca. Na recuperação foi usada a técnicas de busca do Vizinho-mais-próximo

(FERNANDES, 2003; DALFOVO e MINELLA, 2003).

No tipo de busca do vizinho-mais-próximo os aspectos de definição e identificação dos

índices é fator fundamental para uma recuperação. Garantidos estes aspectos a técnica de busca

indica em qual região do espaço de busca dos problemas o problema em questão está inserido. A

técnica do vizinho-mais-próximo é mais indicada para problemas com bases de casos pequenas e

com poucos atributos indexados, devido ao volume de cálculos necessários para determinar cada

um dos atributos indexados e cada um dos casos.

2.6.4.1 Métricas de Similaridade

Segundo Delpizzo (1997), a métrica de similaridade é uma função cujo objetivo é medir a

similaridade entre dois casos (entrada e saída), sendo utilizada como guia na busca de casos

similares na base de conhecimento, ordenados segundo a mesma. Já Kolosky (1999, apud

FERNANDES, 2003) diz que as as métricas de similaridades é uma das mais importantes fazes do

RBC, porque é através dela que se identifica um caso.

Page 47: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

34

Conforme Lee (1996, apud FERNANDES, 2003), a métrica de similaridade tem por

principal objetivo dar um valor numérico para a similaridade entre dois casos, sendo comparado ao

caso de entrada em relação aos casos da base. Lee (1996 apud CAMARGO, 1999) ainda afirma que

“a atribuição de pesos relativos as características ou índices dos casos é a tarefa que tem o

envolvimento do conhecimento do especialista da área” com uma relevância de similaridade, ou

seja, um percentual de aproximação do caso de entrada com os casos da base.

O grau de similaridade é fundamental para a busca, pois a recuperação é feita através da

similaridade entre os casos. O conceito de similaridade é genérico e profundamente influenciado

pelo conhecimento especialista do domínio. Conforme Camargo (1999) e Fernandes (2003), em

RBC, existem algumas espécies de similaridade:

• Similaridade sintática: é simples, sendo os atributos comparados por sua semelhança

sintática. A avaliação dos atributos pode ser feita de diversas maneiras, dependendo

somente das naturezas das dimensões;

• Similaridade semântica: é o tipo mais simples de similaridade, pois não considera fatores

contextuais, se referindo aos atributos que são sintaticamente idênticos em duas

situações;

• Similaridade estrutural: é mais complexa que a anterior. Os casos devem estar ligados

por meio de estruturas isomórficas. O isomorfismo depende da consistência da ligação

de proposições, predicados ou argumentos. Por exemplo, dois casos são similares se as

suas estruturas de relações e argumentos forem semelhantes;

• Similaridade organizacional: é imposta aos casos armazenados em localizações

próximas na memória de casos; e

• Similaridade pragmática: duas partes são pragmaticamente similares se ocuparem papéis

similares em suas respectivas situações.

2.6.5 Adaptação

Pelo fato de nenhum problema passado ser exatamente igual a um problema atual, soluções

passadas usualmente são adaptadas para solucionar novos problemas (KOLODNER, 1993 apud

FERNANDES, 2003). A adaptação pode ser uma simples substituição de um atributo da solução

por outro ou uma complexa e total modificação na estrutura da solução.

A adaptação pode ser feita de várias formas (WATSON, 1997 apud CAMARGO, 1999):

1. Pela inclusão de um novo comportamento à solução recuperada;

Page 48: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

35

2. Pela eliminação de um comportamento da solução recuperada; ou

3. Pela substituição de parte de um comportamento.

Podem ocorrer situações onde há a presença de mais de uma das formas.

Os métodos para proceder a adaptação podem ser classificados da seguinte forma

(KOLODNER, 1993 apud FERNANDES, 2003): (i) Métodos de Substituição, (ii) Método da

Transformação, (iii) Objetivos Especiais de Adaptação e (iv) Modificação e Repetição

Derivacional.

Apesar da adaptação poder ser usada de várias formas e em várias situações, ela não é

essencial. Muitos dos sistemas comerciais de RBC não implementam a adaptação. Eles

simplesmente recuperam o caso mais similar e disponibilizam a solução para o usuário, deixando-o

livre para proceder a adaptação. Na maioria das vezes, para implementar a adaptação é necessário

representar um volume muito grande de conhecimento.

Uma alternativa para a adaptação é o sistema RBC perguntar ao usuário se ele deseja que o

sistema faça adaptação. Caso ele responda que sim, então que a adaptação seja feita, mas que após

seja dada ao usuário a possibilidade de interagir com as modificações, decidindo por sua aplicação

total, parcial ou ainda descartando-a (FERNANDES, 2003).

2.6.6 Aprendizagem

A aprendizagem em um sistema de RBC acontece principalmente pela acumulação de novas

experiências em sua memória e pela correta indexação dos problemas (KOLODNER, 1993 apud

FERNANDES, 2003). Um sistema de RBC somente se tornará mais eficiente quando estiver

preparado para, a partir das experiências passadas e da correta indexação dos problemas, aprender.

A implementação da aprendizagem em um sistema RBC está baseada no fato de que a partir

das experiências passadas o sistema esteja apto a analisar os efeitos da sua solução e armazenar

informações sobre o que deu certo, o que não deu certo e porque. Com estes procedimentos o

programa poderá montar melhores respostas. Isto torna o sistema RBC muito mais confiável a

medida que antecipa erros cometidos no passado.

Na IA, quando se fala de aprendizagem, é comum pensar no aprendizado por generalização,

tanto pela indução quanto baseado em explicações. Enquanto a memória de RBC informa sobre

similaridades entre casos e também informa sobre quando generalizações podem ser formadas. A

formação de generalizações indutivas é responsável apenas por algum aprendizado. Conforme

Page 49: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

36

Leake (1996 apud FERNANDES, 2003), o RBC obtém a maioria do seu aprendizado de duas

maneiras:

• Pela acumulação de novos casos, e;

• Pela identificação de quais índices utilizar ou não na recuperação.

Quanto mais casos houverem na memória do RBC maior o número de casos que, agrupados

por famílias (conjuntos de atributos que definem a similaridade), poderão contribuir para solução de

um novo caso. Casos que tiveram sucesso em recuperações anteriores e casos que não tiveram

sucesso dão maior amplitude de cobertura ao problema. Novos índices dão a sintonia necessária

para recuperar os casos em situações diversas mais apropriadas.

2.7 FERRAMENTAS SIMILARES

Este capítulo abordará algumas ferramentas disponíveis no mercado que se assemelham em

partes ao propósito deste projeto. Serão mostradas algumas vantagens e desvantagens das

ferramentas, tendo sido pesquisadas duas ferramentas bem conhecidas por profissionais de

educação física, ou Personal Trainers, o SAPAF e o PHYSICAL TEST.

O sistema desenvolvido tem algumas vantagens em relação as ferramentas pesquisadas,

sendo uma ferramenta web, com acesso de menus restritos para cada usuário, utiliza-se de duas

técnicas de IA, onde o SE é utilizado para as regras de PA e Índice de aptidão física, e o RBC é

utilizado para a busca de fichas de programação com o maior grau de similaridade com casos

passados. Proporcionando ao profissional de educação física uma ficha de programação, tendo

opção de aceitação ou prescrição de uma nova ficha, tornando-se um sistema inteligente. O sistema

tem opções de cadastros, relatório de avaliação, consulta de equipamentos da academia, e transação

de avaliação física.

2.7.1 SAPAF

O SAPAF é uma ferramenta livre para avaliação e prescrição de atividade física,

desenvolvida pela INFODATA INFORMÁTICA em 1999, por Juliano Di Luca, Sandro Di Luca e

Ricardo Ildefonso de Oliveira, sendo encontrada na Internet. A versão testada do SAPAF foi a 4.0. e

suas principais características são: a avaliação física através de fichas de anamnese clínica e

nutricional; riscos coronários; registros dietéticos; gasto energético; correção postural;

antropometria; bioimpedância; sistema aeróbico; sistema anaeróbico; testes de flexibilidade e força.

Page 50: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

37

O SAPAF possibilita ao profissional de Educação Física visualizar as informações de

desenvolvimento do aluno através de gráficos, e estipular uma ficha de programação para as

atividades físicas, sendo que essa ficha deve ser digitada.

2.7.1.1 Problemas do SAPAF

Mas com todas essas informações têm-se alguns problemas tais como:

1. Anamnese nutricional: somente pode ser analisada por um especialista da área de

nutrição, mesmo assim não traz informações necessárias para ser tomado algum tipo de

providência em relação a dieta do aluno;

2. A utilização de medidas antropométricas: através de bioimpedância, pois necessita de

aparelhos específicos para sua medição, na sendo o caso da musculação da UNIVALI; e

3. A correção postural: onde o profissional de Educação Física somente pode identificar o

problema, não tendo habilitação para tratamento ou prescrição de correção. Sendo assim,

somente poderá encaminhar o aluno a um profissional de fisioterapia.

2.7.1.2 Módulos do SAPAF

O SAPAF é dividido nos seguintes módulos: (i) anamnese clínica, (ii) risco coronário, (iii)

correção postural, (iv) ingestão alimentar e gasto energético, (v) composição corporal, (vi) aspectos

hemodinâmicos/metabólicos e (vii) neuromuscular. Maiores informações sobre a ferramenta pode

ser encontrada através do manual no ANEXO V.

2.7.2 PHYSICAL TEST

O PHYSICAL TEST é uma ferramenta paga desenvolvida pela TERRA AZUL

INFORMÁTICA LTDA, ou seja, tem que ser adquirida uma licença de uso. Os testes feitos na

ferramenta para sua avaliação foram através de uma versão 5.0.2 beta, disponível por 30 dias para

avaliação do cliente (comprador), podendo ser baixado do seu próprio site, onde já existe uma

versão 6.0 nova lançada em maio de 2006. É um bom programa para avaliação física de atletas, pois

suas fichas de cadastro são amplas e específicas. Possui uma variedade de testes para suas medidas,

mas não se encaixa com o problema proposto, pois não gera uma ficha de programação física.

2.7.2.1 Problemas do Physical Test

O maior problema encontrado é a quantidade de fichas a serem preenchidas para se ter um

resultado de sua avaliação física.

Page 51: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

38

1. Mesmo problema do SAPAF em relação a avaliação postural e nutricional, com desgaste

em preenchimento de informações, pois são muito longas as fichas para avaliação; e não

gera uma ficha de prescrição de atividades físicas.

2.7.2.2 Módulos do Physical Test

O Physical Test é dividido nos seguintes módulos: (i) anamnese, (ii) risco coronariano, (iii)

medias antropométricas, (iv) índice cintura – quadril, (v) composição corporal, (vi) diâmetros

ósseos, (vii) tabelas de % de gordura ideal... etc. Maiores informações sobre a ferramenta pode ser

encontrada através do manual no ANEXO VI.

Page 52: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

39

3 DESENVOLVIMENTO

O desenvolvimento do projeto envolveu as seguintes etapas: (i) problemas encontrados por

professores de educação física da UNIVALI para acompanhamento de alunos, (ii) modelagem do

SE com informações sobre antropometria e aspectos hemodinâmicos, (iii) modelagem do RBC na

prescrição de atividades físicas, com informações de variáveis utilizadas, pesos, modelagem dos

casos, estrutura organizacional, qual a natureza dos atributos, as regras de adaptação e métricas

utilizadas para verificação do grau de similaridade e (iv) modelagem do banco de dados, com

informações de ligações de tabelas chaves de prevê descrições, (v) modelagem do sistema, com

seus casos de uso, funcionalidades, diagramas de pacotes, atividade e seqüência, (vi) descrição das

alterações conseqüentes do desenvolvimento, (vii) descrição dos testes para validação da

ferramenta. A seguir tais etapas serão descritas.

3.1 PROBLEMAS NO ACOMPANHAMENTO DE ATIVIDADES FÍSICAS

A grande preocupação dos professores de Educação Física da UNIVALI é prescrever uma

ficha de programação para cada aluno novo na academia. Outra preocupação é o acompanhamento

de alguns atletas, pois fica difícil para o treinador, Personal Trainer, ou mesmo o profissional de

Educação Física analisar o crescimento e desenvolvimento específico do atleta por não ter

ferramentas que auxiliem o seu trabalho, tendo que recorrer a ferramentas encontradas na Internet,

algumas pagas, mas nenhuma delas aténdendo sua real necessidade, que seria oferecer uma suposta

programação física com os dados coletados.

Através do sistema é possível ligar músculos em relação a aparelhos de musculação, sendo

que este relacionamento deverá ser efetuado por um profissional especialista em Educação Física na

geração de ficha de programação.

3.1.1 Arquitetura do sistema

Considerados os problemas descritos na Seção 3.1, surgiu à idéia de fornecer uma

ferramenta que auxiliasse na tomada de decisão na hora da escolha do programa de exercícios. A

idéia deste projeto é o desenvolvimento de uma ferramenta baseada em SE e RBC para auxiliar os

profissionais de Educação Física na prática desportiva na UNIVALI.

O SE é projetado e desenvolvido para aténder a uma aplicação determinada e limitada do

conhecimento humano. Para este sistema foram elaboradas apenas duas regras para o SE, sendo

descritas na modelagem do mesmo.

Page 53: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

40

O sistema permite ao usuário avaliar o efeito de novos fatos ou dados e entender o

relacionamento deles com a solução; avaliar os efeitos de novas estratégias ou procedimentos

aplicados à solução. Solucionando novos problemas pela adaptação de soluções que foram

utilizadas em problemas similares é a filosofia básica da metodologia de RBC (HAMMOND, 1989,

apud CAMARGO 1999).

O RBC foi utilizado para recuperação de informações de prescrições de atividades físicas

similares a outras pessoas com características parecidas, tendo sua grande concentração na

contagem de características para montagem de sua base de caso.

O RBC necessita da intervenção humana, para sua validação, ou retenção de novos casos e

para alimentação de uma base de conhecimento que auxilia na tomada de decisão da programação

física. Onde se faz uso de fatos e hipóteses que já aconteceram durante a vida profissional de um

instrutor ou especialista da área de Educação Física, para buscar em sua memória uma solução real

ou hipotética para o caso similar (WANGENHEIM e WANGENHEIM, 2003).

A Figura 4 mostra a estrutura do sistema e as técnicas de IA utilizadas para a solução.

Figura 4. Estrutura do sistema com as técnicas de IA utilizadas

A análise combinada dos resultados do sistema (SE) e do raciocínio baseado em casos

(RBC) gera a atividade física a ser executada, ou seja, a combinação das variáveis alimentadas pelo

SE as quais foram a PA e o Índice de aptidão física mais as outras variáveis da avaliação, foram

fundamentais para criar o caso do aluno, cujo qual é verificado pelo RBC com os casos existentes

na base de caso para a busca do caso mais similar, propiciando assim uma ficha de programação

física para o professor como sugestão de prescrição de exercícios.

Page 54: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

41

3.2 MODELAGEM DO CONHECIMENTO DO SE

3.2.1 Metodologia

Toda a modelagem do SE foi baseada em um especialista de Educação Física, o qual definiu

através de questionários e conversas, quais as regras que ele gostaria que o sistema tivesse, e quais

realmente são utilizadas, pois muitas das regras da gestão de avaliação física são modeladas

conforme a pessoa responsável pela avaliação. Foram implementadas 78 regras para o SE sendo

elas 65 regras para o índice de atividade física e 13 para pressão arterial.

Essas regras foram estudadas, modeladas através de árvores de decisão e validadas através

do Expert Sinta pelo professor de educação física responsável pela aprovação do sistema. No SE foi

utilizado uma shell JESS para verificação das regra de PA e do Índice de Aptidão Física. O SE

encontra-se na parte de avaliação física do aluno através de questionários simples.

3.2.1.1 Pressão arterial (PA)

São coletadas as informações do usuário através do especialista de educação física,

alimentado nas telas de avaliação física, onde o professor entra com os dados das pressões

Diastólicas e Sistólica. Em seguida clica-se no botão de situação, que dispara a chamada para a

classe do SE chamada UtilizaJess.class conforme Figura 5.

Page 55: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

42

Figura 5. UtilizaJess.java

Essa classe é responsável pelo controle das entradas das variáveis, a carga da base de regras

(que podem ser visualizadas algumas regras na Figura 6), e o retorno do diagnóstico.

import jess.Funcall; import jess.JessException; import jess.RU; import jess.Rete; import jess.Value; public class UtilizaJess { public static void main(String[] args) { try { //inicia rete como chamada do algoritmo de Rete

Rete rete = new Rete(); //carrega o arquivo com a base de fatos rete.executeCommand("(batch pressao.clp)"); rete.executeCommand("(reset)"); //cria uma novo objto do tipo pressao para passas as variaveis Pressao pressao = new Pressao();

//pressao passa o valor da variavel da tela html "<85mmHg "); pressao.setPadiastolica(?); //pressao passa o valor da variavel da tela html "<130mmHg"); pressao.setPasistolica(?); Funcall f = new Funcall("definstance", rete); f.add(new Value("pressao", RU.ATOM)); f.add(new Value(pressao)); f.execute(rete.getGlobalContext());

//Chamada da máquinda de inferencia

rete.executeCommand("(run)"); System.out.println("Situação da Pressão Arterial: " + rete.fetch("RESULT")); } catch (JessException e) { e.printStackTrace(); } } }

Page 56: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

43

Figura 6. Trecho de código da base de regra pressao.clp

Após feita a carga dos fatos é verificado qual o diagnóstico do aluno avaliado (vide Seção

2.1) e dado um retorno através da classe “Pressao.java”, que foi utilizada na chamada da classe

“UtilizaJess.java”. As regras de Pressão Arterial (PA) foram validadas através de uma ferramenta

de validação de regras o Expert Sinta e seu código fonte pode ser encontrado no APÊNDICE B.

O arquivo “Pressao.java” conforme Figura 7, nada mais é que uma classe onde são criadas

as variáveis que recebem os valores da tela, enviando para a base de fatos as informações a serem

verificadas, trazendo o resultado do diagnóstico e retornando pela própria classe “UtilizaJess.java”.

(defclass presao Presao) (defrule possivel_Regra_1 (presao(padiastolica "<85mmHg")) (presao(pasistolica "<130mmHg")) => (assert (regra_1 presao)) ) (defrule possivel_Regra_2 (presao(padiastolica "85-89mmHg")) (presao(pasistolica "130-139mmHg")) => (assert (regra_2 presao)) ) ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; ;;;; RESULTADO FINAL ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; (defrule presao_provavel_1 (regra_1 presao) => (store RESULT Regra_1) (printout t "RETESTAR_ANUALMENTE" crlf) ) (defrule presao_provavel_2 (regra_2 presao) => (store RESULT Regra_2) (printout t "RETESTAR_6_MESES" crlf) )

Page 57: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

44

Figura 7. Classe Pressao.java

As regras foram descritas conforme a árvore de decisão elaborada na primeira parte da

análise de dados. A árvore de decisão é importante para visualização das etapas a serem cumpridas

para se chegar a um objetivo específico, que no caso é saber a situação da pressão arterial do aluno

(conforme Figura 8), classificando como: (i) Normal, (i) Limite e (iii) Hipertensão, em três níveis

(Estágio 1, 2 e 3) (vide Seção 2.1).

import java.beans.PropertyChangeListener; import java.beans.PropertyChangeSupport; public class Pressao { private String Diastolica; private String Sistolica; public String isDiastolica() { return Diastolica; } public void setDiastolica(String Diastolica) { this.Diastolica = Diastolica; } public String isSistolica() { return Sistolica; } public void setSistolica(String Sistolica) { this.Sistolica = Sistolica; } private PropertyChangeSupport pcs = new PropertyChangeSupport(this); public void addPropertyChangeListener(PropertyChangeListener pcl) { pcs.addPropertyChangeListener(pcl); } public void removePropertyChangeListener(PropertyChangeListener pcl) { pcs.removePropertyChangeListener(pcl); } }

Page 58: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

45

Figura 8. Árvore de decisão de PA

3.2.1.2 Índice de atividade física

Outra regra importante a ser avaliada no aluno é o seu índice de atividade física, onde

através desta avaliação o professor responsável pode ter uma noção de como anda a questão de

resistência, força e freqüência de atividade física do aluno. Sua validação também foi feita através

Page 59: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

46

da shell Expert Sinta, e seu código fonte pode ser encontrado no APÊNDICE B, o código fonte do

java no APÊNDICE B.1, e sua árvore de decisão se encontra no APÊNDICE B.2.

3.3 MODELAGEM DO CONHECIMENTO DO RBC

3.3.1 Desenvolvimento do Sistema

Constatou-se que RBC contém vantagens na tomada de decisão em relação à escolha da

ficha de programação, facilitando assim a interação do professor com as informações pertinentes

aos alunos. Os passos seguintes referem-se a decisões sobre modelagem de representação,

manipulação, acesso, recuperação e comparação das experiências contidas em alguma fonte.

O primeiro passo implementado para a tarefa de prescrição de atividades físicas através de

RBC foi a representação do caso no sistema de RBC, onde o caso é a entidade usada para

representar a experiência sobre o domínio. Para a avaliação do grau de similaridade esse sistema

utiliza a contagem de características, juntamente com seus pesos.

3.3.2 Modelagem dos Casos

Para a modelagem dos casos foram escolhidos 7 variáveis, onde cada qual tem seu grau de

importância, que ajuda na busca de similaridade. Os casos foram descritos a partir da descrição do

problema (inputs) e da descrição da solução (prescrição) (vide Seção 2.6.2).

Um caso possui três componentes muito importantes descritos em seguida e exemplificados

na Figura 9. São eles:

• A descrição do problema que foi resolvido: a descrição dos aspectos relevantes do

problema que caracterizam uma situação em particular a ser resolvida, O propósito pode ser:

problemas de fisioterapia, perda ou ganho de peso, enrijecimento dos músculos e estética;

• A descrição da solução: para cada tipo de propósito é elaborado uma prescrição de

atividade física diferenciada, juntamente com os dados da avaliação física;

• Conclusão: a avaliação da solução utilizada para determinado problema (ficha de prescrição

de atividade física), ou seja, a solução utilizada para o problema específico na sua descrição,

sendo que a solução é a mais próxima dos casos com essas características, sendo utilizada a

similaridade para a busca dos índices, podendo ser alterada conforme necessidade do

especialista.

Page 60: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

47

Figura 9. Estrutura do caso de uso

No cadastro de alunos são coletadas as informações de idade, sexo e objetivo. Na avaliação

física é feita sua anamnese com informações do histórico familiar e vícios. Em seguida é feita a

avaliação física do aluno em duas partes, a primeira (antropometria) com informações de medidas

corporais, onde são coletados as informações de peso, percentual de gordura, e o cálculo de

índice de massa corporal. A segunda parte (aspectos hemodinâmicos) envolve as outras duas

informações de SE que é o Índice de Aptidão física e a pressão arterial.

Com a união dessas informações coletadas é disparado um chamado para uma classe de

“ControleRBC”, que vai receber essas informações (caso) coletadas do objeto aluno em suas

avaliações e cadastros para fazer a contagem das características na base de conhecimento onde estão

as fichas de programações, verificando a quantidade de características existentes neste caso e

buscado as fichas de programação mais similares.

Para o professor poder visualizar essas fichas basta clicar no botão de Programação que

estará liberado após feita a avaliação física do aluno. Caberá a ele também a aceitação de uma ficha

ou a inclusão de uma nova ficha de programação.

3.3.3 Natureza dos Atributos

O conjunto de casos é composto pelas variáveis descritas na Tabela 13, com seus nomes e

pesos para busca de informações.

Page 61: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

48

Tabela 13. Natureza dos Atributos

Característica Domínio Peso Objetivo Descrição do Objetivo do aluno em fazer exercícios 3 Idade 12 até 80 1 Sexo Masculino/ feminino 2 Peso 40 até 150 0,75 Índice de atividade física muito bom, bom, regular, ruim 1 Pressão arterial normal, limite, hipertensão 1,5

Percentual de gordura excelente, bom, acima da média, média, abaixo da média, ruim, muito ruim

0,5

Índice de massa corporal abaixo do peso, peso normal, acima do peso e obeso 0,25

A princípio este sistema não realiza a etapa da adaptação, pois o objetivo é ter uma base com

centenas de casos em que um novo caso possa ser capaz de receber uma prescrição baseado na

similaridade com outro da base.

3.3.3.1 Avaliação da Similaridade

A avaliação de similaridade é feita da seguinte forma: são buscados os valores da tabela de

casos de aluno com suas variáveis (objetivo, idade, sexo, peso, icm, índice de aptidão, pressão,

Vo²max e %gordura) e carregados no objeto “casoAluno”. Esse objeto servirá como uma lista, onde

é varrida a tabela de “CASO” e comparadas as variáveis, ou seja, caso exista a mesma variável é

multiplicado o peso da variável por 1, caso não tenha é multiplicado por 0. Ao final de cada registro

do banco é feita uma somatória de todas a variáveis e armazenadas nesta lista no campo total, sendo

que o total servirá como base para pesquisa de qual caso é o mais similar aos dados comparados. O

método utilizado foi o do vizinho mais próximo, conforme a Equação 11.

Similaridade (N, F) = ∑n i=1 ƒ ( Ni, Fi ) × wi Equação 11

N = Novo caso.

F = Casos existentes na memória de casos.

n = Número de atributos.

i = Atributo individual variando de 1 a n.

ƒ = Função de similaridade para o atributo i nos casos N e F.

w = Peso do atributo i.

Page 62: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

49

3.4 MODELAGEM DO BANCO DE DADOS

Para a modelagem do banco utilizou-se uma ferramenta chamada DBDesigner 4, a qual

facilitou a criação do banco de dados, uso de query e alterações de tabelas. , tendo como vantagem a

parte gráfica do MER (Modelo Entidade Relacionamento). O MER do sistema pode ser encontrado

no APÊNDICE C.

3.4.1 Relacionamentos de Músculos x Equipamentos

Esse relacionamento foi criado para a ligação dos músculos aos equipamentos, facilitando

assim a criação de fichas de programação onde contém a descrição do um equipamento e quais

músculos ele pode trabalhar, conforme ilustrado na Figura 10.

Figura 10. Relacionamento de Músculo e Equipamentos

3.4.2 Relacionamentos de Instituições x Campus x Cursos

Esse relacionamento foi criado para a ligação de um curso poder existir em mais de um

campus e podendo ser diferenciado também por instituições conforme, ilustrado na Figura 11.

Figura 11. Relacionamento de Instituições x Campus x Cursos

3.4.3 Relacionamentos de Países x Estados x Cidades

Esse relacionamento foi criado para a ligação de um país, com vários estados e várias

cidades, sendo que no sistema não tem cadastro de países, estados e nem cidades. Esses foram

Page 63: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

50

alimentados por arquivos de importação que podem ser encontrado no site dos correios. A

ilustração do relacionamento pode ser visualizado na Figura 12.

Figura 12. Relacionamento de Paises x Estados x Cidades

3.4.4 Relacionamentos de Usuários x Funções

Esse relacionamento foi criado para fazer o controle de acesso de usuários, onde cada

usuário pode ser configurado os acessos as funções de menu. Ele pode ter acesso ao sistema,

restringindo assim aos alunos somente parte de consultas ao próprio aluno e consulta de qual a sua

ficha de programação. A ilustração do relacionamento pode ser visualizada na Figura 13.

Figura 13. Relacionamento de Usuários x Funções

3.4.5 Relacionamentos de Alunos x Avaliação Física

Esse relacionamento foi criado que se tenha um Histórico das avaliações do aluno ao

decorrer de suas atividades. A Figura 14 mostra como foi estruturadas as tabelas de dados.

Figura 14. Relacionamento de Alunos x Avaliação Física

Page 64: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

51

3.4.6 Relacionamentos de Alunos x Índice de Atividade Física

Essas tabelas forma criadas para armazenar as informações a serem buscadas no índice de

atividade física do aluno. A ilustração do relacionamento pode ser visualizado na Figura 15.

Figura 15. Relacionamento de Alunos x Índice de Atividade Física

3.4.7 Relacionamentos de Alunos x Anamnese

Esse relacionamento foi criado que se tenha um histórico de anamnese do aluno, que venha

a ajudar a decisão do professor na escolha da ficha de programação física. Sua estrutura pode ser

visualizada na Figura 16.

Figura 16. Relacionamento de Alunos x Anamnese

3.5 MODELAGEM DO SISTEMA - UML

Para a modelagem do sistema utilizou-se os conceitos da UML (Unified modeling

language), e foi feita através da ferramenta Interprise Architect.

Page 65: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

52

3.5.1 Diagramas da UML

A UML possui nove tipos de diagramas para modelagem de sistemas. Cada diagrama

modela uma característica distinta da estrutura ou comportamento do sistema. A Tabela 14

relaciona todos diagramas que a UML possui, e descreve quais dizem respeito à estrutura e quais

dizem respeito ao comportamento do sistema.

Tabela 14. Diagramas da UML Estrutura do Sistema Comportamento do Sistema Diagrama de classes Diagrama de atividades Diagrama de objetos Diagrama de mapa de estados Diagrama de componentes Diagrama de colaborações Diagrama de instalação Diagrama de seqüência Diagrama de casos de uso

Fonte: FOWLER, 2000.

Para a modelagem de estrutura do sistema foram utilizados somente os diagramas de

classes e objetos, já para a parte comportamental do sistema foram utilizados os diagramas de

atividades, caso e uso e seqüência.

3.5.2 Diagramas de Casos de Uso (Use case)

3.5.2.1 Caso de Uso de Controle de Acesso

O sistema terá um controle de acesso de usuário para especificar seus menus, dependendo

do tipo de usuário que entrar no sistema, conforme a Figura 17.

Figura 17. Controle de acesso de usuários

O sistema pode ser utilizado por três tipos de personagens, (alunos, professores e

administrador) tendo para cada tipo funções do sistema diferenciadas, ou seja, no caso de um aluno

Page 66: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

53

utilizar o sistema somente deve aparecer em seus menus de funções que lhe são permitidas,

representando o caso de uso para alunos.

3.5.2.2 Caso de Uso de Controle de Alunos

Quanto ao diagrama de caso de uso de alunos, estes podem somente utilizar o sistema para

consultas, sendo elas descritas na Figura 18.

Figura 18. Caso de uso de alunos

3.5.2.3 Caso de Uso de Aluno (Consulta Alunos)

Essa consulta em específico tem restrições ao aluno. Estes podem visualizar somente suas

informações, não tendo acesso às informações de outros alunos. Segundo a Figura 19 as

informações a serem visualizadas são as mesmas do cadastro de alunos, porém somente como

consulta. Em caso de alteração de suas informações deve ser requisitada ao professor a alteração.

Figura 19. Caso de uso consulta de alunos

Page 67: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

54

3.5.2.4 Caso de Uso de Aluno Consulta Equipamentos

O aluno pode consultar informações dos equipamentos da academia, tendo informações de

seu nome e nome técnico (Figura 20).

Figura 20. Caso de uso consulta de equipamentos

3.5.2.5 Caso de Uso de Aluno Consulta Músculos

O aluno pode consultar informações dos músculos, dependendo de seu objetivo, para obter

informações da localização dos músculos, tendo informações de seu nome e nome técnico (Figura

21).

Figura 21. Caso de uso consulta de músculos

3.5.2.6 Caso de Uso de Aluno Consulta Professores

O aluno pode consultar todas as informações do cadastro de professores (Figura 22).

Figura 22. Caso de uso consulta de professores

3.5.2.7 Caso de Uso de Aluno (Consulta Anamnese)

O aluno pode consultar informações sobre sua anamnese em duas etapas: uma com as

informações de Anamnese clínica e outra com as informações da Anamnese de risco coronário

(Figura 23).

Page 68: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

55

Figura 23. Caso de uso consulta dados de anamnese

3.5.2.8 Caso de Uso de Aluno Consulta Avaliação Física

Através dessa consulta o aluno pode ter sua ficha de avaliação física completa com

informações de percentual de gordura, situação da pressão arterial, índice de aptidão física e

informações antropométricas (Figura 24).

Figura 24. Caso de uso consulta dados da avaliação física

3.5.2.9 Caso de Uso de Aluno Consulta Programação

O aluno pode consultar as informações de sua ficha de programação atual, sendo que para

consulta de fichas de programação anterior ou histórico de programações somente através de

relatórios, os quais foram sugeridos como futuras implementações do sistema. A ficha de

Programação contém informações de data, hora, professor responsável, equipamentos a serem

utilizados, quantidade de séries, carga para todos os exercícios e informações do aluno (Figura 25).

Figura 25. Caso de uso consulta de ficha de programação

3.5.2.10 Caso de Uso de Controle de Professores e Administradores

O administrador do sistema e os professores têm as mesmas funções de menus, para

facilidade de utilização de algumas funções. Quando o administrador não estiver presente, isso

Page 69: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

56

ocorre, quando da divergência de horários para utilização do sistema, pois a academia da UNIVALI

tem seu funcionamento nos três períodos diário (matutino, vespertino e noturno). Já a pessoa

responsável pela administração do sistema é restrita aos períodos matutino e vespertino. Os itens de

menus que os professores (administradores) do sistema poderão utilizar podem ser visualizados

conforme a Figura 26.

Figura 26. Caso de uso de professores e administrador do sistema

Os professores têm acesso a todas as funções do sistema, cabendo a ele atualizar as

informações dos alunos, podendo alterar configurações de usuários.

3.5.2.11 Caso de Uso Professores (Controle de Login)

O professor pode relacionar os menus de acesso ao usuário, fazendo a montagem de menus

após o primeiro login no sistema (Figura 27).

Page 70: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

57

Figura 27. Caso de uso de controle de login

3.5.2.12 Caso de Uso Professores (Atualizando Alunos)

O professor ou o administrador do sistema pode incluir, alterar ou excluir um aluno através

da tela de atualização, utilizando como padrão a divisão das telas em quatro partes: a primeira tela

de atualização, onde tem três botões (incluir, alterar, excluir), onde cada botão tem sua

funcionalidade, ou seja, uma chamada de tela nova, os botões de alteração e exclusão somente

ficam ativos quando da escolha de um aluno na gride de alunos, caso contrário, somente o botão

incluir fica ativo (Figura 28).

Figura 28. Caso de uso de professores atualização de alunos

3.5.2.13 Caso de Uso de Professores Consultando Alunos

O professor pode ter acesso ao menu de consulta de alunos, que traz informações a respeito

dos alunos, tendo como padrão também uma tela de entrada como filtro de alunos para serem

consultados (Figura 29).

Figura 29. Caso de uso de professores consultas de alunos

Page 71: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

58

3.5.2.14 Caso de Uso de Professores coletando dados de Anamnese do Aluno

O professor pode consultar as avaliações de anamnese do aluno da mesma forma da consulta

de alunos, ou seja, tendo uma tela inicial como filtro de alunos, com dois botões, um de anamnese

clínica e outro de anamnese de risco. Trás somente os campos já cadastrados nas telas de Anamnese

(Figura 30).

Figura 30. Caso de uso de professores e anamnese

3.5.2.15 Caso de Uso de Professores Avaliando Aluno

Somente o professor de educação física pode ter acesso ao menu de avaliação física. Esta

tela é responsável pelo cadastro de todas as informações de avaliação e anamnese, contendo botões

para cada tipo de avaliação (Figura 31). Essas avaliações são descritas a seguir.

Figura 31. Caso de uso de professores e avaliação física

1. Professores Transação de Antropometria

Na tela de antropometria são cadastradas as medidas corporais do aluno e feito o cálculo

de seu percentual de gordura.

2. Professores Transação de Índice de Massa Corporal

Através do ICM é verificada a situação de peso do aluno, ou seja, se o aluno está abaixo

do peso, no peso normal, acima do peso ou obeso.

3. Professores Transação de Índice de Aptidão Física

Nesta tela é utilizado o SE, e através do índice de aptidão física do aluno é possível

diagnosticar sua capacidade física, estando a classificação descrita no Capítulo 2 (vide

Seção 2.6.2).

Page 72: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

59

4. Professores Transação de Pressão Arterial

Esta é outra tela que contém um SE integrado para diagnosticar a situação da PA do

aluno, conforme descrição do Capítulo 2 (vide Seção 2.1).

5. Professores Transação de Aspectos Hemodinâmicos

Nesta tela são coletados dados referentes a testes de resistência com intuito de calcular o

Vo²max (volume de oxigênio) do aluno.

3.5.2.16 Caso de Uso de Professores Gerando Programação

O professor faz todas as avaliações e após elas feitas ele clica no botão de programação,

onde busca as informações de uma ficha de programação utilizada para outro aluno com as mesmas

características, ou seja, o sistema sugere uma ficha de programação para o professor, e a ele cabe

aceitar ou não essa ficha.

3.5.3 Diagramas de Pacotes

Diagrama de pacotes com informações de telas de acesso dos usuários, onde é possível

definir as telas de acesso dos alunos e professores do sistema, conforme a Figura 32.

Figura 32. Diagrama de pacotes

Page 73: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

60

3.5.4 Diagrama de Atividades

3.5.4.1 Diagrama de Atividades Avaliação Física

O diagrama apresentado na Figura 33 é um fluxograma de todos os passos da avaliação

física a serem executados pelo profissional de educação física para se obter uma ficha de

programação para o aluno.

Figura 33. Diagrama de Atividades para a Avaliação Física

Quando da primeira avaliação do aluno, o professor deve seguir os seguintes passos, entrar

na tela de avaliação física, selecionar qual aluno deve ser avaliado, clicar no botão de “Anamnese” e

cadastrar a Anamnese clínica e de risco coronário. Após o aluno ter realizado seu cadastro de

Page 74: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

61

anamnese o botão de “Avaliação Física” é habilitado para proceder a avaliação. Na avaliação têm-

se os seguintes passos: são cadastradas as medidas corporais do aluno clicando no botão de

“Antropometria”, após exibir suas medidas volta para tela de avaliação física e verificado seu Índice

de massa Corporal, trazendo seu percentual de gordura. Depois é verificado seu Índice de aptidão

física, retornando o diagnóstico de como o aluno esta fisicamente. Após esses passos é verificada a

pressão arterial do aluno, tendo como retorno sua situação cardiovascular. Conforme o diagnóstico

da pressão arterial cabe ao profissional decidir se aplica os testes de esteira e corrida desse aluno e

caso esteja em condições normais é verificados esses testes, clicando no botão de “Aspectos

Hemodinâmicos”.

Feito todos esses passos de avaliação física o professor clica no botão “Programação”, onde

o sistema busca na base de dados fichas de programação que se encaixem no perfil das

características desse aluno, podendo o professor escolher uma já existente ou alterar para suprir as

necessidades do mesmo.

3.5.4.2 Diagrama de Atividades de Pressão Arterial

Objeto pressão recebe os dados da tela de Pressão Arterial. Esses dados são transformados

em fatos, para que se encontre qual regra possuirá as características que representarão o diagnóstico

da amostra selecionada. Então, um arquivo contendo as regras do sistema especialista será

carregado, e em seguida a máquina de inferência será ativada. Os fatos vão de encontro às regras, e

nesse momento, o Jess encontra o diagnóstico da amostra. Por fim, devolve o resultado encontrado

para o objeto pressão. A Figura 34 descreve o diagrama de atividades para o objeto no Jess.

ad 5.1 Diagrama de ativ idades

Início

Transforma em Fatos

Recebe dados de Pressão Arterial

Carrega as Regras de Pressão Arterial

Executa Máquina de Inferência

Verifica as regras com os fatos

Encontra Diagnóstico

Retorna Diagnóstico

Figura 34. Diagrama de Atividades para o objeto pressão Jess.

Page 75: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

62

3.5.4.3 Diagrama de Atividades de Índice de Aptidão

O objeto índice recebe os dados da tela de Índice de Aptidão Física. Esses dados são

transformados em fatos, tendo três variáveis a serem avaliadas: a intensidade, duração e freqüência

para que se encontre qual regra possuíra as características que representarão o diagnóstico dessa

amostra selecionada. Então, um arquivo contendo as regras do sistema especialista é carregado, e

em seguida a máquina de inferência será ativada. Os fatos são comparados com as regras, e nesse

momento, o Jess encontra o diagnóstico da amostra. Por fim, devolve o resultado encontrado para o

objeto índice. A Figura 35 descreve o diagrama de atividades para o objeto no Jess.

ad PCT 02 Índice de Aptidão

Início

Transforma em Fatos

Recebe dados de Intensidade

Carrega as Regras de Índice de Aptidão

Executa Máquina de Inferência

Verifica as regras com os fatos

Encontra Diagnóstico

Retorna Diagnóstico

Recebe dados de Freqüência

Recebe dados de Duração

Figura 35: Diagrama de Atividades para o objeto Índice de Aptidão no Jess.

3.5.5 Diagramas de Seqüência

A seguir têm-se alguns diagramas de seqüência importantes para o desenvolvimento do

sistema.

3.5.5.1 Diagrama de Seqüência de Antropometria

Este diagrama representa todos os passos que o sistema percorre internamente, desde a

montagem das telas até sua finalização. Tudo inicia com o professor fazendo uma chamada de tela

de avaliação física através do menu de funções, e ao clicar no menu é chamada uma classe de

controle no java chamada “ControleAvaliação”, onde esta faz a verificação de qual função esta

Page 76: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

63

associada ao endereço de menu na tabela FUNCOES. Caso tenha um endereço válido é retornada a

tela html sem buscar os alunos. Nesta tela de entrada pode ser feito um filtro de alunos buscando

pelo nome do aluno, apertando no botão “BUSCAR”, e caso o professor deseje buscar todos os

alunos ele não especifica nenhum nome no filtro e clica em buscar. Este evento faz uma chamada

para a classe java “ControleAlunos”, onde busca todas as informações de alunos recebendo a

variável “nome” do filtro e retornando a tela de html todos os nomes. Feita a primeira etapa de

busca de alunos o professor de educação física escolhe um aluno para fazer sua avaliação física,

selecionando o radio button da tela de avaliação física, o qual libera o botão de “antropometria”. O

professor clica no botão de antropometria, onde esse evento chama a classe de controle chamada

“ControleAvaliação”, indo buscar as informações da tela de antropometria e o endereço html na

tabela de funções, trazendo o retorno da tela para o aluno. Em seguida o professor entra com as

informações de medidas do aluno e clica no botão “Calcula Vo2 max” para calcular o percentual de

gordura do aluno e sua classificação. Após tem a informação do percentual de gordura do aluno é

liberado o botão “OK” que serve para inserir as informações de antropomeria, esse por sua vez faz a

chamada da classe “ControleAvaliação” onde faz as inserções nas tabelas “ANTROPOMETRIA” e

“HIS_ANTROPOMETRIA” e retorna para a tela de avaliação física.

Page 77: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

64

sd PCT05 - AF ANTROPOMETRIA

Professor

«web page»

Avaliação Física

Controle de Avaliação

Física

FunçõesControle de Alunos

Alunos

«web page»

Antropometria

af_antropometria hist_af_antropometria

Clica no menu de Avaliação Física

chamada da tela de avaliação físicaBusca endereço do html(Transação)

return(pagina Html)

Return(HTML)

Busca Alunos Fil tro(NOME)

Função Lista_Alunos(NOME)

Busca aluno(NOME)

[se nao achou]: Return(NULL)

[se nao achou]: Return Html sem grid

[se achou]: Return(ALUNOS)

[se achou]: Return gride de Alunos(ALUNOS)

Seleciona Aluno(CdAluno)

Clica em Antropometria(cdAluno)Busca endereço do html(Antropometria)

Return(pagina Html)

Return(HTML)

Informa Dados(DADOS)

Clica em VO2 max(DADOS)

Calcula Vo2(DADOS)

Cálculo(%gordura, classificação)

Return(%gordura, Classificação)

Clica em OK(DADOS)

IncluirAntropometria(DADOS)GravaAntropometria(DADOS)

[se não gravou]: Return(ERRO do SQL)

Return(Erro)

[se gravou]: Return comit

GravaHistAntropometria(DADOS)

[se nao gravou]: Return(ERRO)

Return(Erro)

[se gravou]: Return(comit)

Return(Html)

Figura 36. Diagrama de Seqüência de Antropometria

3.5.5.2 Diagrama de Seqüência de Índice de Massa Corporal

Este diagrama segue a mesma estrutura do diagrama de antropometria, alterando somente os

controles e as bases de dados conforme a Figura 37.

Page 78: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

65

sd PCT06 - AF INDICE DE MASSA

Professor

«web page»

Avaliação Física

Controle de Avaliação

Física

Funções

«web page»

Indice de Massa

indice_aluno hist_indice_atividade

Seleciona Aluno(CdAluno)

Chamda tela de Indice de Massa(CdAluno)Busca endereço do html(HTML)

return(página html)

Return(HTML)

Calcula(DADOS)

Chama Controle(DADOS)

Calcula Indice de Massa(DADOS)

Return(INDICE)

Grava(INDICE)

Chama Controle(INDICE)

GravaIndice(DADOS)

[se não gravou]: Return(ERRO do SQL)

Return(Erro)

[se gravou]: Return comit

Return(Html)

GravaHisIndice(DADOS)

[se não gravou]: Return(ERRO do SQL)

Return(Erro)

[se gravou]: Retun(comit)

Return(Html)

Figura 37. Diagrama de Seqüência de Índice de Massa Corporal

3.5.5.3 Diagrama de Seqüência de Índice de Aptidão Física

Este diagrama (Figura 38) segue a mesma estrutura dos outros diagramas, porém com um

diferencial, pois este está descrito os passos executados pelo SE.

Page 79: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

66

sd PCT07 - AF INDICE DE APTIDAO

Professor

(from PCT06 - AF INDICE DE MASSA)

«web page»

Av aliaçãoFísica Controle de

Aval iação Física

Tabela Funções

«web page»

Indice deAptidao Frequencia Duracao Intensidade T ab_Ind_AtividadeControle SE

Jess

«Class»

UtilizaJess

«Class»

IndiceAptidao

«Base Fatos»

RegraIndice.clp

«Algoritmo»

Rete

Indice Hist_Ind_Atividade

alt Sistema Especialista JESS

Click no Botão Índice de Aptidão

chamada da tela de indice de aptidao

Busca endereço do html (Transação)

return(pagina Html )

Busca(DADOS)

Monta combobox(DADOS)

Busca(DADOS)

Monta Combobox(DADOS)

Busca(DADOS)

Monta Combobox(DADOS)

Return(HTML)

Calcula(DADOS)

Chama Controle SE(DADOS)

Nem RET E

rete = New Rete

CarregaFatos

Return(BaseFatos)

CriaObjetoIndice(DADOS)

Funcall f = new Funcall("definstance", rete);

f.add(new Value("ObjetoIndice", RU.ATOM));

f.add(new Value(ObjetoIndice));

f.execute(rete.getGlobalContext());

rete.executeCommand("(run)");

rete.fetch("RESULT"));

Return(Resul tado)

Mostra(Resul tado)

Grava informações(INDICE)

Chama Controle(INDICE)

GravaIndice(INDICE)

[se não gravou]: Return(Erro do SQL)

Return(Erro)

Return(comi t)

GravaTabInd(INDICE)

[se não gravou]: Return(Erro do SQL)

Return(Erro)

Return(comit)

GravaHistInd(INDICE)

[se não gravou]: Return(Erro do SQL)

Return(Erro)

Return(comi t)

Return(HTML)

Figura 38. Diagrama de Seqüência de Índice de Aptidão Física

3.5.5.4 Diagrama de Seqüência do SE para Aptidão Física

Este diagrama (Figura 39) representa os passos executados pelo JESS quando feito a

chamada da classe “ControleJESS”, onde esta classe chama a classe “UtilizaJess” que cria uma

instância rete do tipo Rete, carrega a base de fatos do arquivo “índice.clp”, retorna para a classe

Page 80: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

67

“UtilizaJess”, cria um objeto índice que recebe as variáveis da tela de índice de aptidão, cria uma

nova instância na máquina de inferência com a função “Funcall f = new Funcall(“definstance”,

rete)”. Esta instância é iniciada através do comando do JESS “f.add(new

Value(“Objetoindice”.RU.ATOM))”, após iniciar a máquina de inferência passa os objetos do

índice, pega o contexto através do comando “f.execut(rete.getGlobalContext())” e executa a o

diagnóstico através do comando “rete.executCommand(“(run)”);”, manda o resultado do

diagnóstico pelo comando “rete.fecth(“RESULT”);” e o objeto índice na classe “UtilizaJess”

recebe o resultado. Este por sua vez é retornado para o controle e retorna o diagnóstico para a tela

de Índice de Aptidão.

Figura 39. Diagrama de Seqüência do JESS no Índice de Aptidão Física

3.5.5.5 Diagrama de Seqüência do RBC para ficha de programação

Este diagrama segue a mesma estrutura dos outros diagramas, porém com um diferencial,

está descrito os passos executados pelo RBC, conforme Figura 40.

Page 81: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

68

sd PCT08 - AF PROGRAMACAO

Professor

«web page»

AvaliaçãoFísica

«web page»

Programaçãosugerida Caso_Aluno Base de

CasosFicha Equip x

MusculosControle

RBC

«Class»

ControleAluno

«Class»

Controle deCaso

«web page»

Programaçãonov o caso Controle de

Avali açãoAlunos Funções

Seleciona aluno(cdAluno)

Chama ficha de Programação(cdaluno)

VerificaAvaliado(cdaluno)

AlunoAvali ado(cdAluno)

[se id_avalidao = "S"]: AlunoAval iado(Sim)AlunoAvaliado(cdAluno)

BuscaVariaveis(cdAluno)

VerificaCasos(cdAluno)

BuscaCasoAluno(cdAluno)

Return(Objeto caso)

CalculaSimilaridade(objeto caso)

BuscaCasoSimi lar(simi laridade)

Return(cdFicha)

BuscaFicha(cdFicha)

Return(Objeto Ficha)

BuscaEquipMusc(cdFicha)

Return(ListaProgramação)

Return(ListaProgramação)

Envia(ListaProgramação)

BuscaFunção(programa_sugerido)

Return(Tela.html)

MontaTela(ListaProgramação)

Mostra(Tela.html)

AceitaProgramação

IncluirFi cha(cdFicha)

IncluirFicha(cdFicha)

IncluiFicha(cdFicha)

GravaFicha(cdFicha)

Return(OK)Return(OK)

Return(OK)

BuscaFunção(Avaliação)

Return(Tela.html)

Mostra(Tela.html)

NovaProgramação

LiberaCampus(Novo)

AlteraProgramação(dados)

IncluirProgramação(dados)

incluirCaso(dados)

NovoCaso(dados)

NovoCaso(Dados)

Inclui rFicha(dados)

Return(cdFicha)

IncluirCaso(cdFicha, Dados)

Return(OK)

Return(OK)

Return(OK)

BuscaFunção(Avaliação)

Return(Tela.html)

Mostra(Tela.html)

[se id_aval iado = "N"]: AlunoAvaliado(Não)

Return(alunoNaoAvaliado)

Return(alunoNaoAvaliado)

Return MSG(Aluno Não Avaliado)

Figura 40. Diagrama de Seqüência de geração de Programação

Primeiramente antes de se chegar ao botão de programação o professor já deve ter feito

todas as avaliações do aluno. Ao clicar no botão “programação” o sistema faz uma chamada para a

classe de “ControleAvaliação”, onde esta recebe o código do aluno selecionado anteriormente pelo

Page 82: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

69

professor. Este controle tem que fazer uma verificação se esse aluno realmente já foi avaliado ou

não. Para isso faz-se uma chamada para a classe de “ControleRBC”, que recebe o objeto com o

código do aluno e faz uma consulta na tabela de alunos para verificar o campo ID_AVALICAO.

Caso esse identificador esteja com o valor “S”(sim), ele retorna uma confirmação para a classe de

controle de avaliação, que chama novamente o controle de RBC para buscar as variáveis (objetivo,

idade, sexo, peso, PA, índice de aptidão física, índice de massa corporal e % de gordura) do caso do

aluno. Após ter os dados do aluno é verificado o problema que o aluno deseja resolver, ou seja, o

objetivo de fazer o exercício na academia. Sabendo-se o problema é calculado o grau de

similaridade, que é retornado através da seguinte forma: se o caso a variável do caso do aluno

estiver na tabela de CASOS, essa variável recebe um valor, e após ser verificado todas as variáveis

é feito uma soma total e gravado em uma variável do sistema o valor total. Esse valor total serve

para verificar o grau de similaridade do caso do aluno com os casos já existentes no banco de dados,

e ao final da verificação de todos os casos vai ser buscado o caso que contenha o maior grau de

similaridade.

Após encontrar o caso mais similar, o sistema ainda tem que buscar as informações da ficha

de programação, onde ele pega inicialmente o código da ficha e depois varre a tabela de

EQUIP_HAS_MUSCULOS para buscar as informações de aparelhos, séries e cargas. Tendo essas

informações o controle de RBC retorna para o controle de avaliação um objeto lista com todas as

informações da ficha de programação. Esse controle (ControleAvaliação) faz uma busca do

endereço da tela de html, monta as informações na tela e apresenta para o professor a ficha de

programação sugerida.

Caso o professor aceite essa opção sem alterações e clique no botão aceitar, esse faz um

chamado de inserção da ficha no caso do aluno, isso para facilitar a consulta posteriormente. Mas se

o professor achar que devem ser feitas algumas alterações para esse aluno, ele clica no botão novo,

e habilita os campos para digitação das informações. Após as informações terem sido digitadas o

professor clica no botão OK, onde é disparado um chamado para o controle de avaliação, que

chama o controle do RBC. É feita uma inserção da ficha de programação na tabela de FICHA, em

seguida insere na tabele CASO_ALUNO, e cria um novo caso na tabela CASO. Novamente tem se

o retorno da inserção para o controle de avaliação que busca novamente a tela de avaliação física e

apresenta para o professor.

Neste diagrama de seqüência fica descrito o ciclo do RBC com os “3R”. Inicialmente é feita

recuperação se houver um caso parecido, após recuperado é feita uma revisão das informações,

Page 83: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

70

altera e por fim e gravado um novo caso. Neste sistema ele não utilizada a reutilização de caso não

aceitando a alteração somente de alguns dados e sim de todos.

Figura 41. Diagrama de Seqüência do RBC

Page 84: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

71

3.6 TELAS DO SISTEMA A seguir tem-se uma apresentação das telas do sistema, onde o usuário (aluno ou professor)

entra no sistema através de uma tela de login (conforme Figura 42). Nesta tela que são carregados

os menus relativos a cada usuário.

cd TEL000- Logar no sistema

Figura 42. Tela de Login de acesso Após ter feito a carga de menus do usuário é apresentado a tela de entrada do sistema

(Figura 43), onde os menus são carregados organizados da seguinte forma: atualizações, consultas,

relatório e transações.

cd TEL001- Tela inicial do sistema

Figura 43. Tela de entrada no sistema

Page 85: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

72

O sistema utiliza a seguinte forma para os cadastros do sistema, todos os cadastros passam

por uma tela de filtro chamada de atualização (Figura 44), sendo que nesta tela podem ser

pesquisados os dados através de filtros de entrada, tendo como opções botões de incluir, alterar e

excluir.

cd TEL002- Atualização de Alunos

Figura 44. Tela de atualização de alunos

A Figura 45 mostra um exemplo de alteração de alunos após o usuário ter selecionado um

aluno na tela de atualização, em seguida clicado no botão alterar.

Page 86: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

73

cd TEL020- Alteração de Alunos

Figura 45. Tela de alteração de aluno. A Figura 46 mostra outro exemplo de exclusão seguindo os mesmos passos descritos para a

alteração, porém o usuário escolhe o botão excluir.

Page 87: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

74

cd TEL029- Exclusão de Alunos

Figura 46. Tela de exclusão de alunos

Passando das telas de cadastro para as telas de transação (Figura 47), segue o mesmo padrão

adotado pelas telas de atualização, ou seja, tem-se uma tela inicial de atualização de avaliação

contendo os botões que servirão para a chamada das telas de avaliação de alunos.

cd TEL056- Transação de Av aliação Física

Figura 47. Tela de transação de avaliação física do aluno

Page 88: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

75

O primeiro passo do professor para avaliar o aluno é fazer o cadastro das informações de

anamnese, onde deve ser cadastrada a anamnese de risco, segundo a Figura 48.

cd TEL055.b- Transação de Anamnese de Risco

Figura 48. Tela de anamnese de risco coronário Após o cadastro da anamnese de risco o professor cadastra as informações de anamnese

clínica descrito na Figura 49.

cd TEL055.a- Transação de Anamnese Clínica

Figura 49. Tela de anamnese clínica

Page 89: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

76

Dando continuidade a avaliação seguindo uma ordem, são cadastradas as informações de

antropometria (medidas corporais) do aluno. Entrando com os dados coletados pelo professor, onde

segundo a Figura 50 o professor deve fazer a verificação do percentual de gordura do aluno, essa

informação será de grande importância para o processo de RBC, O percentual de gordura do aluno é

relativo a 7 (sete) pontos indispensáveis nesta tela que são os dados referentes as dobras, pois

através destes dados que é feito o cálculo de percentual de gordura.

cd TEL056.b- Transação de Av aliação Física - Antrop ometria

Figura 50. Tela de transação de avaliação física antropometria

Page 90: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

77

Após termos as medidas do aluno podemos verificar o seu índice de massa corporal, com a

fórmula de peso em relação a altura do aluno, sendo que essa informação também será utilizada

para o cálculo de similaridade do RBC. O retorno desta tela (Figura 51) é a condição em que o

aluno se encontra, ou seja, se ele está acima de seu peso, peso na média ou abaixo do peso.

cd TEL059- Transação de Índice de Massa - ICM

Figura 51. Tela de índice de massa corporal

Já a Figura 52 mostra as questões utilizadas para verificar o índice de aptidão física do

aluno. Para verificação deste índice foi utilizado o SE, tendo como entrada o valor das variáveis de

intensidade, duração e freqüência de exercícios. A intensidade refere-se a forma que o aluno pratica

a atividade física. Por exemplo andar de bicicleta é uma atividade física, agora a forma que o aluno

anda de bicicleta, ou seja, corre, passeia ou pedala normal é o que diz respeito a intensidade. A

duração é relativa ao tempo gasto para essa atividade e não a quantidade de vezes, a quantidade de

vezes é a freqüência.

Page 91: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

78

cd TEL058- Transação de Índice de Ativ idade

Figura 52. Tela de índice de atividade física

A pressão arterial ilustrada na Figura 53, é outra verificação para saber como anda a situação

cardíaca do aluno. Para isso foi utilizado um SE, onde entra com os dados da pressão Diastólica e

Sistólica, e têm-se como retorno a situação do aluno: se ele sofre de hipertensão ou se sua pressão

está normal. Este passo é de grande importância para o professor de educação física, pois sem essa

informação não é correto aplicar o teste de resistência para o aluno.

ad TEL062- Transação de Pressão Arterial

Figura 53. Tela de índice de atividade física Após ter as informações referentes a pressão arterial cabe ao professor verificar a

necessidade de aplicar o teste de aspectos hemodinâmicos, composto pelo teste de caminhada na

Page 92: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

79

esteira de 2400m, onde se coleta as informações do tempo gasto para o teste, e o teste de corrida de

1200m.

Essas informações de aspectos hemodinâmicos, segundo a Figura 54, são responsáveis pela

informação de vo2max(volume de oxigênio) do aluno, que será utilizado pelo RBC na busca de

casos no banco que contem essa característica.

cd TEL056.a- Transação de Av aliação Física - Aspect os

Figura 54. Tela de transação de avaliação física Vo2

Por fim é apresentada a tela de sugestão de ficha de programação física na Figura 55. Esta

tela foi montada com base no RBC, onde foram verificados todos os casos na base de casos que

possua as mesmas características do aluno avaliado. Nesta tela cabe ao professor de educação física

aceitar a programação ou não, tendo como opção clicar no botão novo que irá habilitar os campos

para digitação das informações de exercícios, cargas e séries para esse novo caso. Em seguida é

gravada a ficha de programação para o aluno e retorna para a tela de atualização da avaliação.

Page 93: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

80

cd TEL060- Transação de Programação

Figura 55. Tela de Programação sugerida Caso o profissional de educação física não aceite a ficha de programação sugerida, o mesmo

clica no botão novo onde terá uma nova tela para a escolha dos exercícios, aparelhos, séries e

cargas, conforme Figura 56.

cd TEL060- Transação de Programação Nov o

Figura 56. Tela de Programação nova ficha

Page 94: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

81

Por fim um relatório com opção de consulta de todos os alunos avaliados. Para imprimir a ficha de cada aluno é passado por uma tela de filtro de alunos (Figura 57), onde escolhe o aluno para mostrar sua ficha de programação.

cd TEL052- Relatório de Avaliação Física_01

Figura 57. Tela de Relatório de Programação filtro

Já na Figura 58 é apresentada à ficha de programação do aluno pronta para impressão no

Browser. cd TEL052- Relatório de Avaliação Física_02

Figura 58. Tela de Relatório de Programação física

3.7 TESTES DE VALIDAÇÃO

3.7.1 Antropometria

Para a coleta dos dados do aluno foi necessária a utilização de um aparelho de medida de

massa muscular chamado “Adipômetro”, para um maior conhecimento dos locais de medidas e

forma de coleta dos dados estão descrito no ANEXO VII.

Page 95: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

82

Com as medidas coletadas na antropometria, pode-se obter o percentual de gordura do

corpo, e um histórico de evolução do aluno ou pessoa, que estará sendo acompanhada em sua

prescrição de atividade física. Para isso foi utilizada a fórmula de Pollock (1975, apud GOMES e

FILHO, 1992), sendo considerado os sete pontos de medida (torácico, abdominal, quadril, braço,

antebraço, coxa, e perna). A implementação da antropometria foi feita via uma classe chamada

“Antropometria”, onde são tratadas as variáveis da tela html que estão na Tabela 15, e aplicado a

fórmula conforme o aluno avaliado, ou seja, caso seja homem, é utilizada a Equação 12, e caso seja

mulher a Equação 13, retornando o percentual de gordura do aluno.

DENSIDADE MASCULINA = 1,0970 – ((0,00046971 (ST)) +

((0,00000056)*(ST)*(ST)) – ((0,00012828) * (IDADE)

Equação 12

DENSIDADE FEMININA = 1,112 – ((0,00043499 (ST)) +

((0,00000055)*(ST)*(ST)) – ((0,0002882) * (IDADE)

Equação 13

PG = ( ((4.95) / (DENSIDADE)) - (4.5 ) ) * (100) Equação 14

Teste com as variáveis da Tabela 15, onde foi feito o cálculo de percentual e gordura para

uma pessoa de 25 anos do sexo feminino em perfeita forma.

DEN=(1,112) - ((0,00043499) * (ST)) + ((0,00000055) * (ST) * (ST)) - ((0,0002882) * (IDADE)) DEN=(1,112) - ((0,00043499) * (280)) + ((0,00000055) * (280) * (280)) - ((0,0002882) * (25)) PG = =(((4,95) / (DEN)) - (4,5 ) ) * (100) PG = 32,4 % Nível = Muito Ruim Situação = Obesidade

Tabela 15. Entrada de dados do aluno

Variáveis Valores Abdominal 10 mm Auxiliar Média 20 mm Coxa 30 mm Peito 40 mm Subescapular 50 mm Supraílica 60 mm Tríceps 70 mm TOTAL 280 mm

O cálculo do percentual de gordura foi implementado dos os algoritmos com base nas

Tabelas 16 e 17 que são internas do sistema não tendo alterações externas. Onde a Tabela 16 é

utilizado para os cálculos do sexo masculino e a Tabela 17 para o feminino.

Page 96: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

83

Tabela 16. Tabela de percentual de gordura para homens

Nível /Idade 18 - 25 26 - 35 36 - 45 46 - 55 56 - 65 Excelente 4 a 6 % 8 a 11% 10 a 14% 12 a 16% 13 a 18% Bom 8 a 10% 12 a 15% 16 a 18% 18 a 20% 20 a 21% Abaixo da Média 12 a 13% 16 a 18% 19 a 21% 21 a 23% 22 a 23% Média 14 a 16% 18 a 20% 21 a 23% 24 a 25% 24 a 25% Acima da Média 17 a 20% 22 a 24% 24 a 25% 26 a 27% 26 a 27% Ruim 20 a 24% 20 a 24% 27 a 29% 28 a 30% 28 a 30% Muito Ruim 26 a 36% 28 a 36% 30 a 39% 32 a 38% 32 a 38%

Fonte: Adaptado de Gomes e Filho (1992).

Tabela 17. Tabela de percentual de gordura para mulheres

Nível /Idade 18 - 25 26 - 35 36 - 45 46 - 55 56 - 65 Excelente 13 a 16% 14 a 16% 16 a 19% 17 a 21% 18 a 22% Bom 17 a 19% 18 a 20% 20 a 23% 23 a 25% 24 a 26% Abaixo da Média 20 a 22% 21 a 23% 24 a 26% 26 a 28% 27 a 29% Média 23 a 25% 24 a 25% 27 a 29% 29 a 31% 30 a 32% Acima da Média 26 a 28% 27 a 29% 30 a 32% 32 a 34% 33 a 35% Ruim 29 a 31% 31 a 33% 33 a 36% 35 a 38% 36 a 38% Muito Ruim 33 a 43% 36 a 49% 38 a 48% 39 a 50% 39 a 49%

Fonte: Adaptado de Gomes e Filho (1992).

3.7.2 Aspectos hemodinâmicos e metabólicos

Foram aplicados dois tipos de teste de resistência (caminhada e corrida), para obter o real

condicionamento físico do aluno avaliado, ou seja, se a pessoa está dentro dos parâmetros

estipulados da Pressão Arterial, para avaliar o VO²max , e determinar uma classificação de aptidão,

ou seja cardíacos, sedentários ativos e atletas. Para isso foi feito o teste de corrida de 2400m, e o

teste de 1200m de caminhada, a seguir tem-se uma descrição das fórmulas utilizadas para o

desenvolvimento.

Para a verificação destes testes foram coletadas algumas amostras na academia de

musculação da UNIVALI, por exemplo:

vo2_max(ml/Kg/min) = (28803,5 ) / ((min) * (60) + (seg)) Equação 15

vo2_max(l/min) = ((vo2_max(ml/Kg/min)) * (peso)) / (1000) Equação 16

O Aluno A faz um cooper no percurso de 2400m na esteira durante 10 minutos e 40

segundo. Neste teste não tem diferenciação por sexo da pessoa avaliada.

vo2_max(ml/Kg/min) = (28803,5 ) / ((min) * (60) + (seg))

Page 97: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

84

vo2_max(ml/Kg/min) = (28803,5 ) / ((10) * (60) + (40))

vo2_max(ml/Kg/min) = 45,005

Classificação relativa = Ativos treinados

vo2_max(l/min) = ((vo2_max(ml/Kg/min)) * (peso)) / (1000)

vo2_max(l/min) = ((45,005)) * (70)) / (1000)

vo2_max(l/min) = 3,150

Classificação absoluta = Sedentários média capacidade física

Tabela 18. Estimativa de VO² aproximado para as combinações de velocidade e inclinação

Classificação Vo2 Absoluto (litro/min) Vo2 Relativo (ml/kg/min) Cardíacos gravemente enfermos 1 (l/mim) 16 a 18 Cardíacos moderadamente enfermos 1 a 2 18 a 22 Sedentários baixa capacidade física 2,1 a 2,7 23 a 29 Sedentários média capacidade física 2,7 a 3,3 30 a 39 Ativos treinados > 3,4 > 40 Atletas de alto nível 6 80

Fonte: Adaptado de Yazbek & Battistella (1994, apud CHARKEY, 1998)

Para o cálculo de VO2 máx, utilizando o teste de 1200m em caminha normal, foram

coletadas as seguintes informações: o mesmo aluno A fez uma caminhada no percurso de 1200m na

esteira durante 9 minutos e 35 segundo. Para homens aplica-se a Equação 16, já para mulheres

aplica-se a Equação 17.

Homens VO2(mL/[Kg×min]) = = (6,952) + ((0,0091) * (peso)) - ((0,0257) * (idade))

+ ((0,5955) * (1)) - ((0,224) * ((min) + (seg) / (60))) - ((0,0115)).

Equação 17

Mulheres VO2(mL/[Kg×min]) = = (6,952) + ((0,0091) * (peso)) - ((0,0257) *

(idade)) + ((0,5955) * (0)) - ((0,224) * ((min) + (seg) / (60))) - ((0,0115)).

Equação 18

vo2_max(ml/Kg/min) 1200 = (6,952) + ((0,0091) * (peso)) - ((0,0257) * (idade)) +

((0,5955) * (sexo)) - ((0,224) * ((min) + (seg) / (60))) - ((0,0115)).

vo2_max(ml/Kg/min) 1200 = (6,952) + ((0,0091) * (70)) - ((0,0257) * (25)) + ((0,5955) *

(1)) - ((0,224) * ((9) + (35) / (60))) - ((0,0115)).

vo2_max(ml/Kg/min) 1200 = 5,3838.

Page 98: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

85

Classificação relativa = Ativos treinados

vo2_max(l/min) = ((vo2_max(ml/Kg/min)) * (peso)) / (1000)

vo2_max(l/min) = ((5,3838)) * (70)) / (1000)

vo2_max(l/min) = 76,9119

Classificação absoluta = Atletas de alto nível

Page 99: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

86

4 CONCLUSÕES

Para o desenvolvimento desse sistema foi necessária uma forte integração entre engenheiro

do conhecimento e os especialistas de Educação Física. O entendimento específico do assunto de

atividade física é extremamente crítico para o desenvolvimento de um sistema deste tipo.

No Capítulo 2 teve-se uma explanação sobre a avaliação física, suas regras, fórmulas para

medidas de Antropometria, uma explanação sobre as medidas antropométricas, e por fim uma

explanação sobre os aspectos hemodinâmicos e metabólicos através de testes (esteira e corrida)

onde se pode avaliar o condicionamento físico do aluno. Foi falado também sobre a Anamnese onde

se tratou da importância de informações relacionadas a pessoa para fazer sua prescrição de

atividade.

Foi possível pesquisar alguns sistemas similares disponíveis no mercado, e foi relatado que

trazem informações de avaliação física, e poucos deles apresentam uma programação de exercício a

ser cumprida. Nenhum deles apresentou uma solução que apresenta-se uma programação, confiando

cegamente no seu treinador ou professor, onde em muitas vezes deixam a desejar a satisfação do

aluno pela atividade, não dando continuidade na sua atividade, e não chegando a seu objetivo.

Outro problema encontrado com esses programas é o tipo de sistema operacional para que

foram desenvolvidos, ou seja, plataforma única, em sua maioria Windows, não tendo uma versão

para Linux ou i-Mac. A solução proposta não teria esses problemas por ser uma aplicação Web.

Sendo assim surgiu à idéia de fornecer uma ferramenta que auxiliasse na tomada de decisão na hora

da escolha do programa de exercícios. Para finalizar são duas ferramentas boas, que cumprem seu

papel, mas não foram desenvolvidas para o problema proposto.

Após a explanação de qual problema ser abordado foram pesquisadas quais tecnologias

poderiam ser utilizadas para resolução do problema, para isso foi utilizado de duas técnicas de

Inteligência Artificial, que são os Sistemas Especialistas e Raciocínio Baseado em Casos.

O SE foi descrito e especificado seu funcionamento, bem como suas etapas, estruturas,

componentes etc. Uma explanação sobre as características do SE (conhecimento de alto nível,

facilidade de treinamento, corpo do conhecimento e memória institucional). Uma introdução sobre

os componentes básicos para a construção do SE (o sistema especialista, o especialista, o

engenheiro especialista, a ferramenta de construção e o usuário final).

Na primeira parte de análise do sistema, houve algumas mudanças imprevistas após já

estabelecida a modelagem do sistema, devido a uma falta de conceituação do especialista na área,

cuja modelagem inicial era para utilizar os dados da anamnese do aluno como variáveis para

Page 100: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

87

auxiliar no diagnóstico de uma prescrição de atividade física. Porém a modelagem teve que passar

por novas alterações, implicando no cronograma de desenvolvimento do sistema como um todo,

sendo que boa parte do cronograma para o desenvolvimento foi gasto na alteração e reformulação

da modelagem, passando assim a definição de que os dados de anamnese serviriam somente como

informações extras dos alunos não interferindo na escolha da programação do aluno.

Quanto a validação das telas de prototipação (maquetagem) do sistema foram aprovadas no

início da análise de requisitos funcionais. Essas telas foram apresentadas ao professor especialista,

onde no primeiro momento tiveram algumas alterações em relação a campos que ele achava não

necessários para sua avaliação, sendo alterado conforme sua necessidade.

Ainda no primeiro momento de análise e verificação das informações necessárias, foram

pesquisados várias regras de avaliação física, métodos e informações necessárias. Entre essas regras

foram destacadas duas de maior importância para a avaliação física, o índice de aptidão física do

aluno e a pressão arterial. Para essas duas regras foram feitos testes de validação de regras

utilizando uma shell Expert Sinta, e apresentada aos alunos de Ciência da Computação na disciplina

de IA da UNIVALI, como forma de ensino e validação de técnicas de SE.

Já no capítulo de Desenvolvimento foi explicado o funcionamento da estrutura de SE, bem

como sua base de conhecimento, base de fatos, base de regras, heurística e máquina de inferência.

Também as etapas de construção do SE, desde a identificação das variáveis do SE,

conceituação do problema, formalização dos conceitos (refinamento, soluções e tipos de aquisição),

explicação de como agir antes da implementação do SE, e as etapas de teste e validação.

O RBC foi explicado toda sua estrutura de casos fazendo utilização da contagem de

características para a verificação do grau de similaridade entre os casos de entrada (Objetivos e

variáveis do caso a serem verificadas) com os casos de saída (sugestão de uma ficha de

programação física), funcionalidades, regras, pesos para utilização e junção com o sistema

especialista para sim fazer a montagem de uma prescrição de atividade física.

A fórmula de similaridade utilizada pelo RBC foi à do vizinho mais próximo, ficando como

sugestão para novas implementações o uso de outras técnicas de busca. O RBC ficou responsável

pela parte de busca de casos similares na base de conhecimento, para aceitação ou aquisição de

novos casos, trazendo assim uma solução para o problema proposto, que era auxiliar o profissional

de educação física na escolha de sua prescrição de atividade física dos alunos.

O sistema foi desenvolvido em uma plataforma java JSE (Java Standard Edition),

trabalhando em uma estrutura de camadas , sendo elas uma camada para as telas de html, uma

Page 101: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

88

classe de controle no “Action”, uma classe de objeto “Bean”, uma classe de regras de negócio

“Business”, e uma classe de interação com o banco de dados “Dao”.

Quanto a verificação e validação dos testes, foram aplicados testes referentes ao SE, onde

obteve-se uma bom desempenho utilizando a maquina de inferência, sendo bem auxiliado pela shell

Jess, serviram também com auxilio de informações dos alunos para os professores, outros testes

também foram aplicados para validação das fórmulas de percentual de gordura e Vo2max.

Em relação aos testes de validação de RBC foram coletadas algumas informações

necessárias para a validação dos casos na base de dados tendo um bom resultado, sendo otimizada a

consulta no banco de dados através do objetivo do aluno, fazendo com que não se busque todos os

registros do banco.

Page 102: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

REFERÊNCIAS BIBLIOGRÁFICAS

ANGELONI, D. e PEREIRA, M. O. Sistema de auxílio no diagnóstico médico utilizando raciocínio baseado em casos. ANAIS DO III WORKSHOP DE INFORMÁTICA APLICADA À SAÚDE,. Itajaí 25 a 29 de Agosto, 2003. BECKER, E. B; WEISSEHEIMER, E. O; e HEINZLE, R. Sistema de apoio a diagnósticos de enfermidades orais utilizando raciocínio baseado em casos. ANAIS DO III WORKSHOP DE INFORMÁTICA APLICADA À SAÚDE,. Itajaí 25 a 29 de Agosto, 2003. BLAIR, S. N; HOOTMAN, J. M; MACERA, C. A; AINSWORTH, B. E.et all. Association among physical activity level, cardiorespiratory fitness, and risk of musculoskeletal injury. American Journal of Epidemiology, Baltimore,v.154, n.3, p.251-8, 2001. CAMARGO, Katia. Gavranich. Inteligência Artificial Aplicada à Nutrição na Prescrição de Planos Alimentares Dissertação (Mestrado) - Programa de Pós Graduação em Engenharia de Produção, Universidade Federal de Santa Catarina, Florianópolis, 1999. CCS, Centro de Ciências da Saúde, “Secretaria de Educação Física da UNIVALI”, Novembro de 2005. CHARKEY, Brian J, Condicionamento Físico e Saúde. 4ª edição, Ed. Artmed, 1998. COSTA, M. B. C., KOTECHI, G. M. B. e OLIVEIRA, J. A. Sistema Especialista Baseado em Casos para Auxiliar o Prognóstico em Inseminação Artificial Humana . ANAIS DO II WORKSHOP DE INFORMÁTICA APLICADA À SAÚDE, Itajaí 26 a 30 de Agosto, 2002.

DANTAS, E, H, M. e CARVALHO, A, M, G, e PINHEIRO, J, C. “Novas tendências e descobertas ”. Disponível em http://www.personaltraining.com.br/treinoaerobico.html”. Acessado em 27/01/2006. DELPIZZO, Vanessa Lins Francalacci. Prescrição de Atividades Físicas através do uso da Inteligência Artificial . Dissertação (Mestrado) - Programa de Pós Graduação em Engenharia de Produção, Universidade Federal de Santa Catarina, Florianópolis, Dezembro de 1997. DALFOVO, O;e MINELLA, C.M.S. Raciocínio baseado em casos utilizando a dieta do tipo sangüíneo. ANAIS DO III WORKSHOP DE INFORMÁTICA APLICADA À SAÚDE,. Itajaí 25 a 29 de Agosto, 2003. FERNANDES, Anita. Maria. Rocha. Inteligência Artificial noções gerais, Florianópolis - SC , ed. Visual Books, 2003. FERREIRA, Aurélio. Boarque de Holanda. Dicionário Aurélio século XXI, São Paulo - SP, ed. Nova Fronteira, 1999. FOWLER, M. UML Essencial, Ed Bookman, 2000.

Page 103: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

90

GOMES, Antonio Carlos, e FILHO, Ney Pereira de A. Cross Training uma abordagem metodológica, Ed. APEF, 1992. GUEDES, Dartagnan Pinto, GUEDES, Joana Elisabete Ribeiro Pinto. Atividade Física, Aptidão Física e Saúde. Revista Brasileira de Atividade Física e Saúde. v.1, n.1, p. 18-35, 1995. INFODATA, “SAPAF 40”. Disponível em “http://www.infodata.com.br/produtos/sapaf/adulto/downspf2.html”. Acessado em 27/09/2005. KANDEL, A. Fuzzy Expert Systems. Ed CRC, 1992. KATCH, F. I & MCARDLE, W. D, Exercício e Saúde. Ed Medsi, 1996. LAGEMANN, Gerson. Volney. RBC para o Problema de Suporte ao Cliente nas Empresas de Prestação de Serviço de Software: O Caso Datasul. Dissertação (Mestrado) – Programa de Pós Graduação em Engenharia de Produção, Universidade Federal de Santa Catarina, Florianópolis, Setembro de 1998. LIMA, D. G. Atividade física e qualidade de vida no trabalho. ANAIS DO I CONGRESSO CENTRO-OESTE DE EDUCAÇÃO FÍSICA, Esporte e Lazer, Brasília, setembro de 1999. LOPES, F. J. G., ALTERTHUM, C. C. Caminhar em Busca da Qualidade de Vida. Revista Brasileira de Ciências do Esporte. v. 21, n. 1, p.861-866, setembro, 1999. MATSUDO, S. M, MATSUDO, V. K. R. Evidências da importância da atividade física nas doenças cardiovasculares e na saúde. Revista Diagnóstico e tratamento, v.5, n. 2, p. 10-17, 2000. MATSUDO, V. K. R. Vida ativa para o novo milênio. Revista Oxidologia, p.18-24, set/out,1999. NAHAS, M. V. Esporte & Qualidade de Vida. Revista da APEF. v.12, n. 2, p. 61-65, 1997.

RODRIGUES C. E.C. e CARNAVAL, P. E. Musculação Teoria e Prática, 22ª edição, Ed. Sprint, 1997. SANDIA NATIONAL LABORATORIES, “JESS, The Java Expert System Shell”. Disponível em “http://herzberg.ca.sandia.gov/jess“ Acesso em 20 de Janeiro 2006. SILVA, M. A. D. CHORAYEB, N., e BARROS, T. Exercício e Qualidade de Vida. O Exercício, São Paulo, Ed Atheneu, 1999. SOBIERAJSKI, F “Avaliação Física”. Disponível em “http://www.corpohumano.hpg.ig.com.br/abr2003/malha1.html”. Acessado em 20/01/2006.

TERRA AZUL INFORMÁTICA LTDA, “PHYSICAL TEST”, Versão 5.0.2 beta. Disponível em “http://www.terrazul.com.br/downloads.htm”. 1994 – 2002. Acessado em 20/10/2005. WANGENHEIN, C. G. e WANGENHEIN, A. V. Raciocínio Baseado em Casos, Ed. Manole, 2003.

Page 104: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

91

GLOSSÁRIO

Abdominal Pertencente ou relativo ao abdome.

Acrômio Apófise terminal da espinha de cada omoplata.

Angeoplastia Cirurgia aplicada para o descongestiona mento veias entupidas por gorduras.

Antropometria Antropometria é o processo ou técnica de mensuração do corpo humano ou de suas várias partes.

Arritmia Qualquer desvio da normalidade do ritmo das contrações cardíacas.

Biacromial O segmento mais alto de cada membro superior, representando o local por que cada membro superior se une ao tórax. Conhecido como ombro.

Bicondiliano Segmento de membro inferior que compreende a articulação de coxa com perna e todas as partes moles que a circundam, conhecido como joelho.

Bicrital Cada uma das estruturas ósseas de forma circundante que sustenta, de cada lado, um membro superior, e é constituída de clavícula e omoplata (que se articulam entre si e, respectivamente, com o esterno e a coluna vertebral). Conhecido vulgarmente como cintura.

Biepicondiliano Articulação que conecta braço e antebraço, conhecido vulgarmente como cotovelo.

Biestilóide Parte do antebraço que se articula com a mão correspondente, e onde se percebe pulsação de artéria radial, conhecido como pulso.

Bimaleolar Cada uma de duas regiões do corpo humano que reúne a perna e o pé homolatérais, e compreende duas articulações (do perônio com a tíbia, e da tíbia com o tarso), e as partes moles que as circundam, conhecido como tornozelo.

Cifose Curvatura da coluna vertebral de convexidade posterior.

Desportivo Gosto ou prática do desporte ou esporte; esportismo.

Eritrócitos Célula, anucleada na espécie humana, rica em hemoglobina e que tem como função o transporte dos gases envolvidos no processo respiratório; hemácia, glóbulo vermelho do sangue.

Escoliose Desvio da coluna vertebral para um lado; raquioscoliose.

Fibrinolítica Relativo à, ou que tem as propriedades da fibrina. Proteína esbranquiçada, insolúvel, que constitui a parte essencial do coágulo sanguíneo, e provém da ação da trombina sobre o fibrinogênio.

Page 105: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

92

Glicemia Taxa de açúcar no sangue, a qual se pode situar acima (hiperglicemia) ou abaixo (hipoglicemia) da faixa normal.

Hemodinâmico Estudo dos movimentos do sangue e dos fatores que neles intervêm.

Hipertenção Elevação, acima do normal, da pressão sanguínea dentro de rede arterial.

Inatividade Qualidade de inativo; inércia.

Isquêmica Que susta a circulação de parte do sangue arterial. Insuficiência localizada de irrigação sangüínea, devida a constrição ou a obstrução arterial, e que pode ocorrer em maior ou menor grau.

Lipídicos Qualquer das substâncias de origem biológica, apolares e insolúveis em água, tais como óleos, gorduras, terpenos e esteróides, muitas das quais, quando hidrolisadas, fornecem ácidos graxos; lípide, lipídeo, carbono.

Lordose Convexidade anterior, normal, nos segmentos cervical e lombar da coluna vertebral.

Metabólico Energia mínima despendida para manter funções vitais, como respiração, circulação, tono muscular, temperatura corporal, atividade glandular, etc.; metabolismo básico.

Morfológico Tratado das formas que a matéria pode tomar.

Neuro-hormonal Nervo, fibra, sistema nervoso: neuropata, neurose. Substância química produzida no organismo, e que tem efeito específico sobre a atividade de certo órgão ou estrutura.

Plaquetária Corpúsculo anucleado, derivado de megacariócito, específico de mamíferos e relacionado com o processo de coagulação do sangue.

Prescrição Ato ou efeito de prescrever.

Radial Referente a osso rádio, ou que mantém relação com ele.

Safena Cada uma de duas veias subcutâneas existentes em cada membro inferior.

Subescapular Situado abaixo de espádua, A parte mais superior do membro superior, formada pelo omoplata, cabeça do úmero e clavícula, conectados entre si por ligamentos

Tibial Cada um dos dois ossos de cada perna, o mais grosso e mais interno, A canela da perna, a terceira articulação das pernas dos insetos.

Tireóide Diz-se da glândula endócrina de situação anterior e inferior no pescoço, formada, habitualmente, por dois lobos unidos por um istmo, e que desempenha importantes funções metabólicas.

Page 106: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

93

Tórax Conjunto que compreende a cavidade torácica, órgãos nela contidos (coração, pulmões, etc.), e paredes que circunscrevem essa cavidade, situando-se entre o pescoço, acima, e o abdome, abaixo, e tendo como limites: acima, um plano levemente oblíquo dirigido para diante e para baixo, passando pelo ápice da apófise espinhosa da sétima vértebra cervical, e borda superior do esterno; abaixo, o músculo diafragma.

Tríceps Cada um dos músculos que tem três feixes distintos em uma das extremidades.

Troncatér Parte do corpo humano, excetuada a cabeça, o pescoço e os membros; talhe, torso.

Page 107: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

94

APÊNDICES

Page 108: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

A. CÓDIGO FONTE DE PRESSÃO ARTERIAL

-------------------------------------------------------------------------------- SOBRE O SISTEMA ESPECIALISTA -- Nome: CHARKEY, Brian J, 1998 -- Autores: ALEXANDRE MAGNUS BALBINOTTI Operador de maior precedência: conjunção Fator de confiança mínimo para aceitação de regra: 50 SOBRE OS ARQUIVOS Arquivo original: D:\ ANEXOS\ANEXO_09_FONTE_PA\PA_Pressão_Arterial_01.BCM -------------------------------------------------------------------------------- VARIÁVEIS NA Valores: NAO SIM Tipo: univalorada PA Diastólica Valores: 85 - 89 mmHg 100 - 109 mmHg >120 mmHg <85 mmHg 90 - 99 mmHg 110 - 120 mmHg Tipo: univalorada PA Sistólica Valores: 130 - 139 mmHg 160 - 179 mmHg >210 <130 mmHg 140 - 159 mmHg 180 - 210 mmHg Tipo: univalorada PERIGO CONSULATAR MÉDICO AGORA Valores: NÃO SIM Tipo: univalorada

Page 109: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

96

PERIGO CONSULATAR MÉDICO JÁ Valores: NÃO SIM Tipo: univalorada PERIGO CONSULATAR MÉDICO LOGO Valores: NÃO SIM Tipo: univalorada RECHECAR Valores: NÃO SIM Tipo: univalorada RETESTAR 6 MESES Valores: NÃO SIM Tipo: univalorada RETESTAR ANUALMENTE Valores: NÃO SIM Tipo: univalorada OBJETIVOS RETESTAR 6 MESES RECHECAR PERIGO CONSULATAR MÉDICO LOGO PERIGO CONSULATAR MÉDICO JÁ PERIGO CONSULATAR MÉDICO AGORA RETESTAR ANUALMENTE NA REGRAS Regra 1 SE PA Diastólica = <85 mmHg E PA Sistólica = <130 mmHg ENTÃO RETESTAR ANUALMENTE = SIM CNF 100% PERIGO CONSULATAR MÉDICO AGORA = NÃO CNF 100% PERIGO CONSULATAR MÉDICO JÁ = NÃO CNF 100%

Page 110: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

97

PERIGO CONSULATAR MÉDICO LOGO = NÃO CNF 100% RETESTAR 6 MESES = NÃO CNF 100% RECHECAR = NÃO CNF 100% NA = NAO CNF 100% Regra 2 SE PA Diastólica = 85 - 89 mmHg E PA Sistólica = 130 - 139 mmHg ENTÃO RETESTAR 6 MESES = SIM CNF 100% PERIGO CONSULATAR MÉDICO AGORA = NÃO CNF 100% PERIGO CONSULATAR MÉDICO JÁ = NÃO CNF 100% PERIGO CONSULATAR MÉDICO LOGO = NÃO CNF 100% RECHECAR = NÃO CNF 100% RETESTAR ANUALMENTE = NÃO CNF 100% NA = NAO CNF 100% Regra 3 SE PA Diastólica = 90 - 99 mmHg E PA Sistólica = 140 - 159 mmHg ENTÃO RECHECAR = SIM CNF 100% PERIGO CONSULATAR MÉDICO AGORA = NÃO CNF 100% PERIGO CONSULATAR MÉDICO JÁ = NÃO CNF 100% PERIGO CONSULATAR MÉDICO LOGO = NÃO CNF 100% RETESTAR 6 MESES = NÃO CNF 100% RETESTAR ANUALMENTE = NÃO CNF 100% NA = NAO CNF 100% Regra 4 SE PA Diastólica = 100 - 109 mmHg E PA Sistólica = 160 - 179 mmHg ENTÃO PERIGO CONSULATAR MÉDICO LOGO = SIM CNF 100% PERIGO CONSULATAR MÉDICO AGORA = NÃO CNF 100% PERIGO CONSULATAR MÉDICO JÁ = NÃO CNF 100% RECHECAR = NÃO CNF 100% RETESTAR 6 MESES = NÃO CNF 100% RETESTAR ANUALMENTE = NÃO CNF 100% NA = NAO CNF 100% Regra 5 SE PA Diastólica = 110 - 120 mmHg E PA Sistólica = 180 - 210 mmHg ENTÃO PERIGO CONSULATAR MÉDICO AGORA = SIM CNF 100% PERIGO CONSULATAR MÉDICO JÁ = NÃO CNF 100% PERIGO CONSULATAR MÉDICO LOGO = NÃO CNF 100% RECHECAR = NÃO CNF 100% RETESTAR 6 MESES = NÃO CNF 100% RETESTAR ANUALMENTE = NÃO CNF 100% NA = NAO CNF 100%

Page 111: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

98

Regra 6 SE PA Diastólica = >120 mmHg E PA Sistólica = >210 ENTÃO PERIGO CONSULATAR MÉDICO JÁ = SIM CNF 100% PERIGO CONSULATAR MÉDICO AGORA = NÃO CNF 100% PERIGO CONSULATAR MÉDICO LOGO = NÃO CNF 100% RECHECAR = NÃO CNF 100% RETESTAR 6 MESES = NÃO CNF 100% RETESTAR ANUALMENTE = NÃO CNF 100% NA = NAO CNF 100% Regra 7 SE PA Diastólica = <85 mmHg E PA Sistólica <> <130 mmHg ENTÃO NA = SIM CNF 100% PERIGO CONSULATAR MÉDICO AGORA = NÃO CNF 100% PERIGO CONSULATAR MÉDICO JÁ = NÃO CNF 100% PERIGO CONSULATAR MÉDICO LOGO = NÃO CNF 100% RECHECAR = NÃO CNF 100% RETESTAR 6 MESES = NÃO CNF 100% RETESTAR ANUALMENTE = NÃO CNF 100% Regra 8 SE PA Diastólica = 85 - 89 mmHg E PA Sistólica <> 130 - 139 mmHg ENTÃO RETESTAR 6 MESES = NÃO CNF 100% PERIGO CONSULATAR MÉDICO AGORA = NÃO CNF 100% PERIGO CONSULATAR MÉDICO JÁ = NÃO CNF 100% PERIGO CONSULATAR MÉDICO LOGO = NÃO CNF 100% RECHECAR = NÃO CNF 100% RETESTAR ANUALMENTE = NÃO CNF 100% NA = SIM CNF 100% Regra 9 SE PA Diastólica = 90 - 99 mmHg E PA Sistólica <> 140 - 159 mmHg ENTÃO RECHECAR = NÃO CNF 100% NA = SIM CNF 100% PERIGO CONSULATAR MÉDICO AGORA = NÃO CNF 100% PERIGO CONSULATAR MÉDICO JÁ = NÃO CNF 100% PERIGO CONSULATAR MÉDICO LOGO = NÃO CNF 100% RETESTAR 6 MESES = NÃO CNF 100% RETESTAR ANUALMENTE = NÃO CNF 100% Regra 10 SE PA Diastólica = 100 - 109 mmHg E PA Sistólica <> 160 - 179 mmHg ENTÃO PERIGO CONSULATAR MÉDICO LOGO = NÃO CNF 100% PERIGO CONSULATAR MÉDICO AGORA = NÃO CNF 100%

Page 112: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

99

PERIGO CONSULATAR MÉDICO JÁ = NÃO CNF 100% RECHECAR = NÃO CNF 100% RETESTAR 6 MESES = NÃO CNF 100% RETESTAR ANUALMENTE = NÃO CNF 100% NA = SIM CNF 100% Regra 11 SE PA Diastólica = 110 - 120 mmHg E PA Sistólica <> 180 - 210 mmHg ENTÃO PERIGO CONSULATAR MÉDICO AGORA = NÃO CNF 100% PERIGO CONSULATAR MÉDICO JÁ = NÃO CNF 100% PERIGO CONSULATAR MÉDICO LOGO = NÃO CNF 100% RECHECAR = NÃO CNF 100% RETESTAR 6 MESES = NÃO CNF 100% RETESTAR ANUALMENTE = NÃO CNF 100% NA = SIM CNF 100% Regra 12 SE PA Diastólica = >120 mmHg E PA Sistólica <> >210 ENTÃO PERIGO CONSULATAR MÉDICO JÁ = NÃO CNF 100% PERIGO CONSULATAR MÉDICO AGORA = NÃO CNF 100% PERIGO CONSULATAR MÉDICO LOGO = NÃO CNF 100% RECHECAR = NÃO CNF 100% RETESTAR 6 MESES = NÃO CNF 100% RETESTAR ANUALMENTE = NÃO CNF 100% NA = SIM CNF 100% Regra 13 SE PA Sistólica = DESCONHECIDO OU PA Diastólica = DESCONHECIDO ENTÃO PERIGO CONSULATAR MÉDICO JÁ = NÃO CNF 100% PERIGO CONSULATAR MÉDICO AGORA = NÃO CNF 100% PERIGO CONSULATAR MÉDICO LOGO = NÃO CNF 100% RECHECAR = NÃO CNF 100% RETESTAR 6 MESES = NÃO CNF 100% RETESTAR ANUALMENTE = NÃO CNF 100% NA = SIM CNF 100% PERGUNTAS Variável:PA Diastólica Pergunta:"Qual o valor da Pressão Diastólica em mmHg?" Variável:PA Sistólica Pergunta:"Qual o valor da Pressão Sistólica em mmHg?" -------------------------------------------------------------------------------- Gerado com o Expert SINTA versão 1.1b (c) 1997 - Universidade Federal do Ceará Laboratório de Inteligência Artificial LIA/UFC --------------------------------------------------------------------------------

Page 113: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

100

A.1 BASE DE REGRAS NO JESS DA PRESSÃO ARTERIAL

(defclass presao Presao) (defrule possivel_Regra_1 (presao(padiastolica "<85mmHg")) (presao(pasistolica "<130mmHg")) => (assert (regra_1 presao)) ) (defrule possivel_Regra_2 (presao(padiastolica "85-89mmHg")) (presao(pasistolica "130-139mmHg")) => (assert (regra_2 presao)) ) (defrule possivel_Regra_3 (presao(padiastolica "90-99mmHg")) (presao(pasistolica "140-159mmHg")) => (assert (regra_3 presao)) ) (defrule possivel_Regra_4 (presao(padiastolica "100-109mmHg")) (presao(pasistolica "160-179mmHg")) => (assert (regra_4 presao)) ) (defrule possivel_Regra_5 (presao(padiastolica "110-120mmHg")) (presao(pasistolica "180-210mmHg")) => (assert (regra_5 presao)) ) (defrule possivel_Regra_6 (presao(padiastolica ">120mmHg")) (presao(pasistolica ">210")) => (assert (regra_6 presao)) ) (defrule possivel_Regra_7 (presao(padiastolica "<85mmHg")) (presao(pasistolica <> "<130mmHg")) => (assert (regra_7 presao)) ) (defrule possivel_Regra_8 (presao(padiastolica "85-89mmHg")) (presao(pasistolica <> "130-139mmHg")) => (assert (regra_8 presao)) ) (defrule possivel_Regra_9 (presao(padiastolica "90-99mmHg")) (presao(pasistolica <> "140-159mmHg")) => (assert (regra_9 presao))

Page 114: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

101

) (defrule possivel_Regra_10 (presao(padiastolica "100-109mmHg")) (presao(pasistolica <> "160-179mmHg")) => (assert (regra_10 presao)) ) (defrule possivel_Regra_11 (presao(padiastolica "110-120mmHg")) (presao(pasistolica <> "180-210mmHg")) => (assert (regra_11 presao)) ) (defrule possivel_Regra_12 (presao(padiastolica ">120mmHg")) (presao(pasistolica <> ">210")) => (assert (regra_12 presao)) ) (defrule possivel_Regra_13 (presao(padiastolica "null")) (presao(pasistolica "null")) => (assert (regra_13 presao)) ) ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; ;;;;;;;;;;;;; ;;;; RESULTADO FINAL ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; ;;;;;;;;;;;;; (defrule presao_provavel_1 (regra_1 presao) => (store RESULT Regra_1) (printout t "RETESTAR_ANUALMENTE" crlf) ) (defrule presao_provavel_2 (regra_2 presao) => (store RESULT Regra_2) (printout t "RETESTAR_6_MESES" crlf) ) (defrule presao_provavel_3 (regra_3 presao) => (store RESULT Regra_3) (printout t "(RECHECAR)" crlf) ) (defrule presao_provavel_4 (regra_4 presao) => (store RESULT Regra_4) (printout t "PERIGO_CONSULATAR_MÉDICO_LOGO" crlf) ) (defrule presao_provavel_5 (regra_5 presao) => (store RESULT Regra_5) (printout t "PERIGO_CONSULATAR_MÉDICO_AGORA" crlf) ) (defrule presao_provavel_6

Page 115: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

102

(regra_6 presao) => (store RESULT Regra_6) (printout t "(PERIGO_CONSULATAR_MÉDICO_JÁ" crlf) ) (defrule presao_provavel_7 (regra_7 presao) => (store RESULT Regra_7) (printout t "(INFORMAÇÃO INVALIDA FORA DO PADRÃO" crlf) ) (defrule presao_provavel_8 (regra_8 presao) => (store RESULT Regra_8) (printout t "(INFORMAÇÃO INVALIDA FORA DO PADRÃO" crlf) ) (defrule presao_provavel_9 (regra_9 presao) => (store RESULT Regra_9) (printout t "(INFORMAÇÃO INVALIDA FORA DO PADRÃO" crlf) ) (defrule presao_provavel_10 (regra_10 presao) => (store RESULT Regra_10) (printout t "(INFORMAÇÃO INVALIDA FORA DO PADRÃO" crlf) ) (defrule presao_provavel_11 (regra_11 presao) => (store RESULT Regra_11) (printout t "(INFORMAÇÃO INVALIDA FORA DO PADRÃO" crlf) ) (defrule presao_provavel_12 (regra_12 presao) => (store RESULT Regra_12) (printout t "(INFORMAÇÃO INVALIDA FORA DO PADRÃO" crlf) ) (defrule presao_provavel_13 (regra_13 presao) => (store RESULT Regra_13) (printout t "(NÃO FOI INFORMADO VALOR VÁLIDO" crlf ) )

Page 116: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

103

B. CÓDIGO FONTE DO ÍNDICE DE ATIVIDADE FÍSICA

-------------------------------------------------------------------------------- SOBRE O SISTEMA ESPECIALISTA -- Nome: Índice de Atividade Física -- Autores: Alexandre Magnus Balbinotti -- Resumo: Árvore de decisão de Índice de Atividade Física Operador de maior precedência: conjunção Fator de confiança mínimo para aceitação de regra: 50 SOBRE OS ARQUIVOS Arquivo original: D: \Atividade_Fisica\SE_ÁRVORE_DECISÃO\Índice de Atividade Física_02.BCM Arquivo de ajuda: Help -------------------------------------------------------------------------------- VARIÁVEIS CAPACIDADE FÍSICA ALTA Valores: SIM NÃO Tipo: univalorada CAPACIDADE FÍSICA BOA Valores: SIM NÃO Tipo: univalorada CAPACIDADE FÍSICA MUITO BOA Valores: SIM NÃO Tipo: univalorada CAPACIDADE FÍSICA MUITO POBRE Valores: SIM NÃO Tipo: univalorada CAPACIDADE FÍSICA POBRE Valores: SIM NÃO

Page 117: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

104

Tipo: univalorada DURAÇÃO Valores: Abaixo de 10 minutos 20 a 30 minutos 10 a 20 minutos Acima de 30 minutos Tipo: univalorada FREQÜÊNCIA Valores: Poucas vezes por mês 3 a 5 vezes por semana 1 a 2 vezes por semana Menos de uma vez por mês Diariamente Tipo: univalorada INTENSIDADE Valores: leve moderada intensa muito grande moderada grande Tipo: univalorada NA Valores: SIM NAO Tipo: multivalorada OBJETIVOS CAPACIDADE FÍSICA POBRE CAPACIDADE FÍSICA MUITO POBRE CAPACIDADE FÍSICA MUITO BOA CAPACIDADE FÍSICA BOA CAPACIDADE FÍSICA ALTA NA REGRAS Regra 1 SE INTENSIDADE = muito grande E DURAÇÃO = Acima de 30 minutos

Page 118: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

105

E FREQÜÊNCIA = Diariamente ENTÃO CAPACIDADE FÍSICA ALTA = SIM CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% NA = NAO CNF 100% Regra 2 SE INTENSIDADE = muito grande E DURAÇÃO = Acima de 30 minutos E FREQÜÊNCIA = 3 a 5 vezes por semana ENTÃO CAPACIDADE FÍSICA MUITO BOA = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 3 SE INTENSIDADE = grande E DURAÇÃO = Acima de 30 minutos E FREQÜÊNCIA = Diariamente ENTÃO CAPACIDADE FÍSICA MUITO BOA = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 4 SE INTENSIDADE = muito grande E DURAÇÃO = Acima de 30 minutos E FREQÜÊNCIA = 1 a 2 vezes por semana ENTÃO CAPACIDADE FÍSICA BOA = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 5 SE INTENSIDADE = muito grande E DURAÇÃO = Acima de 30 minutos E FREQÜÊNCIA = Poucas vezes por mês ENTÃO CAPACIDADE FÍSICA BOA = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100%

Page 119: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

106

CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 6 SE INTENSIDADE = muito grande E DURAÇÃO = 20 a 30 minutos E FREQÜÊNCIA = 3 a 5 vezes por semana ENTÃO CAPACIDADE FÍSICA BOA = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 7 SE INTENSIDADE = muito grande E DURAÇÃO = 10 a 20 minutos E FREQÜÊNCIA = Diariamente ENTÃO CAPACIDADE FÍSICA BOA = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 8 SE INTENSIDADE = muito grande E DURAÇÃO = 20 a 30 minutos E FREQÜÊNCIA = 1 a 2 vezes por semana ENTÃO CAPACIDADE FÍSICA BOA = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 9 SE INTENSIDADE = muito grande E DURAÇÃO = 10 a 20 minutos E FREQÜÊNCIA = 3 a 5 vezes por semana ENTÃO CAPACIDADE FÍSICA BOA = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 10 SE INTENSIDADE = muito grande

Page 120: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

107

E DURAÇÃO = 20 a 30 minutos E FREQÜÊNCIA = Diariamente ENTÃO CAPACIDADE FÍSICA BOA = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 11 SE INTENSIDADE = grande E DURAÇÃO = Acima de 30 minutos E FREQÜÊNCIA = 3 a 5 vezes por semana ENTÃO CAPACIDADE FÍSICA BOA = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 12 SE INTENSIDADE = grande E DURAÇÃO = Acima de 30 minutos E FREQÜÊNCIA = 1 a 2 vezes por semana ENTÃO CAPACIDADE FÍSICA BOA = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 13 SE INTENSIDADE = grande E DURAÇÃO = 20 a 30 minutos E FREQÜÊNCIA = Diariamente ENTÃO CAPACIDADE FÍSICA BOA = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 14 SE INTENSIDADE = grande E DURAÇÃO = 20 a 30 minutos E FREQÜÊNCIA = 3 a 5 vezes por semana ENTÃO CAPACIDADE FÍSICA BOA = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100%

Page 121: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

108

CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 15 SE INTENSIDADE = grande E DURAÇÃO = 10 a 20 minutos E FREQÜÊNCIA = Diariamente ENTÃO CAPACIDADE FÍSICA BOA = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 16 SE INTENSIDADE = moderada intensa E DURAÇÃO = Acima de 30 minutos E FREQÜÊNCIA = Diariamente ENTÃO CAPACIDADE FÍSICA BOA = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 17 SE INTENSIDADE = moderada intensa E DURAÇÃO = Acima de 30 minutos E FREQÜÊNCIA = 3 a 5 vezes por semana ENTÃO CAPACIDADE FÍSICA BOA = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 18 SE INTENSIDADE = moderada intensa E DURAÇÃO = 20 a 30 minutos E FREQÜÊNCIA = Diariamente ENTÃO CAPACIDADE FÍSICA BOA = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 19

Page 122: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

109

SE INTENSIDADE = moderada E DURAÇÃO = Acima de 30 minutos E FREQÜÊNCIA = Diariamente ENTÃO CAPACIDADE FÍSICA BOA = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 20 SE INTENSIDADE = muito grande E DURAÇÃO = Acima de 30 minutos E FREQÜÊNCIA = Menos de uma vez por mês ENTÃO CAPACIDADE FÍSICA POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 21 SE INTENSIDADE = muito grande E DURAÇÃO = 10 a 20 minutos E FREQÜÊNCIA = 1 a 2 vezes por semana ENTÃO CAPACIDADE FÍSICA POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 22 SE INTENSIDADE = muito grande E DURAÇÃO = 10 a 20 minutos E FREQÜÊNCIA = Poucas vezes por mês ENTÃO CAPACIDADE FÍSICA POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 23 SE INTENSIDADE = muito grande E DURAÇÃO = Abaixo de 10 minutos E FREQÜÊNCIA = Diariamente ENTÃO CAPACIDADE FÍSICA POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100%

Page 123: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

110

CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 24 SE INTENSIDADE = muito grande E DURAÇÃO = Abaixo de 10 minutos E FREQÜÊNCIA = 3 a 5 vezes por semana ENTÃO CAPACIDADE FÍSICA POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 25 SE INTENSIDADE = muito grande E DURAÇÃO = 20 a 30 minutos E FREQÜÊNCIA = Poucas vezes por mês ENTÃO CAPACIDADE FÍSICA POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 26 SE INTENSIDADE = grande E DURAÇÃO = 20 a 30 minutos E FREQÜÊNCIA = 1 a 2 vezes por semana ENTÃO CAPACIDADE FÍSICA POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 27 SE INTENSIDADE = grande E DURAÇÃO = 20 a 30 minutos E FREQÜÊNCIA = Poucas vezes por mês ENTÃO CAPACIDADE FÍSICA POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% NA = NAO CNF 100%

Page 124: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

111

Regra 28 SE INTENSIDADE = grande E DURAÇÃO = 10 a 20 minutos E FREQÜÊNCIA = 3 a 5 vezes por semana ENTÃO CAPACIDADE FÍSICA POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 29 SE INTENSIDADE = grande E DURAÇÃO = 10 a 20 minutos E FREQÜÊNCIA = 1 a 2 vezes por semana ENTÃO CAPACIDADE FÍSICA POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 30 SE INTENSIDADE = grande E DURAÇÃO = Abaixo de 10 minutos E FREQÜÊNCIA = Diariamente ENTÃO CAPACIDADE FÍSICA POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 31 SE INTENSIDADE = grande E DURAÇÃO = Acima de 30 minutos E FREQÜÊNCIA = Poucas vezes por mês ENTÃO CAPACIDADE FÍSICA POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 32 SE INTENSIDADE = moderada intensa E DURAÇÃO = Acima de 30 minutos E FREQÜÊNCIA = 1 a 2 vezes por semana ENTÃO CAPACIDADE FÍSICA POBRE = SIM CNF 100%

Page 125: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

112

CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 33 SE INTENSIDADE = moderada intensa E DURAÇÃO = Acima de 30 minutos E FREQÜÊNCIA = Poucas vezes por mês ENTÃO CAPACIDADE FÍSICA POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 34 SE INTENSIDADE = moderada intensa E DURAÇÃO = 20 a 30 minutos E FREQÜÊNCIA = 3 a 5 vezes por semana ENTÃO CAPACIDADE FÍSICA POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 35 SE INTENSIDADE = moderada intensa E DURAÇÃO = 20 a 30 minutos E FREQÜÊNCIA = 1 a 2 vezes por semana ENTÃO CAPACIDADE FÍSICA POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 36 SE INTENSIDADE = moderada intensa E DURAÇÃO = 10 a 20 minutos E FREQÜÊNCIA = Diariamente ENTÃO CAPACIDADE FÍSICA POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% NA = NAO CNF 100%

Page 126: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

113

Regra 37 SE INTENSIDADE = moderada intensa E DURAÇÃO = 10 a 20 minutos E FREQÜÊNCIA = 3 a 5 vezes por semana ENTÃO CAPACIDADE FÍSICA POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 38 SE INTENSIDADE = moderada E DURAÇÃO = Acima de 30 minutos E FREQÜÊNCIA = 3 a 5 vezes por semana ENTÃO CAPACIDADE FÍSICA POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 39 SE INTENSIDADE = moderada E DURAÇÃO = Acima de 30 minutos E FREQÜÊNCIA = 1 a 2 vezes por semana ENTÃO CAPACIDADE FÍSICA POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 40 SE INTENSIDADE = moderada E DURAÇÃO = 20 a 30 minutos E FREQÜÊNCIA = Diariamente ENTÃO CAPACIDADE FÍSICA POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 41 SE INTENSIDADE = moderada E DURAÇÃO = 20 a 30 minutos E FREQÜÊNCIA = 3 a 5 vezes por semana

Page 127: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

114

ENTÃO CAPACIDADE FÍSICA POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 42 SE INTENSIDADE = moderada E DURAÇÃO = 10 a 20 minutos E FREQÜÊNCIA = Diariamente ENTÃO CAPACIDADE FÍSICA POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 43 SE INTENSIDADE = leve E DURAÇÃO = Acima de 30 minutos E FREQÜÊNCIA = Diariamente ENTÃO CAPACIDADE FÍSICA POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 44 SE INTENSIDADE = muito grande E DURAÇÃO = 20 a 30 minutos E FREQÜÊNCIA = Menos de uma vez por mês ENTÃO CAPACIDADE FÍSICA MUITO POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 45 SE INTENSIDADE = muito grande E DURAÇÃO = 10 a 20 minutos E FREQÜÊNCIA = Menos de uma vez por mês ENTÃO CAPACIDADE FÍSICA MUITO POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100%

Page 128: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

115

NA = NAO CNF 100% Regra 46 SE INTENSIDADE = muito grande E DURAÇÃO = Abaixo de 10 minutos E FREQÜÊNCIA = 3 a 5 vezes por semana ENTÃO CAPACIDADE FÍSICA MUITO POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 47 SE INTENSIDADE = muito grande E DURAÇÃO = Abaixo de 10 minutos E FREQÜÊNCIA = DESCONHECIDO ENTÃO CAPACIDADE FÍSICA MUITO POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 48 SE INTENSIDADE = grande E DURAÇÃO = Acima de 30 minutos E FREQÜÊNCIA = Menos de uma vez por mês ENTÃO CAPACIDADE FÍSICA MUITO POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 49 SE INTENSIDADE = grande E DURAÇÃO = 20 a 30 minutos E FREQÜÊNCIA = Menos de uma vez por mês ENTÃO CAPACIDADE FÍSICA MUITO POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 50 SE INTENSIDADE = grande E DURAÇÃO = 10 a 20 minutos

Page 129: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

116

E FREQÜÊNCIA = Poucas vezes por mês ENTÃO CAPACIDADE FÍSICA MUITO POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 51 SE INTENSIDADE = moderada intensa E DURAÇÃO = Acima de 30 minutos E FREQÜÊNCIA = Menos de uma vez por mês ENTÃO CAPACIDADE FÍSICA MUITO POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 52 SE INTENSIDADE = moderada intensa E DURAÇÃO = 20 a 30 minutos E FREQÜÊNCIA = Poucas vezes por mês ENTÃO CAPACIDADE FÍSICA MUITO POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 53 SE INTENSIDADE = moderada intensa E DURAÇÃO = 20 a 30 minutos E FREQÜÊNCIA = Menos de uma vez por mês ENTÃO CAPACIDADE FÍSICA MUITO POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 54 SE INTENSIDADE = moderada intensa E DURAÇÃO = 10 a 20 minutos E FREQÜÊNCIA = 1 a 2 vezes por semana ENTÃO CAPACIDADE FÍSICA MUITO POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100%

Page 130: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

117

CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 55 SE INTENSIDADE = moderada E DURAÇÃO = Acima de 30 minutos E FREQÜÊNCIA = Poucas vezes por mês ENTÃO CAPACIDADE FÍSICA MUITO POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 56 SE INTENSIDADE = moderada E DURAÇÃO = Acima de 30 minutos E FREQÜÊNCIA = Menos de uma vez por mês ENTÃO CAPACIDADE FÍSICA MUITO POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 57 SE INTENSIDADE = moderada E DURAÇÃO = 20 a 30 minutos E FREQÜÊNCIA = 1 a 2 vezes por semana ENTÃO CAPACIDADE FÍSICA MUITO POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 58 SE INTENSIDADE = moderada E DURAÇÃO = 20 a 30 minutos E FREQÜÊNCIA = Poucas vezes por mês ENTÃO CAPACIDADE FÍSICA MUITO POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 59 SE INTENSIDADE = moderada

Page 131: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

118

E DURAÇÃO = 20 a 30 minutos E FREQÜÊNCIA = Menos de uma vez por mês ENTÃO CAPACIDADE FÍSICA MUITO POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 60 SE INTENSIDADE = leve E DURAÇÃO = Acima de 30 minutos E FREQÜÊNCIA = Diariamente ENTÃO CAPACIDADE FÍSICA MUITO POBRE = SIM CNF 100% CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% NA = NAO CNF 100% Regra 61 SE INTENSIDADE = muito grande E DURAÇÃO = DESCONHECIDO E FREQÜÊNCIA = DESCONHECIDO ENTÃO CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% NA = SIM CNF 100% Regra 62 SE INTENSIDADE = grande E DURAÇÃO = DESCONHECIDO E FREQÜÊNCIA = DESCONHECIDO ENTÃO CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% NA = SIM CNF 100% Regra 63 SE INTENSIDADE = moderada intensa E DURAÇÃO = DESCONHECIDO E FREQÜÊNCIA = DESCONHECIDO ENTÃO CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100%

Page 132: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

119

CAPACIDADE FÍSICA POBRE = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% NA = SIM CNF 100% Regra 64 SE INTENSIDADE = moderada E DURAÇÃO = DESCONHECIDO E FREQÜÊNCIA = DESCONHECIDO ENTÃO CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% NA = SIM CNF 100% Regra 65 SE INTENSIDADE = leve E DURAÇÃO = DESCONHECIDO E FREQÜÊNCIA = DESCONHECIDO ENTÃO CAPACIDADE FÍSICA ALTA = NÃO CNF 100% CAPACIDADE FÍSICA BOA = NÃO CNF 100% CAPACIDADE FÍSICA MUITO POBRE = NÃO CNF 100% CAPACIDADE FÍSICA POBRE = NÃO CNF 100% CAPACIDADE FÍSICA MUITO BOA = NÃO CNF 100% NA = SIM CNF 100% PERGUNTAS Variável:DURAÇÃO Pergunta:"Qual a duração de Atividade física que você pratica?" Variável:FREQÜÊNCIA Pergunta:"Qual a freqüência de Atividade física que você pratica?" Variável:INTENSIDADE Pergunta:"Qual a intensidade de Atividade física que você pratica?" -------------------------------------------------------------------------------- Gerado com o Expert SINTA versão 1.1b (c) 1997 - Universidade Federal do Ceará Laboratório de Inteligência Artificial LIA/UFC --------------------------------------------------------------------------------

Page 133: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

120

B.1 BASE DE REGRAS DO ÍNDICE DE ATIVIDADE FÍSICA

(defclass indice Indice) (defrule possivel_Regra_1 (indice(inintensidade "muito grande")) (indice(induracao "Acima de 30 minutos")) (indice(infrequencia "Diariamente")) => (assert (regra_1 indice)) ) (defrule possivel_Regra_2 (indice(inintensidade "muito grande")) (indice(induracao "Acima de 30 minutos")) (indice(infrequencia "3 a 5 vezes por semana")) => (assert (regra_2 indice)) ) (defrule possivel_Regra_3 (indice(inintensidade "grande")) (indice(induracao "Acima de 30 minutos")) (indice(infrequencia "Diariamente")) => (assert (regra_3 indice)) ) (defrule possivel_Regra_4 (indice(inintensidade "muito grande")) (indice(induracao "Acima de 30 minutos")) (indice(infrequencia "1 a 2 vezes por semana")) => (assert (regra_4 indice)) ) (defrule possivel_Regra_5 (indice(inintensidade "muito grande")) (indice(induracao "Acima de 30 minutos")) (indice(infrequencia "Poucas vezes por mês")) => (assert (regra_5 indice)) ) (defrule possivel_Regra_6 (indice(inintensidade "muito grande")) (indice(induracao "20 a 30 minutos")) (indice(infrequencia "3 a 5 vezes por semana")) => (assert (regra_6 indice)) ) (defrule possivel_Regra_7 (indice(inintensidade "muito grande")) (indice(induracao "10 a 20 minutos")) (indice(infrequencia "Diariamente")) => (assert (regra_7 indice))

Page 134: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

121

) (defrule possivel_Regra_8 (indice(inintensidade "muito grande")) (indice(induracao "20 a 30 minutos")) (indice(infrequencia "1 a 2 vezes por semana")) => (assert (regra_8 indice)) ) (defrule possivel_Regra_9 (indice(inintensidade "muito grande")) (indice(induracao "10 a 20 minutos")) (indice(infrequencia "3 a 5 vezes por semana")) => (assert (regra_9 indice)) ) (defrule possivel_Regra_10 (indice(inintensidade "muito grande")) (indice(induracao "20 a 30 minutos")) (indice(infrequencia "Diariamente")) => (assert (regra_10 indice)) ) (defrule possivel_Regra_11 (indice(inintensidade "grande")) (indice(induracao "Acima de 30 minutos")) (indice(infrequencia "3 a 5 vezes por semana")) => (assert (regra_11 indice)) ) (defrule possivel_Regra_12 (indice(inintensidade "grande")) (indice(induracao "Acima de 30 minutos")) (indice(infrequencia "1 a 2 vezes por semana")) => (assert (regra_12 indice)) ) (defrule possivel_Regra_13 (indice(inintensidade "grande")) (indice(induracao "20 a 30 minutos")) (indice(infrequencia "Diariamente")) => (assert (regra_13 indice)) ) (defrule possivel_Regra_14 (indice(inintensidade "grande")) (indice(induracao "20 a 30 minutos")) (indice(infrequencia " 3 a 5 vezes por semana")) => (assert (regra_14 indice)) ) (defrule possivel_Regra_15 (indice(inintensidade "grande"))

Page 135: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

122

(indice(induracao "10 a 20 minutos")) (indice(infrequencia "Diariamente")) => (assert (regra_15 indice)) ) (defrule possivel_Regra_16 (indice(inintensidade "moderada intensa")) (indice(induracao "Acima de 30 minutos")) (indice(infrequencia "Diariamente")) => (assert (regra_16 indice)) ) (defrule possivel_Regra_17 (indice(inintensidade "moderada intensa")) (indice(induracao "Acima de 30 minutos")) (indice(infrequencia "3 a 5 vezes por semana")) => (assert (regra_17 indice)) ) (defrule possivel_Regra_18 (indice(inintensidade "moderada intensa")) (indice(induracao "20 a 30 minutos")) (indice(infrequencia "Diariamente")) => (assert (regra_18 indice)) ) (defrule possivel_Regra_19 (indice(inintensidade "moderada")) (indice(induracao "Acima de 30 minutos")) (indice(infrequencia "Diariamente")) => (assert (regra_19 indice)) ) (defrule possivel_Regra_20 (indice(inintensidade "muito grande")) (indice(induracao "Acima de 30 minutos")) (indice(infrequencia "Menos de uma vez por mês")) => (assert (regra_20 indice)) ) (defrule possivel_Regra_21 (indice(inintensidade "muito grande")) (indice(induracao "10 a 20 minutos")) (indice(infrequencia "1 a 2 vezes por semana")) => (assert (regra_21 indice)) ) (defrule possivel_Regra_22 (indice(inintensidade "muito grande")) (indice(induracao "10 a 20 minutos")) (indice(infrequencia "Poucas vezes por mês")) => (assert (regra_22 indice))

Page 136: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

123

) (defrule possivel_Regra_23 (indice(inintensidade "muito grande")) (indice(induracao "Abaixo de 10 minutos")) (indice(infrequencia "Diariamente")) => (assert (regra_23 indice)) ) (defrule possivel_Regra_24 (indice(inintensidade "muito grande")) (indice(induracao "Abaixo de 10 minutos")) (indice(infrequencia "3 a 5 vezes por semana")) => (assert (regra_24 indice)) ) (defrule possivel_Regra_25 (indice(inintensidade "muito grande")) (indice(induracao " 20 a 30 minutos")) (indice(infrequencia "Poucas vezes por mês")) => (assert (regra_25 indice)) ) (defrule possivel_Regra_26 (indice(inintensidade "grande")) (indice(induracao "20 a 30 minutos")) (indice(infrequencia "1 a 2 vezes por semana")) => (assert (regra_26 indice)) ) (defrule possivel_Regra_27 (indice(inintensidade "grande")) (indice(induracao "20 a 30 minutos")) (indice(infrequencia "Poucas vezes por mês")) => (assert (regra_27 indice)) ) (defrule possivel_Regra_28 (indice(inintensidade "grande")) (indice(induracao "10 a 20 minutos")) (indice(infrequencia "3 a 5 vezes por semana")) => (assert (regra_28 indice)) ) (defrule possivel_Regra_29 (indice(inintensidade "muito grande")) (indice(induracao "10 a 20 minutos")) (indice(infrequencia "1 a 2 vezes por semana")) => (assert (regra_29 indice)) ) (defrule possivel_Regra_30 (indice(inintensidade "grande"))

Page 137: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

124

(indice(induracao "Abaixo de 10 minutos")) (indice(infrequencia "Diariamente")) => (assert (regra_30 indice)) ) (defrule possivel_Regra_31 (indice(inintensidade "grande")) (indice(induracao "Acima de 30 minutos")) (indice(infrequencia "Poucas vezes por mês")) => (assert (regra_31 indice)) ) (defrule possivel_Regra_32 (indice(inintensidade "moderada intensa")) (indice(induracao "Acima de 30 minutos")) (indice(infrequencia "1 a 2 vezes por semana")) => (assert (regra_32 indice)) ) (defrule possivel_Regra_33 (indice(inintensidade "moderada intensa")) (indice(induracao "Acima de 30 minutos")) (indice(infrequencia "Poucas vezes por mês")) => (assert (regra_33 indice)) ) (defrule possivel_Regra_34 (indice(inintensidade "moderada intensa")) (indice(induracao "20 a 30 minutos")) (indice(infrequencia "3 a 5 vezes por semana")) => (assert (regra_34 indice)) ) (defrule possivel_Regra_35 (indice(inintensidade "moderada intensa")) (indice(induracao "20 a 30 minutos")) (indice(infrequencia "1 a 2 vezes por semana")) => (assert (regra_35 indice)) ) (defrule possivel_Regra_36 (indice(inintensidade "moderada intensa")) (indice(induracao "10 a 20 minutos")) (indice(infrequencia "Diariamente")) => (assert (regra_36 indice)) ) (defrule possivel_Regra_37 (indice(inintensidade "moderada intensa")) (indice(induracao "10 a 20 minutos")) (indice(infrequencia "3 a 5 vezes por semana")) => (assert (regra_37 indice))

Page 138: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

125

) (defrule possivel_Regra_38 (indice(inintensidade "moderada")) (indice(induracao "Acima de 30 minutos")) (indice(infrequencia "3 a 5 vezes por semana")) => (assert (regra_38 indice)) ) (defrule possivel_Regra_39 (indice(inintensidade "moderada")) (indice(induracao "Acima de 30 minutos")) (indice(infrequencia "1 a 2 vezes por semana")) => (assert (regra_39 indice)) ) (defrule possivel_Regra_40 (indice(inintensidade "moderada")) (indice(induracao "20 a 30 minutos")) (indice(infrequencia "Diariamente")) => (assert (regra_40 indice)) ) (defrule possivel_Regra_41 (indice(inintensidade "moderada")) (indice(induracao "20 a 30 minutos")) (indice(infrequencia "3 a 5 vezes por semana")) => (assert (regra_41 indice)) ) (defrule possivel_Regra_42 (indice(inintensidade "moderada")) (indice(induracao "10 a 20 minutos")) (indice(infrequencia "Diariamente")) => (assert (regra_42 indice)) ) (defrule possivel_Regra_43 (indice(inintensidade "leve")) (indice(induracao "Acima de 30 minutos")) (indice(infrequencia "Diariamente")) => (assert (regra_43 indice)) ) (defrule possivel_Regra_44 (indice(inintensidade "muito grande")) (indice(induracao "20 a 30 minutos")) (indice(infrequencia "Menos de uma vez por mês")) => (assert (regra_44 indice)) ) (defrule possivel_Regra_45 (indice(inintensidade "muito grande"))

Page 139: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

126

(indice(induracao "10 a 20 minutos")) (indice(infrequencia "Menos de uma vez por mês")) => (assert (regra_45 indice)) ) (defrule possivel_Regra_46 (indice(inintensidade "muito grande")) (indice(induracao "Abaixo de 10 minutos")) (indice(infrequencia "3 a 5 vezes por semana")) => (assert (regra_46 indice)) ) (defrule possivel_Regra_47 (indice(inintensidade "muito grande")) (indice(induracao "Abaixo de 10 minutos")) (indice(infrequencia "DESCONHECIDO")) => (assert (regra_47 indice)) ) (defrule possivel_Regra_48 (indice(inintensidade "grande")) (indice(induracao "Acima de 30 minutos")) (indice(infrequencia "Menos de uma vez por mês")) => (assert (regra_48 indice)) ) (defrule possivel_Regra_49 (indice(inintensidade "grande")) (indice(induracao "20 a 30 minutos")) (indice(infrequencia "Menos de uma vez por mês")) => (assert (regra_49 indice)) ) (defrule possivel_Regra_50 (indice(inintensidade "grande")) (indice(induracao "10 a 20 minutos")) (indice(infrequencia "Poucas vezes por mês")) => (assert (regra_50 indice)) ) (defrule possivel_Regra_51 (indice(inintensidade "moderada intensa")) (indice(induracao "Acima de 30 minutos")) (indice(infrequencia "Menos de uma vez por mês")) => (assert (regra_51 indice)) ) (defrule possivel_Regra_52 (indice(inintensidade "moderada intensa")) (indice(induracao "20 a 30 minutos")) (indice(infrequencia "Poucas vezes por mês")) => (assert (regra_52 indice))

Page 140: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

127

) (defrule possivel_Regra_53 (indice(inintensidade "moderada intensa")) (indice(induracao "20 a 30 minutos")) (indice(infrequencia "Menos de uma vez por mês")) => (assert (regra_53 indice)) ) (defrule possivel_Regra_54 (indice(inintensidade "moderada intensa")) (indice(induracao "10 a 20 minutos")) (indice(infrequencia "1 a 2 vezes por semana")) => (assert (regra_54 indice)) ) (defrule possivel_Regra_55 (indice(inintensidade "moderada")) (indice(induracao "Acima de 30 minutos")) (indice(infrequencia "Poucas vezes por mês")) => (assert (regra_55 indice)) ) (defrule possivel_Regra_56 (indice(inintensidade "moderada")) (indice(induracao "Acima de 30 minutos")) (indice(infrequencia "Menos de uma vez por mês")) => (assert (regra_56 indice)) ) (defrule possivel_Regra_57 (indice(inintensidade "moderada")) (indice(induracao "20 a 30 minutos")) (indice(infrequencia "1 a 2 vezes por semana")) => (assert (regra_57 indice)) ) (defrule possivel_Regra_58 (indice(inintensidade "moderada")) (indice(induracao "20 a 30 minutos")) (indice(infrequencia "Poucas vezes por mês")) => (assert (regra_58 indice)) ) (defrule possivel_Regra_59 (indice(inintensidade "moderada")) (indice(induracao "20 a 30 minutos")) (indice(infrequencia "Menos de uma vez por mês")) => (assert (regra_59 indice)) ) (defrule possivel_Regra_60 (indice(inintensidade "leve"))

Page 141: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

128

(indice(induracao "Acima de 30 minutos")) (indice(infrequencia "Diariamente")) => (assert (regra_60 indice)) ) (defrule possivel_Regra_61 (indice(inintensidade "muito grande")) (indice(induracao "Acima de 30 minutos")) (indice(infrequencia "Diariamente")) => (assert (regra_61 indice)) ) (defrule possivel_Regra_62 (indice(inintensidade "muito grande")) (indice(induracao "DESCONHECIDO")) (indice(infrequencia "DESCONHECIDO")) => (assert (regra_62 indice)) ) (defrule possivel_Regra_63 (indice(inintensidade "moderada intensa")) (indice(induracao "DESCONHECIDO")) (indice(infrequencia "DESCONHECIDO")) => (assert (regra_63 indice)) ) (defrule possivel_Regra_64 (indice(inintensidade "moderada")) (indice(induracao "DESCONHECIDO")) (indice(infrequencia "DESCONHECIDO")) => (assert (regra_64 indice)) ) (defrule possivel_Regra_65 (indice(inintensidade "leve")) (indice(induracao "DESCONHECIDO")) (indice(infrequencia "DESCONHECIDO")) => (assert (regra_65 indice)) ) ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; ;;;;;;;;;;;;; ;;;; RESULTADO FINAL ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; ;;;;;;;;;;;;; (defrule indice_provavel_1 (regra_1 indice) => (store RESULT Regra_1) (printout t "CAPACIDADE FÍSICA ALTA" crlf) ) (defrule indice_provavel_2 (regra_2 indice) => (store RESULT Regra_2)

Page 142: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

129

(printout t "CAPACIDADE FÍSICA MUITO BOA" crlf) ) (defrule indice_provavel_3 (regra_3 indice) => (store RESULT Regra_3) (printout t "CAPACIDADE FÍSICA MUITO BOA" crlf) ) (defrule indice_provavel_4 (regra_4 indice) => (store RESULT Regra_4) (printout t "CAPACIDADE FÍSICA BOA" crlf) ) (defrule indice_provavel_5 (regra_5 indice) => (store RESULT Regra_5) (printout t "CAPACIDADE FÍSICA BOA" crlf) ) (defrule indice_provavel_6 (regra_6 indice) => (store RESULT Regra_6) (printout t "(CAPACIDADE FÍSICA BOA" crlf) ) (defrule indice_provavel_7 (regra_7 indice) => (store RESULT Regra_7) (printout t "(CAPACIDADE FÍSICA BOA" crlf) ) (defrule indice_provavel_8 (regra_8 indice) => (store RESULT Regra_8) (printout t "(CAPACIDADE FÍSICA BOA" crlf) ) (defrule indice_provavel_9 (regra_9 indice) => (store RESULT Regra_9) (printout t "(CAPACIDADE FÍSICA BOA" crlf) ) (defrule indice_provavel_10 (regra_10 indice) => (store RESULT Regra_10) (printout t "(CAPACIDADE FÍSICA BOA" crlf) )

Page 143: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

130

(defrule indice_provavel_11 (regra_11 indice) => (store RESULT Regra_11) (printout t "(CAPACIDADE FÍSICA BOA" crlf) ) (defrule indice_provavel_12 (regra_12 indice) => (store RESULT Regra_12) (printout t "(CAPACIDADE FÍSICA BOA" crlf) ) (defrule indice_provavel_13 (regra_13 indice) => (store RESULT Regra_13) (printout t "(CAPACIDADE FÍSICA BOA" crlf) ) (defrule indice_provavel_14 (regra_14 indice) => (store RESULT Regra_14) (printout t "CAPACIDADE FÍSICA BOA" crlf) ) (defrule indice_provavel_15 (regra_15 indice) => (store RESULT Regra_15) (printout t "CAPACIDADE FÍSICA BOA" crlf) ) (defrule indice_provavel_16 (regra_16 indice) => (store RESULT Regra_16) (printout t "CAPACIDADE FÍSICA BOA" crlf) ) (defrule indice_provavel_17 (regra_17 indice) => (store RESULT Regra_17) (printout t "CAPACIDADE FÍSICA BOA" crlf) ) (defrule indice_provavel_18 (regra_18 indice) => (store RESULT Regra_18) (printout t "CAPACIDADE FÍSICA BOA" crlf) ) (defrule indice_provavel_19 (regra_19 indice) => (store RESULT Regra_19)

Page 144: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

131

(printout t "CAPACIDADE FÍSICA BOA" crlf) ) (defrule indice_provavel_20 (regra_20 indice) => (store RESULT Regra_20) (printout t "CAPACIDADE FÍSICA POBRE" crlf) ) (defrule indice_provavel_21 (regra_21 indice) => (store RESULT Regra_21) (printout t "(CAPACIDADE FÍSICA POBRE" crlf) ) (defrule indice_provavel_22 (regra_22 indice) => (store RESULT Regra_22) (printout t "(CAPACIDADE FÍSICA POBRE" crlf) ) (defrule indice_provavel_23 (regra_23 indice) => (store RESULT Regra_23) (printout t "(CAPACIDADE FÍSICA POBRE" crlf) ) (defrule indice_provavel_24 (regra_24 indice) => (store RESULT Regra_24) (printout t "(CAPACIDADE FÍSICA POBRE" crlf) ) (defrule indice_provavel_25 (regra_25 indice) => (store RESULT Regra_25) (printout t "(CAPACIDADE FÍSICA POBRE" crlf) ) (defrule indice_provavel_26 (regra_26 indice) => (store RESULT Regra_26) (printout t "(CAPACIDADE FÍSICA POBRE" crlf) ) (defrule indice_provavel_27 (regra_27 indice) => (store RESULT Regra_27) (printout t "(CAPACIDADE FÍSICA POBRE" crlf) )

Page 145: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

132

(defrule indice_provavel_28 (regra_28 indice) => (store RESULT Regra_28) (printout t "(CAPACIDADE FÍSICA POBRE" crlf) ) (defrule indice_provavel_29 (regra_29 indice) => (store RESULT Regra_29) (printout t "(CAPACIDADE FÍSICA POBRE" crlf) ) (defrule indice_provavel_30 (regra_30 indice) => (store RESULT Regra_30) (printout t "(CAPACIDADE FÍSICA POBRE" crlf) ) (defrule indice_provavel_31 (regra_31 indice) => (store RESULT Regra_31) (printout t "(CAPACIDADE FÍSICA POBRE" crlf) ) (defrule indice_provavel_32 (regra_32 indice) => (store RESULT Regra_32) (printout t "(CAPACIDADE FÍSICA POBRE" crlf) ) (defrule indice_provavel_33 (regra_33 indice) => (store RESULT Regra_33) (printout t "(CAPACIDADE FÍSICA POBRE" crlf) ) (defrule indice_provavel_34 (regra_34 indice) => (store RESULT Regra_34) (printout t "(CAPACIDADE FÍSICA POBRE" crlf) ) (defrule indice_provavel_35 (regra_35 indice) => (store RESULT Regra_35) (printout t "(CAPACIDADE FÍSICA POBRE" crlf) ) (defrule indice_provavel_36 (regra_36 indice) =>

Page 146: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

133

(store RESULT Regra_36) (printout t "(CAPACIDADE FÍSICA POBRE" crlf) ) (defrule indice_provavel_37 (regra_37 indice) => (store RESULT Regra_37) (printout t "(CAPACIDADE FÍSICA POBRE" crlf) ) (defrule indice_provavel_38 (regra_38 indice) => (store RESULT Regra_38) (printout t "(CAPACIDADE FÍSICA POBRE" crlf) ) (defrule indice_provavel_39 (regra_39 indice) => (store RESULT Regra_39) (printout t "(CAPACIDADE FÍSICA POBRE" crlf) ) (defrule indice_provavel_40 (regra_40 indice) => (store RESULT Regra_40) (printout t "(CAPACIDADE FÍSICA POBRE" crlf) ) (defrule indice_provavel_41 (regra_41 indice) => (store RESULT Regra_41) (printout t "(CAPACIDADE FÍSICA POBRE" crlf) ) (defrule indice_provavel_42 (regra_42 indice) => (store RESULT Regra_42) (printout t "(CAPACIDADE FÍSICA POBRE" crlf) ) (defrule indice_provavel_43 (regra_43 indice) => (store RESULT Regra_43) (printout t "(CAPACIDADE FÍSICA POBRE" crlf) ) (defrule indice_provavel_44 (regra_44 indice) => (store RESULT Regra_44) (printout t "(CAPACIDADE FÍSICA MUITO POBRE" crlf) )

Page 147: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

134

(defrule indice_provavel_45 (regra_45 indice) => (store RESULT Regra_45) (printout t "(CAPACIDADE FÍSICA MUITO POBRE" crlf) ) (defrule indice_provavel_46 (regra_46 indice) => (store RESULT Regra_46) (printout t "(CAPACIDADE FÍSICA MUITO POBRE" crlf) ) (defrule indice_provavel_47 (regra_47 indice) => (store RESULT Regra_47) (printout t "(CAPACIDADE FÍSICA MUITO POBRE" crlf) ) (defrule indice_provavel_48 (regra_48 indice) => (store RESULT Regra_48) (printout t "(CAPACIDADE FÍSICA MUITO POBRE" crlf) ) (defrule indice_provavel_49 (regra_49 indice) => (store RESULT Regra_49) (printout t "(CAPACIDADE FÍSICA MUITO POBRE" crlf) ) (defrule indice_provavel_50 (regra_50 indice) => (store RESULT Regra_50) (printout t "(CAPACIDADE FÍSICA MUITO POBRE" crlf) ) (defrule indice_provavel_51 (regra_51 indice) => (store RESULT Regra_51) (printout t "(CAPACIDADE FÍSICA MUITO POBRE" crlf) ) (defrule indice_provavel_52 (regra_52 indice) => (store RESULT Regra_52) (printout t "(CAPACIDADE FÍSICA MUITO POBRE" crlf) ) (defrule indice_provavel_53 (regra_53 indice) =>

Page 148: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

135

(store RESULT Regra_53) (printout t "(CAPACIDADE FÍSICA MUITO POBRE" crlf) ) (defrule indice_provavel_54 (regra_54 indice) => (store RESULT Regra_54) (printout t "(CAPACIDADE FÍSICA MUITO POBRE" crlf) ) (defrule indice_provavel_55 (regra_55 indice) => (store RESULT Regra_55) (printout t "(CAPACIDADE FÍSICA MUITO POBRE" crlf) ) (defrule indice_provavel_56 (regra_56 indice) => (store RESULT Regra_56) (printout t "(CAPACIDADE FÍSICA MUITO POBRE" crlf) ) (defrule indice_provavel_57 (regra_57 indice) => (store RESULT Regra_57) (printout t "(CAPACIDADE FÍSICA MUITO POBRE" crlf) ) (defrule indice_provavel_58 (regra_58 indice) => (store RESULT Regra_58) (printout t "(CAPACIDADE FÍSICA MUITO POBRE" crlf) ) (defrule indice_provavel_59 (regra_59 indice) => (store RESULT Regra_59) (printout t "(CAPACIDADE FÍSICA MUITO POBRE" crlf) ) (defrule indice_provavel_60 (regra_60 indice) => (store RESULT Regra_60) (printout t "(CAPACIDADE FÍSICA MUITO POBRE" crlf) ) (defrule indice_provavel_61 (regra_61 indice) => (store RESULT Regra_61) (printout t "(NÃO APLICAVEL" crlf) )

Page 149: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

136

(defrule indice_provavel_62 (regra_62 indice) => (store RESULT Regra_62) (printout t "(NÃO APLICAVEL" crlf) ) (defrule indice_provavel_63 (regra_63 indice) => (store RESULT Regra_63) (printout t "(NÃO APLICAVEL" crlf) ) (defrule indice_provavel_64 (regra_64 indice) => (store RESULT Regra_64) (printout t "(NÃO APLICAVEL" crlf) ) (defrule indice_provavel_65 (regra_65 indice) => (store RESULT Regra_65) (printout t "(NÃO APLICAVEL" crlf) )

Page 150: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

137

FONTE DO JESS DO ÍNDICE DE ATIVIDADE FÍSICA

import jess.Funcall; import jess.JessException; import jess.RU; import jess.Rete; import jess.Value; public class UtilizaJessIndice { public static void main(String[] args) { try { //inicia rete como chamada do algoritmo de Rete Rete rete = new Rete(); //carrega o arquivo com a base de fatos rete.executeCommand("(batch indice.clp)"); rete.executeCommand("(reset)"); //cria uma novo objeto do tipo índice para passas as variaveis Indice indice = new Indice(); //recebe o valor das variaveis da tela html); indice.setFequencia(?); indice.setDuracao(?); indice.setIntensidade(?); Funcall f = new Funcall("definstance", rete); f.add(new Value("ObjetoIndice", RU.ATOM)); f.add(new Value(indice)); f.execute(rete.getGlobalContext()); //Chamada da máquinda de inferencia rete.executeCommand("(run)");

System.out.println("Indice de Aptidao Fisica: " + rete.fetch("RESULT")); }

catch (JessException e) { e.printStackTrace(); } } }

Page 151: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

138

import java.beans.PropertyChangeListener; import java.beans.PropertyChangeSupport; public class Indice { privaté String Fequencia; privaté String Duracao; privaté String Intensidade; public String isFequencia() { return Fequencia; } public void setFequencia(String Fequencia) { this.Fequencia = Fequencia; } public String isDuracao() { return Duracao; } public void setDuracao(String Duracao) { this.Duracao = Duracao; } public String isIntensidade() { return Intensidade; } public void setIntensidade(String Intensidade) { this.Intensidade = Intensidade; } privaté PropertyChangeSupport pcs = new PropertyChangeSupport(this); public void addPropertyChangeListener(PropertyChangeListener pcl) { pcs.addPropertyChangeListener(pcl); } public void removePropertyChangeListener(PropertyChangeListener pcl) { pcs.removePropertyChangeListener(pcl); } }

Page 152: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

139

B.2 ÁRVORE DE DECISÃO DO ÍNDICE DE ATIVIDADE FÍSIC A

Segue abaixo a árvore de decisão do Índice de Atividade Física dividida em níveis.

Page 153: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

140

Page 154: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

141

MODELO ENTIDADE RELACIONAMENTO

Page 155: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

ANEXOS

Page 156: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

ALUNOS MATRICULADOS NA MUSCULAÇÃO 2005

Alunos matriculados na academia de musculação da UNIVALI no 2º semestre de 2005.

Alunos matriculados no 2º semestre de 2005.

Page 157: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

144

FICHA DE PROGRAMAÇÃO DE EXERCÍCIOS

Fichas de cadastro de alunos, com programação de exercícios.

Ficha de programação feminina.

Ficha de programação masculina.

Page 158: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

145

QUESTIONÁRIO DE LEVANTAMENTO DE REQUISITOS

Relatório de pesquisa de alunos da Academia de Musculação da UNIVALI.

Nome ___________________________________________________

Idade________________

Sexo: ( ) Masculino ( ) Feminino

1. Já teve algum acompanhamento em academias antes?

( ) sim ( ) não

2. Quanto tempo de acompanhamento?

( ) 1 à 6 meses ( ) 6 meses à 1 ano ( ) mais de 1 ano

3. Qual motivo que parou a academia?

( ) dinheiro ( ) tempo ( ) insatisfação ( ) outros

4. A musculação da UNIVALI oferece suporte a um acompanhamento físico?

( ) sim ( ) não

5. Qual objetivo de fazer musculação?

( ) lazer ( ) estético ( ) clínicos ( ) social ( ) moda ( ) profissional

6. Qual tempo de pretensão de utilização de academia?

( ) menos de 1 mês ( ) de 1 à 3 meses ( ) 6 meses ( ) acima de 6 meses

7. Quando da entrada da academia é feito alguma avaliação física, psíquica ou social?

( ) sim ( ) não

8. Você teria interesse em ser avaliado fisicamente?

( ) sim ( ) não

9. Você gostaria que tivesse um acompanhamento de seu desenvolvimento?

( ) sim ( ) não

10. Qual prazo de acompanhamento que gostaria que fosse feito à avaliação?

( ) 15 dias ( ) 30 dias ( ) 45 dias ( ) 60 dias

Page 159: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

146

TABELA DE PERCENTUAL DE GORDURA

CLASSIFICAÇÕES DO PERCENTUAL DE GORDURA NA COMPOSIÇÃO CORPORAL PERCENTUAL DE GORDURA (G%) PARA HOMENS

Nível /Idade 18 - 25 26 - 35 36 - 45 46 - 55 56 - 65 Excelente 4 a 6 % 8 a 11% 10 a 14% 12 a 16% 13 a 18% Bom 8 a 10% 12 a 15% 16 a 18% 18 a 20% 20 a 21% Acima da Média 12 a 13% 16 a 18% 19 a 21% 21 a 23% 22 a 23% Média 14 a 16% 18 a 20% 21 a 23% 24 a 25% 24 a 25% Abaixo da Média 17 a 20% 22 a 24% 24 a 25% 26 a 27% 26 a 27% Ruim 20 a 24% 20 a 24% 27 a 29% 28 a 30% 28 a 30% Muito Ruim 26 a 36% 28 a 36% 30 a 39% 32 a 38% 32 a 38%

PERCENTUAL DE GORDURA (G%) PARA MULHERES Nível /Idade 18 - 25 26 - 35 36 - 45 46 - 55 56 - 65

Excelente 13 a 16% 14 a 16% 16 a 19% 17 a 21% 18 a 22% Bom 17 a 19% 18 a 20% 20 a 23% 23 a 25% 24 a 26% Acima da Média 20 a 22% 21 a 23% 24 a 26% 26 a 28% 27 a 29% Média 23 a 25% 24 a 25% 27 a 29% 29 a 31% 30 a 32% Abaixo da Média 26 a 28% 27 a 29% 30 a 32% 32 a 34% 33 a 35% Ruim 29 a 31% 31 a 33% 33 a 36% 35 a 38% 36 a 38% Muito Ruim 33 a 43% 36 a 49% 38 a 48% 39 a 50% 39 a 49%

Fonte: Pollock & Wilmore,1993 FAIXA DE PERCENTUAL DE GORDURA IDEAL, DE ACORDO COM SEXO E A IDADE

Faixa Etária Homens Mulheres de 18 a 29 anos 14% 19% de 30 a 39 anos 16% 21% de 40 a 49 anos 17% 22% de 50 a 59 anos 18% 23% acima de 60 anos 21% 26%

Fonte: ACMS - Lea & Febiger, 1986 CLASSIFICAÇÃO DOS PERCENTUAIS DE GORDURA CORPORAL

Classificação Homens Mulheres Muito Baixo 5% 8% Abaixo da Média 6 a 14% 9 a 22% Média 15% 23% Acima Média 16 a 24% 24 a 31% Muito Alto 25% 32%

Fonte: Adaptado de Heyward e Stolarczyk,1996 PERCENTUAIS ACEITÁVEIS DE GORDURA CORPORAL

Sexo Homens Mulheres Idade Aceitável Ideal Aceitável Ideal

menos de 30 13,0 9,0 18,0 16,0 30 - 39 16,5 12,5 20,0 18,0 40 - 49 19,0 15,0 23,5 18,5 50 - 59 20,5 16,5 26,5 21,5 mais de 60 20,5 16,5 27,5 22,5

Fonte: Cooper, 1987

Page 160: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

147

MANUAL DO SAPAF

Módulos do SAPAF - Resumido

Para prescrever um programa de exercícios físicos de maneira segura, com a intenção de afastar ao máximo a probabilidade de ocorrerem acidentes e aténder adequadamente às necessidades e aos interesses de seus participantes, é necessário o conhecimento preciso do indivíduo em questão.

O esperado é que os profissionais voltados à prescrição e à orientação dos programas de exercícios físicos encontrem, na formação de qualquer grupo, variações individuais quanto aos aspectos fisiológicos e morfológicos que justifiquem uma atitude personalizada na proposição dos esforços.

Rotinas de avaliação:

Anamnese Clínica Gasto Energético Sistema Aeróbico

Risco Coronariano Correção Postural Sistema Anaeróbico

Anamnese Nutricional Antropometria Flexibilidade

Registro Dietético Bioimpedância Força e Resistência Muscular

Prescrição de exercícios físicos:

Exercícios Aeróbicos Exercícios Localizados 1- Anamnese Clínica

Quanto à necessidade da realização da anamnese clínica, evidências têm apontado que a principal causa de desistência nos estágios iniciais dos programas de exercícios físicos está associada aos desconfortos provocados por determinado tipo de exercício, muitas vezes, no momento, contra-indicado diante das condições de saúde apresentadas pelo praticante. Portanto, mesmo aparentemente não havendo qualquer dúvida acerca do estado de saúde do jovem, este deve ser submetido à minuciosa avaliação clínica, especialmente aquele que até então havia incorporado hábitos de vida mais sedentários.

2- Risco Coronariano Entendidos como agentes causais que predispõem o indivíduo ao aparecimento de doenças

cardíacas, a monitoração dos fatores de risco coronariano pode auxiliar na identificação de sinais antecessores que, ao serem modificados, podem aténuar ou até mesmo reverter o processo evolutivo das coronariopatias.

Em vista disso, é conveniente que, previamente ao início da participação em programas de exercícios físicos, todos os indivíduos, pelo menos, sejam submetidos à anamnese clínica, e aqueles com mais de 30-35 anos, além da anamnese clínica, ao perfil dos fatores de risco, a fim de identificar aqueles portadores de alto risco.

Para efeito de acompanhamento médico mais extensivo, somente devem ser iniciados em programas de exercícios físicos, sem supervisão médica direta, aqueles indivíduos com fatores de risco moderado. Àqueles de alto risco seria recomendado que não iniciassem o programa de

Page 161: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

148

exercícios físicos sem exame médico prévio completo que incluísse, por exemplo, observações hemodinâmicas em esforço, exames laboratoriais e outros procedimentos cautelares.

3- Ingestão Alimentar e Gasto Energético (Anamnese Nutricional, Registro Dietético e Gasto Energético)

As adaptações e respostas metabólicas e funcionais-motoras que repercutem, favoravelmente, a um melhor estado de saúde dependem da ingesta adequada dos nutrientes provenientes do consumo de alimentos e da demanda energética associada aos hábitos de prática da atividade física.

A obtenção de informações quanto à proporção de ingestão dos diferentes nutrientes torna-se de grande importância na prescrição e orientação de programas de exercícios físicos na medida em que uma dieta deficiente nesse campo deverá afetar não somente o funcionamento do organismo em repouso, mas sobretudo durante a realização de esforços físicos e na seqüência, na fase de recuperação pós-esforço. Portanto, dieta saudável é aquela baseada em determinadas proporções com relação aos três nutrientes energéticos: carboidrato, lipídio e proteína.

De maneira similar, os programas de exercícios físicos deverão provocar as adaptações desejadas no organismo, e por sua vez propiciar melhorias no estado de saúde, quando planejados, organizados, prescritos e orientados de acordo com os hábitos de prática da atividade física de cada um. Dessa forma, as estimativas quanto ao gasto energético/dia deverão oferecer importantes subsídios nesse sentido, permitindo que seja possível identificar aqueles indivíduos que se caracterizam por apresentar um estilo de vida em que predomina a carência de atividade física e aqueles que procuram manter níveis satisfatórios de atividade física em seu cotidiano.

4- Correção Postural Indivíduos portadores de desvios posturais tendem a apresentar algum tipo de

comprometimento locomotor, limitando por sua vez a realização de movimentos corporais. Isso ocorre em razão das articulações sofrerem em maior impacto e os grupos musculares estarem expostos a um nível de tensão mais elevado. Quando da realização de exercícios físicos, essa situação pode alcançar limites bastante preocupantes, na medida em que o nível de exigência das estruturas músculo-ósteo-articular se acentua extraordinariamente, levando, muitas vezes, a danos irreversíveis.

Com isso em mente, a verificação dos índices de correção postural assume um papel de fundamental importância quando da prescrição e orientação de programas de exercícios físicos voltados à promoção da saúde, procurando oportunizar subsídios que possam auxiliar de maneira mais efetiva, na tentativa de oferecer esforços físicos que venham, verdadeiramente, contribuir para melhoria do nível de qualidade de vida de seu praticante.

Vencida essa primeira etapa da avaliação, o indivíduo estaria em condições de se submeter aos procedimentos direcionados à verificação dos níveis de aptidão física relacionada à saúde. Esses procedimentos envolvem informações quanto à composição corporal e aos aspectos hemodinâmico/metabólico e neuromuscular.

5- Composição Corporal (Antropometria e Bioimpedância)

Informações quanto aos parâmetros da composição corporal, mediante dados relacionados à quantidade de gordura corporal e de massa magra, são de grande significado na prescrição e orientação de programas de exercícios físicos. Maiores quantidades de gordura corporal interferem negativamente na realização de exercícios físicos, em razão da maior solicitação de energia necessária para movimentar uma massa corporal também mais elevada. Em comparação com os de

Page 162: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

149

menor adiposidade, os indivíduos com maior concentração de gordura corporal solicitam trabalho físico mais intenso na execução de qualquer tipo de exercício físico.

Em vista disso, maior acúmulo de gordura corporal, além dos defeitos deletérios ao melhor estado de saúde, contribui para que os indivíduos nessas condições apresentem maiores dificuldades na realização dos exercícios físicos, sendo necessário portanto, desenvolver programas específicos voltados a uma predominância na utilização da gordura como fonte de produção de energia nos esforços físicos.

6- Aspectos Hemodinâmicos/Metabólicos e Neuromuscular (Sistema Aeróbico, Sistema Anaeróbico, Força/Resistência Muscular e Flexibilidade)

A necessidade de desenvolver avaliações quanto aos aspectos hemodinâmico/metabólico e neuromuscular fundamenta-se nas inúmeras adaptações fisiológicas relacionadas à melhoria e à manutenção do estado de saúde associadas aos programas de exercícios físicos.

Assim, informações quanto às alterações que se observam na freqüência cardíaca e na pressão arterial em estado de repouso e em diferentes níveis de esforço físico, assim como, estimativas quanto ao consumo máximo de oxigênio, força/resistência muscular e flexibilidade se caracterizam como referenciais extremamente úteis na monitorização dos benefícios induzidos pelos programas de exercícios físicos. Além do que, o organismo humano somente deverá responder favoravelmente aos programas de exercícios físicos, quando os esforços físicos forem administrados de acordo com as condições funcionais de cada um e, com o passar do tempo, sejam ajustados conforme o nível de adaptação de cada indivíduo.

Prescrição de Exercícios Aeróbicos e Localizados (Exercícios Aeróbicos e Exercícios Localizados)

Tão logo as rotinas de avaliações tenham sido administradas, e portanto, os níveis de aptidão física sejam conhecidos, os programas de exercícios físicos poderão ser prescritos. De posse dessas informações, são traçadas para cada indivíduo, metas específicas segundo as necessidades e as potencialidades evidenciadas pelas avaliações prévias.

Uma prescrição de exercícios físicos segura e efetiva está alicerçada em informações prévias que possam traduzir o estado presente do indivíduo. Reavaliações periódicas também são úteis para acompanhar o estado individual diante do exercício físico e como instrumentos de motivação para continuar sua prática, além de necessárias para atualização dos parâmetros de prescrição.

Para que os índices de aptidão física relacionados à saúde possam ser melhorados e mantidos em níveis satisfatórios, torna-se necessário desenvolver programas de exercícios físicos que possam, verdadeiramente, estimular o sistema cardiorrespiratório e os componentes neuromusculares força/resistência muscular e flexibilidade.

Os exercícios físicos direcionados ao desenvolvimento e/ou à manutenção da resistência cardiorrespiratória são os chamados aeróbicos e, de forma bastante particular, são caracterizados por esforços físicos de média e longa duração e intensidade moderada, que possam envolver os grandes grupos musculares de maneira dinâmica e com ritmo relativamente constante.

A caminhada, a corrida, o ciclismo, a natação e a dança aeróbica são exemplos típicos de exercícios físicos que podem ser realizados de maneira aeróbica, e portanto, modificações importantes na resistência cardiorrespiratória. De maneira geral, a eficiência dos programas de exercícios aeróbicos está, diretamente, relacionada à demanda energética total provocada pelos esforços físicos, associada à combinação adequada da freqüência, da intensidade e da duração dos exercícios físicos.

Page 163: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

150

Além dos exercícios aeróbicos, a prescrição de programas de exercícios direcionados à promoção da saúde deverá contémplar também exercícios voltados ao desenvolvimento e a manutenção da força/resistência muscular e flexibilidade. Os três princípios básicos que norteiam a prescrição de exercícios físicos voltados ao desenvolvimento e a manutenção da força/resistência muscular são os princípios da sobrecarga, da progressividade e da especificidade.

O primeiro estabelece que as adaptações de força/resistência muscular ocorrem quando se leva o grupo muscular ativo a trabalhar contra uma sobrecarga estabelecida com base em uma estimativa de sua tensão máxima. O princípio da progressividade sugere que a sobrecarga, que o grupo muscular ativo tem de vencer para melhorar sua capacidade funcional, deverá ser aumentada progressivamente até alcançar o nível de desenvolvimento desejado. O princípio de especificidade preconiza que as modificações na força/resistência muscular ocorram de maneira específica nos grupos musculares que são acionados para vencer a sobrecarga.

Page 164: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

151

MANUAL DO PHYSICAL TEST 5.0

Módulos do PHYSICAL TEST - Resumido

É um sistema de avaliação física nutricional para adultos e crianças. ÍNDICE Atualização de Versões Anteriores 2 Entrando no Programa 4 Cadastro dos Avaliados 6 Cadastrando Novas Classificações 7 Configurando os Textos do Relatório 8 Inserindo os Dados da Avaliação Física 10 Alterando os Dados de uma Avaliação Física 12 Imprimindo a Avaliação Física 13 Anamnese 14 Risco Coronariano 17 Medias Antropométricas 19 Índice Cintura - Quadril 24 Composição Corporal 26 Diâmetros ósseos 43 Tabelas de % de Gordura Ideal 45 Avaliação Cardiorrespiratória 46 Avaliação Neuromotora 52 Teste Anaeróbio 57 Avaliação Postural 58 Avaliação Nutricional 60 Comparando as Avaliações 61 SIEC – Sistema Integrado de Estudos e Comparações 63 Editor de Fórmulas 67 Alguns Matérias e Instrumentos necessários 71 Referências Bibliográficas 72 Fazendo Cópia de Segurança 73

Page 165: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

152

FORMA DE COLETA DE DOBRAS

Figura 59. Medida de Abdominal

Figura 60. Medida de Auxiliar Média

Page 166: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

153

Figura 61. Medida de Fêmur

Figura 62. Medida de Tríceps

Figura 63. Medida de Escapula

Figura 64. Medida do Peito

Page 167: UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS ...siaibib01.univali.br/pdf/Alexandre Magnus Balbinotti.pdf · Área de Inteligência Artificial por Alexandre Magnus Balbinotti

154

Figura 65. Medida de Supra-Ilíaca