Avaliação de um sistema para gestão do conhecimento de uma empresa de desenvolvimento de software
Resumo
O conhecimento se consolida como um ativo na economia intangível, sendo sua gestão fundamental as organizações modernas. No entanto, a operacionalização da Gestão do Conhecimento (GC) é uma atividade complexa, pois deve considerar o tratamento da relação entre diversos aspectos, inclusive relacionados a tecnologia. Neste contexto, sistemas de informação para suporte a GC são importantes e, devido a sua interação com outros aspectos, uma avaliação é necessária para determinar os benefícios percebidos pelos usuários. Neste sentido, este trabalho tem como objetivo analisar o impacto percebido pelo uso do software Tool Support of Knowledge Management em uma empresa de desenvolvimento de software. Especificamente, pretende-se avaliar pela visão dos funcionários: a) qual é a percepção dos aspectos da GC antes e depois do uso do software; b) qual é o impacto nos aspectos da GC propiciado pelo ao uso do software. Para tal, foi realizado um estudo qualitativo-descritivo com coleta de dados por meio de questionário considerando 18 aspectos da GC. Os resultados mostram que o software impactou, de forma positiva e significativa em diversos aspectos da GC na organização, ressaltando a abordagem integrativa da tecnologia. Apesar do escopo do trabalho focar no estudo de apenas um sistema em uma empresa, a metodologia apresentada é útil para trabalhos futuros que promovam o uso do software e análises que subsidiem a comparação dos impactos nos aspectos da GC em empresas de seguimentos distintos.
Referências
G. Balme and L. Hunter. Mortality in a protected leopard population, Phinda Private Game Reserve, South Africa: a population in decline. Ecological Journal, 2004.
M. Benkert, J. Gudmundsson, F. Hubner, and ¨ T. Wolle. Reporting flock patterns. volume 41, pages 111–125. Elsevier, 2008.
V. H. Bezerra and D. S. Kaster. Inclusão de técnicas de interpolação de pontos em algoritmos de descoberta on-line do padrão flock. In Anais da XIII Escola Regional de Banco de Dados, pages 57–66. SBC, 2017.
T. L. C. da Silva, K. Zeitouni, and J. A. de Macedo. Online Clustering of Trajectory Data Stream. Proceedings of the 17th IEEE International Conference on Mobile Data Management, pages 112–121, 2016.
J. Gudmundsson and M. van Kreveld. Computing longest duration flocks in trajectory data. In Proceedings of the 14th ACM Int. Symposium on Advances in Geographic Information Systems, page 35, New York, New York, USA, 2006. ACM Press.
J. Gudmundsson, M. van Kreveld, and B. Speckmann. Ecient Detection of Motion Patterns in Spatio-temporal Data Sets. In Proceedings of the 12th Annual ACM International Workshop on Geographic Information Systems, pages 250–257, 2004.
F. Gustafsson, F. Gunnarsson, N. Bergman, U. Forssell, J. Jansson, R. Karlsson, and P.-J. Nordlund. Particle filters for positioning, navigation, and tracking. IEEE Transactions on signal processing, 50(2):425–437, 2002.
L. Li and P. Revesz. A comparison of spatio-temporal interpolation methods. In Geographic Information Science, pages 145–160. Springer, 2002.
Z. Li, B. Ding, J. Han, and R. Kays. Swarm: Mining Relaxed Temporal Moving Object Clusters. Proceedings of the VLDB Endowment, 3(1-2):723–734, sep 2010.
C. Parent, S. Spaccapietra, C. Renso, G. Andrienko, N. Andrienko, V. Bogorny, M. L. Damiani, A. Gkoulalas-Divanis, J. Macedo, N. Pelekis, Y. Theodoridis, and Z. Yan. Semantic trajectories modeling and analysis. ACM Computing Surveys, 45(4):42:1–42:32, Aug. 2013.
D. Pfoser and C. S. Jensen. Capturing the Uncertainty of Moving-Object Representations. In R. H. Guting, ¨ D. Papadias, and F. Lochovsky, editors, Proceedings of 6th International Symposium on Advances in Spatial Databases, pages 111–131. Springer, 1999.
K. C. V. Rao, A. Govardhan, and K. C. V. Rao. Spatiotemporal Data Mining: Issues, Tasks And Applications. International Journal of Computer Science & Engineering Survey, 3(1):39–52, feb 2012.
P. S. Tanaka, M. R. Vieira, and D. S. Kaster. Ecient Algorithms to Discover Flock Patterns in Trajectories. XVI Brazilian Symposium on Geoinformatics, 1(XVI):56–67, 2015.
P. S. Tanaka, M. R. Vieira, and D. S. Kaster. An Improved Base Algorithm for Online Discovery of Flock Patterns in Trajectories. Journal of Information and Data Management, 7(1), 2016.
Y. Tremblay, S. A. Shaffer, S. L. Fowler, C. E. Kuhn, B. I. McDonald, M. J. Weise, C.-A. Bost, H. Weimerskirch, D. E. Crocker, M. E. Goebel, and Others. Interpolation of animal tracking data in a fluid environment. Journal of Experimental Biology, 209(1):128–140, 2006.
U. Turdukulov, A. O. Calderon Romero, O. Huisman, and V. Retsios. Visual mining of moving flock patterns in large spatio-temporal data sets using a frequent pattern approach. International Journal of Geographical Information Science, 28(10):2013–2029, 2014.
M. R. Vieira, P. Bakalov, and V. J. Tsotras. On-line discovery of flock patterns in spatio-temporal data. In Proceedings of the 17th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems, page 286, New York, Nov. 2009. ACM Press.
M. Wachowicz, R. Ong, C. Renso, and M. Nanni. Finding moving flock patterns among pedestrians through collective coherence. International Journal of Geographical Information Science, 25(11):1849–1864, 2011.
E. A. Wentz, A. F. Campbell, and R. Houston. A comparison of two methods to create tracks of moving objects: linear weighted distance and constrained random walk. International Journal of Geographical Information Science, 17(7):623–645, 2003.
K. Zheng, Y. Zheng, N. J. Yuan, S. Shang, and X. Zhou. Online discovery of gathering patterns over trajectories. IEEE Transactions on Knowledge and Data Engineering, 26(8):1974–1988, 2014.
Y. Zheng and X. Zhou. Computing with spatial trajectories. Springer Science & Business Media, 2011.
