00:00:35:16 Para essa seção estaremos com Sabina Martinez Montoya, que é psicóloga, com experiência em pesquisa acadêmica e disciplinar ligada a temáticas de direitos humanos, educação e ciências da saúde. Atua em processos de pesquisa de campo, como entrevistas e grupos focais, assim como na transcrição, sistematização e análise de informações qualitativas com apoio de software especializadas. Atualmente trabalha como gerente de portfólio qualitativo na Software Shop e consultoria especializada em projetos qualitativos e mistos.

00:01:24:22 Bom dia a todos e a todas. Eu gostaria de agradecer mais uma vez por estar no dia de hoje nesta textão. Eu gostaria de saber através do chat, de que lugar vocês nos acompanham no dia de hoje. E basicamente eu gostaria de dizer que nós dentro desta apresentação que estaremos fazendo sobre o Vivo 23, nós estaremos apresentando uma questão um pouco mais robusta e um pouco mais completa, mas estaremos fazendo um processo de introdução através de um exercício de apresentação, a fim de que possamos garantir a compreensão dessa ferramenta analítica, estratégica e funcional do que é o.

00:02:03:05 Em vídeo. Irene, muito bom dia! Ela nos acompanha desde o México, Colômbia também e muito obrigada por estarem presente antes. Então eu vou começar com esse processo de apresentação e nós vamos fazer. Nós vamos intercalar entre a apresentação que está na tela e a interface do EN vivo. Eu vou fazer algumas pausas específicas para verificar se tem alguma dúvida ou pergunta no chat e aos poucos eu vou tentar responder a eventuais dúvidas.

00:02:34:01 E uma vez dito isso, eu vou dar início com o processo de apresentação e vou contextualizar um pouco o que nós vamos ver no dia de hoje. Basicamente, nós vamos falar sobre a análise de cluster ou análise de conglomerados. Vamos começar contextualizando o que queremos dizer quando falamos análise de conglomerados.

00:03:09:23 Essa análise de conglomerados, uma vez que nós já construímos um projeto através de um primeiro exercício de classificação e categorização dessa informação, nós vamos agrupar de acordo com as tendências, de acordo com alguns alinhamentos de alguns grupos, em função de suas características específicas, sejam sobre escritores, dessa informação, do código de cada categoria e inclusive tem algumas opções que nos permitem fazer uma leitura estratégica, identificando a semelhança de palavras entre esses documentos.

00:03:29:01 Então, basicamente essa leitura nos brinda um panorama geral para entender como flui, como fluem esses documentos no que diz respeito às suas semelhanças, mas também no que diz respeito às suas divergências ou diferenças.

00:04:06:19 Então, para este primeiro exercício, eu já tenho um primeiro projeto elaborado no In Vivo e eu vou falar um pouquinho aqui sobre a interface do In Vivo. Caso alguém ainda não a conheça, seja a primeira vez que está vendo esse software. Então, basicamente, esses softwares de análise qualitativa nos permite concentrar informação de diferentes tipos de documentos, sejam arquivos de texto ou arquivos multimídia, formatos do tipo de pesquisa e fazer algumas integrações com gestores bibliográficos.

00:04:14:15 É bom.

00:04:52:05 Isso é uma grande ajuda na hora que precisamos classificar, analisar e apresentar os resultados da informação qualitativa mista. Já em termos visuais, quais são os elementos principais de um projeto do EN vivo? Na parte superior nós temos o menu de navegação, que basicamente contém todas as ações que nós vamos poder implementar no projeto. Então, dessa forma, nós temos aqui essas telas de importação, a seção de criação.

00:05:10:26 No Explorar, nós temos todas as buscas automatizadas da informação, consultas e análise da mesma informação. E na última parte, nós vamos encontrar algumas ferramentas de análise e visualização também.

00:05:43:24 Depois nós temos a seção de compartilhar com todas as opções que têm as saídas de informação, cópia de segurança e exportação como um valor agregado. Nós temos essa questão de módulos onde nós temos alguns recursos que precisam de um pagamento adicional. São ferramentas ligadas a esses processos de transcrição.

00:06:21:01 Então, basicamente, essa barra lateral que vocês veem aqui em azul. Através dela nós temos um rápido acesso a esses elementos do projeto e essas ferramentas. Primeiro, nós temos a seção de importação, onde nós temos a informação dos dados documentais. Essa segunda parte, esta seção de organização, onde nós temos toda a informação ligada a estrutura de códigos, temos outras unidades de organização analítica, como casas e conjuntos.

00:06:58:19 Nós vamos aprofundar um pouquinho mais sobre isso dentro de pouco. E temos uma seção de notas com outras ferramentas também. E por último, no menu Exploração nós temos algumas opções que nos ajudam a visualizar o mapeamento dessas consultas e fazer visualizações no mapa, de forma que nós podemos construir isso a partir do processo de análise. Então, uma vez dito isso, vamos fazer uma apresentação e sensibilização em relação a esse projeto com o qual nós iremos trabalhar no dia a dia hoje.

00:07:11:23 Então, inicialmente eu vou fazer a importação dos arquivos. Nesse caso eu já tenho sete documentos aqui.

00:07:41:25 Esses documentos estão de dois sites que publicam notas de interesse para o setor educacional. Essa captura de tela é feita através de um login, que é um complemento adicionado em vivo para poder fazer a análise dos meios de comunicação ou então a análise de um segmento. Nesse caso, já fez a importação e eu gostaria que vocês vissem que eu também conto com esses arquivos.

00:07:59:24 Isso para que vocês possam entender um pouquinho a estrutura global do meu projeto. E uma vez dito isso, nós vamos nos aprofundar um pouquinho nessa questão de análise de conglomerados a partir das diferentes classificações.

00:08:44:29 O primeiro exercício é chamado de conglomerados porta alianças de palavras. Então, basicamente, o que nós fazemos aqui é um exercício transversal de análise de conteúdo para identificar se a nossa documentação está alinhada no que diz respeito à frequência. Isso é feito através de uma leitura de estatísticas descritivas, onde este software faz uma listagem de todas as palavras e através desses exercícios de frequência e contraste entre esses documentos, ele destaca que tem alguma semelhança significativa entre um ou outro documento, temas importantes ou requerimentos na hora de implementar esse tipo de ferramenta no marco de um projeto.

00:09:17:20 O primeiro elemento é que nós não precisamos de um exercício prévio de classificação de arquivos ou de organização desse projeto. Basta como fazer esse primeiro processo de importação para depois poder fazer uma primeira aplicação. E isso serve também para os processos de análise ou codificação. Não é preciso um exercício prévio de estrutura para poder aplicar essa primeira metodologia.

00:09:51:12 Agora, como nós podemos interpretar essa leitura desta semelhança de palavras? Aqui eu gostaria de falar sobre alguns aspectos que são muito importantes na hora de fazer essa leitura interpretativa. No caso de semelhança de palavras, ele trabalha com uma correlação. A correlação de Pearson é Através dela eu posso identificar a semelhança. Ambas as divergências das palavras nesses documentos onde eu estou trabalhando, fazendo contraste entre esses documentos.

00:10:31:17 Eu tenho aqui uma tabela onde nós podemos ver como nós podemos interpretar essa informação. A princípio, nós temos duas formas com a qual um documento pode se relacionar com o outro através de uma relação direta ou através de uma relação inversa. Essas relações diretas, que sempre vão ter uma pontuação positiva, eles vão mostrar uma relação que no começo vai no mesmo sentido, ou seja, enquanto um documento tem esse conteúdo de palavras, o outro documento também seria muito parecido.

00:11:14:25 Já a relação inversa é quando esses documentos divergem no que diz respeito ao conteúdo de palavras. Então esse tipo de relação é caracterizado por ter índices negativos, ou seja, a pontuação negativa nos seus resultados. Quanto mais eles se aproximam para o número um, ao menos isso quer dizer que esta distância é ainda maior, tanto seja na ligação e na relação direta como na relação inversa.

00:11:44:06 Então vamos fazer um primeiro exercício para aplicar isso. Então, o que eu falei no começo é que para isso nós apenas precisamos importar os documentos. Não precisa, nós não precisamos fazer nenhum exercício prévio. Então, a partir dessa visualização, nós vamos para o menu Explorar e depois nós vamos clicar na opção Diagramas. Uma vez ativa essa opção, nós vamos ver que aparece uma janela lá e nós encontramos essa opção de análise de conglomerados.

00:12:19:18 Como vocês podem ver, essa primeira visualização me permite fazer uma um rastreamento dessa informação que eu quero agrupar. Então vocês podem fazer isso através de arquivos, elementos externos ou mesmos, ou vocês podem consultar diretamente da codificação. Já neste caso eu quero fazer uma agrupação, um agrupamento, levando em consideração esses documentos que eu importei. Então eu vou selecionar os arquivos e por mais que pareçam arquivos em duplicidade, esses são os diferentes níveis que eu poderia incorporar.

00:12:51:14 Então eu tenho informação de arquivos dos elementos externos mesmos, e é que os conjuntos que, como disse, que nós podemos também nos aprofundar mais na segunda parte. Então, nesse exercício eu apenas quero selecionar as entrevistas que eu trouxe, então eu clico em aceitar e aqui na segunda opção, basicamente eu tenho três. Eu vou indicar que eu quero por semelhanças de palavras e como vocês podem ver aqui, os coeficientes que aparecem aqui são os de correlação de projetos.

00:13:27:17 Então aqui ao finalizar, eu vou ter essa leitura específica e o que ele mostra que é uma visualização. Mas é interessante ter uma leitura complementar entre as ferramentas visuais e a informação que eu posso encontrar. Então aqui nesse caso, como vocês podem ver na interface do segmento direito, eu tenho uma pequena opção chamada Resumo, onde eu posso verificar os resultados visuais de uma melhor forma.

00:14:02:25 Então aqui o que nós podemos ver é o seguinte no caso do arquivo A e esse casa que do francês começou a janeiro, então aqui eu tenho um coeficiente de correlação positiva entre o primeiro e o segundo, ou seja, é uma relação direta onde ele está marcando uma relação de semelhança de palavras entre essas duas leituras. Então, se nós voltamos aqui, nós vamos ver que eles compartilham de uma situação de informação que estaria exatamente nessa linha específica.

00:14:40:25 E quando a semelhança entre esses documentos são muitas. Basicamente, ele faz um pequeno grupo com essa seção. Então nós também podemos presumir que o documento de Sierra e Miguel também tem uma correlação com esse documento. Então, nesse caso, nós vamos voltar para o resumo e de forma transversal. Uma outra coisa que podemos perceber entre essas relações é que esses documentos têm uma forte relação direta, pois o coeficiente mais baixa 0,72 e ainda sendo zero 72.

00:15:10:10 Então relações significativas. Ou seja. Pois a relação de 0,7 para mais. Então. Por mais que o menor índice seja zero 72. Ainda assim ele indica uma relação direta muito elevada. Mais graficamente, vamos ver como essa leitura pode se diferenciar da primeira. Nesse caso, ele indica que a que menos tem relação e esse documento com o documento de seu ver leal.

00:15:57:28 Então nós voltamos para o diagrama e observamos a seguinte que essa primeira está em um grupo diferente. Por mais que ela não tenha uma relação direta com esses outros, nós vamos ter uma relação parcial, e é por isso que ele aparece nessa relação maior. Ele vai agrupando com essas outras relações menores. Se vocês observam, Leal está totalmente separado ou numa linha diferente, Como vocês veem aqui, Leal e Cuesta eles têm uma relação significativa entre eles mesmos, entre esses documentos.

00:16:34:24 Então eles teriam uma leitura um pouco diferenciada no que diz respeito ao conjunto global dos meus documentos, certo? Então, nesse sentido, nós podemos fazer um primeiro sentido de interpretação dessa informação. Como vocês veem na parte superior, nós temos outras formas de ilustrar essa correlação. Poderíamos ter uma leitura através desses quadros, onde, através de um mapa de cores, nós podemos identificar as diversas relações.

00:17:16:26 Também podemos visualizar no mapa em 3D onde nós poderíamos ter objetivos mais interativos para entender, por exemplo, as relações entre esse os atores. Uma coisa muito importante são as cores, pois esses códigos de cores falam sobre relações significativas e eu tenho este outro exercício que me permite fazer uma visualização global da minha informação. Uma coisa importante em relação a esses menu de navegação.

00:17:59:26 Então, no que diz respeito às semelhanças aqui neste gráfico, eu estou marcando essas relações. Essa relação de um coeficiente de 0,7. Eu estou marcando ele mais aqui em cima ele está mostrando uma visualização perfeita, onde todos tem relação com todos, pois é uma correlação positiva. Mas se vocês quisessem ser mais rígidos e mostrar apenas 0,8, vocês vão ver que algumas linhas vão sumir e ele apenas vai mostrar as relações mais significativas.

00:18:40:10 Agora eu vou fazer uma primeira pausa para fazer uma leitura. Yuri tem uma pergunta se você trabalha com um vivo sistema operacional Mark, isso poderia ser um pouquinho diferente na hora de interagir com uma dessas? Funcionaria, mas deixa o seu contato no chat para que no final eu possa ampliar essa informação para você. No que diz respeito ao uso dessa ferramenta para sistemas operacionais.

00:18:46:04 Mike.

00:19:16:04 Até aqui tudo ok. Se vocês até aqui tiverem alguma dúvida, vocês podem colocar no chat ou então vocês podem colocar. Se até agora vocês entenderam tudo, ok? Então, bem, por enquanto eu vou continuar levando em conta essa primeira leitura e interpretar tipo em relação a análise de conglomerados. Agora voltamos para a apresentação e vou passar para a segunda questão.

00:19:47:12 Aqui eu tenho outras duas opções, uma vez que esses níveis de análise são feitas através de duas mágicas que são feitas através de duas medidas. Mas para que vocês possam entender um pouco melhor, nós vamos fazer algumas práticas diferenciais para que vocês possam entender o alcance de uma outra ferramenta. No caso dessas duas estratégias conglomerados por codificação ou atributos.

00:20:28:06 Nesse caso, nós podemos ter uma leitura onde nós podemos rastrear à semelhança dos documentos, levando em consideração a estrutura de códigos ou a incorporação das dos dados demográficos, metadados, etc. Diferentemente do exercício anterior, esse método requer duas coisas no primeiro exercício é uma caracterização ou classificação de arquivos de casos. Já, já vamos falar sobre as ferramentas que podem ser usadas e que podemos estruturar nome no exercício.

00:21:09:05 Para usar esse tipo de análise. E adicionalmente a esse, nós vamos precisar de um exercício um pouco maior no que diz respeito a codificação. Então, aqui nós vamos voltar para o menu principal para nossa interface e vamos detalhar dois elementos importantes. O primeiro está ligado com algumas opções da organização desses documentos. Basicamente, nós temos uma primeira leitura, que são as classificações no que diz respeito às pastas.

00:21:43:16 Então, por exemplo, se eu quiser fazer uma classificação aqui, porque eu vou trabalhar com diferentes tipologias de documentos, então eu poderia criar pastas onde eu pudesse fazer a diferenciação por tipologias de documentos. Esse tipo de ferramenta nos ajuda a ter uma visualização um pouco mais específica, mas também temos outras ferramentas, como casas onde além de organizar essa informação para melhorar a visualização, etc.

00:21:59:00 Ela tem como objetivo gerar unidade analítica, onde nós podemos fazer uma leitura transversal e comparativa dessa informação de acordo com um atributo ou um valor específico.

00:22:18:15 Então eu tenho uma série de entrevistas que eu recuperei de dois testes diferentes e como eu quero comparar as diferenças entre esses dois sites considerando os atributos ligados ao gênero, a idade, ocupação.

00:22:54:22 Então vou gerar esses dois casos específicos. Eu vou criar aqui o primeiro caso, que é do primeiro start, que é a educação 3,0 e este outro start que é do Calebe. Então através disso eu vou poder fazer uma leitura cruzada utilizando a matriz de codificação ou fazendo uma consulta de referência para ver a interseção. As diferenças entre os atores de um site do outro.

00:23:48:22 Isso ajuda a tornar mais robusto esse exercício de análise. Mas já no que diz respeito à classificação de casos, basicamente nós podemos fazer isso. Ingressar isso diretamente do vivo e em vivo, conta com essas ferramentas para que vocês possam estruturar de uma melhor forma. Diante dessa informação dos metadados, como vocês vão classificar essa informação? Então, como eu falei, nós temos é que nós podemos rastrear rapidamente essas descrições onde nós podemos rastrear idade, gênero, sexo, perdão, idade, gênero, ocupação e país de nascimento.

00:23:57:05 Então, como nós podemos fazer um primeiro exercício de leitura?

00:24:20:01 No primeiro caso, lembrem se que nós sempre estamos trabalhando com coeficientes. Então, para encontrar a relação em termos de semelhança por atributos, nós contamos com a correlação de Jacar ou Sorensen.

00:24:43:05 Basicamente, o que eu quero é que vocês visualizem o alcance dessas ferramentas. Por mais que ambos estão voltados para fazer uma leitura através das semelhanças. Para ressaltar, por exemplo, em quais casos nós temos uma semelhança específica no que diz respeito a atributos e em quais casos temos algumas diferenças e a semelhança, por exemplo, está entre 0 e 1.

00:25:33:02 Então a diferença é o cálculo. E como ele faz isto nesse método, então o índice de jacar é muito mais estrito no que ele considera semelhança de variáveis de atributos em relação a história. Enfim. Então, como vocês podem ver aqui na tela, vai depender mais para não confundi los com muita informação técnica. A principal diferença é que já tem uma relação específica entre as interseções e uniões, enquanto que histórias tem que considera toda unidade analítica de informação.

00:26:05:13 Então, nesse exemplo, como eu coloquei aqui para ilustrar, eu tenho um grupo a que seria laranja, maçã e banana e o grupo B, que seria a cereja, laranja, laranja e banana. Então, nesse caso, a leitura seria a seguinte. Eu vou considerar esses quatro elementos que estão como comuns. No primeiro levam em consideração os quatro, mas no segundo eu estou vendo a totalidade deles.

00:26:39:24 É por isso que no primeiro nós temos quatro. Na segunda medida nós temos que seis. E isso tem uma grande implicação, pois ao incluir uma quantidade maior de elementos, basicamente vocês vão poder encontrar uma semelhança de valores. Mas eu gostaria de explicar isso um pouquinho antes para que vocês possam visualizar e ter uma ideia de, por exemplo, o índice de Sorensen.

00:27:10:25 Ele é um pouquinho mais flexível na hora de encontrar essa semelhança. Aqui eu vou deixar esta visualização em aberto. Nós vamos para o menu Explorar para diagramas e mais uma vez eu vou fazer a análise de conglomerados. Nesse caso, eu vou aplicar essa leitura mais neste exercício que nós vamos escolher a opção de códigos, porque a leitura que eu vou fazer eu não vou fazer através dos arquivos, mas através dos dados.

00:27:54:02 Então para isso eu vou clicar em seguinte e avançar. E por mais que o nome possa parecer um pouco confuso, vocês aqui vão encontrar a opção de acrescentar os casos. Então, nesse exercício eu vou selecionar essa informação específica e vou verificar se inclui todos os participantes aqui onde nós temos agrupados por. Eu vou colocar a semelhança no valor do atributo e como vocês podem ver, automaticamente ele já muda o coeficiente de cálculo, o coeficiente que eles vão visualizar essa informação, no caso o coeficiente de acaso.

00:28:32:02 Nós vamos fazer o primeiro modelo e vamos fazer um exercício de comparação. Então é interessante poderem entender um pouco esta leitura dessa informação. Lembrem se que a pontuação aqui também é de 0 a 1, então no começo ele está me dizendo que não tem muita semelhança entre esses grupos de documentos em relação as variáveis e onde ele marca de uma forma mais significativa são as semelhanças encontradas entre Regina e este outro.

00:29:17:29 Então erro básico então 0,42 o coeficiente já k. Já no caso dessa visualização, então basicamente eles estariam aqui, como eu expliquei a pouco relacionadas em grupos. Por mais que este índice esteja pequeno, pois de alguma forma são as correlações que a ferramenta estabeleceu, não necessariamente são relações fortes no que diz respeito à semelhança, mas ainda assim nós podemos rapidamente rastrear quais seriam essas relações entre eles que afetam meus documentos de uma forma global, e passamos para a leitora o que ele mostra em relação as semelhanças no trabalho de Michelle.

00:29:42:14 Vamos ver que eu tenho aqui essas duas pessoas, então quero identifica que são do mesmo sexo, do mesmo gênero, do mesmo, da mesma idade, da mesma mão, da mesma faixa de idade e tem a mesma ocupação. E o país de nascimento é o mesmo. Então, basicamente nós temos duas diferenças a que é nível de atributos, que seria o nome e a ocupação.

00:30:16:13 Então, considerando esses aspectos, nós vamos fazer essa busca e essa consulta mais uma vez, mas dessa vez selecionando os dados, nós vamos mudar o coeficiente para a história para que possamos ver as mudanças no que diz respeito à visualização. Então, como vocês podem ver aqui, já encontramos uma diferença significativa sobre neste cálculo. Aqui ele mostra que esta relação que no caso de jacar era de 0,425, aqui é um sólido 0,6.

00:30:51:02 Em que momentos aplicar agora tem? Em que momentos da aplicar? Jacar depende da metodologia de pesquisa e das validações internas que vocês possam fazer em relação ao critério de discriminação, discriminação que vocês querem utilizar para encontrar essas relações. Então depende muito da perspectiva metodológica.

00:31:27:10 Então, aqui vamos fazer uma visualização adicional dessa leitura e agora nós vamos poder fazer uma revisão no que diz respeito a esses conglomerados. Então, aqui, como a relação é muito pequena, ele não está marcando nada. Mas vocês podem aplicar, como eu já ensinei esses truques para que ele possa incorporar todas as linhas de visualização, considerando os os umbrais ou os mínimos.

00:31:44:24 Então, lembrem, existem! Que bom, aqui não precisa ser uma semelhança tão restrita de 0,7 para cima, mas ainda tem.

00:32:21:06 Sabemos que sempre que se aproximam do zero essas notas estão mais mitigadas. Isso no que diz respeito, essas linhas estão mais mitigadas. Isso no que diz respeito à visualização. Então vocês podem decidir que relação vocês querem ver nessa opção de conglomerados. Ele está fazendo uma leitura de discriminação muito elevada, mas vamos ver o que acontece no mapa de cores quando eu estou fazendo essas visualizações e vamos verificar como isso muda.

00:32:34:00 Então, aqui nos cinco nós vamos fazer um contraste entre 6 e 5.

00:33:09:07 Então, basicamente eu tenho três uma paleta de cores com seis cores, onde eu posso identificar uma relação. Mas se nós transformamos estes três para cinco, eu já vejo uma leitura complementar onde ver em Barrabás de Miguel eles fariam parte do mesmo grupo, que é uma leitura que é dessa leitura visual. Isso é importante para que vocês possam verificar como esses documentos se relacionam de forma mais dinâmica, considerando os níveis elevados de precisão de precisão no que diz respeito a discriminação da informação.

00:33:45:11 Mas eu também posso fazer um processo de conjunção e de relação muito mais global no que diz respeito a esses documentos. E este impacto a nível de conglomerados também será aplicado nas outras visualizações, seja através de um mapa 3D ou através desse gráfico. Esse mapa de cores também vai possuir uma informação estratégica específica em relação a esse exercício.

00:34:17:17 Isso em relação a esse trânsito entre informação e atributos, implementando os casos e os atributos de caso. E agora vamos passar para um último exercício. Neste caso, nós vamos usar um exercício baseado nesses processos de codificação para, entender um pouco esses processos de relação no marco dessa codificação.

00:35:13:00 Isso é muito interessante desde muitas perspectivas, pois ele pode ser um primeiro exercício de aproximação para interpretar no marco de um fluxo de trabalho colaborativo, o quão familiarizados com familiarizados essas codificações estão em relação ao meu documento e os meus documentos. Então, para isso, eu vou abrir a minha estrutura de códigos. Vamos até a análise de conglomerados e vamos selecionar o contraste entre arquivos externos e mesmo vamos selecionar toda a pasta.

00:36:01:10 E é que nós vamos pedir que agrupe por semelhança de codificação, utilizando o coeficiente já cá. Então aqui ele mostra que esse arquivo específico tem uma leitura significativa, ou seja, uma relação significativa direta no que diz respeito ao fluxo dessa codificação. E como vocês podem verificar esse tipo de leitura, nós podemos ativar aqui o documento, por exemplo, de francês como Nero e ou de Warren Balloon.

00:36:57:00 Vamos selecionar esses dois. Lembre se que é que vocês podem ativar a codificação. E se fôssemos fazer um exercício um pouco mais manual aqui ele me dá aprendizado, ferramentas, tecnologia, etc. Então, basicamente, através dessa leitura, vocês poderiam fazer um primeiro exercício de contraste através dessas páginas de codificação, visualizando onde esse processo está concentrado. Então essa seria uma revisão um pouco mais manual, mas também estaremos fazendo um exercício complementar para entender como esses dois elementos estão se relacionando entre si e se eles correspondem com a análise que nós vemos refletida na análise de conglomerados.

00:37:24:25 Já uma outra opção para contrastar esta informação é diretamente através da análise de conglomerados. Então, neste caso, nós vamos pedir que a leitura chave seja feita em cima dos códigos. Então, aqui, por exemplo, nós vamos selecionar aqui o livro de códigos e vamos pedir que ele faça uma semelhança de codificação, o que geraria uma comparação direta entre esses segmentos de informação associados a cada uma dessas categorias.

00:38:22:21 E a partir daqui, nós também poderíamos fazer uma leitura para estabelecer uma relação. Então, eu ainda não tenho uma hierarquia, eu não tenho ainda umas estruturas que eu criei de forma que eu pudesse gerar uma relação entre a estrutura de códigos. Então eu poder ter uma leitura geral, global da minha estrutura, eu posso perceber algumas relações significativas, mas lembrem se que estão estatísticas baseadas em leituras de frequência, assim como toda aquela informação que vocês possam acrescentar na pesquisa de vocês.

00:39:02:00 Porque além, porque podem ter coisas na teoria e na parte prática que não estejam totalmente ligadas a essas informações entre si. Então, aqui, por exemplo, nós podemos verificar que tem uma coisa interessante desses exercícios. Eu encontrei uma relação significativa entre um e outro, e daqui para baixo nós vemos como a aprendizagem tem uma relação muito elevada em relação a outros conceitos como ferramentas, educação, informação.

00:39:49:09 Então, basicamente teremos que verificar se a informação de ferramentas está diretamente ligada com o aprendizado. Então vocês poderiam entrar neste resumo de códigos e verificar, por exemplo, qual a concorrência, qual a ocorrência dessa informação para poder revisar o documento. Então, por exemplo, aqui na minha visualização e no meu resumo eu tenho essa codificação. Essa faixa verde estaria mostrando quantas dessas ferramentas estão ligadas ao aprendizado.

00:40:37:06 Então aqui vocês podem fazer uma hierarquia, basta tocar na banda de codificação para grifar essa leitura e verificar se essa relação de ferramentas com o aprendizado pode se basear numa relação de hierarquia ou se é o contrário. Vocês podem tornar essa leitura complexa, criando uma relação através de uma associação específica. Ou pode ser uma contradição, uma contraposição, ou pode ser algo complementar, uma informação complementar.

00:41:12:18 E vocês podem se basear dessa estrutura de códigos. Mas não só isso, mas das estruturas de relações onde vocês podem completar essa informação associada. Então, aqui, para implementar e fazer um pequeno exercício sobre como nós podemos incorporar o resultado brindado através dessa de conglomerados, nós vamos nos dar então espaços de relações e para isto nós vamos criar uma nova relação.

00:41:25:16 Nesse caso, vamos presumir que educação estaria aqui na lista de códigos.

00:42:07:08 Então, se vocês veem o tipo de relação, sempre vai ser de associação, mas vocês podem aqui complementar a informação. Então vocês podem colocar aqui, por exemplo, conteúdo e podem marcar o caminho. É uma direção associativa que vai num único sentido. Você está falando de uma relação simétrica. Então aqui eu vou mudar o nome, vou colocar a simetria. Vocês podem também fazer uma descrição.

00:42:41:25 Isso é uma coisa que vocês vão usar o tempo todo. Vocês podem marcar como relação predeterminada e a partir dessa leitura, vocês já fizeram a relação com a educação. Não é fato relacionar com o código de destino, que é o aprendizado. Clicam em aceitar é bem como funciona da leitura e como poderia arrastar informação estratégica. Então, através dessa ferramenta de resumo, vocês podem ir por esses dois caminhos.

00:43:16:24 Aqui nós já estamos marcando essa informação que compartilha ferramentas com o aprendizado. E bom, o que eu fiz aqui e aqui, eu vou repetir o passo rapidamente para que fique claro para vocês eu vou diretamente aqui é o código de ferramentas. Então vocês clicam duas vezes em ferramentas. Vocês vão recuperar o resumo de códigos, ou seja, todas aquelas informações ligadas a ferramentas.

00:44:01:06 Já quando eu clico em aprendizado, é como se eu estivesse dizendo para alguém vivo para me mostrar toda a informação e compartilhar as ferramentas de aprendizado desse resumo. Então, neste caso eu faria uma seleção como nós fazemos no geral nesses processos de codificação, e eu vou reclassificar esta relação para fazer uma nova leitura. Uma vez que vocês selecionam esses processos, eles ficam marcados e assim é muito mais fácil fazer o registro e a reclassificação da informação.

00:45:01:25 Então, essa é uma leitura estratégica e analítica, pois pode ser estratégica na hora de fazer uma reconfigura reconfiguração dos códigos, entendendo de uma forma mais complexa como se dão essas interações. Quem Então, até que a informação tem sido clara para vocês? Aqui tem uma pergunta muito interessante em relação às cores. Eu vou voltar um pouquinho para que vocês possam ver aqui em Ferramentas aqui.

00:45:43:21 Basicamente, quando nós ativamos a faixa de codificação, nós podemos pedir que ele faça uma leitura com cores automáticas. Vocês verão a pouco que é aprendizado. Tinha a cor verde e agora quando eu abro a visualização essa cor já mudou e eu tenho agora um segmento de barra roxa. Então, o que acontece quando vocês têm essa opção de cores automáticas ativa?

00:46:46:05 Vocês devem ter em mente que o código que vocês estão ativando é o código correto. Então aqui eu estou pedindo para eles selecionar tudo o que está ligado ao aprendizado. Então ele faz um filtro, mas agora eu já não quero aprendizado e eu quero tecnologia. Perdão, eu gostaria que vocês vissem aqui é tecnologia, lá eu posso ver tudo grifado em amarelo.

00:47:37:06 Eu apenas clico na faixa preferencial na faixa de tecnologia e assim eu vou visualizando tudo o que está grifado em amarelo. Assim acontece também com todas essas outras bandas dessas outras faixas. Então vocês têm essas cores automáticas, isso pode mudar, mas na verdade vocês devem clicar no código que vocês querem ativar. Depois vocês podem fazer um processo de reclassificação das cores e aí ele pode mudar de cor.

00:48:07:22 Mas o importante é entender qual foi a informação que esse código específico gerou, ou seja, quais foram os trechos marcados por esse código. Se vocês tiverem alguma dúvida ainda, vocês podem colocar no chat e eu tento uma outra forma para ilustrar essa questão. Vocês podem fazer um esquema onde a grama é um tema, uma pergunta que em relação a isso sim, nós temos muitas visualizações nas quais nós podemos fazer esse tipo de leitura.

00:48:34:12 Basicamente a que eu vou explorar. Nós temos uma opção de diagramas ou inclusive um mapa. Nós temos opções nas quais nós podemos fazer essa visualização. Então, de forma bem simples, eu vou mostrar um exemplo aqui com o mapa de projetos.

00:49:18:26 Então, se eu quisesse trazer essa informação em relação a essa relação, eu posso arrastá la e eu poderia começar a interagir aqui a partir dessa informação. Então, se eu digo, por exemplo, me mostre em que documentos está marcada esta relação entre educação e simetria de aprendizado. Então poderia ter isso dessa forma. Mas bom, aqui nós não temos a melhor visualização, então nós podemos mudar, por exemplo, o esquema para poder entender a estrutura hierárquica, que é então, basicamente a que ele está me falando.

00:49:54:13 Quais desses documentos tem essa relação específica e quais deles exemplo não tem informação associada a esse segmento ou código grande de relação entre educação e aprendizado. Então essa é uma forma de fazer essa visualização. Você pode fazer isso a um nível mais macro, inclusive ter eu quisesse, por exemplo, e deixar a minha leitura um pouco mais complexa apenas para que vocês possam entender as mudanças que vocês podem fazer aqui.

00:50:39:27 Se eu arrasto, por exemplo, a educação para cá, então aqui eu posso ver a interseção desta desses documentos de educação tem informação associada a outros documentos, por exemplo, E se eu faço o mesmo exercício? Ao contrário, com o aprendizado, eu veja que, por exemplo, a partir dessa leitura um pouco mais complexa, deixe me melhorar um pouco a visualização aqui.

00:51:18:18 Então, aqui vocês podem entender um pouco melhor esta relação. Qual é a interseção dessa relação e como essa relação desses códigos, como essa relação desses códigos individuais, ou seja, como é a rede. Essa rede é complexa. Então eu sugiro que vocês não utilizem tantos documentos para facilitar um pouco a leitura. Eu não sei se eu consegui responder a pergunta.

00:52:07:08 É bom, já que eu não tenho muito tempo e eu gostaria de concluir. Eu gostaria de citar alguns aspectos no que diz respeito à visualização. Se eu quisesse, por exemplo, eu posso, por exemplo, exportar uma visualização. Vocês podem exportar os diagramas para os diferentes arquivos para os formatos gráficos. Bem vivo tanto mapa como essas estruturas de códigos ou mapas de projetos também pode ser exportado.

00:52:44:28 E para concluir, e para fazer uma leitura transversal e deixar os últimos cinco minutos abertos para o caso de perguntas, veja a respeito desse assunto ou qualquer outra questão em relação a esse software. Eu gostaria de concluir dizendo que essas análises de como gerados basicamente têm três fases. Em primeiro lugar, nós fazemos uma leitura através do registro análise de documentos de forma exploratória.

00:53:32:14 Então todos esses aspectos são interessantes para encontrar respostas, já que ocorre uma análise descritiva e a correlação dessa informação também é importante na hora de estabelecer a relação da estrutura de códigos. E também vocês podem ver a interseção desses aspectos ao visualizar esses documentos partindo de alguma característica específica, o qual vocês podem definir com unidades analíticas, como por exemplo, casos.

00:54:17:02 Então, se vocês quiserem fazer uma leitura de casos para ter um argumento, por exemplo, que possa validar o por que que vocês organizaram esse caso dessa forma, então essa ferramenta de análise de conglomerados pode dar uma base de fundamentos metodológicos na hora de fazer esse exercício. Eu sei que essa informação pode ter sido um pouco complexa e densa, mas a gravação vai ficar à disposição de vocês para que vocês consultá la posteriormente, assim como os outros materiais que nós temos no nosso site.

00:54:52:00 Se vocês ainda não estão muito familiarizados com casos ou conjuntos, nós temos outras informações complementares disponíveis no site. Vocês podem verificar para poderem ter uma leitura um pouco mais robusta em relação à análise de conglomerados. Então eu vou deixar alguns minutinhos para saber se tem perguntas adicionais enquanto eu leio e estou enquanto eu leio o chat. E gostaria de agradecer a todos por nos acompanhar ao longo desse ano em cada uma dessas questões.

00:55:29:14 A interação com vocês sempre nos permite fazer um processo de aprendizado mútuo e sempre é muito bom poder acompanhar vocês nesses espaços. Não se esqueçam que nós colocamos a pesquisa na tela, Nós agradecemos que se possível, vocês possam se registrar e nós estaremos entrando em contato no caso de que, no caso de vocês precisarem alguma informação extra ou uma nova apresentação do produto, então eu desejo tudo de bom para vocês nesse final de ano.

00:55:49:15 Espero que possamos nos encontrar em breve em 2020. Quatro Para mim é sempre um prazer estar com vocês e muito obrigada por tudo! Para obter mais informações sobre os tópicos que relacionados, não deixe de entrar em contato no e-mail em treinamentos arroba Schafer Shop pontocom.