Portal InstitucionalUFPEL

Essa pesquisa se justifica nos contextos tecnológicos e científico. O uso das tecnologias digitais gera continuamente uma imensa quantidade de dados – que é conhecido como big data (Filatro; Cavalcanti, 2019). Big data é um imenso volume de dados estruturados e não estruturados que são criados em alta velocidade e apresentados em diferentes formatos (Filatro; Cavalcanti, 2019). Esses dados precisam ser analisados e interpretados para que façam sentido para o usuário (Milani et al., 2023). A visualização de dados surge para auxiliar na comunicação da informação por meio do uso de recursos visuais (Ward; Grinstein; Keim, 2015 apud Milani et al., 2032). Os gráficos gerados também podem ser interativos e dinâmicos, facilitando, assim, a sua compreensão por parte do usuário (Rogers; Sharp; Preece, 2013). Os objetivos da visualização de dados são auxiliar na descoberta, na tomada de decisão e na explicação de fenômenos (Rogers; Sharp; Preece, 2013). Nesse sentido, essa pesquisa pode se inserir nos âmbitos tecnológicos e científicos ao se propor desenvolver uma ferramenta para a visualização de dados, com base no banco de dados denominado Trajetórias, visando facilitar a descoberta de soluções socioeconômicas e ambientais para a região amazônica.

Referências bibliográficas
FILATRO, Andrea; CAVALCANTI, Carolina Costa. Di 4.0: Inovação na educação corporativa. 1. ed. São Paulo: Saraiva Educação, 2019.
MILANI, Alessandra Maciel Paz et al. Visualização de Dados. 1. ed. Porto Alegre, RS: SAGAH, 2023.
ROGERS, Yvonne; SHARP, Helen; PREECE, Jennifer. Design de interação: além da interação humano-computador. tradução: Isabela Gasparini. 3. ed. Porto Alegre: Bookman, 2013.

A metodologia Design Science Research, divide-se em 12 etapas, conforme podemos acompanhar a seguir:
1. Identificação do problema: identificar um problema de pesquisa a ser resolvido.
2. Conscientização do problema: coletar informações sobre o problema.
3. Revisão sistemática de literatura (RSL): realizar uma revisão sistemática de literatura para encontrar o que já foi publicado sobre o tema.
4. Identificação dos artefatos e configuração das classes de problemas: identificar artefatos digitais que envolvam Visualização de Dados e Design de Interação.
5. Proposição de artefatos para resolver o problema específico: gerar ideias ou alternativas para a solução do problema pesquisado.
6. Projeto do artefato selecionado: selecionar a melhor ideia ou alternativa para ser desenvolvida.
7. Desenvolvimento do artefato: desenvolver um artefato para a solução de uma classe de problemas.
8. Avaliação do artefato: avaliar o artefato proposto.
9. Explicitação das aprendizagens: avaliar o que deu certo na pesquisa e aquilo que deve ser melhorado ou corrigido nas próximas pesquisas.
10. Conclusões: apontar os resultados alcançados, limitações e direcionamentos para pesquisas futuras.
11. Generalização para uma classe de problemas: os resultados alcançados na pesquisa servem para a generalização para uma classe de problemas.
12. Comunicações dos resultados: comunicar os resultados obtidos na pesquisa em TCCs, journals, revistas, seminários, simpósios, congressos e afins.

Os resultados esperados são:
Capacitar o aluno no desenvolvimento de pesquisas científicas nas áreas de Design de Interação e Visualização de dados;
Desenvolver um site com visualizações interativas, construído a partir do banco de dados Trajetórias;
Gerar conhecimento nas áreas de visualização de dados e design de interação no curso de Design da UFPel, com foco no desenvolvimento de sistemas DataViz interativos;
Estabelecer uma parceria entre: University of Urbana-Champaign, Center for Latin American and Caribbean Studies, Lemman Center for Brazilian Studies e LABxD – Laboratório de Design de Interação;
Comunicar os resultados da pesquisa em artigos para revistas e para o site do projeto LABxD – Laboratório de Design de Interação;
Agregar o conhecimento adquirido com essa pesquisa no ensino das disciplinas de Design da Informação e Visualização de dados do curso de Design da UFPel;
Possibilitar a disseminação do conhecimento sobre visualização de dados entre os acadêmicos de Design.