mineração e modelagem de conceitos como praxis de gestão do conhecimento para inteligência competitiva

Com o crescimento assintótico do volume de informação textual digital disponível sobre as organizações e acirramento da competição empresarial, métodos e técnicas de Engenharia do Conhecimento para recuperação e modelagem da informação relevante em repositórios abertos se tornam cada vez mais importantes para o desenvolvimento de processos de negócios. Com essa motivação, apresenta-se uma metodologia inovadora para mineração e modelagem conceitual de informação textual relevante para suporte a uma praxis de Gestão do Conhecimento apoiando o desenvolvimento de Inteligência Competitiva nas organizações. A metodologia, testada experimentalmente com simulação computacional, emprega recursos de Inteligência Artificial integrados em softwares de Processamento da Linguagem Natural, combinando, num construto epistemológico e tecnológico multidisciplinar de Ciência da Informação, conteúdos de várias áreas do conhecimento científico como Linguística, Filosofia, Matemática, Psicologia, Ciência da Computação e Engenharia. Os conceitos de autoinformação, de Shannon (1948), e da diferença que faz diferença (relativo à informação mais relevante), de Bateson (2002), Weick (1995) e Choo (2003), são centrais no processo de criação de significado, e o princípio da inteligência emergente, da Inteligência Artificial baseada na natureza, norteia o processo de apoio à construção do conhecimento proposto na tese. Os produtos resultantes da aplicação da metodologia são modelos ontológicos pictóricos com classes, objetos e relações povoados com sintagmas complexos extraídos dos textos digitais, com inspiração nas ideias de Gottschalg-Duque (2005). Esses modelos apresentam os conceitos e relações mais relevantes em contextos de negócio com objetivo de estimular, cognitivamente, os engenheiros do conhecimento nos seus processos mentais de criação de significados e construção do conhecimento útil para Inteligência Competitiva. O experimento mostra, estatisticamente, que a metodologia apresenta um desempenho bastante satisfatório, com revocação de no mínimo 90% de um conjunto dos substantivos mais relevantes presentes em repositórios de textos digitais sobre as organizações.