
handle: 10314/2220
Este trabalho descreve a implementação de um Sistema Pericial para dispositivos móveis, dirigido ao utilizador comum e com a capacidade de usar diferentes bases de conhecimento de diferentes áreas, selecionáveis pelo utilizador. O sistema é composto por duas aplicações, uma para o administrador, e outra para o utilizador comum. A primeira tem como objetivo permitir ao administrador “alimentar” o sistemas com novas Bases de conhecimento assim como de fazer alterações às já existentes e ainda de notificar os utilizadores das novas alterações que foram feitas. Já a segunda aplicação permite ao utilizador descarregar para o seu smartphone as bases de conhecimento disponíveis, consultá-las, e receber as notificações das alterações disponíveis. O sistema usa uma arquitetura com base em computação na nuvem para facilitar a criação e distribuição de diferentes bases de conhecimento. A plataforma de computação na nuvem utilizada foi a plataforma da Google – Google App Engine, que é uma plataforma do tipo Plataforma como serviço. O sistema usa dois tipos de bases de conhecimento: bases de conhecimento baseado em regras e bases de conhecimento baseado em árvores de decisão binária. Estas estão organizadas por áreas e, por cada área, poderão ser organizadas em categorias e subcategorias. O motor de inferência implementado tem assim um comportamento diferente de acordo com o tipo de base de conhecimento escolhido pelo utilizador. Nos testes efetuados conclui-se que a arquitetura da aplicação foi bem escolhida pois a comunicação entre aplicações de backend e aplicação cliente é bastante eficaz, tendo-se medido tempos de atualização muito reduzidos. No que diz respeito à usabilidade a aplicação obteve uma pontuação de 81, numa escala de 0 a 100, utilizando a escala SUS (System Usability Scale) proposta por John Brooke.
Computação na Nuvem, Android, Google App Engine, Sistema Pericial
Computação na Nuvem, Android, Google App Engine, Sistema Pericial
| selected citations These citations are derived from selected sources. This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | 0 | |
| popularity This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network. | Average | |
| influence This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | Average | |
| impulse This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network. | Average |
