The COVID-19 pandemic created new demands for services in the judicial system, requiring the use of a data warehouse (DW). Although there exist approaches that use DW in the judicial domain, few target the pandemic or publicly provide the information extracted from the texts. Following the needs of a legal expert, we have developed the COVID-19 Portal. It extracts documents from the Supreme Federal Court in Brazil to obtain quantitative information on words used in the texts. In this paper, we present the design of a DW, and show the query performance improvement achieved with its implementation. The DW has been developed on Postgres, and its performance is compared with the original implementation on MongoDB Cloud and a local MongoDB database.
A utilização de técnicas de aprendizado de máquina popularizou-se nos últimos anos nas mais diversas áreas e aplicações. No entanto, a aplicação de tais técnicas ainda depende de um profissional especializado, que execute a sequência de tarefas necessárias para sua execução. Na área de banco de dados, o SQL democratizou a utilização de sistemas gerenciadores de bancos de dados (SGBD) para o usuário final através de uma linguagem declarativa simples, que se assemelha à linguagem natural. Neste artigo, é proposta a linguagem Clustering Visualization Query Language (CVQL), que estende o SQL para a realização de agrupamentos e visualização destes resultados. Agrupamento é uma técnica utilizada para dividir os dados em grupos que compartilham características similares. A visualização destes agrupamentos em diferentes formas é uma funcionalidade essencial para o usuário final analisar os grupos gerados. O CVQL foi implementado utilizando o SGBD mySQL e a biblioteca scikit-learn. Para apresentar o sistema, é adotado um exemplo de consulta com apenas 8 linhas sobre uma base de dados real de casos de Covid-19 nos EUA. Para o processamento da sequência de tarefas executadas pela consulta seriam necessárias 140 linhas de código na linguagem Python, que demonstra a utilidade do sistema.
Este artigo descreve o sistema ADEGA (Análise de Dados Estatísticos da Grade Acadêmica). Os sistemas de gestão acadêmica, aplicativos utilizados por instituições de ensino para fazer o acompanhamento acadêmico de alunos, normalmente não fornecem maiores funcionalidades do que um repositório de notas e frequências de alunos. Desse modo, o ADEGA tem como objetivo auxiliar a gestão de coordenações de curso de instituições de ensino superior, utilizando o histórico de notas e frequências para fornecer dados e gráficos com informações relevantes e que não costumam ser abordadas em outros sistemas, como uma lista de alunos em risco de jubilamento, um quadro comparativo entre reprovações por disciplina, entre outras. AGEGA (Academic Grid Statistical Data Analysis)This paper describes the ADEGA system (Academic Grid Statistical Data Analysis). The academics management systems, applications used by educational institutions to monitor students academically, usually don’t provide greater functionality than a repository of student grades and attendance. Therefore, ADEGA aims to assist in the management of higher education institution’s course coordination, it uses the history of grades and attendance to provide data and graphics with relevant information that don’t usually are included in other systems, like a risk of academic retirement’s list, a comparative chart of failures by subjects, among others.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.