http://repositorio.febab.libertar.org/files/original/29/4043/SNBU2002_038.pdf 94442eaba0eca722a3db1a572aff54f5 PDF Text Text UMA PROPOSTA FUZZY NA AVALIAÇÃO DE DESEMPENHO DE BIBLIOTECAS UNIVERSITÁRIAS BRASILEIRAS Domingos Vanderlei Filho 1 Mêuser Jorge Silva Valença2 Teresa Bernarda Ludermir3 Giane da Paz Ferreira Silva4 Resumo Este artigo trata a questão da avaliação dos serviços prestados em bibliotecas universitárias através de uma abordagem fuzzy. A busca por técnicas que conduzam a melhores resultados tem sido objeto de interesse dos administradores desses serviços. Assim, a utilização de indicadores, no processo de avaliação de desempenho, que expressem melhor e levem em consideração o ponto de vista dos clientes através de uma linguagem mais natural, pode conduzir a uma melhor adequação sob a ótica da qualidade. Esta nova abordagem leva em consideração a maior facilidade do ser humano em lidar com termos lingüísticos, ao invés de valores numéricos. Além disto, a lógica fuzzy tem uma capacidade notável de tratar com verbalizações revestidas de ambigüidade. Adicionalmente, sabe-se que a teoria do raciocínio aproximado fornece um método, baseado em subconjuntos fuzzy, tanto para representar como para raciocinar com informações imprecisas. Palavras-chave: avaliação de desempenho; lógica fuzzy; biblioteca universitária; indicadores de gestão. 1 INTRODUÇÃO As bibliotecas universitárias têm papel relevante dentro da sociedade atual, pois atuam como provedoras de informação, a qual é o insumo básico para produção do conhecimento. De acordo com Linguanotto, Grandi, Sampaio (2001) “a necessidade de informação pode ser caracterizada como a busca por produtos e serviços imprescindíveis para o suporte às atividades de ensino, pesquisa e trabalhos acadêmicos”. Portanto, uma determinada necessidade de informação não satisfeita pode ser capaz de provocar perdas no desenvolvimento das atividades acadêmicas. Adicionalmente, a dinâmica do mundo globalizado e virtualizado tem requerido das ___________________________________________________________________________ 1 UFPE Departamento de Eletrônica e Sistemas, Rua Acadêmico Hélio Ramos, s/n - Cidade Universitária, CEP: 50740-530 Recife - PE - Brasil. E-mail: dvanderlei@yahoo.com.br 2 UNIVERSO, Av. Mascarenhas de Moraes, 1919 - Imbiribeira, CEP: 51150-000 Recife - PE - Brasil. E-mail: neuserv@uol.com.br 3 UFPE Centro de Informática Caixa Postal 7851, CEP: 50732-970 Recife – PE - Brasil. E-mail: tbl@cin.ufpe.br 4 UFPE Biblioteca CTG, Recife - PE - Brasil. E-mail: dapaz@npd.ufpe.br �instituições a definição de modelos, métodos gerenciais e práticas de trabalho que permitam dar respostas mais rápidas e eficientes para seus clientes. É possível observar um nível de exigência crescente dos clientes com relação aos serviços oferecidos. Isto tem levado as empresas a buscar uma melhoria contínua, a qual sugere a implantação de um processo de avaliação de desempenho. Pode-se encontrar na literatura pontos de vista que caracterizam estarmos na Era dos Serviços (TEBOUL, 1999). Em verdade pode-se dizer, na Era dos Serviços ao Cliente. Em face desta afirmação, é imperioso implantar procedimentos comprometidos com a qualidade e satisfação dos clientes. Para obter-se o êxito deste processo é necessário que seja estabelecida uma sintonia permanente entre a unidade organizacional e os seus clientes. Atender o cliente é, principalmente, entender o seu pedido, o seu desejo e sua necessidade. Segundo Tom Peters (PETERS,1996) "o atendimento perfeito ainda é o segredo mais difícil de copiar de todo o mundo empresarial". Essa afirmação de Tom Peters deve ser entendida no sentido de atendimento muito bem feito, aquele que para o cliente chega próximo da perfeição, que o agrada amplamente. E de fato, quando atingido, ele será muito difícil de copiar, por ser resultado de vários fatores como: cultura própria da empresa, tipo de serviço ou produto e estilo da clientela. Dentre outros aspectos que podem ser considerados no objetivo de melhor avaliar o desempenho das bibliotecas universitárias brasileiras, observa-se a identificação e aplicação de indicadores de qualidade aos seus serviços e produtos. Portanto, neste trabalho pretende-se através da utilização da lógica fuzzy propor uma forma de avaliação de desempenho dos serviços prestados pelas bibliotecas de tal forma que a subjetividade inerente aos itens de controle utilizados fiquem independentes do avaliador. Isto é importante uma vez que uma análise comparativa ficará mais isenta do avaliador e dependente apenas da metodologia proposta. �As seções e subseções seguintes descrevem conceitos da teoria fuzzy, um sistema de inferência fuzzy, voltado a avaliação de desempenho de bibliotecas universitárias, teste e conclusões. O modelo proposto busca, em função de indicadores de qualidade adequados a realidade brasileira, avaliar de forma permanente o desempenho global do serviço de informação de natureza acadêmica. 2 A LÓGICA FUZZY A linguagem diária utiliza a idéia de classes de conjuntos, a qual é um pouco vaga se comparada com os conjuntos matemáticos. Todo substantivo que se usa denota uma certa classe de conjuntos, e cada adjetivo descreve a classe para a qual aquele adjetivo é aplicado. Quando se fala acerca de uma grande quantia de dinheiro, a qual se pode pensar como um conjunto, ela incluiria R$100,00? Ou R$100.000,00? Possivelmente R$1.000.000.000,00! Esta classificação não depende somente do indivíduo, mas também do contexto. O mesmo problema acontece no mundo físico. Um copo cheio d’água não fica imediatamente vazio quando é inclinado para baixo, um objeto não muda sua temperatura de quente para frio instantaneamente. Estes exemplos servem para ilustrar o fato que a transição de um conjunto A para um conjunto A’ é contínua no mundo físico, em vez de apresentar limites nítidos; as fronteiras são vagas e bastante subjetivas. Esta idéia de um certo grau ou multivalência é um conceito fundamental, o qual estimulou o professor Lofti A. Zadeh a formalizar a Lógica fuzzy. Em 1965, Lotfi A. Zadeh, então professor do departamento de engenharia elétrica da Universidade da Califórnia em Berkeley, publicou um artigo sobre a teoria dos conjuntos fuzzy (ZADEH, 1965). Ele propôs graduar a pertinência de elementos nos conjuntos, ou seja, um elemento pode ser, por exemplo 20% de um conjunto A e 80% do conjunto A’. Esta nova teoria foi vista naquela época, por uma parte da comunidade científica, como um escândalo matemático e uma forma de pensamento impreciso. �A teoria fuzzy constitui-se numa poderosa ferramenta com capacidade para modelar problemas reais onde incertezas e imprecisões estão presentes. Ela possibilita a representação de conceitos vagos e imprecisos. Uma idéia principal associada a esta teoria é muito simples e natural e pode ser explicada pela seguinte afirmação: Se não somos capazes de determinar os limites exatos da pertinência de um elemento no conjunto (sim/não), faz-se necessário buscar uma escala que permita caracterizar o seu grau neste conjunto. Após mais de três décadas, a idéia de lógica fuzzy desponta com sucesso em várias áreas de aplicações, tais como: diagnóstico médico, análise de imagens médicas, processos de fabricação (manufatura), controle de robôs, reconhecimento de escrita, reconhecimento automático de alvo, engenharia de alimentos e outros. Particularmente na área de gestão, negócios e finanças: estudo de necessidades e demanda em bibliotecas (LANZILLOTTI et al, 2000), substituição de especialista para avaliação de atividades em bolsa (Yamaichi, Hitachi), comércio exterior em (YUIZE, 1991), avaliação de riscos de contratos de arrendamento mercantil ou leasing (BMW Bank GmbH of Germany) em (GÜLLICH, 1996), vigilância do comércio interno (London Stock Exchange) (HOULDER, 1994). As possibilidades de aplicações são virtualmente ilimitadas. 2.1 Conceitos Básicos da Teoria de Subconjuntos Fuzzy Há um forte relacionamento entre a lógica convencional ou Booleana e o conceito de um subconjunto. De forma similar existe um forte relacionamento entre a lógica fuzzy e a teoria de subconjuntos fuzzy. Um subconjunto U de um conjunto S pode ser definido como um conjunto de pares ordenados, onde cada par tem como primeiro elemento um elemento de S e como segundo um elemento pertencente ao conjunto {0, 1}, com exatamente um par ordenado para cada elemento de S. Isto define um mapeamento entre elementos de S e elementos do conjunto {0, 1}. O valor zero é usado para representar a não pertinência. A verdade ou não da declaração x está em U é �determinada encontrando o par ordenado, no qual o primeiro elemento é x. A declaração é verdadeira se o segundo elemento do par ordenado for 1, e a declaração é falsa se ele for 0. Da mesma forma, um subconjunto fuzzy F de um conjunto S pode ser definido como um conjunto de pares ordenados, onde cada par tem como primeiro elemento um elemento de S e como segundo elemento um valor no intervalo [0, 1], com exatamente um par ordenado para cada elemento de S. Isto define um mapeamento entre os elementos do conjunto S e os pontos no intervalo [0, 1]. O valor zero é usado para representar a completa não pertinência, o valor um é usado para representar a completa pertinência, e valores entre zero e um são usados para representar graus intermediários de pertinência. O conjunto S é chamado de universo de discurso para o subconjunto fuzzy F. O universo de discurso também pode ser visto como a faixa de todos possíveis valores de entrada de um sistema fuzzy. De forma freqüente, o mapeamento é descrito como uma função, a função de pertinência de F. O grau para o qual a declaração x está em F é verdadeira, é determinada encontrando-se o par ordenado onde o primeiro elemento é x. O grau de verdade da declaração é dado pelo segundo elemento do par ordenado. Definição 1: Seja X um conjunto de objetos, com elementos x. Assim, temos X = { x }. Definição 2: Um conjunto fuzzy A em X é caracterizado por uma função de pertinência µA(x) a qual mapea cada ponto em X para o intervalo real [0.0 , 1.0]. Ao passo que µA(x) se aproxima de 1.0, o grau de pertinência de x em A aumenta. Os conjuntos fuzzy permitem que se definam operações binárias internas, tais como união, interseção e complemento, similarmente às existentes na teoria dos conjuntos booleanos. 2.2 Sistema de Inferência Fuzzy A seguir na Figura 1, está representado um diagrama contendo a idéia geral que descreve o sistema fuzzy. A idéia contida na inferência fuzzy consiste em interpretar os valores na entrada, e então baseando-se em algumas regras, atribuir valores para a saída. �ENTRADA SAÍDA REGRAS TERMOS DE ENTRADA TERMOS DE SAÍDA (INTERPRETAÇÃO) (ATRIBUIÇÃO) FIGURA 1: Diagrama do Processo de Inferência Fuzzy Caso Geral (adaptada de JANG & GULLEY, 1995) Para estabelecer um processo de inferência fuzzy, é necessário estabelecer um conjunto de regras, as quais são sentenças com uma estrutura do tipo Se-Então, que são interpretadas pelo sistema. Convém ressaltar que há um paralelismo natural das regras, na forma em que são avaliadas, sendo este um dos aspectos mais importantes dos sistemas de lógica fuzzy. As regras são muito úteis, pois fazem referência as variáveis, aos termos e aos adjetivos que as descrevem. Para cada caso de variável analisada é estabelecida uma faixa de valores na qual ela é esperada variar, como também qual é o significado de cada termo lingüístico. A inferência fuzzy é o processo de mapear uma dada entrada para uma saída, utilizando-se para isto a lógica fuzzy. Neste processo, tem-se: funções de pertinência, operadores lógicos fuzzy e regras do tipo Se-Então. O processo decisório pode ser melhor descrito num nível lingüístico utilizando regras [R] do tipo: [R] SE Antecedente ENTÃO Conseqüente (Peso) Os passos envolvidos na inferência fuzzy são: I - Tornar as entradas fuzzy, determinando-se o grau pelo qual elas pertencem a cada conjunto fuzzy, utilizando para tanto funções de pertinência. É comum as entradas serem um número não fuzzy, com contornos bem definidos limitados pelo universo de discurso da variável de entrada. Esta tradução ou interfaceamento entre o sistema fuzzy puro e o ambiente no qual ele está situado, se dá neste caso através do passo ou etapa mais geralmente conhecido por "Fuzzificação", do inglês Fuzzification. �II – Aplicar o operador fuzzy em cada regra, para obter um número que represente o resultado do antecedente para aquela regra, quando este tiver mais de uma parte. Assim, a entrada para o operador fuzzy será formada por dois ou mais valores de pertinência das variáveis de entrada fuzzy. III - Aplicar o método de implicação. A implicação ocorre para cada regra, sendo que a entrada para o método de implicação é um número, dado pelo antecedente, e a saída é um conjunto fuzzy. Ocorre que antes de aplicar este método é necessário observar o peso de cada regra, o qual é um número variando de zero a um, aplicado ao número fornecido pelo antecedente. IV - Agregar todas saídas. Consiste na unificação das saídas de cada regra, combinando todos os conjuntos fuzzy que representam a saída de cada regra em um único conjunto fuzzy. A entrada para o processo de agregação é a lista de funções truncadas de saída, vindas do processo de implicação de cada regra. A saída resultante deste processo é um conjunto nebuloso para cada variável de saída. V - Tornar as entradas não fuzzy. A entrada para este processo é um conjunto fuzzy, e a saída é um número não fuzzy. Esta etapa de tradução ou interfaceamento final entre o sistema fuzzy e o ambiente externo é executada pelo passo mais comumente conhecido por "Defuzzificação", do inglês Defuzzification. Na Figura 2 pode ser observada a estrutura básica de um sistema de lógica fuzzy. INFERÊNCIA VARIÁVEIS LINGÜÍSTICAS VARIÁVEL LINGÜÍSTICA NÍVEL LINGÜÍSTICO NÍVEL NUMÉRICO FUZZIFICAÇÃO VARIÁVEIS NUMÉRICAS DEFUZZIFICAÇÃO VARIÁVEL NUMÉRICA FIGURA 2: Estrutura Básica de um Sistema de Lógica Fuzzy (adaptada de ALTROCK, 1997) �A interação da estrutura básica com a base de conhecimento é mostrada na Figura 3. ENTRADAS DO SISTEMA Base de Conhecimento Funções de Pertinência de Entrada Unidade de Fuzzificação Entradas Regras Fuzzy Avaliação das Regras Saídas Funções de Pertinência de Saída Inferência Fuzzy Defuzzificação SAÍDAS DO SISTEMA FIGURA 3: Estrutura geral do sistema de inferência fuzzy 3 MODELO O modelo desenvolvido neste trabalho é baseado na lógica fuzzy e apresenta na sua composição um conjunto de regras, variáveis lingüísticas, funções de pertinência, método de defuzzificação, agregação e implicação. O sistema de inferência fuzzy (FIS) escolhido foi do tipo Mandani (MANDANI, 1990) (ALTROCK, 1997). Durante a implementação e desenvolvimento do sistema utilizou-se a toolbox fuzzy logic do MATLAB (JANG & GULLEY, 1995). Esta ferramenta dispõe de diversos gráficos bastante úteis para um bom entendimento do problema tratado, os quais estão apresentados em parte nas figuras desta seção. Adicionalmente, este software permite em ambiente windows a implementação de um sistema fuzzy de forma rápida, pois possui uma boa interface para usuário. As variáveis de entrada do sistema estão associadas a indicadores de qualidade em bibliotecas universitárias brasileiras enfocando-se aspectos relacionados com a satisfação do cliente. Dentre os diferentes relatos para o termo indicador de qualidade, está a a definição de “critérios gerais de excelência para os aspectos envolvidos nos serviços e produtos �disponibilizados aos clientes”(VERGUEIRO, CARVALHO, REDDY, 1998). A seleção do subconjunto de indicadores para elaboração deste modelo contou com a opinião de especialista e em pesquisa na literatura pertinente a área de biblioteconomia e documentação (VERGUEIRO & CARVALHO, 2000). Assim, as variáveis de entrada definidas para serem tratadas através do sistema de inferência fuzzy nesta primeira versão proposta, são: • Acesso, definida como: facilidade de acesso para o cliente externo quanto a localização, acesso físico, horário de funcionamento, boas conexões telefônicas e outras tecnologias da informação; • Cortesia, definida como: tratamento dispensado ao cliente externo pelo funcionário quanto ao respeito, educação e cordialidade; • Tempo de Resposta, definida como: prover o serviço no menor tempo possível; • Confiança, definida como: a habilidade dos profissionais do balcão de empréstimo em operar o sistema de empréstimo, de forma a evitar omissões, garantir segurança, integridade e clareza nos dados tratados. A variável de saída para o sistema foi chamada de Indicador de Desempenho da Biblioteca. Na Figura 4 está apresentado o diagrama em blocos do sistema. ENTRADAS SAÍDA Tempo de Resposta Acesso Cortesia Confiança AVALIADOR DE DESEMPENHO FUZZY Indicador de Desempenho da Biblioteca FIGURA 4: Diagrama Simplificado do Avaliador de Desempenho Fuzzy As funções de pertinência associadas a cada variável de entrada e de saída estão apresentadas a seguir: �• Tempo de Resposta (muito pequeno, pequeno, médio, grande, muito grande); • Acesso (muito difícil, difícil, regular, fácil, muito fácil); • Cortesia (ausente, pouca, regular, boa, excelente); • Confiança (inexistente, pouca, média, grande, muito grande); • Indicador de Desempenho da Biblioteca (muito baixo, baixo, médio, alto, muito alto). Nas Figuras 5, 6, 7, 8 e 9 estão apresentados os gráficos relativos as quatro variáveis lingüísticas de entrada e a de saída bem como suas respectivas funções de pertinência. FIGURA 5: Variável de Entrada Tempo de Resposta FIGURA 6: Variável de Entrada Acesso �FIGURA 7: Variável de Entrada Cortesia FIGURA 8: Variável de Entrada Confiança FIGURA 9: Variável de Saída Indicador de Desempenho da Biblioteca As regras que relacionam as variáveis consideradas neste modelo estão apresentadas na Figura 10. Estas regras seguem a seguinte estrutura: IF (antecedente) THEN (conseqüente). �FIGURA 10: Tela com as Regras do Sistema de Inferência Fuzzy O procedimento deste modelo fuzzy consiste em calcular o grau de pertinência em todos conjuntos fuzzy das variáveis de entrada, a partir das entradas correspondentes a cada usuário que avaliou o serviço. Após isto, o indicador de desempenho da biblioteca é determinado pelo processo de inferência fuzzy, o qual utiliza o conjunto de regras estabelecido e posterior defuzzificação da saída fuzzy. O método de defuzzificação proposto foi o centro de gravidade. O valor final referente a opinião de todos usuários que avaliaram o serviço durante um determinado intervalo de tempo, no qual foi aplicada a avaliação, será obtido após um pósprocessamento. Nesta etapa de pós-processamento cada valor defuzzificado correspondente as avaliações individuais entra na composição de uma medida de posição como a média ou mediana. No caso em estudo optou-se pela utilização da mediana pela sua característica de não ser afetada por valores extremos. É importante ressaltar que o valor de saída da etapa de pósprocessamento poderá ser novamente convertido na forma de termos lingüísticos. 3.1 Teste Para realizar testes no modelo construído, ele foi submetido a um conjunto de dados resultantes das respostas coletadas a partir de questionários aplicados a uma amostra de �usuários do serviço de empréstimo da biblioteca do Centro de Tecnologia e Geociências (CTG) da UFPE. Neste contexto, a lógica fuzzy passa a ser utilizada como uma ferramenta, na qual a população alvo (alunos, funcionários, professores e a comunidade em geral) verbaliza as suas impressões sobre o referido serviço, as quais então são tratadas por um sistema de inferência voltado para avaliação de desempenho. O modelo de formulário para coleta de dados utilizado na etapa de teste do sistema fuzzy, proposto neste trabalho, pode ser observado na Figura11. A etapa de teste abrangeu uma amostra de 47 usuários atendidos pelo serviço de empréstimo da biblioteca do CTG/UFPE durante o dia 10/07/2002 e resultou em um valor do indicador de desempenho da biblioteca ALTO ou na sua forma defuzzificada 0,777. FIGURA 11: Formulário de coleta de informações para o teste do FIS 4 CONCLUSÕES FINAIS E SUGESTÕES Embora o modelo fuzzy proposto neste trabalho tenha se baseado em informações obtidas a partir de textos e especialista na área em estudo (gestão de bibliotecas universitárias), é �recomendável uma depuração. Este modelo simplificado inicial poderá ser melhorado agregando-se a ele outros aspectos do processo de gestão, inclusive através de adequações as peculiaridades dos diversos serviços prestados por cada biblioteca. Nesta nova etapa proposta é possível e esperado que ocorram modificações no modelo inicialmente proposto. Observa-se que ao avaliar serviços como o de empréstimo em uma biblioteca universitária, torna-se importante conhecer as circunstâncias nas quais o serviço está sendo oferecido, para que possa ser feita uma leitura mais compreensiva dos fenômenos que ocorrerão quando do uso do serviço pelos usuários. Para esse fim considera-se que um processo completo de avaliação de desempenho voltado para melhoria da qualidade não deve se restringir apenas no aspecto de consulta ao cliente. É preciso voltar também os olhos para dentro, avaliando-se internamente o desempenho de quem está prestando o atendimento e o modo como estas pessoas estão sendo gerenciadas. Assim, é recomendável também a inclusão de novas variáveis que incorporem a avaliação dos serviços a partir do ponto de vista do funcionário da biblioteca, de forma a permitir uma visão mais geral do processo gerenciado. É importante esclarecer que este modelo de avaliação poderá ser aplicado aos demais serviços prestados pelas bibliotecas universitárias como: comutação eletrônica de documentos, treinamento de usuários em base de dados, serviço de pesquisa em base de dados; normalização de documentos; catalogação na fonte; catalogação cooperativa de registros bibliográficos; serviço de referência on-line e outros. Este trabalho procura integrar a computação inteligente a área de ciência da informação, e desta forma permitir a difusão de novas ferramentas direcionadas a melhoria dos processos. Neste sentido, é interessante observar a hipótese de utilizar abordagem fuzzy em avaliação de desempenho, pois através dela é possível expressar o conhecimento dos especialistas, o que vem permitir uma melhor adequação às necessidades de cada decisão a ser tomada. Adicionalmente, algumas vantagens que se pode citar associadas ao modelo fuzzy apresentado neste trabalho são sua simplicidade e reduzido custo computacional. A versatilidade e flexibilidade do avaliador fuzzy apresentado, permite que ele seja adaptado a novos padrões, através da modificação dos parâmetros que definem o Sistema de Inferência Fuzzy, ou seja, as �formas das funções de pertinência e seus parâmetros, regras e seus pesos, método de implicação, agregação, defuzzificação. Como sugestão para trabalhos futuros recomenda-se aprimorar o atual modelo desenvolvido incorporando-se outras ferramentas de inteligência computacional através de sistemas híbridos. 5 REFERÊNCIAS BIBLIOGRÁFICAS ALTROCK, C. Von. Fuzzy Logic and Neurofuzzy Applications in Business and Finance. Prentice Hall , 1997. GÜLLICH, H. P. Fuzzy Logic Decision Support System European Congress On Intelligent Techniques and Soft Computing for Credit Risk Evaluation. In: Euffit Fourth. 1996, p.2219-23. HOULDER, V. Tackling Insider Dealing with Fuzzy Logic. Financial Times, p.16, 29 Sep. 1994. JANG, J. S. R.; GULLEY, N. Fuzzy Logic Toolbox User’s Guide. The Math Works Inc. Jan. 1995. LANZILLOTTI, R. S.et al. A Lógica Fuzzy na Viabilização de Novos Serviços para Usuários: uma Alternativa Metodológica. In: CONGRESSO BRASILEIRO DE BIBLIOTECONOMIA E DOCUMENTAÇÃO, 19. Anais. Porto Alegre, 2000. LINGUANOTTO, A. R. J.; GRANDI, M. E. G.; SAMPAIO, M. I. C. Indicadores de Qualidade para o Serviço de Referência: Uma Proposta de Aplicação às Bibliotecas do SIBI/USP. São Paulo,2001. 71p. (Série informação, 1) MANDANI, E. H.; S. Assilian. An Experiment in Linguistic Synthesis with a Fuzzy Logic Controller. International Journal of Man-Machine Studies, v.7, n.1, 1975 , pp. 1-13. PETERS, T. O Segredo é de Polichinelo.... Exame, São Paulo, ago. 1996. TEBOUL, J. A Era dos Serviços : uma nova abordagem de gerenciamento. Rio de Janeiro. Qualitymark, 1999. VERGUEIRO, W. C. S.; CARVALHO, T. Indicador de Qualidade em Bibliotecas Universitárias Brasileiras: O Ponto de Vista dos Clientes. In: CONGRESSO BRASILEIRO DE BIBLIOTECONOMIA E DOCUMENTAÇÃO,19. Anais . Porto Alegre, Setembro 2000. VERGUEIRO, W. C. S.; CARVALHO, T.; REDDY, L. S. K. Proposta de Metodologia para identificação de Indicadores de Qualidade: Aplicação em Bibliotecas Universitárias da Área Odontológica. In: SEMINÁRIO NACIONAL DE BIBLIOTECAS UNIVERSITÁRIA, 18. Anais. Fortaleza, 1998. YUIZE, H. et al. Decision Support System for Foreign Exchange Trading. In: INTERNATIONAL FUZZY ENGINEERING SYMPOSIUM. Annals 1991, p.971-982. ZADEH, L. A. Fuzzy Sets, Information and Control. New York, 1965. V.8, p.338-353. � Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource SNBU - Edição: 12 - Ano: 2002 (UFPE - Recife/PE) Subject The topic of the resource Biblioteconomia Documentação Ciência da Informação Bibliotecas Universitárias Description An account of the resource Tema: Bibliotecas universitárias: espaços de (r) evolução do conhecimento e da informação. Creator An entity primarily responsible for making the resource SNBU - Seminário Nacional de Bibliotecas Universitárias Publisher An entity responsible for making the resource available UFPE Date A point or period of time associated with an event in the lifecycle of the resource 2002 Language A language of the resource Português Type The nature or genre of the resource Evento Coverage The spatial or temporal topic of the resource, the spatial applicability of the resource, or the jurisdiction under which the resource is relevant Recife (Pernambuco) Event A non-persistent, time-based occurrence. Metadata for an event provides descriptive information that is the basis for discovery of the purpose, location, duration, and responsible agents associated with an event. Examples include an exhibition, webcast, conference, workshop, open day, performance, battle, trial, wedding, tea party, conflagration. Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource Uma proposta fuzzy na avaliação de desempenho de bibliotecas universitárias brasileira. Creator An entity primarily responsible for making the resource Vanderlei Filho, Domingos Valença, Mêuser Jorge Silva Laudermir, Teresa Bernarda Silva, Giane da Paz Ferreira Coverage The spatial or temporal topic of the resource, the spatial applicability of the resource, or the jurisdiction under which the resource is relevant Recife (Pernambuco) Publisher An entity responsible for making the resource available UFPE Date A point or period of time associated with an event in the lifecycle of the resource 2002 Type The nature or genre of the resource Evento Description An account of the resource Destaca a questão da avaliação dos serviços prestados em bibliotecas universitárias através de uma abordagem fuzzy. Language A language of the resource pt snbu2002