ESCOLA SUPERIOR DE ENXEÑERÍA INFORMÁTICA DEPARTAMENTO DE INFORMÁTICA GUÍA DOCENTE TITULACIÓN: ENXEÑERÍA INFORMÁTICA MATERIA: INTELIXENCIA ARTIFICIAL CURSO: 2012/2013 CÓDIGO: 106110501 CARÁCTER: TRONCAL CUADRIMESTRE: 1º CARGA LECTIVA: 9 CRÉDITOS CRÉDITOS ECTS: 7,5 PROFESOR VÍCTOR MANUEL DARRIBA BILBAO DESPACHO: 304 TELÉFONO: 988 387025 CORREO ELECTRÓNICO: [email protected] PÁXINA WEB: http://ccia.ei.uvigo.es/docencia/IA O/A PROFESOR/A RESPONSABLE: RESPONSABLE O/A SECRETARIO/A DEPARTAMENTO DO O/A SECRETARIO/A DO CENTRO ASDO: VÍCTOR M. DARRIBA BILBAO ASDO: REYES PAVÓN RIAL ASDO: ALMA M. GÓMEZ RODRÍGUEZ Escola Superior de Enxeñería Informática DATOS ADMINISTRATIVOS DATOS DA TITULACIÓN Códig 1061 o Nome ENXEÑERÍA INFORMÁTICA PLAN ESTUDO 10 Fecha publicación BOE Curso implantación 29/06/1999 1999/2000 Código da materia Nome da materia Centro / Titulación Tipo DATOS DA MATERIA 106110501 Intelixencia Artificial ESEI / Enxeñeiro en Informática Curso Troncal Créditos aula (A) 6 5º Créditos laboratorio (L) 3 Idioma: Idioma: galego X galego X castelán X castelán X inglés inglés Anual/cuadrimes tral 1 Cuadrimestre Créditos prácticas (P) Idioma: galego castelán inglés Créditos ECTS 7,5 DATOS DO ENCARGO DE DOCENCIA Departamento Informática Área de Ciencias da Computación e I.A. coñecemento Número grupos Número grupos L Número A grupos P 1 3 2 Escola Superior de Enxeñería Informática DATOS DO CENTRO Profesorado da materia Nome: VÍCTOR MANUEL DARRIBA BILBAO Categoría: Prof. Contratado Despacho: 304 Doutor Teléfono: 988 387025 Email: [email protected] Créditos A Créditos L Créditos P Grupos 3 IA(A) Idioma galego X Titorías castelán X inglés X Período Primeiro cuadrimestre Mañá Mie: 12:00 - 14:00 Tarde Mie: 16:00 - 20:00 Segundo cuadrimestre Periodos sen docencia Mie: 12:00 - 14:00 Lun: 16:00 - 18:00 Mie: 18:00 - 20:00 Mie: 16:00 - 19:00 Mie: 11:00 - 14:00 Nome: SANTIAGO FERNÁNDEZ LANZA Categoría: Prof. Asociado T3P6 Despacho: 304 Teléfono: 988 387024 Email: [email protected] Créditos A Créditos L Créditos P Grupos 6 IA1,IA3 Idioma galego X Titorías Período Primeiro cuadrimestre Segundo cuadrimestre Periodos sen docencia castelán X inglés X Mañá - Vie: Tarde 15:00 - 18:00 Mar: 12:00 - 15:00 Mie: 16:00 - 19:00 3 Escola Superior de Enxeñería Informática Nome: MANUEL VILARES FERRO Categoría: Catedrático de Despach 302 Universidad o: Teléfono: 988 387280 Email: [email protected] Créditos A Créditos L Créditos P Grupos 0,5 IA2 Idioma galego X Titorías Período Primeiro cuadrimestre Segundo cuadrimestre Periodos sen docencia castelán X inglés X Mañá Lun: 09:00 - 10:30 Mar: 09:00 - 10:30 Mie: 09:00 - 14:00 4 Lun: Vie: Mar: Mie: Mie: Tarde 16:00 - 19:30 10:30 – 11:30 16:00 - 18:00 16:00 - 18:30 16:00 - 17:00 Escola Superior de Enxeñería Informática Nome: FRANCISCO JOSÉ RIBADAS PENA Categoría: Prof. Contratado Despacho: 303 Doutor Teléfono: 988 387024 Email: [email protected] Créditos A Créditos L Créditos P Grupos 3 2,5 IA(A),IA2 Idioma galego X Titorías Período Primeiro cuadrimestre Segundo cuadrimestre Periodos sen docencia castelán X inglés X Mañá Lun: 10:00 - 13:00 Mar: 12:00 - 13:30 Lun: 11:00 - 14:00 Tarde Lun: 16:00 - 17:30 Mie: 11:00 - 14:00 Mie: 16:00 - 19:00 Lun: 16:00 - 19:00 Tribunal Extraordinario de 5ª, 6ª e 7ª convocatoria Presidente/a: Florentino Fernández Riverola Secretario/a: Daniel González Peña Vocal: Juan Carlos González Moreno Suplente: María José Lado Touriño 5 Escola Superior de Enxeñería Informática PROGRAMA DOCENTE 1. Contextualización 1.1. Perfil dos créditos da materia Na materia “Intelixencia Artificia (IA)” preténdese ofrecer unha introducción aos fundamentos básicos relacionados co conxunto de disciplinas que se engloban dentro do que se ven a chamar “intelixencia artificial”, no que se integran aspectos como razoamento automático, resolución de problemas, aprendizaxe, percepción, etc. A aproximación seguida con esta materia busca dar unha visión xeral deste campo, presentando as distintas aproximacións no deseño de sistemas intelixentes (IA simbólica e IA subsimbólica) xunto cos métodos e técnicas básicas máis relevantes de ambos tipos de IA. 1.2. Ubicación e relacións no Plano de Estudo Pese a tratarse dunha materia eminentemente introductoria, IA ubícase no 5º curso da titulación Enxeñería Informática, como materia troncal con un total de 9 créditos LRU (6 teóricos e 3 prácticos), organizados en 4 horás teóricas semanais e 2 de laboratorio. Durante o curso verase que moitos dos temas a tratar teñen conexión con outras materias da titulación. Boa parte dos fundametos teóricos da IA están derivados de elementos da da lóxica matemática e da estatística. Do mesmo xeito abórdanse cuestións relativas a estructuras de datos e algoritmia, dado que o tipo de problemas a resolver demanda de representacións e procedementos sofisticados e costosos. O papel desta materia de IA dentro do plan de estudos é esencialmente introductorio, dado que se trata da primeira materia obrigatoria que trata estes temas. E así será a orientación que se lle dará por parte do profesorado. O campo da IA é moi amplo e na práctica inabarcable nunha soa materia, polo que o que pretendemos é sentar as bases para continuar o estudo de outros campos máis especializados como a aprendizaxe automática (na materia Modelos de Razoamento e Aprendizaxe), o procesamento da linguaxe (en Linguaxes Naturais) ou os Sistemas Multiaxente. 2. Obxectivos 6 Escola Superior de Enxeñería Informática 2.1. Obxectivos xerais Dado que se trata dunha materia trocal cun perfil introductorio o obxectivo último da materia é sentar as bases que permitan ao alumno empregar as técnicas da IA e continuar o seus estudos en materias ou campos relacionados. En concreto os obxectivos xerais que se pretenden cubrir con materia son os seguntes: ● O alumno adquirirá unha visión xeral sobre a Intelixencia Arificial e a Enxeñería do Coñecemento, sobre os problemas que abordan e o seu papel no desenvolvemento de sistemas informáticos. ● O alumno aprenderá a recoñe-las distintas aproximacións (simbólicas e non simbólicas) seguidas no campo da Intelixencia Artificial e a aplicar as máis adecuadas en situacións reais. ● O alumno repasará os fundamentos teóricos nos que se basa a IA e será capaz de avaliar a súa aplicación práctica. En concreto no relativo aos procesos de búsqueda, representación do coñecemento e redes de neuronas artificiais. ● O alumno será quen de comparar e contrastar os modelos máis comúns utilizados para a representación de coñecemento e o razonamento e adquirirá habilidades básicas de adquisión e representación do coñecemento en sistemas prácticos. 2.2. Competencias Competencias da titulación (tomadas do “marco académico” do Consello de Universidades para as profesións de Enx. en Informática e Enx. Téc. en Informática) ● ● ● ● ● 1. Capacidad para conocer los fundamentos, paradigmas y técnicas propias de los sistemas inteligentes y analizar, diseñar y construir sistemas, servicios y aplicaciones informáticas que utilicen dichas técnicas en cualquier ámbito de aplicación. 2. Capacidad para aplicar métodos matemáticos, estadísticos y de inteligencia artificial para modelar, diseñar y desarrollar aplicaciones, servicios, sistemas inteligentes y sistemas basados en el conocimiento. 3. Capacidad para el modelado matemático, cálculo y simulación en centros tecnológicos y de ingeniería de empresa, particularmente en tareas de investigación, desarrollo e innovación en todos los ámbitos relacionados con la Ingeniería en Informática. 4. Conocimiento de las materias básicas y tecnologías, que capaciten para el aprendizaje y desarrollo de nuevos métodos y tecnologías, así como las que les doten de una gran versatilidad para adaptarse a nuevas situaciones. 5. Capacidad para la aplicación de los conocimientos adquiridos 7 Escola Superior de Enxeñería Informática ● ● ● ● ● ● ● y de resolver problemas en entornos nuevos o poco conocidos dentro de contextos más amplios y mulitidisciplinares, siendo capaces de integrar estos conocimientos. 6. Capacidad para adquirir, obtener, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación, percepción y actuación en ambientes o entornos inteligentes. 7. Capacidad para conocer y desarrollar técnicas de aprendizaje computacional y diseñar e implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de grandes volúmenes de datos.1. Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas informáticos. 8. Conocimiento y aplicación de los principios fundamentales y técnicas básicas de los sistemas inteligentes y su aplicación práctica. 9. Capacidad para comprender y dominar los conceptos básicos de matemática discreta, lógica, algorítmica y complejidad computacional, y su aplicación para la resolución de problemas propios de la ingeniería. 10. Conocimiento y aplicación de los procedimientos algorítmicos básicos de las tecnologías informáticas para diseñar soluciones a problemas, analizando la idoneidad y complejidad de los algoritmos propuestos. 11. Conocimiento, diseño y utilización de forma eficiente los tipos y estructuras de datos más adecuados a la resolución de un problema. 12. Capacidad para evaluar la complejidad computacional de un problema, conocer estrategias algorítmicas que puedan conducir a su resolución y recomendar, desarrollar e implementar aquella que garantice el mejor rendimiento de acuerdo con los requisitos establecidos. Competencias da materia. Competencia Tipo Comps. da titulación 1 Coñecer a evolución e situación actual da IA, os problemas que aborda, os contextos “saber” nos que se aplica e as técnicas e liñas de investigación. 1,8 2 Coñecer a literatura xeral e específica da IA e dominar e empregar a terminoloxía usada na IA “saber” 1,3 3 Identificar as técnicas, linguaxes e ferramentas propias da IA que sexan máis axeitadas para resolver un problema concreto “saber” “facer” 1,2,3,8 4 Comprender e aplicar os métodos de búsqueda en resolución de problemas e os de búsquedas en xogos “saber” “facer” 6,9,10,12 8 Escola Superior de Enxeñería Informática 5 Poder representar espazos de estados eficiente para un problema dado “facer” 6 Seleccionar e implementar algoritmos de búsqueda (por forza bruta ou heurísiticos) e “facer” deseñar heurísticas eficientes para distintos espazos de estado 8,10,11,12 7 Coñecer as dificultades da representación e adquisición do coñecemento 6,2,3 8 Coñecer as distintas técnicas de representación do coñecemento (baseadas en lóxica “saber” e estructuradas), as súas vantaxes e debilidades 6,8 9 Coñecer e aplicar os mecanismos de razoamento máis axeitados para os esquema de representación do coñecemento empregados “saber” “facer” 6,8,10,11 10 Coñecer a problemática do razoamento con incertidume e imprecisión e os mecanismos existentes para abordalos, en concreto mediante métodos probabilísticios e a lóxica difusa “saber” 6,8,2 11 Deseñar esquemas de representación do coñecemento axeitados para os problemas a resolver “facer” 6,2,8,5 “saber” 6,9,11 12 Ser capaz de adquirir o coñecemento preciso para desenvolver un sistema intelixente “facer” baseado no coñecemento 6,7,8 13 Coñecer as técnicas máis relevantes da IA subsimbólica, xunto coas súas vantaxes e “saber” limitacións 1,2,6 14 Coñecer as características de distintos tipos de redes de neuronas artificiais (RNAs). “saber” 2,7 15 Modelizar problemas de xeito que sexan susceptibles de ser resoltos empregando diferentes tipos de RNAs “facer” 2,5,7,8 16 Aplicar as capacidades das redes neuronais en problemas onde os compoñentes de percepción e/ou aprendizaxe aconsellen o seu uso “facer” 5,6,7 17 Poder aplicar, adaptar e relacionar as diferentes técnicas e ferrametas da IA as diferentes situacións que se poidan producir en entornos reais multidisciplinares. “facer” 2,5,8 18 Enfrontarse a resolución de problemas complexos que requiren aproximacións deferentes ás convencionais “ser” 2,4,5,8 19 Adquirir habilidades para deseñar experimentos e probas axeitados que permitan validar as propostas implementadas “facer”, “ser” 1,2,3,4 20 Mellorar as habilidades de redacción de informes e documentación técnica “ser” 2,3,4 21 Mellorar as habilidades para mostar con exemplos e respaldar con datos experimentais a validez das propostas e traballos efectuados “ser” 1,2,3,4 22 Valorar a importancia que ten o coñecemento, a investigación e innovación no desenvolvemento tecnolóxico “ser” 3,5 (*) baseadas parcialmente no ACM Computing Curricula'2001 (http://wiki.acm.org/cs2001) 3. Prerrequisitos (se procede) 3.1. Competencias mínimas Non son precisos coñecementos nin habilidades específicas para cursar esta materia, máis alá das que se presupoñen nun estudante de segundo ciclo de Enxeñería Informática. (habilidades de desenvolvemento de software, lectura e redacción de documentación técnica, coñecementos básicos en matemáticas e informática, etc ). 3.2. Plan de traballo e actividades para a consecución dos prerrequisitos 9 Escola Superior de Enxeñería Informática 4. Bloques e temas de contido 4.1. Descritor da materia (BOE) Heurística. Sistemas baseados no coñecemento. Aprendizaxe. Percepción. 4.2. Teoría TEMA 1. Introducción 1.1 Definición e conceptos básicos 1.2 Oríxes e evolución 1.3 Aplicacións e campos afíns Adicación prevista do alumno: 2 h. presencial + 1 h. non presencial TEMA 2. Búsqueda en resolución de problemas 2.1 Concepto de espazo de estados 2.2 Métodos de búsqueda cegos 2.3 Métodos de búsqueda heurísticos 2.4 Búsqueda en xogos Seminario: Sistemas de xeración de plans (STRIPS) Adicación prevista do alumno: 15 h. presencial + 7 h. non presencial TEMA 3. Representación do coñecemento e razoamento (I) 3.1 O problema da representación do coñecemento 3.2 Representacións formais. Lóxica clásica 3.3 Representacións estructuradas 3.4 Sistemas baseados en regras Seminario: Ontoloxías e Web Semántica Adicación prevista do alumno: 15 h. presencial + 8 h. non presencial TEMA 4. Representación do coñecemento e razoamento (II). Incertidume e imprecisión 4.1 Manexo da incertidume 4.2 Razoamento probabilístico: redes baiesianas 4.3 Modelo dos factores de certidumbre 4.4 Introducción á lóxica difusa Seminario: Sistemas de control difuso Adicación prevista do alumno: 12 h. presencial + 6 h. non presencial TEMA 5. Introducción ás Redes de Neuronas Artificiais 5.1 Fundamentos biolóxicos e matemáticos 5.2 Modelos de redes neuronais 5.3 Aprendizaxe nas redes neuronais 10 Escola Superior de Enxeñería Informática Seminario: Mapas autoorgranizativos.WEBSOM Adicación prevista do alumno: 10 h. presencial + 5 h. non presencial TEMA 6. Outras Aproximacións 6.1 Algoritmos xenéticos 6.2 Sists. baseados en axentes intelixentes Adicación prevista do alumno: 2 h. presencial + 1 h. non presencial 4.3. Práctica Proporáse a realización de 3 pequenos proxectos prácticos coa finalidade de poñer en práctica parte dos contidos teóricos máis relevantes do curso. As prácticas poderán realizarse de forma individual ou, preferentemente, en grupos de dúas persoas. Para cada proxecto práctico os alumnos deberán redactar unha pequena memoria que documente do traballo desenvolvido, según as indicación que se darán no enunciado de cada proposta práctica.. Temática dos proxectos prácticos: 1. Algoritmos de búsqueda/algoritmos de búsqueda en xogos. ● Implementación de algoritmos de búsqueda típicos ● Modelización de problemas para aplicar métodos de búsqueda ● Experimentar a explosión combinatoria ● Deseño de experimentos e avaliación de resultados 2. Construcción de sistemas expertos baseados en regras de producción. ● Uso de shells de sistemas expertos ● Deseño de regras para tareas sinxelas ● Integración con unha linguaxe de programación (Java) 3. Aplicacións das redes de neuronas artificiais ● Experimentación con ferramentas de simulación de redes neuronais ● Aplicación en percepción problemas 11 de aprendizaje e/ou Escola Superior de Enxeñería Informática 5. Metodoloxías e estratexias de aprendizaxe Dado o perfil introductorio da materia e a amplitude dos aspectos a tratar, preténdese seguir un esquema clásico de clases maxistrais complementado con ejercicios prácticos e pequenos seminaros sobre temas vinculdos coa teoría. MÉTODO Clase maxistral DESCRIPCIÓN Exposición oral por parte do profesor dos contidos teóricos, apoiada polo uso de medios audiovisuais, así como por exemplos e exercicios de pizarra. Os guións/transparencias das clases maxistrais estarán a disposición dos alumnos no espazo WEB da materia. Seminarios Presentación breve (30-40 min.) por parte do profesor dalgún aspecto práctico relacionado cos contidos teóricos revisados nas clases maxistrais, a modo de introducción para que os alumnos a complementen polo súa conta.. Preténdese complementar con un destes “mini-seminarios” prácticos cada un dos 4 temas principales nos que es estrucuturan os contidos téoricos. Caderno do Documento (en soporte físico ou electrónico [a definir]) onde o alumno alumno condensará o traballo de complementación das presentacións feitas nos seminarios. Será unha colección de pequenas anotacións que complementen, aclaren ou expandan a presentación feita polo profesor nos seminarios. Serán entregables e formarán parte da calificación final. Proxectos prácticos Asignación de traballos prácticos a desenvolver nos laboratorios de prácticas onde se exercitarán dende un punto de vista prácticos algúns dos contidos teóricos máis importantes presentados nas clases maxistrais. A descripción dos traballos e dos requisitos de entrega estarán a disposición dos alumnos no espazo WEB da materia. Atención Actividade de titoria personal ou por grupo de traballo personaliza destinada a reslver dúbidas e a guiar o desenvolvemento dos da (titorias) traballos/proxectos prácticos. 6. Plan de traballo do alumnado DISTRIBUCIÓN DE CRÉDITOS ECTS 7,5 nº créditos ECTS x 25 horas = 187,5 horas curso CARGA DE TRABALLO DO ALUMNADO Actividades Horas Presencial 12 Factor (*) horas Non presencial Horas Non Presencial TOTAL Escola Superior de Enxeñería Informática Clases maxistrais Seminario+caderno Proxectos practicos Exame teórico Atención personalizada (titorias) 56 4 30 3,5 - 28 12 40 15 84 16 70 18,5 TOTAL 93,5 95 Carga semanal de traballo presencial: 4 horas semanais na aula de teoría 2 horas semanais no laboratorio de prácticas 188,5 7. Bibliografía e materiais 7.1. Bibliografía básica Stuart Russell y Peter Norving: Inteligencia Artificial: un enfoque moderno. (2ª edición). Prentice Hall, 2003 Nils J. Nilsson: Inteligencia Artificial. Una nueva síntesis. McGraw-Hill, 2001 7.2.Bibliografía complementaria F. Escolano,M.A. Cazorla,M.I. Alfonso,O. Colomina,M.A. Lozano: Inteligencia Artificial: Modelos, técnicas y áreas de aplicación. Paraninfo, 2003. Rich, E. y Knight, K.: Artificial Intelligence. McGraw-Hill, 1991. D. Poole, A. Mackworth y R. Goebel: Computacional Intelligence: A Lógical Approach. Oxford University Press, 1998 Ivan Bratko: PROLOG Programming for Artificial Intelligence, Addison-Wesley, 2nd edition, 1990 7.3.Recursos web Páxina web de apoio ao libro Inteligencia Artificial: un enfoque moderno. (con código, exemplos, etc) http://aima.cs.bereley.edu: No curso 2009/10 usarase como apoio a plataforma TEMA da Universidade de Vigo xunto coa páxina WEB da materia: http://ccia.ei.uvigo.es/docencia/IA 7.4.Outros materiais de apoio 13 Escola Superior de Enxeñería Informática 8. Avaliación dos procesos e resultados de aprendizaxe. Criterios de avaliación 8.1. Criterios de avaliación para asistentes MÉTODO DESCRIPCIÓN PES O Exame escrito final (1) Proba escrita sobre os contidos teóricos presentados nas 60% clases maxistrais. Consistirá en exercicios e preguntas de resposta breve sobre os temas teóricos da materia. Caderno de seminario s (2) Avaliación das notas e comentarios cos que os alumnos amplien de xeito independiente as exposicións dadas en cada un dos 4 seminarios previstos. Prestarase especial atención a capacidade de integrar e relacionar os contidos dos seminarios cos contidos teóricos estudados. Proxectos Avaliación das solución de deseño e de implementación prácticos adptadas no desenvolvemento dos proxectos prácticos (3) propostos, así como dos contidos da memoria descriptiva do traballo. Será preciso obter un 45% da puntuación máxima para superar as prácticas. 10% 30% Esíxese obter un 50% da nota total reservada aos criterios (1) e (2) [é dicir: 3,5 puntos sobre 10] para poder sumar a nota dos proxectos prácticos. Será preciso obter un mínimo de 5 puntos na avaliación final [suma de (1), (2) e (3)] para superar a materia. 8.2. Criterios de avaliación para non asistentes Dado que o material docente preciso para a realización dos proxectos prácticos e a elaboración dos cadernos de seminarios estará accesible a todos os alumnos en formato electrónico, complementando coa titorización por parte dos profesores, os alumnos non asistentes poderán obtar polos mesmos mecanismos de avaliación que os asistentes. Se obtaran polo esquema de “avaliación para non asistentes” 14 Escola Superior de Enxeñería Informática usarase a seguinte ponderación. ● Examen teórico: 70% ● Proxectos prácticos: 30% Na que se exclúe a avaliación dos cadernos de seminarios e esíxese obter o 50% da puntuación máxima do exame teórico para ter en conta os traballos prácticos e poder superar a materia. 9. Avaliación do proceso docente Independientement dos mecanismos de avaliación do proceso docente definidos pola universidade de Vigo, contémplase a realización dunha pequena enquisa final para que os alumnos avalíen os contidos presentados no curso, os métodos empregados e a planifiación xeral do curso. 10.Observacións 11.Recomendacións 11.1.Materias que se recomenda ter cursado previamente ● ● ● Lóxica para a Computación, obrigatoria de 4º curso da Enx. Informática Programación Declarativa, obrigatoria de 4º curso da Enx. Informática Introducción as Sistemas Informáticos Intelixentes, optativa de 3º curso da Enx. Técnica en Informática de Xestión 11.2.Materias que se recomenda cursar simultaneamente ● ● Linguaxes Naturais, optativa de 5º curso da Enx. Informática Robótica, optativa de 5º curso da Enx. Informática 11.3.Materias que continúan o temario ● ● ● Modelos de Razoamento e Aprendizaxe, optativa de 5º curso da Enx. Informática Sistemas Multiaxente, optativa de 5º curso da Enx. Informática Verificación Formal, optativa de 5º curso da Enx. Informática 11.4.Outras recomendacións 15 Escola Superior de Enxeñería Informática 11.4.1. Orientacións para o estudo Recoméndase un estudo continuado e levar razoablemente ao día os contidos da materia, dado que a amplitude e diversidades dos conceptos revisados favorece a desconexión e a perda do fío seguido na materia. 11.4.2. Pautas para a mellora e recuperación 16