dissertacao: +4 ilustracoes SVG — pipeline scanners, cobertura epistemologica, MCSP graph, AutoEvolve ciclo — referenciadas no LaTeX

Author: marce

dissertacao-opencode/capitulos/15-resultados.tex

@@ -180,6 +180,13 @@ \subsection{Os 5 Scanners e o MCSP Solver}
 
 O ecossistema OpenCode implementa 5 scanners epistemológicos complementares que cobrem o espectro completo da análise de conhecimento --- do descritivo ao preditivo:
 
+\begin{figure}[H]
+\centering
+\includegraphics[width=\textwidth]{capitulos/figuras/fig-scanners-pipeline.pdf}
+\caption{Pipeline dos 5 Scanners Epistemológicos + MCSP Solver. Os scanners respondem a 5 perguntas complementares: descritiva (Noological), prescritiva (Teleológico), estrutural (CrossValidation), comparativa (Polymathic) e preditiva (TrajectoryMapper). O MCSP Solver integra os outputs de todos os scanners para encontrar o conjunto mínimo de capacidades necessárias.}
+\label{fig:scanners-pipeline}
+\end{figure}
+
 \begin{table}[H]
 \centering
 \caption{Ecossistema de Scanners Epistemológicos}
@@ -200,7 +207,14 @@ \subsection{Os 5 Scanners e o MCSP Solver}
 
 O \textbf{NoologicalScanner v3.0} (SPEC-028) implementa 10 dimensões $\times$ 92 categorias com filtro de negação (\textit{``sem grupo controle''} não é mais falsamente classificado como contendo ``controle'') e \textit{word-boundary matching} ($\backslash$b). O grafo de dependências do \textbf{CrossValidationEngine} contém 73 arestas cobrindo todas as 10 dimensões, com 5 bottlenecks identificados (principal: raciocínio probabilístico, \textit{influence\_score}=0,6).
 
-O \textbf{MinimumCapabilitySolver} (SPEC-032) resolve formalmente o MCSP (\textit{Minimum Capability Set Problem}): dados um estado atual $S$ (capacidades cobertas) e um estado alvo $T$ (requisitos teleológicos), encontra o conjunto mínimo $C \subseteq V \setminus S$ tal que $S \cup C \supseteq T$ e $\forall c \in C, \text{prereq}(c) \subseteq S \cup C$. O algoritmo opera em 3 fases --- \textit{backward\_closure} $O(|V|+|E|)$, \textit{greedy\_select} $O(|V|^2 \cdot |E|)$, e \textit{topological\_order} $O(|V|+|E|)$ --- e atinge 100\% de cobertura nos testes de integração.
+O \textbf{MinimumCapabilitySolver} (SPEC-032) resolve formalmente o MCSP (\textit{Minimum Capability Set Problem}): dados um estado atual $S$ (capacidades cobertas) e um estado alvo $T$ (requisitos teleológicos), encontra o conjunto mínimo $C \subseteq V \setminus S$ tal que $S \cup C \supseteq T$ e $\forall c \in C, \text{prereq}(c) \subseteq S \cup C$ (Figura~\ref{fig:mcsp-graph}). O algoritmo opera em 3 fases --- \textit{backward\_closure} $O(|V|+|E|)$, \textit{greedy\_select} $O(|V|^2 \cdot |E|)$, e \textit{topological\_order} $O(|V|+|E|)$ --- e atinge 100\% de cobertura nos testes de integração.
+
+\begin{figure}[H]
+\centering
+\includegraphics[width=\textwidth]{capitulos/figuras/fig-mcsp-graph.pdf}
+\caption{Formalização do MCSP (Minimum Capability Set Problem). Dados o estado atual $S$ (verde, 68/92 categorias), o estado alvo $T$ (amarelo, requisitos teleológicos dos 8 goal types), e o grafo de dependências $G = (V,E)$, o solver encontra o conjunto mínimo $C$ (azul) que satisfaz $S \cup C \supseteq T$ com fecho de dependências. Exemplo: $C = \{\text{raciocinio.Probabilistico}\}$ com custo 1.0 e cobertura 100\%.}
+\label{fig:mcsp-graph}
+\end{figure}
 
 \subsection{Aplicação do Scanner Noológico à Dissertação}
 

dissertacao-opencode/capitulos/16-discussao.tex

@@ -228,7 +228,14 @@ \subsection{Autorreferencialidade do Scanner}
 
 \section{Análise Epistemológica Aprofundada}
 
-Esta seção aplica o ecossistema completo de scanners epistemológicos à própria dissertação, identificando lacunas e propondo caminhos de aprofundamento. O scan noológico da dissertação (102.972 caracteres, 15.006 palavras, 6 capítulos) revelou cobertura de 74\% (68/92 categorias, Grau A --- Ampla Cobertura Epistemológica). As subseções seguintes abordam os 4 gaps mais significativos identificados.
+Esta seção aplica o ecossistema completo de scanners epistemológicos à própria dissertação, identificando lacunas e propondo caminhos de aprofundamento. O scan noológico da dissertação (102.972 caracteres, 15.006 palavras, 6 capítulos) revelou cobertura de 74\% (68/92 categorias, Grau A --- Ampla Cobertura Epistemológica). A Figura~\ref{fig:cobertura-epistemologica} apresenta a cobertura por dimensão. As subseções seguintes abordam os 4 gaps mais significativos identificados.
+
+\begin{figure}[H]
+\centering
+\includegraphics[width=\textwidth]{capitulos/figuras/fig-cobertura-epistemologica.pdf}
+\caption{Cobertura Epistemológica da Dissertação. Scan executado pelo NoologicalScanner v3.0 em 2026-06-08. As barras verdes indicam cobertura $\geq$ 75\% (6 dimensões); amarelas indicam cobertura entre 60-74\% (2 dimensões); vermelhas indicam cobertura $<$ 60\% (2 dimensões: Teorias 60\%, Teoria dos Jogos 50\%). Grau A --- Ampla Cobertura Epistemológica.}
+\label{fig:cobertura-epistemologica}
+\end{figure}
 
 \subsection{Dilema do Prisioneiro na Validação Científica}
 
@@ -328,7 +335,14 @@ \subsection{Stackelberg, Sinalização e Bayesianos na Arquitetura do Ecossistem
 
 \subsection{Metacognição Artificial: O Ecossistema que Pensa Sobre Si Mesmo}
 
-O gap em raciocínio metacognitivo (70\% em raciocínio, ausente: Metacognitivo) é particularmente significativo porque a metacognição --- ``pensar sobre o próprio pensamento'' --- é precisamente o que o AutoEvolve implementa, embora a dissertação não a teorize nestes termos. Esta subseção supre essa lacuna, conectando o ecossistema à literatura sobre metacognição em inteligência artificial (FLAVELL, 1979; COX, 2005)\footnote{
+O gap em raciocínio metacognitivo (70\% em raciocínio, ausente: Metacognitivo) é particularmente significativo porque a metacognição --- ``pensar sobre o próprio pensamento'' --- é precisamente o que o AutoEvolve implementa, embora a dissertação não a teorize nestes termos. A Figura~\ref{fig:autoevolve-ciclo} ilustra o ciclo completo com os 5 scanners integrados.
+
+\begin{figure}[H]
+\centering
+\includegraphics[width=\textwidth]{capitulos/figuras/fig-autoevolve-ciclo.pdf}
+\caption{Ciclo AutoEvolve com 5 Scanners Integrados. O ciclo implementa 3 níveis de metacognição artificial: Monitoramento (REFLECT detecta padrões de falha), Controle (EVOLVE ajusta comportamento), e Meta-aprendizado (18 ciclos documentados constituem registro de ``aprender sobre como aprender''). O score evoluiu de 85 para 99 (+14 pontos, Cohen's $d = 2,8$) em 18 iterações.}
+\label{fig:autoevolve-ciclo}
+\end{figure} Esta subseção supre essa lacuna, conectando o ecossistema à literatura sobre metacognição em inteligência artificial (FLAVELL, 1979; COX, 2005)\footnote{
   FLAVELL, John H. ``Metacognition and Cognitive Monitoring: A New Area of Cognitive-Developmental Inquiry.'' \textbf{American Psychologist}, v. 34, n. 10, p. 906-911, 1979. DOI: 10.1037/0003-066X.34.10.906.
 
   \textbf{Trecho Original:} ``Metacognition refers to one's knowledge concerning one's own cognitive processes and anything related to them.''