Gerçek Usule Tabi Ücretlerin Vergilendirilmesi

A análise das expressões faciais dos sujeitos com deficiência intelectual no momento da leitura dos comentários do blog é muito importante para esta pesquisa, porque pela análise dessa reação poderemos verificar em que medida esses comentários exercem influência nas práticas de letramento digital dos referidos participantes. Sendo assim, achamos oportuno explicar como surgiu a análise de expressões faciais, como funciona esse processo de captura das expressões e quais os resultados esperados.

Primeiramente, em 1975, o psicólogo americano Paul Ekman, um dos cem mais notáveis psicólogos do século XX, deu continuidade a estudos iniciados pelo médico neurologista francês Guillaume Duchenne (1862), conhecido como Duchenne de Boulogne, apontado como o primeiro pesquisador a dedicar-se à observação de expressões e emoções humanas.

Paul Ekman interessou-se, particularmente, pela detecção facial e reconhecimento automático de expressões e, ao lado de Wallace Friesen, resolveu continuar com o desafio e dar sequência aos estudos com relação à análise de expressões e reconhecimento de padrões.

Em 1978, Ekman e Friesen demonstraram evidências sobre a universalidade da manifestação de emoções através de expressões faciais, não só entre pessoas de diferentes idades como também de diferentes etnias, com diferentes formatos faciais e diferentes culturas. Ekman elencou um conjunto das emoções mais frequentes, fortalecendo seus estudos sobre as expressões comportamentais humanas que podem ser observadas e reconhecidas sem muita dificuldade, a saber: alegria, tristeza, medo, raiva, surpresa e nojo (EKMAN & FRIESEN, 1978).

Ekman desenvolveu ainda um sistema de codificação para as expressões faciais, FACS - Facial Action Code System – no qual os movimentos faciais são descritos como um conjunto de action units (AU), ou seja, um conjunto de músculos faciais se movimentam e geram uma ação quando estimulados (EKMAN &FRIESEN, 1982). Cada AU tem como base estudos relacionados à anatomia dos músculos faciais. Pesquisadores

142

da área computacional e de outras áreas, apoiados por programas de computador, baseiam-se nessas AU para realizar o processamento de imagem e vídeo e, consequentemente, rastrear características faciais para, então, utilizá-las na categorização de diferentes expressões.

As seis expressões faciais básicas podem basear-se em conhecimentos de anatomia, vídeos e fotografias ilustrativas de como a contração de cada músculo facial desempenha um papel na alteração de expressão de um dado indivíduo. Este sistema tornou-se uma das maiores referências nesta área. O FACS define 44 Action Units (AUs), que correspondem a um conjunto de músculos que definem um dado movimento independente das características pessoais de cada indivíduo. Cada expressão pode ser subdividida em outras AUs, tendo, cada uma destas, um significado a elas associado.

As diferentes combinações das inúmeras AUs nos direciona a uma extensa quantidade de expressões faciais a serem caracterizadas e estudadas, sendo possível, então, obtê-las por intermédio do uso do FACS. Antes dos avanços tecnológicos, a proposta era executar essas classificações manualmente, recorrendo a peritos neste sistema, o que levava a um gasto exacerbado de tempo e de recursos.

Para alguns autores (COHN ET AL.,1998; ESSA e PENTLAND, 1997; PANTIC e ROTHKRANTZ, 2000), existem métodos de análise do reconhecimento de expressões faciais cujo objetivo é uma mecanização deste processo; contudo, muitas destas técnicas centraram-se numa mecanização parcial, em que são selecionadas manualmente as principais características faciais para o reconhecimento da expressão (DONATO et al., 1999; KAISER et al., 1998).

Na tabela 2 e na figura 8, é possível observar as principais emoções faciais e os músculos utilizados para gerar tais emoções.

143

144

145

Figura 8: As seis expressões faciais básicas. Fonte: Ekman e Friesen (1978).

(a) Alegria (b) Tristeza (c) Medo (d) Raiva (e) Nojo (f) Surpresa

Segundo Ekman, Friesen e Hager (2002), os sujeitos nascem com a capacidade de reconhecer apenas um conjunto de seis expressões faciais de emoções: alegria, tristeza, medo, raiva, nojo e surpresa. As demais emoções e suas expressões faciais são adquiridas de formas variadas através da aprendizagem e da interação com o meio.

Em nossa pesquisa, analisamos os seis tipos de expressões demonstrados na figura 8, primeiro porque a proposta do nosso objetivo específico 3 pode ser facilmente contemplada pelo delineamento das expressões faciais citadas; também porque não somos especialistas nesta área e não temos equipamento apropriado para categorizar microexpressões faciais, o que nos impede de realizar análises mais detalhadas de movimentos sutis e ligeiros.

Na literatura, localizamos diversos trabalhos sobre o reconhecimento das emoções que utilizam expressões faciais, a maioria deles analisa apenas o reconhecimento de expressões faciais como base, é o que se pode chamar de unimodal (CHANGJUN, SHEN e CHEN, 2011; COHN, ZLOCHOWER, LIEN e KANADE, 1998; DINIZ, 2013; DONATO et al., 1999; EKMAN, 1993, 1999; EKMAN e FRIESEN, 1975, 1978, 1982; ESSA e PENTLAND, 1997); entretanto há alguns que procuram utilizar mais de um tipo de entrada, como, por exemplo, movimentos corporais ou processamento de voz (DARWIN, 1872; KAISER, WEHRLE, SCHMIDT, 1998).

Embasando-nos nas pesquisas dos autores citados no parágrafo anterior, cuja base teórica é pautada nas seis expressões faciais básicas definidas por Ekman e Friesen (1975, 1978, 1982) e em APIs (Application Programming Interface) acessíveis para qualquer usuário, resolvemos utilizar um método de classificação que comporte esse tipo de análise para podermos nos apropriar das expressões faciais dos sujeitos da pesquisa no ato da leitura e, consequentemente, classificarmos as emoções básicas que eles

146

demonstram sentir ao perceberem a audiência do blog. Procuramos uma biblioteca virtual de leitura de dados para fazer essa classificação, e a Skybiometry, no nosso ponto de vista, atende à necessidade da nossa pesquisa, pois esta foi desenvolvida com o objetivo de tornar a análise das expressões faciais acessível a profissionais de áreas diversas, para facilitar a classificação de gestos mediante a captação de expressões faciais baseadas no movimento da musculatura facial.

A biblioteca costuma ser a implementação real das regras de uma API, porém mais concreta. Assim como a API, não é necessário entender os detalhes dessa implementação para usá-la. A biblioteca precisa respeitar as regras da API, mas não precisa ser uma realização estável, porém não há com o que se preocupar, uma vez que a biblioteca costuma ser autossuficiente.

A biblioteca virtual de leitura de dados também é um arquivo executável com um conjunto de funções para concretizar diversas tarefas. Em uma biblioteca desse tipo é possível analisar expressões faciais, colecionar dados, manusear arquivos, acessar banco de dados, manipular imagens etc.

Em relação à API35 _{(Application Programming Interface), em português:}

Interface de Programação de Aplicativos, pode-se definir como um conjunto de rotinas e padrões estabelecidos por um software para a utilização das suas funcionalidades por aplicativos que não pretendem envolver-se em detalhes da implementação do software, mas apenas usar seus serviços, ou seja, de modo geral a API é composta por uma série de funções acessíveis somente por programação, e que permitem utilizar características do software menos evidentes ao utilizador tradicional.

Para tornar a explicação mais clara, pensemos em um sistema operacional. Este possui uma grande quantidade de funções na API, que permitem ao programador criar janelas, acessar arquivos, cifrar dados etc. Mas as APIs dos sistemas operacionais costumam ser dissociadas de tarefas mais essenciais, como a manipulação de blocos de memória e acesso a dispositivos. Essas tarefas são atributos do núcleo de sistema e raramente são programáveis. Outro exemplo são programas de desenho geométrico que

35_{http://pt.stackoverflow.com/questions/17501/qual-%C3%A9-a-diferen%C3%A7a-de-api-biblioteca-e-}

147

possuem uma API específica para criar automaticamente entidades de acordo com padrões definidos pelo utilizador.

Com as APIs, os aplicativos conversam uns com os outros sem conhecimento ou intervenção dos usuários. Quando você compra ingressos de cinema on-line, o site de ingressos usa um API para enviar sua informação de cartão de crédito a um aplicativo remoto que verifica se os dados procedem. Assim que o pagamento é confirmado, o aplicativo remoto envia uma resposta ao site de ingressos liberando a emissão dos bilhetes.

Para dar suporte à API, utiliza-se um framework36_{, que normalmente é um} conjunto de bibliotecas para conseguir executar uma operação maior. É comum um

framework encapsular os comportamentos da API em implementações mais complexas,

permitindo o seu uso de forma mais flexível, frequentemente através de extensões, configurações e inversões de controle. Como pode ser considerada uma camada em cima da API, eventualmente pode simplificá-la em certo sentido. Ele costuma dar consistência a um conjunto de bibliotecas.

SkyBiometry37 _{é a biblioteca que utilizamos nas análises das expressões}

faciais dos sujeitos de nossa pesquisa. Nela introduz-se a detecção de rosto, e o reconhecimento da API é baseado em nuvem. Para entender como funciona, pensemos nos profissionais que desenvolveram APIs para a rede social facebook.com. Esta equipe fez um grande trabalho para tornar possível a detecção de rosto e, em seguida, o reconhecimento facial que, após a captação desses traços, indica o nome da pessoa a quem, possivelmente, pertence o rosto. A SkyBiometry, utilizando-se de elementos semelhantes, usa algoritmos de visão computacional38 _{para detecção de face e}

reconhecimento das seis expressões faciais básicas referenciadas por Ekman e Friesen (1975, 1978, 1982).

36_{http://pt.stackoverflow.com/questions/17501/qual-%C3%A9-a-diferen%C3%A7a-de-api-biblioteca-e-}

framework. Acesso em 08/12/2014. 37_{https://www.skybiometry.com/}

38 _{Algoritmos de visão computacional é o conjunto de métodos e técnicas através dos quais sistemas} computacionais podem ser capazes de interpretar imagens. A interpretação de uma imagem pode ser definida em termos computacionais como a transformação de um conjunto de dados digitais representando uma imagem (um sinal mono-, bi-, tri- ou tetradimensional) em uma estrutura de dados descrevendo a semântica deste conjunto de dados em um contexto qualquer. (http://www.inf.ufsc.br/~visao/). Acesso em 08/12/2014.

148

Na busca realizada para tentar encontrar trabalhos que fortalecessem o nosso estudo, percebemos que as referências acima descritas contemplam parcialmente a nossa proposta, principalmente porque, nas variadas abordagens, todos os aspectos a serem analisados em nosso trabalho são estudados separadamente, ou seja, há pesquisas sobre letramento digital, sobre interação virtual por meio de blog, sobre análise de expressões faciais, mas estas não se relacionam, não há uma fusão entre aspectos da linguagem, da construção do conhecimento e de expressões faciais nem com sujeitos sem deficiência intelectual, nem com sujeitos com deficiência intelectual, o que para nós é uma pesquisa executável, em face de todas as categorias terem sido evidenciadas durante o processo de coleta de dados.

Neste contexto, enquanto analisávamos a evolução da ação de blogagem, também analisávamos a influência externa que, de forma particular, foi percebida nas ocasiões em que os sujeitos da pesquisa liam os comentários deixados pelos leitores do blog e esboçavam expressões faciais involuntárias para expressar suas emoções.

No próximo capítulo, detalhamos as características da pesquisa e dos sujeitos que dela participaram, discorremos sobre a forma como os dados foram coletados e apresentamos a nossa proposta de análise dos dados.

149