OLA
Modelagem Integrada de Dados, Informação e Conhecimento Fundamentos · Aprender · Usar · Criar valor
Fundamentos Mapa Portal
Fundamentos · Modelagem integrada · Valor

Modelagem Integrada de Dados, Informação e Conhecimento

Esta página explicita um saber estruturante do OLA: como dados, informação e conhecimento se articulam para apoiar aprendizagem, uso, decisão, criação de valor e evolução contínua.

Área: Fundamentos M3: conceito estruturante M2: método e processo M1: modelo aplicado Objetivo: criar valor

Finalidade × Análise

Finalidade

Explicitar, ensinar, aplicar e evoluir o saber necessário para articular modelagem de dados, modelagem da informação e modelagem do conhecimento.

O objetivo final não é apenas organizar conceitos, mas apoiar aprendizagem, uso prático e criação de valor.

Análise

Dados, informação e conhecimento aparecem muitas vezes separados: banco de dados de um lado, relatórios de outro, aprendizagem e boas práticas em outro. A modelagem integrada cria uma ponte entre essas camadas.

Essa ponte permite entender como o que é registrado pode virar informação útil, conhecimento ensinável, decisão melhor e valor para pessoas, organizações e sistemas.

Ideia central: dados registram a operação; informação organiza sentido para consulta e decisão; conhecimento estrutura o saber para aprender, aplicar, ensinar e evoluir.

Problema resolvido

Como transformar registros, documentos, práticas, relatórios, experiência e tecnologia em um sistema capaz de aprender, orientar o uso e criar valor?

Situação inicial

A organização possui dados, planilhas, documentos, conversas, práticas, relatórios e experiência, mas tudo pode estar disperso e pouco conectado.

Risco

O dado fica sem interpretação, a informação fica sem aprendizagem, e o conhecimento fica sem aplicação ou sem retorno para melhorar o sistema.

Solução

Modelar de forma integrada o que será registrado, o que será compreendido e decidido, e o que será aprendido, aplicado, ensinado e evoluído.

Nome do saber

O saber tratado nesta página pode ser chamado de:

Modelagem Integrada de Dados, Informação e Conhecimento

Esse nome é adequado porque reúne três competências que costumam aparecer separadas, mas que no OLA precisam funcionar de forma conectada.

Camada O que estrutura Resultado esperado
Modelagem de dados O que será registrado, armazenado e relacionado. Base de dados consistente.
Modelagem da informação O que será consultado, comunicado, analisado e usado para decisão. Relatórios, painéis, indicadores e visão de contexto.
Modelagem do conhecimento O que será aprendido, ensinado, aplicado, governado e evoluído. Mapas, trilhas, regras, fichas, checklists e melhoria contínua.
A modelagem de dados estrutura o que será registrado. A modelagem da informação estrutura o que será compreendido, consultado e usado para decisão. A modelagem do conhecimento estrutura o que será aprendido, ensinado, aplicado e evoluído.

Aprender, usar e criar valor

O objetivo final da modelagem integrada é transformar saber disperso em capacidade de aprender, usar e criar valor.

Aprender

Compreender conceitos, relações, processos, critérios, regras e exemplos.

No OLA, aprender significa transformar informação e experiência em conhecimento organizado e progressivo.

Usar

Aplicar o conhecimento em uma tarefa, decisão, produção, análise, prática, projeto ou solução real.

O conhecimento só ganha força quando orienta ação.

Criar valor

Gerar melhoria, qualidade, produtividade, aprendizagem, autonomia, decisão melhor, redução de erro ou nova capacidade.

Valor é o efeito útil produzido pelo conhecimento aplicado.

Aprender Entender conceitos, relações e critérios.
→
Usar Aplicar em uma situação real.
→
Criar valor Produzir resultado útil.
→
Aprender de novo Registrar, revisar e evoluir.

Dados, informação e conhecimento

A modelagem integrada parte da distinção entre dado, informação e conhecimento, mas mostra como eles se conectam.

Nível Definição operacional Exemplo na fábrica de doces Valor gerado
Dado Registro bruto ou estruturado de algo observado ou informado. 395 g de leite condensado; lote 025; 100 unidades produzidas. Permite registrar a operação.
Informação Dado organizado em contexto para consulta, análise ou decisão. O lote 025 produziu 100 brigadeiros com custo médio de R$ 1,20. Permite controlar e decidir.
Conhecimento Informação interpretada, relacionada e aplicável para orientar ação e aprendizagem. Com essa proporção e esse ponto de cozimento, a massa fica adequada para enrolar; se mudar o chocolate, revisar custo e textura. Permite aprender, ensinar, aplicar e evoluir.

Técnicas para modelar dados, informação e conhecimento

Cada tipo de modelagem possui técnicas próprias. A modelagem de dados estrutura registros; a modelagem da informação organiza sentido, consulta, visualização e decisão; a modelagem do conhecimento explicita conceitos, relações, regras, aprendizagem, prática e evolução. A modelagem integrada conecta essas três camadas para aprender, usar e criar valor.

Ideia central: a técnica de dados ajuda a registrar corretamente; a técnica de informação ajuda a compreender, consultar e decidir; a técnica de conhecimento ajuda a aprender, aplicar, ensinar e evoluir.

1. Técnicas para modelagem de dados

A modelagem de dados foca em entidades, atributos, relacionamentos, chaves, integridade e armazenamento.

Técnica Para que serve Exemplo na fábrica de doces Referência base
Modelo Entidade-Relacionamento Representar entidades e relações. Cliente, Pedido, Produto, Receita, Ingrediente, Lote. Chen (1976)
Modelo Relacional Transformar entidades em tabelas. Tabela Produto, Tabela Ingrediente, Tabela Pedido. Codd (1970)
Normalização Reduzir redundância e inconsistência. Não repetir o nome do cliente em todos os pedidos. Codd (1970); Date (2003)
Dicionário de Dados Definir campos, tipos e significados. id_produto, nome_produto, preco_unitario.
Modelo lógico de dados Organizar tabelas, chaves e relações. Pedido contém Produto; Receita usa Ingrediente.
Modelo físico de dados Definir implementação no banco. Tipos de campo, índices, chaves primárias.
Modelagem dimensional básica Preparar dados para análise. Fato Produção, Dimensão Produto, Dimensão Tempo.
Exemplo simples: Entidade: Ingrediente Atributos: - id_ingrediente - nome - unidade_medida - custo_unitario - validade

2. Técnicas para modelagem da informação

A modelagem da informação foca em sentido, contexto, consulta, navegação, visualização, análise e decisão.

Técnica Para que serve Exemplo na fábrica de doces
Arquitetura da Informação Organizar conteúdos e caminhos de acesso. Índice de receitas, custos, qualidade e treinamento.
Taxonomia Classificar informações por categorias. Receitas, fichas técnicas, processos, custos.
Metadados Descrever conteúdo para busca e contexto. Autor, versão, data, tipo de artefato.
Modelo dimensional Organizar dados para análise. Vendas por produto, tempo, cliente e canal.
Data Mart Criar área analítica por tema. Data mart de vendas, produção ou custos.
Dashboard / BI Apresentar indicadores para decisão. Custo por unidade, pedidos em aberto, perdas por lote.
Storytelling com dados Explicar resultados de forma compreensível. “A margem caiu porque o chocolate subiu”.
Visualização da informação Tornar padrões visíveis. Gráficos de vendas, estoque, perdas e margem.
Mapa de navegação Mostrar caminhos de leitura e uso. Índice → mapa → organização → artefatos.
Exemplo: Indicador: Custo médio por brigadeiro Dados usados: - custo dos ingredientes - quantidade produzida - perdas do lote Uso: - apoiar decisão de preço

3. Técnicas para modelagem do conhecimento

A modelagem do conhecimento foca em conceitos, relações, regras, critérios, inferências, aprendizagem, práticas e evolução.

Técnica Para que serve Exemplo na fábrica de doces
Mapa Conceitual Relacionar conceitos de forma hierárquica ou associativa. Receita → Ingrediente → Processo → Qualidade.
Mapa de Conhecimento Mostrar áreas de saber e suas conexões. Produção, qualidade, custos, treinamento, governança.
Ontologia Definir conceitos, classes, relações e regras de domínio. Receita, Ingrediente, Lote, Produto, Ficha Técnica.
Grafo de Conhecimento Representar nós e relações navegáveis. Receita usa ingrediente; checklist apoia qualidade.
Regras de produção Formalizar decisões e condições. Se mudar ingrediente principal, revisar ficha técnica.
Árvore de decisão Apoiar escolha entre alternativas. Produto aprovado, em teste ou rejeitado.
Casos de uso de conhecimento Explicar situações de aplicação. “Treinar novo ajudante”.
Trilhas de aprendizagem Ensinar conhecimento progressivamente. Trilha do novo ajudante.
Procedimentos e checklists Transformar conhecimento em prática verificável. Checklist de higiene.
Lições aprendidas Registrar aprendizado a partir da prática. “Massa queimou por fogo alto”.
Gestão de versões do conhecimento Controlar evolução de artefatos. Ficha técnica v0.1, v0.2, aprovada.
Matriz conceito × artefato Relacionar conceitos a páginas e objetos. Ponto da massa → ficha técnica → checklist.
Exemplo de regra de conhecimento: Se o ingrediente principal for alterado e a alteração afetar sabor, textura, custo ou rendimento, então a ficha técnica deve receber nova versão.

4. Técnicas de integração entre as três modelagens

A integração é o ponto mais forte desta abordagem, porque conecta o dado registrado, a informação usada para decisão e o conhecimento usado para aprendizagem e evolução.

Técnica integradora Para que serve Exemplo
Matriz Dados × Informação × Conhecimento Mostrar como um dado vira informação e depois conhecimento. Ingrediente → custo por lote → regra de revisão de preço.
Linhagem de dados e conhecimento Rastrear origem e transformação. Pedido → lote → relatório → revisão de ficha.
Pipeline de conhecimento Mostrar fluxo de transformação. Entrada → análise → artefato → uso → evolução.
Mapa de rastreabilidade Ligar dado, relatório, decisão e regra. Perda por lote → indicador → treinamento.
Modelo conceitual integrado Unir entidades de dados, indicadores e conceitos. Produto, Receita, Ficha Técnica, Custo, Qualidade.
Ontologia + banco de dados Conectar conceitos semânticos a registros operacionais. Classe Receita ligada à tabela Receita.
BI + regras de conhecimento Transformar indicador em ação. Margem baixa → revisar preço e ficha de custo.
Feedback loop Fazer o uso real melhorar o modelo. Erro recorrente → nova regra → nova trilha.
Exemplo integrador: Dado: Lote 025 teve perda de 12 unidades. Informação: A perda do lote 025 foi 8%, acima da média esperada. Conhecimento: A etapa de enrolamento precisa de revisão, porque a massa pode ter sido retirada antes do ponto adequado. Ação: Atualizar ficha técnica, checklist e trilha do ajudante.
Síntese: a modelagem integrada conecta registro, análise, decisão, aprendizagem e evolução. Ela permite que um dado operacional gere informação útil e que essa informação alimente conhecimento aplicável, ensinável e capaz de criar valor.

Modelagem de dados

A modelagem de dados define quais registros existirão, quais entidades serão armazenadas e como elas se relacionam.

Perguntas principais

  • Quais dados precisam ser registrados?
  • Quais entidades existem?
  • Quais atributos cada entidade possui?
  • Quais relações precisam ser armazenadas?
  • Que dados precisam de integridade e histórico?

Exemplo de entidades

  • Cliente
  • Pedido
  • Produto
  • Receita
  • Ingrediente
  • Lote
  • Estoque
  • Custo
Produto possui Receita. Receita usa Ingrediente. Lote executa Receita. Pedido pertence a Cliente. Pedido contém Produto. Venda atende Pedido.
Valor da modelagem de dados: criar uma base confiável para registro, integração, rastreabilidade e processamento.

Modelagem da informação

A modelagem da informação organiza dados em contexto para consulta, relatório, comunicação, análise, controle e decisão.

Perguntas principais

  • Que informação precisa ser consultada?
  • Que visão ajuda a decidir?
  • Que indicadores são necessários?
  • Que filtros, agrupamentos e relatórios fazem sentido?
  • Como a informação deve ser apresentada?

Exemplos de informação

  • Custo por unidade.
  • Estoque disponível.
  • Pedidos em aberto.
  • Produtos mais vendidos.
  • Perdas por lote.
  • Margem por produto.
Informação Origem dos dados Decisão apoiada
Custo médio do brigadeiro. Ingredientes, lote, rendimento e preço de compra. Revisar preço de venda.
Pedidos em aberto. Clientes, pedidos, produtos e prazos. Planejar produção.
Perdas por lote. Produção, quantidade produzida e quantidade perdida. Revisar processo e treinamento.
Produto mais vendido. Pedidos, vendas e produtos. Priorizar estoque e divulgação.
Valor da modelagem da informação: transformar dados em entendimento operacional para controle, análise e decisão.

Modelagem do conhecimento

A modelagem do conhecimento explicita conceitos, relações, critérios, regras, práticas, aprendizagem, governança e evolução.

Perguntas principais

  • O que sabemos sobre este domínio?
  • Quais conceitos são essenciais?
  • Que relações explicam o funcionamento?
  • Que regras orientam a prática?
  • Como ensinar esse conhecimento?
  • Como melhorar com o uso?

Exemplos de conhecimento

  • Receita padrão.
  • Ficha técnica.
  • Ponto da massa.
  • Checklist de higiene.
  • Boas práticas de produção.
  • Trilha do novo ajudante.
  • Regra de alteração da receita.
Receita → Ficha técnica → Produção → Qualidade
Checklist → Boas práticas → Treinamento → Aprendizagem
Feedback → Governança → Revisão → Melhoria contínua
Valor da modelagem do conhecimento: transformar informação, experiência e prática em saber ensinável, aplicável, governado e evolutivo.

Onde entram ETL, Data Warehouse, Data Lake e Lakehouse

ETL, Data Warehouse, Data Lake e Lakehouse pertencem principalmente à infraestrutura de dados e informação, mas podem alimentar a camada de conhecimento.

Elemento Papel Camada principal Como cria valor
ETL / ELT Extrai, transforma e carrega dados de várias fontes. Dados Integra registros dispersos e prepara análise confiável.
Data Warehouse Organiza dados históricos e estruturados para análise. Informação Apoia relatórios, indicadores e decisão gerencial.
Data Lake Armazena dados variados, brutos ou semiestruturados. Dados Preserva materiais para usos futuros, inclusive textos, imagens e feedbacks.
Lakehouse Combina flexibilidade do Data Lake com análise estruturada do Data Warehouse. Dados + Informação Permite integrar registros operacionais e materiais variados para análise avançada.
BI / Analytics Produz painéis, indicadores, padrões e análises. Informação Apoia decisão, controle e priorização.
IA / Modelos Classifica, recomenda, resume, prediz ou apoia interpretação. Informação + Conhecimento Pode acelerar aprendizagem, diagnóstico, recomendação e evolução do sistema.
Dados operacionais → ETL / ELT → Data Warehouse / Data Lake / Lakehouse → BI / Analytics / IA → Informação para decisão → Conhecimento para aprendizagem e evolução

Sistema de informação × sistema de conhecimento

A modelagem integrada ajuda a diferenciar e conectar sistema de informação e sistema de conhecimento.

Aspecto Sistema de informação Sistema de conhecimento
Foco Registro, processamento, consulta, controle e decisão. Aprendizagem, explicitação, organização, aplicação e evolução do saber.
Pergunta central Que dados temos, o que aconteceu e que decisão tomar? Como sabemos fazer, explicar, ensinar, aplicar e melhorar?
Centro do sistema Cadastros, transações, banco de dados, telas e relatórios. Conceitos, relações, modelos, fichas, trilhas, regras e práticas.
Saída principal Relatórios, indicadores, consultas, alertas e registros. Mapas, trilhas, checklists, fichas, boas práticas e governança.
Valor principal Apoiar decisão e controle da operação. Apoiar aprendizagem, uso e evolução do conhecimento.
Formulação sintética: o sistema de conhecimento apoia o aprendizado e a evolução do saber; o sistema de informação apoia o registro, o controle e a decisão.

Exemplo aplicado: fábrica de doces artesanais

A fábrica de doces ajuda a visualizar as três modelagens funcionando juntas.

Camada Exemplo Uso Valor criado
Dados Produto, cliente, pedido, ingrediente, lote, custo, estoque. Registrar operação. Rastreabilidade e controle.
Informação Custo por unidade, pedidos em aberto, perdas por lote, produto mais vendido. Apoiar decisão. Melhor planejamento, preço e estoque.
Conhecimento Ficha técnica, ponto da massa, boas práticas, checklist, trilha do ajudante. Ensinar e aplicar o saber. Qualidade, aprendizagem e melhoria contínua.
Exemplo de criação de valor: se o painel mostra aumento de perda por lote, o sistema de conhecimento pode acionar revisão da ficha técnica, reforço no treinamento e melhoria do checklist.

Como explicitar este saber

Explicitar significa tirar o saber da prática informal e transformá-lo em estrutura visível, nomeada e relacionável.

1. Nomear conceitos

Identificar termos centrais: dado, informação, conhecimento, entidade, relação, regra, processo, artefato, valor e evolução.

2. Mapear relações

Mostrar como dados alimentam informação, como informação apoia decisão, e como conhecimento orienta aprendizagem e prática.

3. Criar artefatos

Produzir mapas, tabelas, modelos, fichas, checklists, trilhas, painéis e regras.

Como ensinar este saber

Ensinar esta modelagem exige mostrar exemplos concretos e fazer o aprendiz transitar entre dado, informação e conhecimento.

1. Começar pelo exemplo Usar fábrica de doces, saúde, eletricidade ou página web.
→
2. Separar camadas Identificar dado, informação e conhecimento.
→
3. Modelar Construir entidades, relatórios, regras e artefatos.
→
4. Aplicar Resolver uma necessidade real.
→
5. Avaliar valor Ver o que melhorou.

Como aplicar este saber

Aplicar significa usar a modelagem integrada para resolver uma necessidade concreta de registro, decisão, aprendizagem ou melhoria.

Situação Modelagem de dados Modelagem da informação Modelagem do conhecimento
Padronizar receita. Registrar ingredientes, quantidades, lote e rendimento. Calcular custo e perdas por lote. Criar ficha técnica, boas práticas e regra de versão.
Treinar ajudante. Registrar atividades, presença e evolução. Mostrar progresso e dificuldades. Criar trilha, checklist e critérios de autonomia.
Revisar preço. Registrar custo dos ingredientes e vendas. Calcular margem, custo unitário e tendência. Criar regra para revisão de custo e preço.
Melhorar qualidade. Registrar perdas, não conformidades e lotes. Identificar padrão de problema. Revisar processo, treinamento e checklist.

Como evoluir este saber

Evoluir significa aprender com o uso real, revisar modelos, ajustar regras e criar novos artefatos quando necessário.

Sinais de que o saber precisa evoluir

  • O mesmo erro aparece repetidamente.
  • Um relatório mostra problema recorrente.
  • Um aprendiz não entende uma etapa.
  • Uma regra não cobre um caso novo.
  • Um domínio cresce e exige nova organização.

Ações de evolução

  • Revisar entidades e atributos.
  • Criar novo indicador.
  • Atualizar ficha técnica ou checklist.
  • Refinar trilha de aprendizagem.
  • Registrar nova regra de governança.
Cuidado: a evolução do conhecimento deve ser governada. Nem toda mudança operacional deve virar padrão sem análise, validação e registro.

Relação com o OLA

No OLA, esta página funciona como fundamento para conectar sistemas de informação, sistemas de conhecimento, aprendizagem, decisão, arquitetura, governança e domínios.

Área do OLA Papel em relação à modelagem integrada Exemplo
fundamentos/ Explica conceitos, distinções e princípios. Esta página.
arquitetura/ Mostra entradas, processos, saídas e funcionalidades. processos_operacionais_ola.html
governanca/ Define regras de classificação, publicação, privacidade e manutenção. classificacao_informacao_ola.html
dominios/ Aplica a modelagem em áreas concretas. gestao_negocio/doces_artesanais/
aprendizagem/ Transforma o saber em trilhas, práticas e avaliação. trilhas_aprendizagem.html
sistema/ Modela o OLA como sistema que articula dados, informação, conhecimento, uso e evolução. mapa_sistema.html
Regra conceitual: quando uma página tratar do sentido de dados, informação, conhecimento, aprendizagem e valor, ela pertence a Fundamentos. Quando tratar da operação disso no OLA, pertence a Arquitetura. Quando tratar de regras, pertence a Governança. Quando aplicar em uma área concreta, pertence a Domínios.

Referências bibliográficas de apoio

As referências abaixo apoiam as técnicas apresentadas nas modelagens de dados, informação, conhecimento e integração.

Referência Contribuição principal Técnicas relacionadas
CHEN, Peter Pin-Shan. The Entity-Relationship Model: Toward a Unified View of Data. ACM Transactions on Database Systems, 1976. Base clássica do Modelo Entidade-Relacionamento. Modelo Entidade-Relacionamento; entidades; relacionamentos; modelagem conceitual de dados.
CODD, Edgar F. A Relational Model of Data for Large Shared Data Banks. Communications of the ACM, 1970. Base do modelo relacional de dados. Modelo relacional; tabelas; relações; normalização; bancos de dados relacionais.
DATE, C. J. An Introduction to Database Systems. Addison-Wesley. Referência clássica sobre bancos de dados relacionais. Normalização; integridade; modelo lógico; modelo físico; teoria relacional.
ELMASRI, Ramez; NAVATHE, Shamkant B. Fundamentals of Database Systems. Pearson. Referência didática abrangente sobre modelagem e projeto de bancos de dados. MER; modelo relacional; projeto lógico; projeto físico; chaves e integridade.
KIMBALL, Ralph; ROSS, Margy. The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling. Wiley. Referência central para modelagem dimensional e Data Warehouse orientado a BI. Modelo dimensional; fatos; dimensões; Data Mart; Data Warehouse; BI.
INMON, W. H. Building the Data Warehouse. Wiley. Referência clássica sobre Data Warehouse corporativo. Data Warehouse; integração de dados; arquitetura analítica; dados históricos.
ROSENFELD, Louis; MORVILLE, Peter; ARANGO, Jorge. Information Architecture: For the Web and Beyond. O’Reilly. Referência central em arquitetura da informação para ambientes digitais. Arquitetura da informação; organização; navegação; rotulagem; busca; metadados.
WURMAN, Richard Saul. Information Architects. Graphis. Referência importante para organização e apresentação compreensível da informação. Arquitetura da informação; estruturação; comunicação visual; sentido da informação.
W3C. Data Catalog Vocabulary — DCAT. Vocabulário para interoperabilidade entre catálogos de dados. Metadados; catálogo de dados; descrição de conjuntos de dados; interoperabilidade.
FEW, Stephen. Information Dashboard Design. Analytics Press. Referência prática sobre desenho de dashboards. Dashboards; indicadores; visualização para decisão; painéis executivos.
TUFTE, Edward R. The Visual Display of Quantitative Information. Graphics Press. Referência clássica em visualização de dados e informação quantitativa. Visualização da informação; gráficos; clareza visual; comunicação de dados.
KNAFLIC, Cole Nussbaumer. Storytelling with Data. Wiley. Referência aplicada sobre comunicação narrativa com dados. Storytelling com dados; apresentação de informação; comunicação para decisão.
NOVAK, Joseph D.; CAÑAS, Alberto J. The Theory Underlying Concept Maps and How to Construct and Use Them. IHMC. Base teórica e prática para mapas conceituais. Mapa conceitual; aprendizagem significativa; relações entre conceitos.
GRUBER, Thomas R. A Translation Approach to Portable Ontology Specifications. Knowledge Acquisition, 1993. Referência clássica para definição de ontologias em sistemas de conhecimento. Ontologia; vocabulário compartilhado; classes; relações; representação de conhecimento.
W3C. OWL 2 Web Ontology Language Document Overview. Referência técnica para ontologias na Web Semântica. Ontologias; classes; propriedades; indivíduos; representação formal do conhecimento.
SOWA, John F. Knowledge Representation: Logical, Philosophical, and Computational Foundations. Brooks/Cole. Referência ampla sobre representação do conhecimento. Representação do conhecimento; lógica; grafos conceituais; inferência.
NONAKA, Ikujiro; TAKEUCHI, Hirotaka. The Knowledge-Creating Company. Oxford University Press. Referência central em criação e gestão do conhecimento organizacional. Conhecimento tácito e explícito; aprendizagem organizacional; criação de conhecimento.
DAMA International. DAMA-DMBOK: Data Management Body of Knowledge. Referência de corpo de conhecimento para gestão de dados. Governança de dados; qualidade de dados; metadados; integração; linhagem; gestão de dados.

Páginas relacionadas

Fundamentos

Aplicações e desdobramentos

Próximos passos recomendados: incluir esta página em fundamentos/index_fundamentos.html, fundamentos/mapa_fundamentos.html, fundamentos/organizacao_fundamentos.html e fundamentos/vocabulario_ola.html.
↑