Recentemente, o desenvolvimento das tecnologias de coleta e armazenamento de dados, a popularização da Internet, e a evolução das necessidades de informação fazem com que qualquer esforço para facilitar a manipulação e o entendimento humano em relação a esse grande leque de informações ganhe grande importância. Nesse sentido, as organizações têm visto com crescente interesse o desenvolvimento de tecnologias automatizadas para extração de conhecimento de grandes volumes de dados. Estas tecnologias têm sido referenciada na literatura como Extração de Conhecimento de Bases de Dados ou Mineração de Dados (MD). Um dos objetivos do processo de Extração de Conhecimento de Bases de Dados é que seus usuários finais possam analisar, compreender e utilizar o conhecimento extraído em um processo de tomada de decisão. Entretanto, do ponto de vista desses usuários, um problema encontrado no íinal do processo de Extração de Conhecimento é que muitos dos algoritmos utilizados geram uma enorme quantidade de padrões, dificultando consideravelmente sua análise. Outro problema frequentemente identificado é a dificuldade na compreensão dos modelos extraídos dos dados. Nesse sentido, diversos trabalhos têm sido desenvolvidos para apoiar os usuários na avaliação e interpretação do conhecimento extraído a partir dos dados. A existência de um Ambiente para Exploração de Regras em que as regras encontradas em um processo de Extração de Conhecimento estejam armazenadas, disponibilizadas aos usuários e que apresente diversos tipos de métodos para sua avaliação pode representar um auxílio efetivo para os usuários na compreensão, identificação das regras interessante e utilização das mesmas. Nesta dissertação, são apresentadas algumas características importantes de um Ambiente para Exploração de Regras, uma arquitetura geral e a implementação de um ambiente deste tipo, o Ambiente RulEE. É também apresentado um estudo de caso realizado com objetivo de mostrar essas características na análise e disponibilização de regras extraídas a partir de um conjunto de dados financeiros.

Recently, the development of the data collection and storage technologies, the popularization of the Internet, and the evolution of the necessities of information give great impor - tance to any effort to facilitate the manipulation and the human comprehension of this great amount of information. In this way, the organizations have seen, with increasing interest, the development of automatized technologies for knowledge extraction from great volumes of data. These technologies have been referenced in literature as Knowledge Discovery in Databases or Data Mining (DM). One of the objectives of the Knowledge Discovery in Database process is to make its final users able to analyze, understand and use the knowledge in a decision making process. However, from the point of view of these users, a problem found in the end of the Knowledge Discovery process is that many of the used algorithms generate an enormous amount of patterns, making difficult its analysis. Another problem frequently identified is the difficulty to understand the models extracted from the data. In this way, several works have been developed to help the users in the evaluation and interpretation of the knowledge extracted from the data. The existence of a Rule Exploration Environment where the rules found in a Knowledge Discovery in Databases process are stored, made available to the users and that presents several types of methods for its evaluation can represent an effective aid for the users in the understanding, identification and use of the interesting rules. In this work, it is prescnted some important characteristics of a Rule Exploration Environment, a general architecture, and an implementation of an environment of this type, the RulEE environment. A case study is also presented showing these characteristics in the exploration of rules extracted from a financial data set.