As pesquisas sobre jogos para o público neurodivergente adotam a perspectiva do modelo médico da deficiência, considerando qualquer condição neurológica que diverge do padrão como um problema a ser curado. Tal perspectiva resulta em jogos que desconsideram a autonomia do indivíduo, suas motivações e suas reais necessidades. Este trabalho apresenta uma revisão de literatura que identificou um agravamento dessas características em pesquisas sobre jogos e neurodiversidade realizadas por pesquisadores de instituições brasileiras, seguido por um processo de design participativo com estudantes identificados com o Transtorno do Déficit de Atenção e Hiperatividade (TDAH). Esse processo resultou no desenvolvimento de dois protótipos de um jogo. Durante as sessões, os estudantes demonstraram interesse em desenvolver um jogo que representasse como funciona o pensamento de uma pessoa com TDAH em situações cotidianas e que pudesse ser jogado por pessoas com ou sem TDAH. Assim, o jogo não seria desenvolvido para auxiliar no tratamento do TDAH, como sugerem outros trabalhos na literatura, mas sim como um artefato tecnológico para ser usado livremente e que gere oportunidades de aprendizado sobre situações comuns vividas por pessoas com TDAH.

Esta dissertação utiliza dados do LinkedIn para explorar as trajetórias de carreira de alunos e ex-alunos de universidades. Considerando preocupações éticas e legais, este estudo emprega técnicas eficientes de web scraping e parsing para a aquisição de dados do LinkedIn. Como os títulos das experiências profissionais de cada pessoa não são padronizados, foi realizada uma etapa de rotulagem manual, seguida da aplicação de um modelo de classificação baseado em aprendizado de máquina para padronizar mais de 35.000 experiências profissionais.

Em seguida, um modelo de grafos foi desenvolvido para capturar tendências temporais que não podem ser representadas pelos modelos atuais de redes de mobilidade ocupacional. Como resultado, foram adquiridos dados de 9.245 perfis, com uma taxa de cobertura de 74,4%, demonstrando a viabilidade do método de raspagem ética proposto. A aplicação do aprendizado de máquina para a padronização de cargos apresentou um desempenho semelhante ao de soluções privadas e pagas, alcançando 71% de precisão, exatidão e recuperação.

Por fim, a construção do modelo de grafos permitiu a identificação de tendências emergentes de carreira e padrões de transição entre alunos e ex-alunos da UFABC. O modelo de grafos e uma ferramenta de visualização online estão disponíveis no GitHub do autor.

Algoritmos de aprendizado de máquina e processamento de linguagem natural são capazes de aprender padrões em textos e extrair informação. Contudo, eles dependem da forma em que os textos são representados computacionalmente para poderem ser processados. Circunstância na qual pode ser um problema se o método utilizado para representar os documentos não for capaz de condensar todas as características contidas no texto. Por outro lado, o aprendizado com múltiplas visões, para problemas de classificação de textos, tem como objetivo explorar as informações contidas nas diferentes formas de representar um documento, partindo do princípio que cada uma delas consegue extrair uma ou mais características de um documento. Entretanto, explorar de forma eficiente as informações complementares entre diferentes visões apresenta um desafio para a área de aprendizado com múltiplas visões tanto em termos de eficiência computacional quanto de capacidade de aquisição de informação. Utilizando algoritmos de otimização de combinações, é possível identificar que existem combinações de diferentes visões com capacidade de aumentar a acurácia da classificação de textos. Desta forma, surge o seguinte questionamento: O que faz com que visões diferentes sejam complementares? Como duas visões podem contribuir para um aumento de acurácia? Sendo assim, o presente trabalho propõe estratégias de identificação de combinação de múltiplas visões, com intuído de melhorar a acurácia da classificação de textos. 

Pesquisas indicam que, nas últimas décadas, tem havido uma expansão consistente no número de ingressantes no ensino superior do Brasil. Nos últimos anos, esse crescimento tem sido sustentado, especialmente pelos números da modalidade a distância. No entanto, diversos problemas associados ao desempenho e permanência dos estudantes permanecem. A Inteligência Artificial na Educação e, mais especificamente, técnicas de aprendizado de máquina vêm sendo utilizadas para tentar lidar com problemas de evasão e desempenho acadêmico de estudantes. Uma revisão sistemática de literatura identificou que, embora haja trabalhos que apresentem altos valores de acurácia na predição de desempenho do estudante, ainda existem lacunas em relacionar e evidenciar quais são os benefícios desta predição para os estudantes e professores. Neste sentido, este trabalho tem por objetivo geral criar um modelo de predição que tenha um alto poder de discriminação entre os diferentes desempenhos dos estudantes. A expectativa é que o modelo possa apoiar a detecção do insucesso escolar ainda no decorrer de uma disciplina, de modo que o professor e o próprio estudante possam realizar intervenções a fim de reverter o cenário previsto.

Na área de Mineração de Dados existem diferentes tarefas que podem ser adotadas para
a análise de grandes volumes de dados. Dentre elas, destaca-se o agrupamento de dados.
Como essa tarefa consiste em obter grupos para os quais não existe conhecimento prévio
sobre a partição real, deve-se fazer uma análise criteriosa do seu resultado e, para isso,
existem os critérios relativos de validação. Embora muitos critérios tenham sido propostos,
ainda é uma tarefa desafiadora indicar qual o critério é mais adequado para cada cenário de
aplicação. Considerando este fato, o presente trabalho propõe o uso de meta-aprendizado
para a seleção automática de critérios de validação de agrupamento, considerando as
caracteríısticas inerentes a cada problema sob investigação. Para isso, foi feito uma coleta
de meta-atributos, os quais foram obtidos a partir de cada base de dados. Os resultados
obtidos, provenientes da análise de 783 conjuntos de dados e de diversas fontes, revelaram
que o modelo Gradient Boosting obteve um precision de 0,83. Apesar dessa constatação foi
apresentado que o método funciona quando o critério relativo é representativo no conjunto
de dados e falha quando é menos representativo.

O Fator de Impacto (FI) é uma métrica baseada em citações frequentemente utilizada como indicador da qualidade de periódicos científicos. O crescente uso do FI como indicador de prestígio acadêmico tem gerado pressões para a publicação em revistas de alto impacto e uma forte competição entre periódicos, levando a práticas questionáveis. Estratégias que aumentam o número de autocitações de revistas, como a publicação de artigos de revisão e editoriais, têm sido identificadas como formas de manipular o FI. Estudos anteriores sugeriram a exclusão das autocitações como uma política para desencorajar a manipulação. Este trabalho utiliza modelagem baseada em agentes para investigar os efeitos de uma política de remoção das autocitações no FI. Modelamos as decisões editoriais e os mecanismos de manipulação como um jogo de soma zero, onde periódicos são tratados como agentes racionais buscando ganhar posições no ranking do FI. O modelo foi validado com padrões obtidos a partir dos dados do ranking SCIMago. Realizamos experimentos de comparação de cenários com e sem a implementação da política proposta. Os resultados mostram uma forte associação entre a exclusão de autocitações do FI e a redução de periódicos manipuladores no ranking e indicam que a remoção de autocitações consegue reduzir significativamente a adoção de estratégias de manipulação (e.g., redução de 90% para 40%). Este estudo contribui para a compreensão do impacto das políticas de cálculo do FI na integridade da pesquisa científica e fornece ferramentas para aprimorar as práticas de avaliação acadêmica.

O ensino remoto emergencial adotado durante o período de pandemia da Covid-19 reacendeu a discussão sobre a importância da Educação a Distância, que embora não seja um tema recente, até aquele marco ainda era tratada como uma opção para Instituições e Governos. Alinhado ao entendimento da importância da educação a distância como instrumento de garantia de oportunidade de educação ao momento oportuno para consolidação deste segmento de ensino, este trabalho tem como objetivo propor um modelo de processo para implantação de curso a distância, servindo como arcabouço para direcionar as atividades necessárias entre todos os envolvidos na construção de um curso a distância, desde a instituição educacional até o discente. Para issso, esse estudo se apoia às melhores metodologias de gestão de processos de negócio incluindo de forma inovadora as práticas pedagógicas. Para avaliar a hipótese deste trabalho o atual cenário das pesquisas de processos de negócio aplicados para educação a distância uma revisão sistemática da literatura (RSL) foi realizada, onde validamos que há espaço para propor um modelo de processo que suporte essa construção. TAmbém vou proposto um novo modelo de processo baseado no cilco PDC (Plan, Do and Check), gestão de processos de negócio (BPM) e metodologia INTERA.Os próximos passos deste trabalho se concentrarão na adoção de uma ferramenta capaz de automatizar os modelos propostos de forma que os processos possam ser executados de maneira sistematizada permitindo portanto, a gestão do processo e coleta de resultados para avaliar se haverá ganhos, sim ou não, na utilização de uma metodologia específica na tarefa de implantar um curso a distância e se o modelo de processo apresentado é adequado.

Usuários frequentemente inserem informações pessoais em celulares e computadores para acessar aplicações que nem sempre são seguras, estando suscetíveis a ataques maliciosos e consequentes prejuízos significativos. Alguns sistemas de autenticação têm incorporado o reconhecimento biométrico como uma camada adicional de segurança. Por exemplo, sistemas baseados em usuário e senha podem ser reforçados com uma camada extra de segurança que utiliza a dinâmica da digitação. Esse traço biométrico comportamental pode ser usado para reconhecer usuários pelo seu ritmo de digitação no teclado, oferecendo baixo custo de implementação e pouca intrusividade, o que potencialmente aumenta a sua aceitação. No entanto, os dados biométricos de um indivíduo podem variar ao longo do tempo, o que pode diminuir a eficácia do sistema. Uma abordagem promissora para esse desafio são os sistemas biométricos adaptativos, que definem estratégias de adaptação para atualizar automaticamente as referências biométricas dos usuários. Contudo, alguns estudos indicam que estratégias de adaptação personalizadas podem melhorar o desempenho do sistema. Em vista disso, este trabalho propõe uma nova abordagem para o projeto de sistemas biométricos adaptativos, denominado sistema biométrico meta-adaptativo. Este sistema conta com um componente para recomendação de estratégias de adaptação, proposto com base em conceitos de meta-aprendizado e recomendação de algoritmos, responsável por auxiliar na tarefa de recomendar a melhor estratégia de adaptação para cada usuário.

A dengue e a chikungunya são problemas críticos de saúde pública, especialmente em áreas urbanas densamente povoadas. Neste estudo foi desenvolvido uma metodologia para estimar a incerteza nas previsões de incidência de dengue e chikungunya utilizando técnicas de séries temporais aplicadas a dados epidemiológicos de dez bairros do Rio de Janeiro. O objetivo principal foi quantificar a variabilidade e consistência dos dados ao longo do tempo, utilizando abordagens autorregressivas \emph{ForecasterAutoreg} com \emph{RandomForestRegressor}, a quantificação de incerteza com o método \emph{MAPIE}, e o \emph{DeepAR}, uma técnica de redes neurais para séries temporais. Os resultados indicam que os modelos autorregressivos apresentaram MSEs variáveis entre os bairros, destacando-se a Vila Militar com o menor MSE (0,90) e Realengo com o maior (66,76), o que evidencia as diferenças nas dinâmicas epidemiológicas locais. Apesar de os modelos terem capturado padrões sazonais e tendências temporais, a cobertura dos intervalos de confiança foi inferior ao esperado em vários bairros, sugerindo que ajustes são necessários para melhorar a confiabilidade das previsões. O modelo \emph{DeepAR} também demonstrou eficácia em prever picos de incidência, mas apresentou limitações na cobertura de incerteza, com valores que variaram entre os bairros, reforçando a necessidade de estratégias adaptativas para uma melhor modelagem da incerteza. As conclusões destacam a importância de incorporar a quantificação de incerteza nas previsões para aprimorar a gestão de saúde pública, permitindo uma resposta mais informada e eficaz aos surtos de doenças infecciosas.

Desde a sua concepção, o Processamento de Linguagem Natural (PLN) desempenha um papel fundamental ao permitir que computadores interpretem textos. Nas últimas décadas, a demanda por essa capacidade tem crescido exponencialmente devido ao imenso volume de informações digitais disponíveis. Diante desse contexto, o objetivo deste estudo é agrupar questões de múltipla escolha, garantindo a sua universalidade. Para isso, optou-se por utilizar as provas do Exame Nacional do Ensino Médio (ENEM), as quais são aplicadas em todo o país, abrangendo candidatos de diversas regiões e culturas. Vale ressaltar que as questões devem ser compreensíveis tanto para candidatos em áreas remotas da Região Norte quanto para aqueles em bairros nobres de São Paulo. Para validar o método proposto, foram geradas questões parametrizadas e um conjunto de textos utilizando o ChatGPT. Essas bases foram então numerizadas utilizando técnicas como Word2Vec, Wang2Vec, FastText e GloVe, em 35 configurações distintas, e posteriormente agrupadas por meio dos algoritmos DBSCAN, K-means e Affinity Propagation (AP). A avaliação dos resultados foi realizada utilizando o método F1-Score, revelando que o método GloVe, com 100 ou 300 posições, associado ao algoritmo AP, apresentou um desempenho superior em relação aos demais, permitindo a representação e o agrupamento das questões do ENEM com uma acurácia de 64%, cumprindo assim o objetivo inicial deste estudo.

A área de sistemas de recomendação multiplicou-se nos ultimos anos. Este aumento e interesse nesse tipo de sistemas justifica-se pepla possibilidade de  recomendaçao de produtos, informaçnoes, servicos ou mesmo pessoas a determinados utilizadores da Internet, tendo em conta as suas caracterısticas e preferências. Uma recomendaçnao correta dos conteudos faz total diferenca para adaptar o usuário de determinado sistema ou até mesmo dissuadi-lo em utilizar. Dessa forma, sistemas de recomendação mostram -se uma ferramenta importante para o envolvimento assertivo de um determinado usuário. Contudo, para o seu correto funcionamento é necessário a observanao do comportamento dos usuários, através da coletade informações oriundas de sua interação com o sistema, fato  que pode vir a provocar preocupações em relação a esses dados e e em realção a sua privacidade.  Para que os usuários recebam recomendações de forma eficiente, informações pessoais são fornecidas a esses sistemas, como esses dados pessoais e privados podem ficar em risco. Logo, é importante que esses sistemas  prevejam mecanismos de proteção a esses dados e mantenham sua privacidade, de forma a garantir segurança e provacidade nas recomendacoes. Motivado por esse problema, este trabalho tem como objetivo propor um modelo de algoritmo de filtragem colaborativa que preveja a  preservação da privacidade, baseando-se no conceito de privacidade diferencial, de forma a proteger e manter a privacidade dos dados e mantendo a precisão dos elementos recomendados bem como a eficiência do algoritmo.

As pesquisas já evidenciaram que a experiência do usuário (UX) exerce impacto significativo na interação de usuários com diferentes tipos de sistemas. No entanto, para sistemas de educação a distância ainda há necessidade de realização de pesquisas que possam verificar se a UX pode impactar também na aprendizagem dos alunos. Visando dar um passo para preencher essa lacuna, esse trabalho investigou a UX em duas disciplinas de um curso online, focando na percepção dos estudantes sobre sua interação com o ambiente virtual de aprendizagem (AVA) e o conteúdo didático disponível nesse ambiente. A investigação se baseou primeiramente em uma revisão sistemática realizada nesse estudo para identificar métodos de avaliação de UX que pudessem ser adaptados para a EAD. A pesquisa combinou dois métodos existentes para coletar autorrelatos dos discentes a respeito da experiência deles nos dois cursos. Para análise dos dados coletados, foram utilizadas técnicas qualitativas e quantitativas e o resultado foi relacionado com a avaliação de qualidade pedagógica dos dois cursos. A partir dos resultados encontrados, desenvolveu-se um plugin no Moodle para automatizar o método e facilitar sua futura reaplicação e novas pesquisas em outros cursos EAD.

Este é o texto tem como foco o estudo de propriedades anti-Ramsey de grafos aleatórios e determinísticos. Primeiro, consideramos o problema proposto por Conlon e Tyomkyn, de determinar o menor número de cores necessárias para se colorir propriamente as arestas do grafo completo Kn, de modo que nenhum par de triângulos vértices-disjuntos de Kn tenha a mesma tripla de cores. Esta quantidade de cores era desconhecida para n par e conseguimos computá-la para alguns casos pequenos e também para uma família infinita de valores de n. Consideramos também o seguinte problema do tipo anti-Ramsey: dados grafos G e H, denotamos por G rb −→ H a propriedade em que toda coloração própria de E(G) apresenta uma cópia rainbow de H em G. Provamos que o valor da função limiar para G(n, p) rb −→ Kℓ,r é dado por n (ℓ+r−2)/(ℓr−1), para grafos bipartidos completos Kℓ,r com ℓ, r ≥ 3. Provamos também que o limiar é assintoticamente menor que este valor se ℓ = 2 e r ≥ 2.

O problema de Otimização Pseudo-Booleana (PBO) é investigado.
Este problema pertence à classe de complexidade computacional NP-difícil,
e é capaz de modelar uma ampla gama de problemas de otimização combinatória.
O problema de Otimização Binária Quadrática Irrestrita (QUBO), que é bem conhecido,
é um caso específico de otimização pseudo-Booleana. Vários métodos no estado da
arte da literatura para resolver classes específicas de problemas PBO
dependem da capacidade de avaliar rapidamente mudanças no valor da função objetivo
após um flip move, i.e. após mudar o valor de uma variável em um vetor solução de
0 para 1 ou de 1 para 0. Consequentemente, pesquisa em avaliação rápida de flip moves
tem beneficiado vários métodos exatos e heurísticos existentes. Neste trabalho,
buscamos expandir a literatura acerca da avaliação rápida de flip moves.
As primeiras três contribuições dizem respeito ao problema QUBO.
Primeiro, são considerados dois algoritmos existentes para avaliar vários simultâneos
flip moves. Dependendo dos valores de seus parâmetros, um pode ser mais rápido que outro.
Então, são propostos algoritmos de avaliação híbridos, que consistem em estimar e utilizar
o algoritmo existente mais rápido para os parâmetros fornecidos. Como segunda contribuição,
fórmulas fechadas são provadas, e algoritmos são propostos para avaliar rapidamente vários
flip moves simultâneos considerando o caso onde valores fracionários são permitidos nos
vetores solução. Como terceira contribuição, estruturas de dados são propostas para acelerar
a avaliação de 1-flip moves no contexto da heurística Tabu Search quando a instância do
problema QUBO sendo resolvida é esparsa. A última contribuição se refere ao problema geral
do PBO. É considerado o caso onde a função objetivo do problema é representada por um
posiform, i.e. uma expressão que pode conter negações de variáveis booleanas. Baseando-se nisto,
são provadas fórmulas fechadas, e algoritmos e estruturas de dados são propostos para acelerar a
avaliação de 1-flip moves. Para todas as contribuições, é mostrado, por meio de experimentos
computacionais extensivos, que as propostas podem beneficiar métodos existentes na literatura
para resolver os respectivos problemas.

A identificação de pareceristas para revisão por pares é um desafio recorrente no processo científico, especialmente devido ao risco de conflitos de interesses e à necessidade de identificar a afinidade em pesquisa. A autodeclaração de conflitos de interesse é o método mais aceito atualmente, mas sua aplicação só ocorre após o convite aos pareceristas, o que pode gerar retrabalho e omissões. Esta tese propõe um método computacional para sugerir pareceristas com maior afinidade em pesquisa e menor risco de conflitos de interesse. A proposta utiliza a análise de grafos de colaboração para sugerir pesquisadores, considerando a intensidade das colaborações passadas. Complementarmente, é empregado o processamento de linguagem natural para identificar a similaridade semântica entre manuscritos e potenciais pareceristas. Além disso, o método incorpora o Índice de Atribuição de Pareceristas (IAP), que quantifica a adequação dos pareceristas aos manuscritos, considerando tanto a afinidade acadêmica quanto o potencial de conflitos de interesse. Os experimentos realizados utilizam simulações com dados empíricos de pesquisadores reais e artigos publicados, recriando atribuições em cenários baseados no mundo real. Em um dos experimentos, baseado na revista Scientometrics, foram analisados 318 artigos e 1.074 perfis virtuais de autores. A análise da cobertura dos conceitos em três níveis demonstrou que, no nível 0 (mais amplo), a cobertura foi de 100%; no nível 1, a cobertura foi de 90%; e no nível 2 (mais específico), a cobertura foi de 49%. Esses resultados indicam que o método proposto agiliza a escolha de pareceristas, e promove uma revisão por pares mais diversa, imparcial e alinhada ao conhecimento necessário para avaliar os conceitos abordados.

Bancas de avaliação podem ser constituídas com o propósito de julgar a qualidade de determinado produto submetido à sua apreciação, e este produto pode representar, entre outros, o resultado de uma pesquisa acadêmica. A titulação de mestres e doutores no mundo é uma faceta da formação de recursos humanos, e a produção intelectual na forma de dissertações e teses é um dos componentes essenciais e indispensáveis para a evolução permanente da Ciência, empreendimento humano onde áreas do conhecimento (disciplinas ou campos de pesquisa) interagem. Bancas de defesa acadêmicas, como instâncias avaliadoras com poder de indeferimento, respondem tanto pela proficiência do recurso humano que se forma, como pela contribuição que sua pesquisa possa oferecer ao meio social onde está inserida. E, mesmo que esta pesquisa seja classificada como de uma área específica do conhecimento, ela pode ser avaliada por cientistas de áreas distintas, configurando uma interação tratada aqui como "interdisciplinar". A interdisciplinaridade estabelece relações entre duas ou mais áreas, e muitas vezes está presente em uma banca de defesa, devido ao caráter dinâmico de sua composição. Utilizando grafos na modelagem de bancas, podemos tratar os relacionamentos entre os membros participantes como uma rede social acadêmica, conforme o papel desempenhado por eles (avaliados, avaliadores ou orientadores), se beneficiando de métodos, técnicas e algoritmos existentes. Foram utilizados 3 modelos de grafos acadêmicos para representar estes relacionamentos: (i) avaliações, (ii) convites e (iii) coparticipações. Estas distintas configurações na composição das bancas geram (sub)estruturas topológicas na forma de padrões recorrentes (motifs), denotando propriedades comportamentais e funcionais que são intrínsecas à rede analisada. A descoberta dos motifs mais frequentes utilizando um algoritmo eficiente e, posteriormente, a sua busca nas redes originais, permitiram extrair os relacionamentos mais comuns em cada uma das 66 áreas do conhecimento estudadas e, a partir das informações sobre os membros (acadêmicos), medir o quanto estes relacionamentos são interdisciplinares. Como método adaptamos um Processo de Descoberta de Conhecimento (PDC), sistematizando as etapas necessárias para viabilizar a medição: coleta de dados; pré-processamento; transformação/visualização; rotulação; mineração de grafos; pós-processamento. Para experimentação foi utilizado um conjunto de dados real: o Catálogo de Teses e Dissertações da CAPES, com mais de meio milhão de trabalhos de conclusão, coletados no período 2013-2020 (8 anos). Grafos ponderados de interdisciplinaridade foram então projetados a partir dos relacionamentos entre os membros participantes. Além de identificar as áreas do conhecimento que mais interagiram no período (Ecologia, Educação, Linguística, Zoologia), a nossa Análise de Componentes Principais (PCA) a partir das propriedades e métricas topológicas dos grafos de interdisciplinaridade, assim como a análise visual de dendrogramas, evidenciaram áreas de destaque como Bioquímica, Educação, Química e Sociologia.

O desenvolvimento de software tornou-se um dos principais fatores para a entrega de serviços hoje. Há uma demanda crescente por entrega de software mais rápida, chamada aqui de Release. Surgiram métodos de desenvolvimento ágil que estão ajudando a acelerar a entrega de software. Assim, o desempenho de entrega de software melhorou em termos de frequência convergindo para ciclos de lançamento rápidos que podem reduzir o tempo de lançamento. No entanto, apenas usar ciclos rápidos pode não ser suficiente, pois medir a entrega de software levanta algumas questões importantes, como está ocorrendo o processo de entrega de software e como deveria ser. Surgiram várias estratégias para medir a entrega de software, incluindo Software Delivery Performance (SDP), em que a entrega de software é estimada em termos de capacidades. Popularidade em Projetos de Software de Código Aberto (OSSP) significa que um projeto é suficientemente reconhecido na comunidade para atender à demanda e, portanto, provavelmente estará pronto para ser medido por meio de uma abordagem de entrega de software como o SDP. Diante disso, este trabalho oferece maneiras de analisar o comportamento do SDP em OSSP populares em uma linha do tempo de Release por meio de métricas na logística de entrega. Os resultados demonstraram que a popularidade é uma abordagem eficiente, aumentando a confiabilidade e a precisão do trabalho. Conclui-se que a produtividade do desenvolvedor melhora o SDP, e o valor deste trabalho é que ele é capaz de analisar o comportamento do SDP no OSSP em uma linha do tempo de lançamento por meio de métricas de entrega de maneira automatizada. O código-fonte que implementa a metodologia é publicado como um pacote de replicação, e o conjunto de dados final com entradas e saídas está disponível para incentivar a reprodutibilidade e pesquisas futuras.

Na Robótica, a navegação autônoma vem sendo abordada nos últimos anos devido ao potencial de aplicações em diferentes áreas, como industrial, saúde e entretenimento. A capacidade de navegar, seja de veículos autônomos ou robôs de serviço, está relacionada ao problema do Mapeamento e Localização Simultâneos, do inglês Simultaneous Localization And Mapping (SLAM). O Fechamento de Loop, no contexto do SLAM Visual, utiliza as informações presentes nas imagens para identificar ambientes previamente visitados, permitindo a correção e atualização do mapa e da localização do robô. O objetivo deste trabalho é apresentar um sistema para identificar o Fechamento de Loop em ambiente simulado no Gazebo e com imagens reais dos datasets públicos KITTI e TUM. Para isso, as Redes Neurais (RNs) AlexNet, ConvNeXt, ResNet, VGG-16 Original, VGG-16 Adaptada e Treinada, e VisionTransformer foram utilizadas e os resultados analisados. A VGG-16 Adaptada e Treinada foi criada a partir da VGG-16 Original por meio do conceito de transferência de aprendizado. No treinamento, foram utilizadas imagens virtuais do Gazebo para diminuir a dimensão dos descritores e aumentar a acurácia na extração de features. A implementação do sistema de Fechamento de Loop foi feita a partir do pré-processamento da imagem com a divisão em regiões direita e esquerda. Em seguida, as RNs foram utilizadas na extração de features e geração dos descritores. O limite das distâncias e a sequência de imagens foram definidos para melhorar a performance na comparação de imagens. Por fim, os resultados de cada RN foram analisados com base nas métricas de Acurácia, F1-Score, curva ROC e Area Under the Curve (AUC).

Com o avanço da tecnologia na sociedade, é possível observar que a Internet, as redes sociais online, algoritmos e dados estão cada vez mais presentes na vida das pessoas [1]. Com o surgimento da pandemia do COVID-19 no início de 2020, tornou-se inconveniente e perigoso o contato pessoal. Uma vez que o distanciamento social se tornou obrigatório por lei, a sociedade buscou maneiras de acelerar a transformação digital [102], inclusive para resolver problemas de comunicação que, anteriormente, eram resolvidos pessoalmente [104], [105]. Como resultado, também surgiram muitos embates nas redes sociais, onde cada pessoa ou grupo realiza verdadeiras batalhas para impor suas narrativas e opiniões [16]. O Twitter é uma plataforma de mídia social popular que com vários tipos de conteúdo, permitindo que os usuários escrevam mensagens curtas, chamadas “tuites”, compostas por no máximo 280 caracteres [103]. Com mais de 500 milhões de tuítes postados todos os dias [109], o Twitter se tornou um recurso de dados muito valioso para se obter percepções do mundo real. No domínio da saúde, também foi adotado pelos usuários para compartilhar seu estado de saúde, sua experiência com os cuidados e opções, bem como foi adotado para compartilhar e buscar mais amplamente informações de saúde de seu interesse, atraindo a atenção de pesquisadores clínicos e biomédicos com o objetivo final de melhorar os resultados de seus pacientes [54], [55], [56], [57]. O processo de alta polarização nas redes sociais em debates políticos e vacinas (principalmente Coronavírus) resultou em uma grande fragmentação social, pois dois ou mais grupos não chegaram em um consenso [3]. Sendo assim, foi identificada uma oportunidade de realizar-se um estudo de identificação de usuários polarizadores e entender o motivo desta polarização. Este trabalho foi realizado no contexto do projeto de pesquisa denominado: "Observatório de Conflitos de Internet", que foi desenvolvido por pesquisadores da Universidade Federal do ABC. O trabalho propõe um processo de identificação e classificação de conflitos em redes sociais, no contexto da discussão da vacina. Então, com a proposta deste trabalho, tem-se melhor compreensão sobre este fenômeno.

A falta de engajamento dos estudantes é um problema frequente tanto na educação presencial quanto na educação mediada por tecnologias. Pesquisas apontam que a falta de engajamento na educação online decorre de fatores como falta de planejamento, materiais instrucionais pouco instigantes, e abordagem pedagógica, dentre outros. Diversas são as consequências da falta de engajamento, tais como: insucesso escolar, evasão e baixos índices de aprendizagem. Mensurar o engajamento dos estudantes não é uma tarefa trivial e diversas pesquisas mostram o uso de dados coletados por observadores ou relatados por participantes dos experimentos. De fato, parece haver uma carência de pesquisas que relatem a mensuração de níveis de engajamento em ambientes virtuais de aprendizagem de forma automática, ou seja, de maneira menos intrusiva. A partir desta motivação e problematização a seguinte questão de pesquisa foi formulada: Como mensurar os níveis de engajamento dos estudantes em atividades de leitura de textos em cursos realizados por meio de um Ambiente Virtual de Aprendizagem? Nesse sentido, este trabalho tem por objetivo apresentar a ferramenta PDFNoteTrack desenvolvida para mensurar o engajamento de Estudantes em Atividades de Leitura de Textos no ambiente Moodle. Um experimento foi realizado com o PDFNoteTrack em uma disciplina de um curso à distância com a participação de 69 estudantes, autorizado pelo Comitê de Ética em Pesquisa da UFABC. Além dos dados de interação com a ferramenta o experimento coletou as respostas dos participantes em três questionários, sendo um deles o System Usability Scale.

Os Sistemas de Interface Cérebro-Computador (BCI, do inglês Brain-Computer Interface) visam estabelecer uma conexão de sinais cerebrais com dispositivos do mundo externo e abrem oportunidades de serem auxiliadores em aplicações médicas ou até mesmo no campo do entretenimento. Os sinais cerebrais obtidos por eletroencefalogramas de superfície (EEG) precisam ser classificados, o que é um desafio fundamental nos sistemas de BCI. Os sinais de EEG podem ser vistos como um conjunto de séries temporais, que podem ser processados de forma eficiente por Redes Neurais Artificiais, em especial as chamadas Redes Neurais Recorrentes (RNN, do inglês Recurrent Neural Networks). Nesse âmbito, a presente pesquisa busca utilizar as RNNs, em particular a rede LSTM (do inglês Long Short-Term Memory), para o processamento dos sinais de EEG em duas frentes. A primeira delas considera a modelagem dos sinais de EEG através de RNNs preditoras, cujos pesos ajustados devem representar, em dimensão reduzida, as características relevantes para a tarefa de classificação. Por meio de comparação com a abordagem anterior, a segunda frente busca classificar os sinais cerebrais por meio de arquiteturas já propostas na literatura, como a EEGNet, porém modificando-a e acrescentando uma ou mais camadas com recorrência, com a finalidade de auxiliar a passagem de informação entre as camadas de convolução que a EEGNet possui. Através dessas duas abordagens, espera-se obter um sistema BCI mais eficiente e que melhor processe os sinais de EEG.

Este projeto investiga a modelagem de redes neurais justapondo diferentes redes neurais no contexto de modelagem de comportamento e aprendizagem por reforço. Aproveitando diversas arquiteturas neurais, incluindo redes densamente conectadas, recorrentes (RNN) e convolucionais (CNN), seus parâmetros e desempenhos são analisados dentro do “jogo da cobra”. Os experimentos apontam maior consumo computacional, maior dificuldade de ajuste de parâmetros, mas maior estabilidade em algumas métricas dos modelos mais detalhados biologicamente, como redes pulsadas e máquinas de estado líquido, revelando uma dinâmica contrastante com o treinamento de redes neurais mais conhecidas como RNN e CNN. Em comparação, esses modelos obtiveram desempenho satisfatório nas tarefas, obtendo pontuações elevadas e produzindo estratégias equilibradas de comportamentos conservadores e exploradores. Concluiu-se que a análise comparativa aprofunda a forma de verificação e compreensão do treinamento de redes neurais, complementando as análises de métricas realizadas para avaliação de redes neurais artificiais, como a perda total ou entropia.

A construção de uma prática de projetos colabora com o desenvolvimento de diferentes competências e com a apropriação dos conteúdos curriculares. Quando aplicado com jogos educacionais, certos aspectos são valorizados, como habilidades de representação e comunicação, multiletramento e familiaridade com transmídias. Apesar disso, faltam metodologias para implementação de sequências didáticas com jogos que incluam estudantes com deficiência, seja pela necessidade de mais aprofundamento técnico ou pela ausência de frameworks, ferramentas e instrumentos dirigidos aos educadores e especialistas como referências na construção de práticas pedagógicas. Neste contexto, o presente trabalho tem o objetivo de apresentar um framework voltado a construção de práticas pedagógicas com Aprendizagem Baseada em Projetos na criação de ficções interativas, possibilitando a inclusão de estudantes com deficiência visual. Um diferencial é a disponibilização de um material de apoio do professor, que aborda diferentes instrumentos de avaliação e práticas de engenharia de software, bem como direciona o uso do motor de jogos Twine, facilitando o uso por educadores do ensino médio na construção de práticas pedagógicas com ferramentas computacionais. O framework foi aplicado em duas salas de aula do ensino médio, com auxílio dos professores, e com a presença de estudantes com deficiência visual. Foram registrados opiniões positivas sobre engajamento e apropriação dos conhecimentos por parte de estudantes e professores, bem como a obtenção de resultados que indicam a inclusão de estudantes com DV e aumento do desempenho da disciplina.

O presente trabalho propõe um algoritmo para identificar cliques em redes de colaboração científica baseado em grafos cordais, em que os vértices são representados pelos coautores, as arestas pela coautoria e o peso de cada aresta é a quantidade de publicações existentes para cada par de vértices. Enumerar todas as possíveis combinações de um pesquisador em uma rede de coautoria, é um problema difícil, à medida que aumenta o tamanho do grupo de coautores e a quantidade de coautores com quem esse pesquisador publicou ao longo de sua vida acadêmica. O algoritmo proposto visa identificar todas as cliques de coautores relevantes, ou seja, que publicaram juntos pelo menos uma vez e sem duplicidade de cliques, permitindo analisar o comportamento das colaborações em coautoria centradas em indivíduos e também a hierarquia da colaboração acadêmica. Uma das possíveis aplicações do algoritmo e que foi abordada nesse trabalho, é mensurar a longevidade (tempo) e o tamanho da coautoria (número de coautores), possibilitando a análise dos caminhares dos pesquisadores.

Realizamos experimentos utilizando a base DBLP e os resultados obtidos revelam que grupos menores têm longevidade maior quando comparados aos grupos maiores, para todos os tipos de publicações. Utilizamos duas medidas para o cálculo da longevidade: (1) considerando a diferença do ano da última publicação e o ano da primeira publicação; e, (2) considerando apenas a quantidade de anos em que houveram as publicações. Nenhum grupo com mais de 13 coautores publicaram juntos por mais de 10 anos. O maior tamanho de grupo é de 449 coautores e ocorreu uma única vez, para uma publicação em periódico e a maior longevidade é de um grupo de dois coautores, com 55 anos e 41 anos, para os cálculos da longevidade (1) e (2), respectivamente.

Em relação à hierarquia das cliques, para os casos observados prevaleceu que cliques do coração foram influenciadoras das cliques filhas, pois tiveram a primeira publicação antes. Em relação às cliques do coração com maior quantidade de cliques relevantes, o cenário é de que cliques do coração são consequências da colaboração em coautoria, ou seja, grupos maiores de coautores que ao longo do tempo foram diminuindo originando novos grupos de coautores menores.

Este trabalho contribui (i) com um algoritmo inédito que permite analisar o comportamento dos pesquisadores ao longo do tempo; e (ii) a caracterização inédita dos caminhares (em função da longevidade e tamanho), permitindo observar o atuar de cada pesquisador não de forma isolada/independente, mas de forma grupal/dependente da interação colaborativa e social, como a ciência é percebida nos dias de hoje.

As mídias sociais se consolidaram como uma plataforma relevante para a expressão e debate de ideias políticas nos dias de hoje. Tais plataformas proporcionam aos usuários a oportunidade de compartilhar suas opiniões, comentários e críticas sobre assuntos políticos, o que pode resultar em uma grande quantidade de dados gerados. A análise desses dados utilizando métodos computacionais e estatísticos pode ajudar a medir a opinião pública em relação a esses assuntos, fornecendo insights valiosos para as instituições governamentais, organizações e pesquisadores. A detecção de posicionamento é um processo automatizado que identifica o direcionamento de indivíduos ou grupos em relação a determinados temas, utilizando técnicas de análise de textos e aprendizado de máquina, sendo uma importante ferramenta para entender preferências e opiniões. No entanto, os métodos existentes na literatura frequentemente dependem de rotulação manual prévia e são incapazes de rotular a maioria dos usuários que participam da discussão. Além disso, diversos modelos presentes na literatura abordam cada tema de forma isolada, ignorando a possível interdependência entre eles, a qual pode ser bastante significativa em diversas aplicações e ao longo do tempo.

Tendo em vista essas limitações, o objetivo principal desta tese foi o de desenvolver e avaliar um método computacional automatizado de detecção de posicionamento e rotulação de usuários do Twitter em temas políticos controversos, discutidos no Brasil, com mínima intervenção humana, independentemente do grau de participação do usuário na discussão, ao longo de determinado período de tempo e considerando a possível interdependência entre os temas. 

O método desenvolvido integrou abordagens computacionais não supervisionadas e minimamente supervisionadas, considerando fatores sociais como homofilia e estrutura de rede e envolveu 3 principais: (i) a adaptação de uma técnica não supervisionada de detecção de posicionamento de clusters de usuários falantes de português brasileiro do Twitter em relação a um tópico controverso e polarizado; (ii) a rotulação automática individualizada de centenas de milhares de usuários empregando uma combinação de atribuição de rótulos e cálculo de pontuação de valência; (iii) a mensuração dos graus de engajamento e equilíbrio de forma a caracterizar o comportamento dos usuários rotulados nos eventos.

O método foi aplicado e obteve êxito na avaliação de  três temas politicamente controversos: a CPI da Covid-19, a desconfiança sobre a segurança das urnas eletrônicas, e as eleições presidenciais brasileiras de 2022. Nossos resultados mostraram que o método proposto é bastante efetivo, tendo sido capaz de atribuir um rótulo para uma percentagem superior a 90% dos usuários das bases avaliadas. Além disso, ao analisar a dimensão temporal dos dados coletados e o posicionamento dos usuários ao longo do tempo, também foi possível caracterizar o comportamento dos indivíduos pertencentes a cada um dos grupos opostos.

Analisar o engajamento do estudante durante a aprendizagem é um fator essencial para que os objetivos pedagógicos sejam atingidos. O engajamento do estudante em um ambiente de sala de aula tradicional pode ser observado por sua linguagem corporal e por suas expressões faciais. No entanto, avaliar de maneira automática o engajamento do estudante em Jogos Educacionais Digitais (JEDs), tem sido um desafio. O objetivo desta pesquisa é propor um método para avaliar o engajamento de estudantes em JEDs, que combine medidas objetivas (traços faciais e comportamentais detectados automaticamente) com medidas subjetivas (relato pessoal). Uma revisão na literatura levantou os principais conceitos, termos e definições relacionados ao engajamento e identificou técnicas de visão computacional e de aprendizagem de máquina comumente utilizadas em estudos dessa natureza. Dois experimentos foram realizados com JEDs para validar o método e verificar a relação do engajamento (presença de emoções "positivas"e/ou atenção) do estudante com os jogos. O primeiro experimento foi realizado em um jogo do tipo “RPG” e considerou as expressões faciais. O segundo experimento foi realizado em um jogo do gênero “Battle Royale” e adicionou à estimativa do engajamento, a pose da cabeça e a direção do olhar. Em ambos os experimentos os dados capturados foram classificados e combinados com o relato pessoal dos estudantes para se tentar predizer o engajamento. Nossas descobertas sugerem que, determinar o nível de engajamento do estudante durante um jogo educacional digital ainda é um desafio devido a sutileza e a diversidade de características visíveis e não visíveis que podem estar relacionadas à este estado afetivo requerendo a integração de muitos elementos e dados e, em certa medida, um certo grau de experiência, subjetividade e abstração do avaliador. Acreditamos que estudos nessa direção podem apoiar designers de jogos a projetarem jogos mais envolventes e estimular professores a utilizarem jogos digitais educacionais nas suas práticas pedagógicas.

As interfaces cérebro-computador (BCI, do inglês Brain-Computer Interface) são sistemas que englobam técnicas de diversas áreas de conhecimento para possibilitar a tradução do sinal cerebral para um comando de uma aplicação. Dentre tais técnicas destaca-se os algoritmos de aprendizado de máquina, que são responsáveis por extrair padrões e informações relevantes dos dados para a correta classificação de uma instrução do sistema. Entretanto, uma vez que o desempenho desses algoritmos também depende da complexidade dos dados, utilizar os dados de diferentes usuários em um sistema BCI ainda é uma tarefa desafiadora, dado que podem apresentar alta variabilidade a níveis intra e interusuário. Neste cenário, a aplicação de comitês de máquinas pode trazer resultados promissores considerando que cada classificador do comitê atue como especialista em um subconjunto dos dados. Sendo assim, neste trabalho abordamos o uso de diferentes propostas de comitês de máquina amplamente difundidas na literatura para classificar dados de diferentes indivíduos. Como principal contribuição para o tema analisado, é proposta uma nova abordagem de comitês: a Mistura de Especialistas baseada em kernel gaussiano (ou MEKG). Os resultados dos experimentos apontam que o desempenho do MEKG foi superior quando comparado aos demais comitês com um número significantemente menor de especialistas, alcançando uma acurácia média de 95,33% com indivíduos avaliados separadamente e 85,14% no caso cross-subject.

Esse trabalho consiste no uso de ferramentas computacionais para o apoio do estudo do cérebro. O trabalho segue uma abordagem interdisciplinar na fronteira entre a computação e a neurociência. Foram utilizados recursos de estimulação sensorial controlada de sujeitos durante tarefas de reconhecimento de verbos, registros cerebrais na forma de eletroencefalogramas, pré-processamento dos dados para filtragem de ruídos associados à rede elétrica, piscada dos olhos, movimento da cabeça e mordidas. Os dados cerebrais foram colocados no formato de potenciais relacionados ao evento (ERPs) e separados em um grupo correspondente aos sujeitos alcoólicos e outro de não alcoólicos. Foi utilizada a técnica de redes neurais artificiais para a classificação de
sinais cerebrais em alcoólicos e não alcoólicos. Os resultados do trabalho mostraram que foi possível separar o grupo de sujeitos alcoólicos e não alcoólicos com base em seus ERPs.

A avaliação da aprendizagem representa um grande desafio no contexto educacional. Muitos alunos apresentam uma repulsa pelo momento da avaliação. Muitas vezes o processo de avaliação é entendido apenas como classificatório ou punitivo. Diversas aplicações gamificadas têm sido desenvolvidas para melhorar o engajamento dos alunos, porém ainda são poucas as aplicações da gamificação no processo de avaliação. Nesse contexto, esta pesquisa tem como principal objetivo propor, implementar e testar um sistema gamificado de apoio ao processo da avaliação da aprendizagem, que utiliza elementos da gamificação como instrumentos de avaliação da aprendizagem, por meio de uma pesquisa-ação. Na pesquisa-ação, o sistema foi usado na gamificação do processo educacional em duas turmas de Ensino Médio integrado ao Técnico, com um total de 71 alunos. A pesquisa foi realizada em três cenários distintos. O primeiro sem nenhum elemento de gamificação, o segundo com a gamificação da avaliação e o terceiro com a gamificação das aulas e da avaliação. Em cada um dos cenários foram coletados dados para análise, como por exemplo, quantidade de entregas e engajamento. Verificou-se benefícios do uso da gamificação, como transparência dos resultados, velocidade de feedback e melhora na autonomia dos alunos. Os dados coletados também indicam um aumento na quantidade de entregas de atividades da disciplina.

A gestão adequada do recurso hídrico no Brasil é uma demanda de interesse público. Dentre os principais consumidores do recurso hídrico potável destaca-se o processo de irrigação de cultivos agrícolas que é responsável pelo consumo de aproximadamente 50\% de toda água potável utilizada em um ano. É estimado que 60\% do recurso hídrico utilizado no processo de irrigação é desperdiçado. Logo, é fundamental que o processo de irrigação seja aprimorado. Para minimizar o desperdício de água no processo de irrigação o projeto Plataforma de Gerenciamento Inteligente de Água (SWAMP) propõe utilizar a tecnologia como aliada para gestão eficiente do processo. O gerenciamento do processo de irrigação tem como pré-requisito a estimativa da necessidade de água para o solo. Neste trabalho foi explorado técnicas de modelagem de série temporal multivariada para predição da umidade do solo. A umidade do solo é uma variável de interesse da plataforma SWAMP para o cálculo da necessidade de água que deve ser fornecida ao solo. Para isso, foi utilizado dados históricos de um período de dois anos com múltiplas componentes, como, umidade e temperatura do solo, por exemplo. Foram avaliados algoritmos de aprendizado de máquina, aprendizado profundo e uma técnica estatística tradicional foi utilizada como referência. Os algoritmos de aprendizado de máquina avaliados foram o \textit{Extreme Gradient Boosting} e \textit{Random Forest}. A arquitetura de rede neural \textit{Spectral Temporal Graph Neural Network} (StemGNN) foi o algoritmo de aprendizado profundo avaliado. E o \textit{Vector Autoregression}, foi utilizado como referência de desempenho esperado na predição da umidade do solo. Os experimentos preliminares mostram que o algoritmo \textit{Random Forest} foi o mais eficiente no processo de predição da umidade do solo e gerou o modelo com a melhor estabilidade nas predições do período avaliado. Além disso, foi observado que a StemGNN não foi capaz de superar o modelo referência na maioria dos cenários de modelagem.

Sistemas de Recomendação são ferramentas que auxiliam na seleção personalizada de itens de acordo com as preferências individuais dos usuários. Filmes, músicas e produtos em e-commerce são exemplos de aplicações bem conhecidas. Características comuns em dados destes domínios são a alta dimensionalidade, devido a grande quantidade de usuários e itens, e a alta esparsidade, devido ao fato de que cada usuário interage apenas com uma pequena parte dos itens. Neste cenário, obter um modelo que represente a relação de todos usuários com todos os itens se mostra uma tarefa desafiadora. Como proposto no algoritmo SCOAL (Simultaneous Co-Clustering and Learning), a segmentação dos dados e o aprendizado de modelos locais se mostra como uma boa solução. Ainda assim, o número de modelos locais é um parâmetro crítico que deve ser ajustado manualmente. A fim de otimizar a busca do melhor valor deste parâmetro, propomos uma variante baseada em Algoritmos Evolutivos, denominada Evolutionary Simultaneous Co-Clustering and Learning (EvoSCOAL). Por meio de experimentos computacionais em dados sintéticos, observamos que o EvoSCOAL pode superar a abordagem da literatura, baseada em busca por bisecção, tanto na qualidade preditiva e quanto na capacidade de estimar o valores do parâmetro. Em bases de dados reais, o EvoSCOAL se mostrou competitivo em comparação a técnicas tradicionais da literatura de sistemas de recomendação.

Um dos maiores problemas em aberto em Combinatória
pertence à Teoria de Ramsey. Nesta Teoria, por exemplo,
temos interesse em determinar valores $n=n(k)$ tais que toda
$2$-coloração das arestas do grafo completo $K_{n}$ contém
uma cópia monocromática de $K_{k}$. Uma abordagem
semelhante, em grafos aleatórios, pretende determinar
valores de $p$ tais que toda coloração das arestas de
$G(n,p)$ com $r$ cores contém uma cópia monocromática de um
grafo fixo $H$. Algumas generalizações naturais dessa
propriedade são a Teoria anti-Ramsey, onde queremos
encontrar uma cópia \rainbow\ de um dado grafo $H$, ou
podemos também combinar ambas as noções da Teoria de Ramsey
e da Teoria anti-Ramsey. Em grafos aleatórios existe um
fenômeno, conhecido como função limiar, caracterizado pela
mudança abrupta, ao variar o valor $p$, da probabilidade de
$G(n,p)$ satisfazer ou não certa propriedade. Um resultado
clássico de Bollobás e Thomason garante que as propriedades
do tipo Ramsey admitem uma função limiar, pois elas
pertencem a uma família especial de propriedades, chamadas
de propriedades crescentes. Neste trabalho serão estudadas
algumas variantes das versões probabilísticas para as
propriedades do tipo Ramsey, anti-Ramsey e generalizações,
bem como os avanços feitos a respeito da determinação dos
limiares para cada uma delas.

Diferentes organizações estão sendo pressionadas a modernizar seu modelo de negócio, deparando-se com a importância de elaborar uma boa estratégia de transformação digital. Apesar disso, a área ainda é considerada imatura, tendo uma literatura composta por diretrizes em âmbitos reduzidos, e que não abrangem diferentes organizações. Neste contexto, apesar de diretrizes já identificadas na literatura, as mesmas não são consideradas diretrizes absolutas, o que pode dificultar a identificação de diretrizes, e consequentemente a elaboração de uma estratégia. Deste modo, este trabalho tem o objetivo de disponibilizar uma metodologia que possibilite o desenvolvimento de uma estratégia de transformação digital em diferentes contextos. Para tal, foi realizada uma busca na literatura com o intuito de encontrar mecanismos para elaborar estratégias de transformação digital, incluindo suas respectivas etapas e as dificuldades no processo de transformação. Posteriormente, baseando na literatura, foi realizada a aplicação dos meios identificados em voluntários de diferentes organizações, de modo a averiguar e observar os resultados das diretrizes existentes. Em suma, por meio da análise dos resultados, comentários e desafios relatados na literatura, foi elaborado um conjunto de instruções, compilando todos os passos adaptados e ampliados, que ficará à disposição de qualquer gestor ou organização interessada. Por fim, trabalhos relacionados sugerem diretrizes por meio de relatos das organizações que tiveram sucesso no processo de transformação, não cobrindo desta maneira diferentes categorias de organizações como, por exemplo, em cenários acadêmicos ou organizações sem fins lucrativos. Este trabalho amplia o alcance das diretrizes para elaborar uma estratégia de transformação digital por meio de uma metodologia.

Sistemas formais de demonstração matemática têm papel fundamental no aprimoramento e desenvolvimento de novas demonstrações. Além disso, os métodos e estruturas envolvidos em sistemas formais têm o potencial de apoiar o desenvolvimento de sistemas de tutoria para o aprendizado de demonstrações, o que já tem sido feito por diversos trabalhos. No entanto, o fato destes sistemas formais não terem objetivos pedagógicos como motivação principal, traz alguns obstáculos para o seu uso em um contexto de ensino. Um desses problemas é a granularidade, ou seja, o nível de detalhes em que uma demonstração é apresentada. Provas apresentadas dentro de sistemas formais necessitam que todos os passos sejam deduzidos explicitamente, dificultando sua interpretação, já que mesmo inferências consideradas óbvias para determinadas audiências devem ser exibidas, o que em alguns casos deixa a prova excessivamente longa. Adaptar a apresentação de uma prova formal para que inferências óbvias sejam omitidas, como na apresentação de provas matemáticas em linguagem natural, não é uma tarefa trivial, já que a princípio não existem padrões claros que possam ser utilizados para este fim. Alguns trabalhos têm estudado esse problema nas últimas décadas, no entanto, vários deles utilizando representações e dados diferentes. Essa fragmentação dificulta que avanços na área sejam pesquisados, já que impede a comparação direta dos diferentes métodos utilizados e sua comparação com possíveis novos métodos. Assim, o objetivo dessa pesquisa é comparar diferentes métodos de adaptação de granularidade de provas matemáticas em torno de uma mesma representação e mesmo conjunto de dados, a fim de identificar quais padrões são mais efetivos. Além da comparação de métodos já propostos em outros trabalhos, também é feita uma prova de conceito utilizando aprendizagem de máquina como contribuição para o avanço da área.

Práticas DevOps estão cada vez mais presentes no contexto da engenharia de software, visando a automação e simplificação de processos que envolvem o ciclo de vida da aplicação, desde o seu desenvolvimento até a implantação em ambiente de produção. Para o aprendizado de máquina (ou machine learning, ML), tais práticas são conhecidas como MLOps (Machine Learning Operations) e têm o objetivo de integrar as etapas de desenvolvimento e operações de sistemas de ML, contemplando automação e monitoramento para a entrega e atualização contínua do sistema ao usuário final. Na literatura, estudos têm mostrado a aplicabilidade dessas práticas em contextos específicos, mas poucos fornecem diretrizes para guiar sua implementação de forma abrangente, considerando todo o conjunto de fatores envolvidos na adoção de MLOps – desde mudanças culturais e organizacionais até os elementos técnicos necessários para sua efetiva implementação. Neste cenário, o presente trabalho propõe um conjunto de recomendações para auxiliar na compreensão e adoção de MLOps por pesquisadores, gestores, engenheiros, cientistas de dados e demais envolvidos no desenvolvimento de sistemas de aprendizado de máquina. O conjunto de recomendações foi desenvolvido a partir de Mapeamento Sistemático da Literatura e método Design Science Research para a geração de artefatos que representam o detalhamento e fluxo das recomendações propostas. Aplicou-se também um questionário para validar a qualidade e relevância dessas recomendações por profissionais que atuam com práticas MLOps. A análise dos resultados do questionário indicou uma boa consistência interna das respostas, de acordo com cálculo de alfa de Cronbach. Os resultados também indicaram que as recomendações e artefatos gerados são relevantes e apresentam qualidade, tendo potencial de produzir impactos positivos em ambientes reais que envolvem MLOps.

Jogos educacionais digitais são aqueles que podem atuar como um recurso didático na construção do conhecimento, pois aliam elementos como engajamento e motivação com a diversão para favorecer o processo de ensino-aprendizagem. A produção de jogos educacionais é complexa por envolver uma equipe multidisciplinar, com profissionais de programação, análise, arte, educação e gestão, apenas para citar alguns exemplos. Dado que a educação é um direito universal, recursos com fins educacionais precisam atender a todos, isto é, devem ser projetados para incluir pessoas com deficiência, sem distinção. Uma forma de atingir esse propósito é agregar ao projeto de produção de jogos o conceito de Desenho Universal, que busca que todos aprendam com o mesmo recurso, removendo barreiras impeditivas. Diretrizes de acessibilidade estabelecem normas e recomendações com o intuito de auxiliar projetistas e desenvolvedores na concepção ou avaliação de acessibilidade. Entretanto, diretrizes para jogos acessíveis não têm sido suficientes para guiar a produção de jogos universalmente inclusivos. Nesse contexto, este trabalho tem por objetivo construir, descrever e validar um conjunto de critérios de acessibilidade, nomeado ACUDaGames (Accessibility Criteria and Universal Design for Educational Games), que possa ser empregado no processo de produção de jogos educacionais acessíveis às pessoas com e sem deficiência seguindo a abordagem do Desenho Universal. Para isso, foi conduzido um mapeamento sistemático da literatura sobre as recomendações de acessibilidade propostas em trabalhos que apresentam requisitos ou critérios de acessibilidade para que um jogo educacional seja acessível às pessoas com deficiências em específico ou que adote princípios do Desenho Universal. Na sequência, uma revisão narrativa foi conduzida para complementar o conjunto inicial de critérios, além de uma complementação com três diretrizes de acessibilidade para jogos existentes (GAG, Includification e EduGameAccess). O ACUDaGames é resultado das revisões sistemática e narrativa e categorizado segundo o framework conceitual de design de jogos Mechanics, Dynamics e Aesthetics (MDA). O ACUDaGames foi validado, quanto à sua qualidade, por 13 especialistas no domínio de design de jogos, interação humano-computador, informática na educação e acessibilidade, por meio de um questionário online. O resultado da análise da opinião dos especialistas aponta boa consistência interna, conforme coeficiente alfa de Cronbach, e indica que o ACUDaGames é completo, correto, autêntico, consistente, claro, inequívoco, flexível e tem usabilidade. Entretanto, no futuro, o conjunto precisará passar por uma validação prática no processo de produção de um jogo educacional acessível, para atestar sua eficácia e identificar pontos de aprimoramento. De forma geral, os resultados deste trabalho evidenciaram que o ACUDaGames tem potencial de uso para a criação e produção de jogos educacionais acessíveis, sob a perspectiva do Desenho Universal.

O pensamento computacional é um agrupamento de habilidades para organizar problemas e suas respectivas soluções de forma que um computador possa colocá-las em prática, sendo uma habilidade importante para diferentes áreas, além da ciência da computação. Os jogos sérios são criados com um propósito além do puro entretenimento, por exemplo, o desenvolvimento do pensamento computacional. O conteúdo é um componente essencial para jogos sérios e uma das tarefas mais trabalhosas e demoradas para a equipe de desenvolvimento, especialmente se tal conteúdo exigir adaptabilidade a diferentes jogadores. Os métodos de geração procedimental resolvem parte do problema da criação de conteúdo para jogos. Entretanto, quando o objetivo é o desenvolvimento de competências do jogador, além do entretenimento, é necessário um maior controle sobre o jogo que está sendo produzido. Uma possível solução para este problema é incluir o especialista de domínio nesse processo, para que ele possa definir as configurações e restrições necessárias. Nesse contexto, este trabalho visa propor uma solução de iniciativa mista, que inclui um algoritmo de geração procedimental de conteúdo e um agente de inteligência artificial para a concepção de níveis em um jogo sério de desenvolvimento do pensamento computacional, do gênero quebra-cabeças baseado em programação por blocos, com diferentes graus de complexidade. Para isso, foi realizada uma revisão da literatura das características de um jogo sério de pensamento computacional e dos algoritmos mais utilizados para criar níveis de jogos sob especificidades similares. Em seguida, foram especificados os requisitos e construído um sistema de iniciativa mista fazendo o uso de algoritmos de aprendizado por reforço, acompanhado de um protótipo de jogo. O sistema foi testado e analisado a partir do seu uso e suas implicações avaliadas com base nos testes realizados. Como resultado, foi desenvolvida uma prova de conceito da solução, formada pelo sistema de iniciativa mista e pelo protótipo de jogo, concebido para receber as representações de níveis geradas. Ao avaliar a solução com base nos aspectos testados a partir de seu uso, foi possível identificar contribuições científica e computacionais (uma solução tecnológica de iniciativa mista contendo um gerador de níveis, implementado com algoritmo de aprendizado por reforço e um protótipo do jogo de quebra-cabeças de programação) e sociais (espera-se que o uso do jogo, com diferentes níveis gerados pela solução, possibilite o desenvolvimento do pensamento computacional).

Investigamos os problemas de Otimização Pseudo-Booleana (PBO), Otimização Quadrática Binária Irrestrita (QUBO) e Programação Quadrática Booleana com Restrições de Limitantes Superiores Generalizados (BQP-GUB). Estes problemas pertencem à classe de complexidade computacional NP-difícil e têm sido estudados desde os anos 60. A busca por métodos para resolver esses problemas constitui um campo de pesquisa ativo, devido a situações reais que podem ser modeladas por meio deles. Em virtude de apelos práticos, pesquisadores têm mostrado grande interesse no desenvolvimento desses métodos. Com o intuito de contribuir de maneira significativa para esta área de pesquisa: (a) propomos um algoritmo exato para resolver os problemas PBO e QUBO; (b) projetamos um algoritmo de tempo polinomial para resolver classes de instâncias dos problemas PBO e QUBO; (c) desenvolvemos fórmulas para gerar limitantes para os valores de soluções ótimas para o problema QUBO; (d) criamos fórmulas para calcular rapidamente o valor da função objetivo do BQP-GUB; e (e) reformulamos problemas de otimização combinatória para a forma dos problemas QUBO e BQP-GUB.

Proporcionar mobilidade urbana eficiente por meio de transporte público de qualidade é um dos principais objetivos do uso de tecnologias de cidades inteligentes pelas administrações públicas. As interrupções causadas por incidentes de trânsito são uma causa significativa de atrasos nos sistemas públicos de ônibus. A literatura mostra diversos Sistemas de Detecção de Incidentes (ID) utilizando múltiplas fontes de informação, como imagens de câmeras, radares (sensores fixos) e veículos ou smartphones com Sistema de Posicionamento Global (sensores móveis). No entanto, os sistemas de identificação propostos usando sensores móveis usam principalmente carros e dados de GPS de carros simulados, enquanto poucos trabalhos usam dados de GPS de ônibus.

Este trabalho apresenta um modelo de Detecção de Incidentes para sistemas de ônibus utilizando dados de GPS de ônibus em redes urbanas. Utilizamos dados históricos de GPS de ônibus para extrair as características de cada segmento do sistema de ônibus. Propusemos dois modelos para ID: uma abordagem estatística baseada no tempo de viagem dos ônibus em cada segmento e uma abordagem de aprendizado de máquina aplicada a vários atributos que descrevem a dinâmica dos ônibus em tempo real em cada segmento. Para implementar esses modelos, também propusemos a arquitetura de um arcabouço que permite a integração de modelos compostos escaláveis e eficientes. Implementamos o arcabouço e avaliamos sua escalabilidade e as previsões de modelos simples de tempo de viagem. Mostramos que o uso em tempo real desse arcabouço é viável em grandes áreas metropolitanas, como a cidade de São Paulo. Por último, implementamos e avaliamos os modelos de ID propostos.

Definimos os incidentes de trânsito com base nas mudanças nos intervalos entre os ônibus. Mostramos que nossos modelos alcançaram uma taxa de detecção de mais de 80% para incidentes de longa duração (mais de 10 minutos) com um tempo médio para detectar menos de 6,5 minutos e uma taxa de alarme falso de 3%.

O formalismo das redes de Petri tem sido estendido de várias maneiras para suportar recursos como tipos de dados, hierarquias, tempo, comunicação, prioridades, aninhamento e recursão.
Os dois últimos recursos combinados nas redes de Petri aninhadas permitem uma modelagem incremental usando múltiplas camadas, que é muito conveniente para lidar com os sistemas cada vez mais complexos de hoje.
Apesar disso, atualmente não existe ferramenta para projetar, simular e verificar as propriedades dessas redes.
Portanto, na prática, elas devem ser transformadas em redes hierárquicas de uma única camada antes de serem analisadas.
Esse processo de achatamento aumenta significativamente o tamanho da rede, dificultando a simulação e a interpretação dos resultados no modelo original após a verificação.

O presente trabalho apresenta um panorama histórico que levou ao desenvolvimento das redes aninhadas e tem como objetivo fornecer um método que permita analisar o comportamento de uma rede de Petri aninhada preservando sua estrutura multicamadas.
Para este fim, por meio desta dissertação, foi proposto o uso de uma ferramenta de verificação de modelos usualmente aplicada à verificação de software multithread, o SPIN.
Em particular, as redes de Petri aninhadas foram modeladas a partir de uma proposta de extensão da PNML (Petri Net Markup Language - ISO15909-2), e traduzidas de forma automática em modelos de entrada para o verificador SPIN.
O resultado da tradução automática foi avaliado a partir da análise de propriedades de redes aninhadas baseadas em modelos que surgem principalmente de dois domínios de aplicação: os sistemas multiagentes e fluxos de trabalho.
Isso foi feito utilizando exemplos da literatura para avaliar a eficácia do método e comparar os resultados com outras iniciativas.

Uma cabeça robótica social possui um papel fundamental na troca de informações por meio da fala e expressões faciais. O presente trabalho tem como objetivo construir uma cabeça robótica social, conhecida como Two-Ts, de baixo custo utilizando tecnologia de impressão 3D. A característica principal da Two-Ts é reproduzir, mesmo com limitações mecânicas, as emoções básicas e universais da metodologia Facial Action Coding System (FACS) de Paul Ekman em parceria com Wallace Friesen. Pode-se citar felicidade, tristeza, medo, surpresa, raiva e nojo. A cabeça robótica possui oito Graus De Liberdade (GDL) e foi desenvolvida em duas etapas definidas como Modelagem 3D da Cabeça Humana e Construção e Validação da Two-Ts. Na primeira etapa, como o objetivo da Two-Ts é ter características mais próximas de uma cabeça humana, um exame de tomografia computadorizada foi realizado para capturar as imagens da região do crânio e maxilar da discente responsável pelo seu desenvolvimento. Na segunda etapa, o projeto mecânico estrutural foi modelado e simulado no Fusion 360 da Autodesk. Vale ressaltar que nesta etapa, o projeto eletrônico foi definido, pois os seus componentes interferiram diretamente na estrutura mecânica da cabeça robótica. Após analisar e validar os resultados no Fusion 360, foi efetuada a impressão 3D da Two-Ts, montagem e implementação dos sistemas de visão, audição e voz. A biblioteca OpenFace foi responsável por validar os movimentos faciais, mais especificamente as seis emoções básicas e universais, da Two-Ts virtual, real e da discente. Por fim, os sistemas de visão, audição e voz também foram validados em uma interação humano-robô com comunicação básica e acompanhamento de movimentos.

Medir o efeito de uma ação, seja uma campanha de marketing ou o efeito de um novo medicamento, é uma tarefa desafiadora e que envolve problemas nas mais diversas áreas. A modelagem Uplift leva em consideração quais pessoas apresentam algum comportamento devido à uma determinada ação e qual seria o comportamento dessas pessoas sem a ação, por exemplo. Essa diferença é modelada como resposta de um modelo de uplift. Uma abordagem comumente usada para predizer o comportamento desses para esse problema são os Modelos de Aprendizado de Máquina “Black Box”, que são modelos matematicamente complexos para os quais não é possível entender diretamente a relação das variáveis explicativas com a variável resposta. Para explicar essa relação, podemos utilizar ferramentas de interpretabilidade, tais como os gráficos de Dependência Parcial e Expectativa Condicional Individual e as Medidas dos Valores de Shapley ou ajuste de Modelos Locais interpretáveis. Neste trabalho levantamos técnicas utilizadas em Modelagem Uplift, com o objetivo de abordar a interpretabilidade nesse contexto.

A onipresença acessível de dispositivos móveis atrai uma variedade de usuários. Para atender adequadamente a essa diversidade de usuários heterogêneos, seria necessário projetar aplicativos móveis orientados pelo design universal. O design universal de aplicativos móveis cria aplicativos acessíveis a todas as pessoas, independentemente de suas características, idade ou habilidades. Os sistemas operacionais de dispositivos móveis avançam em direção ao design universal, fornecendo aos usuários configurações de acessibilidade, como tamanho da fonte e configurações do leitor de tela. Essas configurações são de grande importância. Eles permitem que a funcionalidade do telefone móvel seja adaptada às necessidades de seus diferentes usuários e abrem o caminho para atender a dois dos princípios do design universal: o uso justo e flexível de Sistemas Operacionais (SO) móveis. Por outro lado, a mesma flexibilidade não acontece com os aplicativos instalados sobre esses SO, pois a maioria deles não oferece as mesmas possibilidades de configuração. Devido a limitações técnicas, eles nem sempre são capazes de herdá-los dos sistemas operacionais. No entanto, podemos afirmar que, por um lado, os sistemas operacionais avançam em direção ao acesso universal, proporcionando configurações de acessibilidade. Por outro lado, os aplicativos móveis representam um obstáculo para que esse avanço aconteça. Uma maneira de mitigar o problema da baixa flexibilidade dos aplicativos móveis é identificar no início do processo de desenvolvimento de aplicativos móveis um conjunto de requisitos de configuração acessíveis que direciona os desenvolvedores a incluí-los em seus aplicativos futuros. Acessibilidade é um requisito não funcional e precisa ser mapeada em um conjunto de requisitos funcionais. Daí a importância de identificar e publicar esses requisitos. Existem iniciativas recentes para desenvolver requisitos para aplicativos móveis acessíveis. Ainda assim, muitos não são específicos para os requisitos de configuração e outros não são projetados com base no design universal ou por meio da participação do usuário. Diante desse contexto, este trabalho teve como objetivo pesquisar e descobrir quais os requisitos de configuração de acessibilidade que os aplicativos móveis devem implementar e quais os padrões de interface devem ser utilizados para desenvolve-los.  Esses resultados servem como diretrizes para a implementação de aplicativos móveis mais flexíveis. Os produtos também ajudam a avaliar o grau de flexibilidade dos aplicativos móveis existentes. Esperamos contribuir para um uso mais equitativo dos aplicativos móveis.

A comunidade científica tem dado cada vez mais atenção para a transparência em modelos de aprendizado de máquina para uso em aplicações de suporte a decisões. Enquanto muitos dos métodos populares são considerados uma caixa-preta por não possibilitarem uma inspeção do seu funcionamento, a regressão simbólica aparece como candidato na direção de obtenção de modelos mais transparentes, por conta do potencial que tem de encontrar modelos mais simples e interpretáveis. Entretanto, uma vez que interpretabilidade é subjetiva, faz-se necessário o uso de métodos adicionais para alcançar um modelo inteligível para o utilizador. Enquanto a representação Interação-Transformação é um passo na direção de resultados mais simples, por restringir o espaço de busca à soluções mais simples e interpretáveis, o resultado ainda pode não ser inteligível dependendo domínio do problema. Este projeto tem como objetivos desenvolver e aplicar métodos para interpretar e explicar resultados de regressão simbólica utilizando a representação Interação-Transformação, por meio da automatização do processo de extração de informações de um modelo, providenciando diversas perspectivas para apresentar ao utilizador de como ele se comporta. Para isso, diferentes abordagens para extrair informações expressões simbólicas serão estudadas, como o uso de descrições de alto nível, ferramentas de visualização e medidas quantitativas do comportamento da expressão, facilitando com que possa ser estabelecida (ou rejeitada) a confiabilidade e plausibilidade do modelo.

Contexto: Sistemas são construídos com base em uma arquitetura o qual indica a sua estrutura de elementos e componentes, internos e externos, bem como seus relacionamentos. Além disso, a arquitetura do sistema também define princípios e regras para apoiar o processo de evolução do sistema como um todo.
Contudo, as arquiteturas de sistemas não evoluem no mesmo ritmo das tecnologias mais modernas o que traz dificuldades para se integra-las com sistemas mais novos, resultando em uma complexidade para a sua evolução. Este desafio torna-se mais evidente diante dos recentes processos de transformação digital das organizações onde os sistemas como tecnologias de informação e comunicação tornam-se meios para a entrega de produtos e serviços mais eficientes. Problema: A transformação digital demanda das empresas mais integrações entre produtos e serviços, mais canais de utilização de acesso aos produtos e serviços e principalmente mais agilidade para disponibilização de produtos e serviços e os departamentos de TI, precisam entregar mais funcionalidades em um menor período de tempo. Para tal, os esforços de tecnologia tem sido em buscar meios de efetuar alterações especificas em sistemas sem comprometer toda a plataforma, testar somente o for necessário testar, diminuir a complexidade das alterações de sistemas, diminuir a complexidade dos testes e entregar sistemas com capacidade de atender a grandes volumes de acesso. Para tais objetivos sistemas monolíticos trazem um grande problema de complexidade para os departamentos de TI, que acabam pela necessidade de modernizar e evoluir esses sistemas com arquiteturas modernas capazes de atender essas necessidades. Objetivo: Dessa forma, o objetivo principal desta dissertação de mestrado é apresentar uma metodologia capaz de modernizar sistemas monolíticos em arquiteturas modernas e com convivência com sistema monolítico e um estudo de caso de uma empresa do setor financeiro no brasil. A arquitetura e metodologia apresentada, permite a modernização de sistema de forma gradativa de acordo com a agenda de prioridades de negócio. Métodos: Um mapeamento sistemático da literatura foi realizado com vistas a analisar a literatura existente que trata a modernização de sistemas com o propósito de caracterizar o estado da arte atual em relação a trabalhos existentes na área de Engenharia de software e arquitetura de sistemas. Através da teoria da prática um estudo de caso real do setor financeiro no brasil foi analisado com um processo de modernização, onde leva em consideração a modernização de sistemas de acordo com a agenda de prioridades do negócio, efetuando então essa modernização através de recortes de funcionalidades do sistema monolítico e criando integração entre sistemas modernos e sistema monolítico. Uma entrevista qualitativa foi feita, para extrair a aderência, coerência e eficiência da metodologia junto aos profissionais de tecnologia da empresa. Resultados: Os resultados da aplicação pesquisa qualitativa em uma equipe real que utiliza a metodologia, mostra que embora o processo é coerente e aderente as empresas que precisam modernizar sistemas e não podem deixar de atender as metas de negócios no avanço de aprimorar funcionalidades existentes ou criar novas funcionalidades em sistemas monolíticos existentes na empresa. Conclusões: Essa dissertação de mestrado apresentou resultados importantes para o estado da arte de engenharia de software, que corroboram com os direcionamentos de pesquisa identificados no mapeamento sistemático. A principal contribuição diz respeito a necessidade de metodologia de modernização de sistemas que tenha sinergia com as iniciativas de negócio das empresas uma vez que modernizar sistemas e efetuar mudanças de arquiteturas demandam um quantidade de tempo considerável do departamento de TI, para tal essa modernização de sistemas deve acontecer de forma gradativa, priorizada e com recortes em um sistema monolítico mantendo integrações entre sistema moderno e monolítico para manter a integridade e coerência das informações.

A confiabilidade é um componente essencial do transporte público e compreende medidas sobre o desempenho e a qualidade do trânsito. Os recentes avanços tecnológicos permitiram a coleta massiva de dados e a aplicação de um novo conjunto de análises de dados, desbloqueando a discussão em um nível sistêmico e agregando uma perspectiva mais precisa do cliente. No entanto, a maioria dos estudos de confiabilidade de trânsito se concentra em métricas, estratégias para controlar a viagem e a variabilidade do tempo de espera, mas sem uma discussão clara sobre as variáveis explicativas que causam essas flutuações. Nosso estudo analisou os dados arquivados da cidade de São Paulo coletados em todas as 1.317 rotas de ônibus a cada 45s durante nove meses. Aplicamos um algoritmo baseado em árvore para identificar padrões em um conjunto de variáveis agrupadas em seis categorias: serviços de agência, topologia, demanda, clima, condição de tráfego e dia da semana. Para capturar a importância da variável independente do modelo, usamos Inteligência Artificial Explicável chamada TreeSHAP para calcular os valores de shapley, uma técnica da Teoria dos Jogos baseada em um jogo de coalizão justo.

Ao calcular o “pagamento” distribuído entre as variáveis independentes, observamos que a variabilidade geral é altamente afetada pelos serviços da agência, conforme o esperado. No entanto, a categoria topologia afetou principalmente o tempo de viagem. Os passageiros com um tempo de chegada limitado ao destino dependem de um serviço regular da agência pelo menos 60% do tempo planejado para sua viagem independente da localização espacial em rotas de ônibus de alta frequência. Os resultados abrem uma discussão para compreender a parcela de contribuição das agências de transporte público para manter um serviço confiável e reinterpretar o desempenho das métricas de pontualidade, considerando efeitos adicionais na variabilidade do tempo de espera e de viagem.

Indicadores bibliométricos têm sido utilizados amplamente por governos, agências de governos e outros atores (e.g., universidades e pelos próprios cientistas) para mensurar o desempenho de pesquisadores, com o objetivo de orientar decisões de aprovação em estágio probatório, e como critério para progressão de carreira, financiamento de pesquisa, seleção de membros de quadros editoriais entre outras aplicações. A racionalidade por trás do uso desses indicadores como ferramentas de suporte à decisão, nesses contextos, é a força preditiva que supostamente eles carregam. Para essas e outras aplicações, o potencial para impacto futuro de um avaliado é a preocupação central. Indicadores alternativos (i.e., o índice-h futuro estimado via modelos de aprendizado de máquina) capturando o potencial para impacto futuro de cientistas claramente têm uma vantagem sobre indicadores tradicionais. Entretanto, vieses de toda natureza (e.g., favorecimento de certos grupos privilegiados) encontrados nesses modelos e a ausência de explicativas para suas tomadas de decisões têm tornado o uso deles inadequados nesses contextos em que decisões fundamentadas são pré-requisitos. Esta tese foca em como resolver essa questão. Em uma tentativa de aumentar a confiabilidade de modelos, nós propomos novos modelos interpretáveis para predição do Q futuro (impacto futuro) de jovens cientistas, e comparamos as suas acurácias e as suas explicativas para suas decisões contra outros modelos de aprendizado de máquina (Redes neurais profundas) e analíticos (e.g., o modelo Q, o índice h). Nós encontramos que esses modelos preditivos (indicadores alternativos) são confiáveis. Entretanto, por um lado esses testes revelaram que houve propagação involuntária de vieses (e.g., favorecimento de pesquisadores júnior já em posição de destaque) por algoritmos de aprendizado de máquina. Por outro lado, eles mostraram que as explicativas de modelos para suas decisões poderiam ser avaliadas por julgadores humanos para aliviar essa questão. Como esperado, nossos experimentos mostram que mesmo com poucos dados, o desempenho futuro (ou impacto) de pesquisadores júnior pode em grande medida ser predito. Em geral, as explicativas de modelos dadas para suas decisões são razoáveis. No entanto, a decisão final deve sempre ser do julgador humano porque existe sempre um risco embutido em uma predição.
Adicionalmente, nós propomos o Q para periódicos, uma nova medida de impacto complementar às medidas de impacto de periódico. A sua principal vantagem sobre as demais medidas é ser uma medida não cumulativa, produzindo um ranking permanente.

Notícias falsas têm atraído atenção nos últimos tempos, levantando questões sobre o grau de influência que podem exercer sobre importantes atividades das vidas das pessoas. Esforços têm sido feitos para detectá-las, mas geralmente dependem de trabalho humano, o que pode ser custoso e demorado. Disso surge a necessidade de maneiras automáticas de inferir se um determinado artigo é verdadeiro ou falso. O objetivo deste trabalho é estudar técnicas de aprendizado supervisionado para inferir automaticamente se as notícias são falsas ou não em várias plataformas e idiomas. Usamos seis conjuntos de dados de três plataformas diferentes (sites,Twitter e WhatsApp) em dois idiomas (português e inglês). Dois desses conjuntos de dados são novos
e foram coletados durante este estudo. Monitoramos sites de checagem de fatos procurando por tópicos de notícias falsas. Então, nós recuperamos mensagens no Twitter de tais tópicos, juntamente com conteúdo verdadeiro. Também baixamos mensagens do WhatsApp reportados por esses sites. Então, para cada conjunto de dados, usamos três conjuntos de atributos (textual, bag-of-words e DCDistance) e aplicamos algoritmos de classificação neles para separar conteúdo falso de verdadeiro. No conjunto de dados do WhatsApp, aplicamos classificação de uma classe, uma abordagem inovadora neste tipo de aplicação.

Nos últimos anos vemos na sociedade uma proliferação de soluções inovadoras e arrojadas sobretudo nos campos de visão computacional, reconhecimento e síntese de fala. Quando olhamos mais atentamente para tais implementações verificamos que elas possuem algoritmos baseados em redes neurais convolucionais profundas (CNN, do inglês Convolutional Neural Network), treinadas em hardware de alto poder computacional com modernas placas gráficas de processamento paralelo de propósito geral. Mais recentemente vimos propostas para racionalização desses recursos computacionais e um foco em desempenho de modo a atingir execuções em tempo real. Dado este contexto, o presente trabalho tem como objetivo analisar e propor soluções utilizando abordagens CNN, tais como, arquiteturas Google Net, Mobile Net, VGG (versão 16 e 24), NasNet e DenseNet. Estas soluções serão aplicadas em problemas ainda pouco explorados como digitalização de livros, detecção de gestos, detecção de códigos de barra e QRCodes, onde todas essas tarefas têm como entrada principal de dados imagens adquiridas por câmera de vídeo convencional e a análise é efetuada em tempo real. Como resultados, constatamos que a melhor arquitetura depende de cada um destes problemas. 

Com o grande aumento na disponibilidade de dados de várias áreas, há um interesse crescente na pesquisa de padrões em conjuntos de dados. Esses padrões podem ser usados para executar tarefas como agrupamento e classificação. A área de pesquisa de Aprendizado de Máquina (AM) apresenta vários algoritmos com o objetivo de realizar essas tarefas. No entanto, algumas fontes destes dados podem trazer variáveis (ou atributos) desnecessárias que podem comprometer a qualidade dos padrões extraídos e podem, por exemplo, prejudicar em tarefas de classificação, interferindo no valor de acurácia obtido pelo classificador. Neste trabalho é proposta uma representação de dados textuais incorporando taxas de ocorrências de palavras associadas a suas funções sintáticas utilizando tarefas de Processamento de Linguagem Natural (PLN), como o POS-Tagging. A partir dessa estrutura de dados obtida é proposta a atribuição de importância a grupos desses atributos para representar os textos. Utilizando primeiramente Aprendizado Não-supervisionado, é realizado o agrupamento hard das palavras com o algoritmo K-médias, reduzindo a complexidade da base de dados sem que informações importantes sejam perdidas, e após a definição do número de grupos ideal, pesos são atribuídos aos grupos de palavras. Com a abordagem de Aprendizado Supervisionado, é aplicada classificação nos textos, inicialmente com os atributos sendo as  palavras previamente taggeadas, havendo uma etapa de otimização dos pesos dos atributos com o auxílio de um algoritmo de otimização baseada em população. Os resultados mostram que com esta estrutura de dados e com a abordagem de atribuição de pesos aos atributos houve uma melhora significativa em relação ao valor da acurácia na tarefa de classificação.

Os métodos utilizados para o tratamento de fobias, em sua maioria, consistem
em confrontar diretamente o paciente com o seu objeto fóbico (OF), o que é em
muitos casos impensável para o detentor da fobia. O presente trabalho consiste no
desenvolvimento de um software em realidade virtual para dispositivos móveis
(smartphones) com sistema Android, que permitirá o tratamento de fobias sem o
confronto direto do paciente com o OF. Para a realização do software foi utilizada a
engine Unity3D, que é disponível para pesquisadores e possui uma interação com o
Android para a programação em realidade virtual. A base teórica para o projeto
consiste principalmente em um artigo apresentando por Granado et al. (2007),
referente o tratamento de aracnofobia por meio da utilização de imagens que
remetem a fobia correspondente, além de cursos e manuais referentes a linguagens
utilizadas. A adaptação de um tratamento bem sucedido que utiliza imagens em 2D
para um tratamento com realidade virtual facilitaria e aprimoraria o formato inicial,
devido às possibilidades de estímulos mais realistas em 3D além da mobilidade
possível com dispositivos móveis.

Os jogos sérios educacionais (JSEs) são desenvolvidos para apoiar a aquisição de conhecimento e desenvolvimento de habilidades, por isso há a necessidade de mensurar os resultados alcançados (tanto depois que os alunos usam o jogo, como durante o jogo), para garantir a eficácia e efetividade dos jogos. Em JSEs, a avaliação pode ter o objetivo de avaliar o jogo em si, o produto final, ou o desempenho do aluno, no auxílio ao aprendizado do aluno. No entanto, a maioria das avaliações em JSEs são realizadas com foco em coletar a satisfação, motivação e outras reações dos alunos, sendo muitas vezes ignorada a avaliação da aprendizagem. Isto ocorre pela falta de abordagens (processos, modelos, métodos, frameworks) que apoiem o planejamento da avaliação durante o processo de produção de um JSE. Neste contexto, este trabalho tem como objetivo desenvolver e avaliar o AvaliaJSE, um modelo conceitual para estruturar, orientar e suportar o planejamento e design e execução da avaliação do desempenho do aluno em JSEs. O AvaliaJSE foi concebido por meio de uma visão holística sobre as abordagens (métodos, metodologias, processos, frameworks, modelos) de avaliação, no contexto de JSEs, através de um levantamento bibliográfico. O AvaliaJSE possui dois artefatos: um modelo canvas e um documento de projeto da avaliação, este para especificação mais detalhada do canvas. Para análise e exemplificação do uso do modelo, os artefatos foram aplicados a três jogos já prontos, como prova de conceito. Além disso, o AvaliaJSE foi avaliado por especialistas da área de desenvolvimento de JSEs e avaliação, por meio de questionário com perguntas fechadas e abertas, sobre sua corretude, consistência, clareza, inequívoco, completude, autenticidade, flexibilidade e usabilidade. O AvaliaJSE e seus artefatos podem ser usados para auxiliar a equipe no planejamento, documentação e desenvolvimento dos artefatos e coleta de dados em JSEs, bem como, na execução da avaliação, mensuração da aprendizagem e feedback constante e personalizado para os alunos.  

Os jogos educacionais digitais (JDEs), são considerados softwares educacionais (SEs) e têm sido utilizado como ferramenta de apoio a aprendizagem nos mais diversos contextos, no entanto observa-se a falta de atenção de questões pedagógicas em seu processo de criação. Desenvolver um JDE que supra as necessidades de uma perspectiva pedagógica sociointeracionista é também um desafio da computação, pertinente ao desenvolvimento de softwares com qualidade,  pois estes devem atender requisitos específicos dos educadores. Objetiva-se nesta pesquisa analisar o processo de desenvolvimento do JDE Expedição Antártica, desenvolvido pelo grupo de pesquisa INTERA (Inteligência em Tecnologias Educacionais e Recursos Acessíveis), investigando assim as características que tornam as mecânicas de jogo alicerçadas na teoria sociointeracionista de Lev Vigotski. Para tanto, recorreu-se à revisão sistemática da literatura e a análise do processo de desenvolvimento do jogo Expedição Antártica. Ao final, espera-se identificar as características da mecânica de jogo que o torna alicerçado na teoria de aprendizagem sociointeracionista.  

O crescimento populacional das grandes cidades do mundo tem sido extremamente acentuado ao longo dos anos e, segundo relatórios das Nações Unidas, a previsão é que continue em franca ascensão. Com o objetivo de atender às necessidades do crescimento dessa população, surge o conceito de Cidades Inteligentes, que se define como o uso da tecnologia para melhorar a infraestrutura urbana e prover uma melhor qualidade de vida da população. Nesse cenário, a mobilidade urbana será o tema abordado neste trabalho, mais especificamente, a mobilidade urbana dos deficientes visuais. O presente trabalho tem por objetivo propor um sistema de auxílio à locomoção de pessoas com deficiência visual em ambientes públicos de transporte, tais como estações de metrô, estações de trem, terminais de ônibus, etc., através de utilização de tecnologia celular (Smartphones). A proposta consiste em prover informações de localização aos usuários do serviço através de um programa aplicativo instalado em um Smartphone para que os funcionários dos ambientes públicos de transporte consigam localizar os usuários deficientes visuais mesmo que estes estejam fora da estação e auxiliá-los em sua locomoção dentro do transporte público. Como prova de conceito da proposta foi escolhido o ambiente do metrô.

 A metodologia utilizada no trabalho é a pesquisa experimental e será utilizado o cálculo dinâmico das distâncias físicas entre os usuários deficientes visuais e os pontos de acesso às estações de metrô, através de coordenadas de geolocalização, fornecidas pelo GPS dos Smartphones dos usuários.  Um servidor central irá gerenciar a comunicação entre os aplicativos instalados nos Smartphones dos usuários deficientes visuais, além de enviar ao setor operacional de cada estação de metrô as notificações de solicitação de auxílio aos usuários deficientes visuais.  Com os resultados desse trabalho espera-se gerar, através do uso de tecnologia, melhorias na autonomia dos deficientes visuais em termos de mobilidade nos transportes públicos contribuindo para o aumento de sua inclusão e cidadania, e também contribuindo com a expansão e desenvolvimento do conceito de Cidades Inteligentes.       

O acompanhamento da aprendizagem pelo próprio estudante tem sido estudado no âmbito da autorregulação da aprendizagem. Pesquisas indicam que aprendizes com altos índices de autorregulação possuem maiores chances de continuarem ativos no decorrer de um curso.  Learning Analytics Dashboards (LAD) apresentam grande potencial para serem utilizadas como ferramentas para apoiar o acompanhamento e monitoramento da aprendizagem. LAD tipicamente capturam e apresentam de forma gráfica o rastreamento das atividades de aprendizagem dos estudantes, especialmente em Ambientes Virtuais da Aprendizagem (AVA) com a finalidade de promover a consciência e reflexão e permitir que os estudantes possam acompanhar tanto seu progresso quanto monitorar o próprio comportamento.  Entretanto, identificou-se que a maioria das aplicações de LAD disponíveis são desenvolvidas para apoiar os professores. Ou seja, poucas aplicações desse tipo são endereçadas explicitamente para que os próprios estudantes possam visualizar e analisar os seus dados e assim possibilitar a reflexão sobre o próprio desempenho ou comportamento de aprendizagem. Nesse sentido, este trabalho tem por objetivo geral apresentar a ferramenta DashLearner, que é um plugin Moodle desenvolvido para propiciar o acompanhamento da aprendizagem pelos estudantes. A expectativa é que a disponibilidade de um plugin com estas características, para um AVA bastante utilizado, possa fomentar e ampliar os processos de autorregulação da aprendizagem pelo estudante. O trabalho apresenta a discussão dos resultados do uso do DashLearner com uma turma de um curso de graduação e uma turma de um curso de especialização.  

O problema de coloração de grafos consiste em atribuir cores a certos elementos de um grafo, sujeito a determinadas condições. Ao se caracterizar como um problema de otimização combinatória, ele possui aplicabilidade a uma vasta gama de áreas que envolvem particionamento e conflitos, compreendendo escalonamentos e alocações diversas, como, por exemplo, de tarefas, canais, redes, eventos e rotas. Inicialmente solucionado por algoritmos exatos, capazes de fornecer a solução ótima, estes se mostraram ineficientes na resolução de problemas de coloração de grafos de alta complexidade, sendo incapazes de fornecer soluções em um tempo computacional aceitável. Assim, técnicas de Inteligência Artificial foram aplicadas com sucesso a instâncias complexas deste problema nas últimas décadas. A Computação Quântica, tem se mostrado nos últimos anos uma possível alternativa viável e eficiente na resolução de problemas complexos diversos, com aplicações futuras na simulação e otimização em diferentes áreas, como medicina, transporte, finanças e segurança cibernética. Dentro deste contexto, esta pesquisa envolve a simulação da execução de um algoritmo de Inteligência Artificial em um computador quântico para a resolução de um problema de coloração de grafos, constituindo, portanto, um algoritmo híbrido. O intuito é demonstrar o ganho em performance, relacionada a diferentes métricas, como o tempo de execução do algoritmo implementado e a qualidade da solução por ele encontrada, ambos relacionados à simulação do seu funcionamento em um computador quântico. A técnica de Inteligência Artificial utilizada foi uma Rede Neural Artificial, que tem sido aplicada com sucesso nas últimas décadas a problemas de otimização combinatória de diversas áreas, como telecomunicações, medicina, gestão, segurança e previsão. Os experimentos foram realizados no IBM Q Experience, uma plataforma online que disponibiliza o acesso a um conjunto de protótipos de processadores quânticos da IBM, por meio da computação em nuvem. Os resultados obtidos foram comparados aos da rede neural utilizada, aplicada anteriormente ao problema de coloração de grafos na literatura, e implementada em um computador clássico, de acordo com determinadas métricas. O problema considerado, constituído por um grafo com 4 vértices, demonstrou o potencial do algoritmo híbrido quântico proposto na resolução de um problema de otimização combinatória, o qual obteve resultados superiores em relação àqueles apresentados pela rede neural artificial utilizada, implementada em um computador clássico, com relação ao tempo de processamento e à acurácia da rede neural considerada. Esta pesquisa também discutiu como minimizar futuramente as limitações ainda apresentadas por um computador quântico na resolução do problema de coloração de grafos, a qual pode ser estendida a outros problemas de otimização combinatória, para instâncias maiores.

Analisar a informação através de múltiplas perspectivas pode colaborar no entendimento dos dados e na extração de conhecimento, permitindo a exploração de um intervalo maior de características, principalmente em se tratando de textos. Para fazer uma análise significativa de todos os aspectos de um texto, é fundamental observá-lo através de múltiplas perspectivas permitindo assim uma investigação mais objetiva. Neste trabalho, estamos propondo uma técnica capaz de gerar múltiplas visões de textos para aprender suas características e incorporar seu conhecimento em uma única representação vetorial que seja apta para generalizar um modelo preditivo aprimorado que visa aperfeiçoar a classificação de documentos. Estamos apresentando duas propostas para combinar nossas múltiplas visões. Cada estratégia possui algumas variações que proporcionam mais flexibilidade. Avaliamos nossos métodos através da tarefa de classificação de textos sobre duas perspectivas diferentes. Inicialmente, comparamos nossa proposta contra métodos que usam uma única visão dos dados e posteriormente, confrontamos contra técnicas de estado-da-arte que  também utilizam múltiplas visões. Executamos os experimentos com quatro classificadores em seis bases de textos diferentes. Nossas propostas superaram as técnicas concorrentes em quase todos os experimentos mostrando sua capacidade de aprender com múltiplas visões de textos.

Para permitir que amadores ou iniciantes criem modelos rapidamente a partir de um conjunto de desenhos 2D, a reconstrução 3D ganhou atenção nos últimos anos. Entretanto, ao lidar com desenhos, é necessário tratar problemas importantes, como ambiguidade e dificuldade em inferir partes ocultas. Isso é especialmente válido ao descrever características de espécies vegetais e animais, exploradas por botânicos e zoólogos, nas quais, as abordagens precisam inferir ou descartar partes oclusas. Esta tese tem como objetivo reconstruir objetos 3D a partir de simples desenhos 2D em única vista, assumindo que uma grande classe de objetos apresenta simetria estrutural ou seja composta por múltiplos objetos desenhados como estruturas sobrepostas.

Neste trabalho, apresentamos dois frameworks, uma abordagem automática que leva ao estudo e desenvolvimento de um método robusto para a geração de modelos 3D usando Funções de Base Radial a partir de dados Hermitianos, permitindo interpolar os contornos do desenho 2D com as normais 3D estimadas. Apesar dos resultados promissores, o uso de esqueletos em trabalhos anteriores descarta os detalhes presentes nos desenhos, criando cilindros generalizados em torno do eixo medial extraído das peças desenhadas. Além disso, como parte relevante do estudo, está o desenvolvimento de novas estratégias para a segmentação dos desenhos, permitindo tratar diferentes partes com maior flexibilidade.

A seguir, apresentamos um framework interativo para interface baseada em sketches para modelar objetos 3D com múltiplos contornos e estruturas sobrepostas. Inspirado por estratégias tradicionais de ilustração e desenhos científicos, nossa interface de desenho permite ao usuário inferir simetrias perceptíveis e partes obstruídas do modelo antes de sua modelagem 3D automática. Propomos um conjunto de efeitos visuais 2D para aprimorar a percepção visual dos usuários ao esboçar vários objetos sobrepostos em uma única vista. Como resultado, demonstramos exemplos com desenhos que variam de simples sobreposição de linha a ilustrações de torções de fitas, além de sistemática biológica para apresentar as capacidades de nosso sistema.

O problema da Distancia de Ediç ã o de Á rvores é uma generalizaç ã o da Distâ ncia de Levenshtein (Distancia de Ediç ã o de Cadeias). Nele, temos duas á rvores rotuladas A e B, e queremos saber o custo mí nimo de uma sequencia de operaç õ es que transforma A em B atraves da inserç ã o, substituiç ã o e rerrotulaã o de nó s. Neste trabalho, analizamos alguns algoritmos da famí lia de algoritmos de decomposiç ã o: Zhang-Shasha, Klein e Demaine. Revisitamos as provas de alguns de seus lemas, visando trazer uma versao mais clara quanto possí vel. També m apresentamos uma implementaç ã o do algoritmo de Klein operando sobre cadeias de Euler, como descrito em seu trabalho original.

Com o aumento do número de diferentes tipos de tecnologias utilizadas no cotidiano, seria esperado que o uso de computadores fosse algo confortável e natural para todos. No entanto, é comum que algumas pessoas ainda se sintam apreensivas quando precisam usar computadores ou novas tecnologias. Essas pessoas enfrentam múltiplos níveis de ansiedade e, para níveis elevados, demonstram o que é chamado de Ansiedade Computacional (do inglês Computer Anxiety). Pessoas com Ansiedade Computacional enfrentam problemas no uso de tecnologias em casa, no ambiente de trabalho ou para fins de estudo. Isto pode criar múltiplas barreiras para essas pessoas, privando-as do acesso à tecnologia. Neste contexto, o presente projeto de mestrado investigou as principais características relacionadas a como pessoas com Ansiedade Computacional interagem com computadores relacionando-as com dados de interação (ou logs de interação). Isso foi feito através de um estudo de campo realizado com 31 idosos envolvendo captura de dados de interação, dados de rastreamento ocular, escalas para medir níveis de depressão, ansiedade, ansiedade computacional, entre outras. Os resultados obtidos foram utilizados no desenvolvimento de um modelo de detecção de ansiedade computacional capaz de identificar diferentes níveis de ansiedade (i.e., sem ansiedade, baixo nível de ansiedade computacional e alto nível de ansiedade computacional) com 83,87% de acurácia. A partir dos resultados apresentados, é possível identificar automaticamente diferentes níveis de ansiedade computacional de idosos interagindo com a Web através da análise de logs de interação. Então, possibilitando personalização da interface de usuário para pessoas com Ansiedade Computacional, por exemplo, simplificando-a.

Os algoritmos tradicionais de predição buscam otimizar uma métrica de predição global para identificar uma tendência que descreva o comportamento de um conjunto de dados. Então, essa regra generalizada pode ser utilizada para fornecer estimativas para amostras até então desconhecidas. Este modus operandi pode induzir ao negligenciamento de padrões interessantes que contém informação relevante apenas por não estarem próximos à tendência principal. Essas regiões potencialmente interessantes do espaço são conhecidas como excepcionalidades locais e podem ser identificadas por algoritmos como o Exceptional Model Mining (EMM) na forma de subgrupos. O EMM generaliza a tarefa conhecida como subgroup discovery abrangendo também medidas de qualidade multivariáveis. Suas instancias são definidas pela combinação de um modelo construído sobre atributos alvo pré-selecionados com uma medida de qualidade calculada em função dos modelos. Adicionar explicitamente essa informação em um conjunto de dados na forma de novos atributos forçaria os classificadores a considerar em seus espaços de busca as excepcionalidades locais, auxiliando o processo de construção das fronteiras de decisão e, consequentemente, melhorando o desempenho preditivo. Nossos resultados sugerem que, ao adicionar os subgrupos encontrados com o EMM como novos atributos em um conjunto de dados, foi possível melhorar o desempenho preditivos de algoritmos lineares tradicionais de classificação quando comparados com o mesmo algoritmo, executado com os mesmos parâmetros sobre o mesmo conjunto de dados, mas sem a informação provida pelo EMM. 

A semântica distribucional é uma teoria derivada da linguística e psicologia, que possui como premissa a hipótese de que se pode derivar o significado de uma palavra pelos diversos contextos em que ela ocorre. Trata-se de uma teoria com um vasto número de aplicações em âmbito computacional: representações baseadas em semântica distribucional são largamente empregadas em tarefas como geração de texto, tradução automática e classificação de documentos. Uma das grandes vantagens deste tipo de representação consiste no fato de que todo o aprendizado da linguagem deriva da apresentação de exemplos de textos da linguagem em questão. Nesta dissertação, são investigadas oportunidades de utilização de representações baseadas em semântica distribucional para o processo de avaliação didática de questões dissertativas em variados domínios de conhecimento, abstraídos como problemas de classificação supervisionada. O principal objetivo deste método consiste em fornecer ferramentos para auxiliar professores nesta tarefa, servindo como um mitigador da subjetividade intrínseca do processo de correção de exercícios produzidos por alunos. São eles: a detecção de estruturas retóricas de artigos de opinião em redações de vestibular e aplicação automática de conceitos em scripts em Java produzidos por alunos em um curso introdutório de programação. No primeiro, foi obtida acurácia máxima de 74,22% entre os diversos experimentos propostos. No segundo, em uma série de 12 experimentos, foi obtida uma média de acurácia de 74, 90% . Além das oportunidades em educação aqui propostas, são também realizadas comparações de diferentes representações distribucionais entre si, e também, a avaliação de sua efetividade em dois domínios distintos: linguagem natural (redações em português), e linguagem formal (scripts de programação).

A área de cientometria vem a décadas estudando formas de medir e aferir, de forma robusta, a ciência sob diversos aspectos. Em particular, os assuntos mais visitados, detalham a ciência sob a perspectiva qualitativa e quantitativa utilizando informações de fontes bibliométricas. A trans-, inter-, pluri- e multidisciplinaridade em pesquisa são diferentes formas de relação ou interação entre diferentes disciplinas científicas. Atualmente estas formas de interação são desejáveis na academia e motivada pelos diferentes órgãos de ciência e tecnologia assim como de agências de fomento à pesquisa. Nesse contexto, a caracterização de pesquisadores por indicadores cientométricos de multidisciplinaridade (que corresponde ao agrupamento simultâneo de disciplinas sem obrigatoriamente representar uma forte integração), é um primeiro passo para a descoberta de conhecimento sobre a relação de disciplinas a partir de fontes de dados bibliográficas e/ou curriculares incompletas.
Neste trabalho apresentamos a criação de métodos computacionais para analisar, ao longo do tempo, quão multidisciplinar tem sido o atuar científico de grupos de pesquisadores pesquisa. Formamos também uma rede de multidisciplinaridade onde verificamos as integrações: pesquisador-disciplina, pesquisador-pesquisador e disciplina-disciplina, utilizando a estrutura de grafos heterogêneos e homogêneos. O procedimento computacional considera a abordagem tradicional de descoberta de conhecimento onde são utilizados técnicas de mineração (e.g., séries temporais e reconhecimento de padrões) aplicadas a dados bibliográficos e curriculares.

Línguas de sinais utilizam de movimentos de mão e braços em combinação com expressões faciais e posturas corporais para transmitir idéias. Esta forma de comunicação é a principal utilizada por pessoas com deficiência auditiva em suas comunicadades, porém, grande parte da sociedade não compreende esse tipo de comunicação. Devido à essa falta de comunicação, pessoas com deficiência auditiva têm dificuldade de alcançar uma educação superior e fazer parte da força de trabalho especializada. No campo da ciência da computação, abordagens anteriores tratam reconhecimento de línguas de sinais como um problema de classificação de imagens ou de classificação de sequências. Entretanto, esses estudos propõe uma solução limitada pra o problema de entender e traduzir línguas de sinais. Para integrar tais sistemas efetivamente na sociedade é necessaŕio que existam abordagem para aquisição dos sinais porque, em um caso de aplicação real, o sistema terá que lidar com diferentes ambientes e condições de iluminação que não estão presentes em imagens processadas usadas na classificação. Neste trabalho, apresentamos um estudo comparativo de aquisição (detecção, rastreio e segmentação) e classificação de imagens de línguas de sinais. Para auxiliar no estudo, criamos uma arquitetura de reconhecimento de línguas de sinais modular e coletamos duas bases de dados: uma contendo vídeos para rastreio de mão e outra contendo 91 configurações da Lingua Brasileira de Sinais (LIBRAS). Além disso, nós comparamos os métodos das diferentes tarefas da arquitetura utilizando mais de 10 outras bases de dados disponíveis gratuitamente. Nossos experimentos mostram que a tarefa de aqusição de imagens de língua de sinais processadas em diferentes ambientes é muito mais complexa do que a tarefa de classificação e dependendo do ambiente no qual o sistema for aplicado, a acquisição pode ser realizada com métodos simples. Este estudo pode contribuir para uma percepção útil do campo e métodos para futuras pesquisas na área. As bases de dados coletadas preenchem uma lacuna no campo e podem ser utilizadas para testes de novos algoritmos. Além disso, a arquitetura proposta acelera a prototipação e testes de novos sistemas.

A sociedade contemporânea vivência a denominada Era do Conhecimento, onde a produção, o compartilhamento e o acesso à informação nunca foram tão eficientes. Nesse contexto, estruturar o conhecimento acadêmico-científico fornece os meios para organizar o saber formal em classes, de modo a viabilizar sua gestão e contribuir para sua disseminação. Entretanto, os modelos formais de classificação do conhecimento não permitem observar as relações existentes entre as diferentes categorias, tão pouco contribuem para a identificação do fluxo desse conhecimento entre os membros de comunidades científicas. Assim, buscamos desenvolver um método computacional cujo objetivo é estruturar o conhecimento científico, considerando a estrutura hierárquica fornecida pela Genealogia Acadêmica (GA). Os métodos considerados neste trabalho abrangem (i) a prospecção de dados genealógicos, (ii) a estruturação do grafo de GA, (iii) a prospecção de registros biográficos dos acadêmicos, (iv) a inferência dos tópicos de atuação desses acadêmicos com base em suas respectivas biografias, (v) a propagação dos tópicos identificados no grafo de GA e (vi) a estruturação dos grafos de tópicos. Os métodos foram aplicados em um estudo de caso, no qual consideramos (i) os registros de doutores em matemática e áreas afins, disponibilizados pela plataforma Mathematics Genealogy Project, (ii) um conjunto de biografias referentes a esses matemáticos, disponibilizado pelo repositório Wikipedia e (iii) um dicionário de tópicos formado a partir de um glossário de áreas da matemática. Os grafos de tópicos, resultantes do estudo caso, são apresentados como objetos de estudo abrangendo abordagens distintas, sob o ponto de vista estrutural, as quais são acompanhadas de suas respectivas análises descritivas.  Consideramos que identificar e estudar o fluxo do conhecimento científico entre gerações de pesquisadores é uma tarefa importante, ainda pouco explorada pela comunidade científica devido à inexistência de conjuntos de dados. Acreditamos que este trabalho permitirá a definição de um novo método computacional para o estudo de fluxo de conhecimento científico. A relevância do trabalho recai na possibilidade de descoberta de novas informações que auxiliem a identificar, estruturar e analisar os caminhos da ciência.

Não informado

nihil

Não informado

Não informado

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

A cadastrar

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil

nihil