Gerenciamento da Heterogeneidade de Dados em Aplicações Inteligentes baseadas na Internet das Coisas

A digitalização de documentos no setor judiciário brasileiro facilita o acesso à informação de interesse público. No entanto, para que seja possível levantar métricas de interesse deste crescente repositório informacional, é fundamental que se organizem os documentos de maneira a facilitar a recuperação de informações relevantes, e técnicas de aprendizado de máquina podem diminuir o esforço humano na organização de um grande corpus. Este trabalho analisou diferentes técnicas de aprendizado de máquina frente à quão bem associam termos jurídicos segundo especialistas humanos. Para isso, desenvolvemos um web scraper, software que consolida conteúdos online, para criar um corpus de sentenças jurídicas de primeira instância. Este corpus é composto de 40.009 documentos, o que totaliza 24.139.185 tokens. As técnicas FastText, GloVe e Word2Vec foram avaliadas frente à sua capacidade de associar termos de acordo com o Tesauro Jurídico do Supremo Tribunal Federal (TSTF). Elas foram comparadas quando treinadas tanto no domínio geral da língua portuguesa, quanto no domínio jurídico. O modelo FastText de domínio geral foi o que apresentou a maior similaridade entre os termos associados segundo o TSTF. Apesar disso, o FastText de domínio jurídico apresentou desempenhos comparáveis ou superiores aos modelos GloVe e Word2Vec de domínio geral. Avaliamos também as técnicas FastText, GloVe, Word2Vec, Doc2Vec e hashing trick na tarefa de agrupamento de sentenças jurídicas de primeira instância frente ao assunto a que pertencem. Comparamos os modelos treinados tanto no domínio geral quanto no domínio jurídico usando a V-Measure média e seu desvio-padrão. Concluímos que o FastText de domínio jurídico treinado em 300 dimensões apresentou resultados equivalentes ou superiores aos modelos de domínio geral. Observamos também que a escolha da técnica possui influência maior do que a escolha de hiper-parâmetros na determinação do desempenho. Outro fator analisado neste trabalho foi a semelhança dos documentos de diferentes assuntos. Usamos nesta análise o melhor modelo produzido no domínio jurídico: o FastText de 300 dimensões. Concluímos que apesar da incerteza da própria representação criada pelo modelo, parecem haver documentos de diferentes assuntos que são muito similares entre si. Avaliamos ainda o aumento de desempenho conferido pelo volume de documentos jurídicos no processo de treinamento, e verificamos que a partir de aproximadamente 800.000 tokens, que equivalem a aproximadamente de 1500 sentenças, os aumentos de desempenho marginal do FastText de 300 dimensões é decrescente. A adição de mais documentos do mesmo corpus confere ganhos de desempenho incrementalmente muito pequenos, sendo que o custo computacional parece crescer mais rápido que a V-Measure.

Deep reinforcement learning is a method that introduced promising solutions to various setbacks that reinforcement learning historically presented. These advances are subject of many recent studies. They regard, for example, the possibility of automatically abstracting relevant information from the environment, and performing consistently using higher dimensional data from complex environments, like entities present in such environment. For this work, the ViZDoom platform will be used in order to compare the learning efficiency of distinct input proposals: one learning from raw image inputs, one learning from edited image inputs and the other using more structured data, identifying entities in the scene. The curriculum learning method adopted for training will gradually increase the complexity of the environment, validating the performance of the algorithm at each step. This work aims to contribute with a comparative study on the learning efficiency displayed by agents when presented to data with different abstraction-levels, learning from a dynamic environment over ever increasing fundamental skills.

Biological sciences use connected acyclic graphs -or trees- to present evolutionary relationships and biogeographical history. The base of trees might be genetic, molecular, morphological, geological, behavioral, or geographical pieces of evidence. In large-scope studies, especially when dealing with many different biological groups or complex biogeographical history, manual data processing becomes infeasible and costly (in terms of time and money). Also, the results might have many errors. Evolutionary biologists already have their methods to process their data. However, applying these methods manually on large data sets is proven not to be practical, which is a significant burden in front of having more understanding of the data at hand. Despite the availability of some approaches for structured data processing, they are either outdated or hard to use (such as command-line tools). This thesis focuses on understanding the very basis of the philosophy of computer science in the context of biological and evolutionary problems, then, based on this understanding, to facilitate evolutionary biologists' work by automating the workflow they follow, rather than changing it. Here, we present four computational approaches, three of which are concerned with building a combined MRP-matrix using input trees in a parenthetical format. These approaches are named as follows: “Generating combined MRP-matrices”, “Generating Topographic-Units MRP-matrix”, and “Generating Combined Areagram MRP-matrix”. While the fourth uses information visualization to facilitate phylogenetic trees comparison named “interactive Phylogenetic trees Comparison (iPhyloC)”. We encapsulated all of the computational approaches in this thesis in easy-to-use web-based frameworks that are available for free online. We developed the four approaches in this thesis in close collaboration with domain experts. The testing results of all the approaches show they are reliable, easy to use and deliver correct results. They indeed help evolutionary biologists to focus on driving results from the data at hand rather than spending time processing the data.

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