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.

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