Esta pesquisa apresenta um framework abrangente para a detecção automatizada de fibrilação atrial (FA) que preenche a lacuna entre a prática clínica e as técnicas avançadas de aprendizado de máquina. Introduzimos um fluxo de processamento que transforma imagens padrão de exames de ECG de 12 derivações em múltiplas representações complementares, permitindo uma investigação sistemática de diferentes abordagens para a detecção de FA. O framework processa imagens brutas de ECG para extrair dados da derivação II, que são então transformados em três modalidades distintas: imagens processadas, séries temporais e espectrogramas. Cada modalidade é então analisada usando arquiteturas de redes neurais especializadas que são otimizadas para suas características específicas.

A investigação envolve dois cenários experimentais: uma comparação balanceada entre FA e ritmos normais e um cenário clinicamente realista que mantém as distribuições naturais das classes. No cenário balanceado, a abordagem multimodal alcançou um F1-score de $0,9928 \pm 0,0002$, enquanto as modalidades individuais alcançaram consistentemente valores acima de $0,97$. No cenário clinicamente realista, onde os casos de FA representaram $8,45\%$ dos dados, a robustez do framework foi demonstrada com a abordagem multimodal alcançando um F1 score de $0,8859$. A validação externa usando o conjunto de dados Zheng-DB confirmou a generalização do framework, com a abordagem multimodal mantendo um forte desempenho ($F1 = 0,9813 \pm 0,0036$) em condições balanceadas.

Um aspecto interessante da nossa abordagem é o mecanismo de fusão ponderada que combina recursos de cada modalidade, usando pesos aprendidos para determinar como as diferentes representações contribuem para a análise final. Nossos experimentos mostram que esses pesos se adaptam significativamente à complexidade da tarefa, mantendo contribuições equilibradas entre as modalidades (imagem: $0,3382 \pm 0,0025$, espectrograma: $0,3450 \pm 0,0033$, série temporal: $0,3167 \pm 0,0045$) para discriminar a FA de ritmos normais, ao mesmo tempo em que mostra uma forte especialização (série temporal: $0,5025 \pm 0,1252$) para discriminar a FA de várias arritmias. Esse comportamento adaptativo demonstra a capacidade do mecanismo de otimizar o uso de recursos com base em desafios de classificação específicos, contribuindo para um desempenho robusto em diferentes cenários clínicos.

Esta pesquisa contribui para o campo da análise automatizada de ECG, fornecendo evidências empíricas para a eficácia de diferentes representações de dados na detecção de FA. A capacidade do framework de processar imagens de ECG padrão o torna compatível com os ambientes onde apenas o formato de imagem está disponível, o que pode facilitar sua adoção em ambientes com menos recursos e médicos disponíveis. Embora uma validação adicional em ambientes clínicos seja valiosa, nossos resultados sugerem que essa abordagem pode servir como uma ferramenta útil para apoiar os profissionais de saúde na interpretação de ECGs, particularmente em cenários onde múltiplas modalidades de análise podem complementar os métodos diagnósticos tradicionais.

O câncer de pulmão tem a maior taxa de mortalidade entre todos os tipos de câncer, tanto para homens quanto para mulheres. Estima-se que o câncer de pulmão seja responsável por 21% das mortes por câncer em cada gênero. Essa estatística alarmante destaca o impacto significativo do câncer de pulmão na mortalidade geral por câncer, sublinhando a necessidade urgente de estratégias eficazes de prevenção, detecção precoce e tratamento para combater essa doença. O rastreamento do câncer de pulmão é um processo projetado para detectar o câncer de pulmão em indivíduos em risco, particularmente aqueles com histórico de tabagismo. Envolve tomografias computadorizadas de baixa dose anuais, interpretação cuidadosa dos resultados e acompanhamento oportuno para garantir a detecção e o tratamento precoces. Várias sociedades profissionais, incluindo a ACR e a Sociedade Fleischner, publicaram diretrizes para o manejo de pacientes com nódulos pulmonares detectados durante o rastreamento de câncer de pulmão. As diretrizes são uma ferramenta importante em programas de rastreamento que visam reduzir a incidência de exames de acompanhamento desnecessários e orientar o manejo ideal do paciente. Lung CT Screening Reporting & Data System (Lung-RADS) é um sistema de classificação padronizado para nódulos pulmonares detectados em exames de imagem, como tomografias computadorizadas. O Lung-RADS avalia o risco de malignidade (câncer) nesses nódulos e orienta as decisões de manejo subsequentes. Neste contexto, este trabalho visa analisar a eficácia de modelos de aprendizado profundo e LLM na extração de características de nódulos pulmonares de laudos de TC em português para permitir a classificação automatizada Lung-RADS. Este trabalho avaliou a eficácia de BiLSTM-CRF, BioBERTpt, Gemini 1.5 Flash, GPT-4-o e Llama-3 70B. Nossas descobertas indicam que o GPT-4-o emergiu como o melhor modelo, atingindo as métricas de avaliação mais altas em quatro das cinco classificações Lung-RADS no conjunto de teste, com um F1-score macro-médio de 0,73 e um F1-score ponderado de 0,96, destacando sua eficácia e confiabilidade na avaliação precisa de nódulos pulmonares em vários cenários de classificação.

O aumento da ocorrência de ataques de Negação de Serviço Distribuída (Distributed Denial of Service - DDoS) tornou-se uma preocupação global de segurança, impulsionada pela rápida transformação digital, acelerada pela pandemia da COVID-19 e pela adoção das redes 5G nas indústrias. Em comparação com as gerações anteriores, as redes 5G conectam um número maior de dispositivos à Internet, viabilizando casos de uso complexos, como o Internet das Coisas (Internet of Things - IoT) Industrial. Com a crescente diversidade de cenários de aplicação que utilizam dispositivos inadequadamente protegidos, as vulnerabilidades também aumentaram, facilitando a exploração de brechas de segurança por agentes mal-intencionados. O uso de técnicas de aprendizado profundo para a detecção de ataques DDoS em redes 5G surge como uma solução promissora. Um modelo de rede neural convolucional com atenção Multi-head, treinado com um conjunto de dados balanceado e sem seleção de características, alcançou 97% de acurácia, enquanto um modelo treinado com um conjunto de dados desbalanceado obteve 91%. Esses resultados demonstram o potencial das redes neurais como uma solução escalável para mitigar ameaças de DDoS em redes 5G de próxima geração. Além de melhorar a acurácia da detecção, essa abordagem permite a identificação de ataques em tempo real, garantindo uma defesa proativa contra ameaças cibernéticas em constante evolução. Os achados reforçam que redes neurais podem contribuir para a segurança de infraestruturas críticas em ambientes 5G, incluindo dispositivos IoT, sistemas de telecomunicações e outros serviços interconectados. A implementação dessas soluções fortalece a segurança das redes 5G, reduzindo os riscos de ataques cibernéticos e aumentando a resiliência diante de desafios emergentes.

A aprendizagem é um processo pelo qual o indivíduo adquire novos conhecimentos, habilidades, valores, atitudes e comportamentos, sendo influenciado significativamente pelo contexto educacional e social no qual está inserido. Nesse cenário, os estereótipos são entendidos como modelos generalizados de comportamento que influenciam as percepções e ações dos indivíduos, podendo impactar diretamente as decisões pedagógicas e as avaliações realizadas pelos professores em sala de aula. Considerando que os docentes frequentemente lidam com turmas numerosas, as ferramentas de análise de aprendizagem (Learning Analytics- LA) surgem como suporte relevante para monitorar de maneira mais eficaz o desempenho e comportamento dos alunos, possibilitando intervenções rápidas, orientadas por dados concretos e contextualizados.  Este estudo teve como objetivo investigar a percepção dos professores sobre estereótipos presentes em suas práticas pedagógicas, utilizando para isso ferramentas e conceitos associados ao Learning Analytics e aos princípios éticos relacionados à justiça, responsabilidade e transparência (FATE). Insere-se, assim, no campo da informática na educação, ao explorar como tecnologias digitais podem ser aplicadas de forma crítica e responsável no contexto escolar. A metodologia envolveu a realização de uma revisão sistemática detalhada da literatura, complementada por entrevistas qualitativas com professores em escolas presenciais, utilizando cenários hipotéticos ilustrados por meio de storyboards para suscitar reflexões sobre a presença de estereótipos.  Os resultados indicam que a utilização de Learning Analytics é viável e potencialmente eficaz no contexto de escolas presenciais, especialmente para identificar padrões relacionados a estereótipos e desigualdades educacionais. No entanto, destaca-se a importância de que sua supervisão cumpra os princípios éticos do FATE, garantindo transparência na manipulação e uso dos dados educacionais, além de promover práticas pedagógicas que respeitem a diversidade e combatam estereótipos específicos no ambiente escolar. A discussão proposta reforça a necessidade de uma abordagem fundamentada na ética para o uso de tecnologias educacionais que pretendem contribuir para a equidade no ensino. 

A assistência estudantil desempenha um papel crucial na promoção da inclusão e na redução
da evasão acadêmica, especialmente em instituições públicas como a Universidade Federal
de Alagoas (UFAL). Para melhorar a eficácia desses programas, é essencial compreender
os perfis socioeconômicos dos estudantes e identificar padrões que indiquem suas principais
necessidades. Nesse contexto, o Aprendizado de Máquina, especialmente o Aprendizado Não
Supervisionado, surge como uma ferramenta poderosa para analisar grandes volumes de dados
complexos e não rotulados. Este estudo investiga a aplicação de técnicas de Aprendizado de
Máquina não supervisionado, como Regras de Associação e Agrupamento (clusterização), para
explorar os dados socioeconômicos dos estudantes da UFAL. Essas técnicas permitem identificar
relações frequentes entre variáveis e segmentar os alunos em grupos com características similares,
possibilitando uma análise mais detalhada das necessidades de cada perfil. Os resultados esperados
incluem a descoberta de padrões que possam guiar a alocação mais eficiente de recursos e a
formulação de políticas de assistência mais direcionadas. Dessa forma, a pesquisa busca contribuir
para a criação de estratégias que promovam um ambiente acadêmico mais inclusivo, equitativo e
com menor evasão.

As tecnologias digitais tornaram-se recursos indispensáveis e têm impactado significativamente as relações dos indivíduos com o mundo. Nesse contexto, considerando a promoção da autonomia da população com deficiência (PcD) e sua inclusão nas dinâmicas sociais, observa-se um crescimento expressivo no desenvolvimento de softwares voltados especificamente para esse público. Um dos principais desafios nesse cenário é assegurar que as tecnologias assistivas existentes e futuras estejam alinhadas a normas e diretrizes de acessibilidade, levando em conta as particularidades das pessoas com deficiência visual. Diante disso, este estudo tem como objetivo investigar, tanto no estado da arte quanto na prática, como as tecnologias assistivas, incluindo aquelas baseadas em tecnologias BLE, vêm sendo concebidas e desenvolvidas, com foco no ciclo de vida dos softwares destinados à acessibilidade de pessoas com deficiência visual. A pesquisa foi estruturada em dois estágios. O primeiro consistiu em um levantamento teórico para compreender como o tema tem sido tratado na literatura e o nível de maturidade das investigações na área. Em seguida, como segundo estagio, partiu-se para uma análise prática, nesse estágio prático, foi realizada uma visita técnica a um laboratório real de desenvolvimento de tecnologias assistiva, seguindo de uma inspeção documental dos artefatos gerados durante a fase de elicitação e definição de requisitos, e por fim, uma inspeção em ambiente real, de um software de apoio a pessoas com deficiência em operação, em regiões da capital Alagoana, sendo conduzida por uma avaliação de uso, por meio de um formulário estruturado, cujo projeto foi anonimizado para preservar informações sensíveis. Ambos os casos analisados estão localizados no estado de Alagoas. Essa etapa permitiu identificar as normas técnicas adotadas e as práticas voltadas à inclusão de pessoas com deficiência desde a concepção do software. Essa análise permitiu verificar o desempenho do sistema em ambiente real, identificando acertos e limitações com base nos princípios das Diretrizes de Acessibilidade para Conteúdo Web (WCAG). A partir desses achados, fundamenta-se a elaboração de um conjunto de boas práticas que favoreçam o desenvolvimento de soluções mais inclusivas, especialmente para pessoas com deficiência visual, promovendo processos de desenvolvimento ampliados, responsáveis e alinhados às melhores práticas da literatura e da indústria. Como culminação desse esforço, propõe-se uma arquitetura computacional que integra as tecnologias Beacon e Blockchain para a construção de um sistema de navegação interna seguro e acessível a pessoas com deficiência visual. Essa estrutura é flexível e extensível, com suporte a diferentes redes Blockchain, e é orientada à rastreabilidade de rotas no transporte público. De modo geral, o estudo identifica pontos críticos no entendimento do ciclo de vida de softwares assistivos, reforçando a importância de aderir a princípios de acessibilidade baseados em normas técnicas internacionalmente reconhecidas.

O tratamento de exceções é fundamental no desenvolvimento em Java, influenciando a confiabilidade e a manutenibilidade dos sistemas. Com a crescente adoção de assistentes de codificação baseados em IA, como o GitHub Copilot, torna-se essencial compreender seu impacto nas práticas dos desenvolvedores. Este estudo investiga empiricamente o impacto do GitHub Copilot nas estratégias dos desenvolvedores para lidar com exceções em Java, contrastando codificação manual com métodos assistidos pelo Copilot. Conduzimos um experimento controlado com 16 desenvolvedores, utilizando um delineamento em quadrado latino para avaliar o efeito do Copilot no tempo de tratamento de exceções, na precisão na escolha dos tipos de exceção e na qualidade geral do tratamento. Os resultados indicam que, embora o Copilot possa reduzir o esforço em determinados cenários, seu impacto na correção — medido pelo número de tentativas necessárias para alcançar um tratamento de exceção válido — foi inconsistente. O uso do Copilot levou a uma cobertura mais ampla de tratamento de exceções, com uso mais frequente de blocos try-catch, por vezes de forma excessiva. Notavelmente, o Copilot incentivou uma propagação mais explícita de exceções (aumentando de 15 para 29 ocorrências) e reduziu estratégias inadequadas, como ignorar exceções (de 21 para 10), alinhando-se mais ao contexto de desenvolvimento de bibliotecas. No entanto, os participantes frequentemente utilizaram tipos genéricos de exceção em tarefas mais complexas, ressaltando a importância contínua do julgamento humano. A efetividade do Copilot também variou conforme a experiência dos desenvolvedores e o grau de familiaridade com a ferramenta. Esses achados oferecem evidências empíricas sobre o papel da programação assistida por IA em tarefas críticas de desenvolvimento e contribuem para orientar a evolução futura dessas ferramentas.

Este trabalho propõe uma solução computacional semiautomática para extração de dados clínicos estruturados a partir de exames médicos, sendo concretizado seu conceito no desenvolvimento de um estudo de caso para exames oftalmológicos no formato de imagem (JPG), mais especificamente da Tomografia de Coerência Óptica (OCT) da córnea. Motivada pela dificuldade de acesso aos dados brutos gerados por equipamentos de exames médicos, a pesquisa visa superar as limitações impostas pelo formato visual dos exames que inviabiliza a análise automática em larga escala por meio do uso de algoritmos de Reconhecimento Óptico de Caracteres (OCR) e técnicas de pré-processamento de imagem. O estudo e solução apresentada envolveu a coleta de 488 exames provenientes da clínica VisareRIO, obtidos pelo tomógrafo RTVue. Foram testados três algoritmos de OCR amplamente utilizados (Tesseract, EasyOCR e PaddleOCR), os quais demonstraram desempenho limitado frente aos desafios visuais dos exames. Diante dessas limitações, foi desenvolvido o SarmentoOCR, um algoritmo personalizado e adaptado ao exame estudado, uma vez que realizando o mapeamento das áreas de interesse, a sua extração é mais confiável. A solução foi validada com ground truth manual, alcançando acurácia média de 99,68%. Além da extração dos dados, o sistema viabiliza sua estruturação tabular, permitindo uso em pesquisas clínicas, análise estatística e modelos de aprendizado de máquina. Este estudo demonstra que soluções inteligentes e personalizadas de OCR podem viabilizar a reutilização de dados clínicos de exames visuais, promovendo avanços na oftalmologia computacional e fomentando novas possibilidades de integração entre ciência de dados e prática médica.

A segurança pública em Alagoas enfrenta desafios devido a
recursos limitados, diversidade de crimes e alta demanda por
serviços policiais. Este trabalho propõe um arcabouço
metodológico que integra a Análise Envoltória de Dados (DEA)
e a DEA Inversa (InvDEA) para avaliar 32 Centros Integrados
de Segurança Pública (CISPs) e estimar os aumentos mínimos
de efetivo e viaturas necessários para que unidades ineficientes
possam atender a demandas adicionais e melhorar seus
resultados. O InvDEA foi aplicado exclusivamente às unidades
ineficientes, utilizando as eficientes como referência,
assegurando estabilidade na fronteira de comparação. A
metodologia foi aplicada em três cenários distintos: no primeiro
cenário, focado na Polícia Civil (PC), considerou-se um
aumento de 10 % nos inquéritos concluídos para avaliar a
capacidade das unidades em absorver maior demanda
investigativa; os resultados indicaram necessidade de 1 a 6
oficiais civis adicionais e até 1 viatura por unidade. No segundo
cenário, voltado à Polícia Militar (PM), considerou-se aumento
de 10% nas ocorrências atendidas para avaliar a capacidade
operacional de resposta; os resultados mostraram necessidade
de 3 a 46 oficiais militares adicionais, mantendo praticamente
inalterada a frota de viaturas. No terceiro cenário, todos os
recursos de entrada foram ampliados em 10 % para avaliar o
ganho potencial de ambos os subsistemas de forma conjunta;
os resultados indicaram aumento de até 67 inquéritos
concluídos pela PC e 61 ocorrências atendidas pela PM, 

enquanto algumas unidades não necessitaram de reforço
adicional. Os resultados evidenciam heterogeneidade entre os
CISPs: algumas unidades necessitam de aumentos expressivos
de pessoal, enquanto outras mantêm ou ampliam seus
resultados com ajustes mínimos. A abordagem fornece
subsídios quantitativos para realocação de efetivo, definição de
prioridades de investimento e formulação de políticas públicas
baseadas em evidências, promovendo gestão da segurança
pública mais orientada a resultados.

O crescimento do setor de Tecnologia da Informação e Comunicação tem ampliado os impactos ambientais decorrentes do elevado consumo de energia e da rápida obsolescência tecnológica. Nesse cenário, a Engenharia de Software Verde surge como uma abordagem essencial para incorporar princípios de sustentabilidade ao ciclo de vida do software, promovendo a eficiência energética, a otimização de recursos e a responsabilidade ambiental. Contudo, persiste uma lacuna significativa entre as recomendações teóricas e sua efetiva aplicação na prática industrial. Este estudo tem como objetivo investigar evidências da adoção de práticas sustentáveis no desenvolvimento de software, analisando em quais fases do ciclo de vida essas práticas são incorporadas e qual o nível de maturidade organizacional na aplicação dos princípios da Engenharia de Software Verde. A pesquisa foi conduzida em duas etapas complementares: a primeira consistiu em uma revisão da literatura voltada à identificação de práticas, desafios e abordagens relacionadas à sustentabilidade, com base nas boas práticas propostas pela Green Software Foundation; e a segunda envolveu um estudo empírico com 102 profissionais da indústria de software e entrevistas com 29 especialistas, sustentado em uma abordagem de métodos mistos, quantitativa e qualitativa. Foram realizadas análises estatísticas e uma análise qualitativa temática para compreender as percepções sobre barreiras, benefícios e estratégias de adoção. Os resultados indicam que a implementação de práticas sustentáveis ainda ocorre de forma fragmentada e predominantemente reativa, concentrando-se nas fases de desenvolvimento e manutenção, enquanto as etapas iniciais, como a elicitação de requisitos e o projeto, permanecem pouco exploradas. Observou-se também baixa padronização de métricas e desigualdade nos níveis de maturidade entre as organizações. A análise qualitativa revelou que a sustentabilidade é reconhecida como um valor organizacional emergente, embora ainda dependa fortemente de iniciativas individuais. A partir desses achados, o trabalho propõe um conjunto de boas práticas integradas ao ciclo de vida do software, alinhadas ao SWEBOK, com o propósito de orientar decisões técnicas e gerenciais que promovam, de forma estruturada e contínua, a sustentabilidade no contexto da engenharia de software.

A presente proposta de dissertação de mestrado investiga a evasão escolar nos anos finais do ensino fundamental, com foco particular na inflexibilidade pedagógica como fator de risco. A evasão escolar é um fenômeno complexo e tem impacto em todo o mundo, no brasil os desafios enfrentados especialmente no ensino fundamental são enormes, onde os estudantes estão iniciando sua formação em busca de desenvolvimento individual e coletivo, comprometendo toda uma trajetória educacional e afeta todo o desenvolvimento socioeconômico. Esse estudo tem como objetivo analisar a dimensão estudante-profissionais da escola e a inflexibilidade pedagógica como fatores de riscos a evasão escolar nos anos finais do ensino fundamental. Neste contexto examinar como as práticas pedagógicas inflexíveis podem contribuir para desistência dos estudantes e desenvolver intervenções para diminuir esse problema. A pesquisa será realizada em escolas públicas municipais de São Sebastião, Alagoas. Será realizado um estudo com abordagem de pesquisa mista. Uma abordagem da investigação que combina ou associa as formas qualitativa e quantitativa. O instrumento de avaliação selecionado para abordar o estudo da inflexibilidade pedagógica, dentro da dimensão estudante-profissionais da escola, será o Instrumento de Avaliação dos Fatores Relacionais de Risco à Evasão Escolar-Revisado (IAFREE-R), através de questionários a partir da média dos 36 itens do instrumento que fornece um score e o questionário socioeconômico com 14 perguntas, a fim de obter dados que visualizem práticas pedagógicas e risco de evasão. Os dados coletados em três momentos distintos serão utilizados para identificar as correlações e possíveis causalidades entre inflexibilidade pedagógica e evasão escolar. De acordo com essas informações e percepções, será desenvolvido um plano de intervenção com estratégias para diminuir os riscos de evasão escolar. As intervenções serão monitoradas e avaliadas continuamente, utilizando os indicadores encontrados na pesquisa, junto com os relatórios serão utilizados para fazer ajustes nas estratégias quando necessário, garantindo um processo de melhorias contínua

A educação é um direito fundamental no Brasil e essencial para o desenvolvimento humano e social. Contudo, o abandono e a evasão escolar nos anos finais do ensino fundamental persistem, sendo influenciados por fatores internos e externos às escolas. A pesquisa proposta enfoca a importância das famílias na vida escolar dos estudantes. Para enfrentar a evasão escolar, é necessário adotar uma abordagem integrada que inclua políticas públicas inclusivas e investimentos em infraestrutura educacional, com o objetivo de promover um ambiente justo para todos os estudantes, conforme estabelecido pela Constituição de 1988 do Brasil. O estudo se baseia em teorias como a Teoria do Capital Humano, que considera a educação um investimento, e a Teoria da Relevância Curricular, que defende a criação de currículos pertinentes para reduzir a evasão. Além disso, aborda disparidades socioeconômicas e a importância do apoio emocional e social, com base nas Teorias da Desigualdade Social e da Resiliência. No estudo realizado em São Sebastião, Alagoas, o Instrumento de Avaliação dos Fatores Relacionais de Risco à Evasão Escolar-Revisado (IAFREE-R) foi utilizado para analisar os fatores de evasão, com foco na interação entre estudantes e suas famílias. A análise inicial, realizada com 136 estudantes dos anos finais, revelou disparidades significativas por gênero e raça/etnia, indicando a necessidade de abordagens diferenciadas para criar um ambiente escolar mais inclusivo. Investimentos contínuos em infraestrutura e programas de apoio são cruciais para mitigar riscos e garantir a permanência dos estudantes na escola. Um compromisso coletivo com a equidade e a justiça social é fundamental para implementar políticas que enfrentem as causas profundas da evasão escolar.

O presente estudo investiga os parâmetros psicométricos da versão revisada do Instrumento de Avaliação dos Fatores Relacionais de Risco à Evasão Escolar (IAFREER), validado por Vasconcelos et al. (2023). Esta ferramenta visa facilitar a coleta de dados junto à comunidade escolar, visando colaborar com a maior adesão da rede educacional brasileira. Foram realizadas revisões integrais no instrumento, incluindo análise de juízes para validade de conteúdo, validação semântica e um estudo piloto com estudantes brasileiros no contexto do da Rede Pública Ensino Básico do Fundamental 2 de uma instituição pública do Município de São Sebastião, no Estado de Alagoas, (N = 2035). Os resultados das análises confirmatórias indicam que os ajustes do modelo revisado, mantendo os 36 itens originais, foram adequados e superiores à versão original do IAFREE. Além disso, os itens de cada um dos 12 fatores de risco do IAFREE-R demonstraram níveis de discriminação adequados e aceitáveis níveis de dificuldade. No contexto da avaliação dos fatores relacionais de risco à evasão escolar, os aspectos emocionais e afetivos emergiram como variáveis fundamentais. Observou-se que um maior número de amizades entre os estudantes está associado a um maior engajamento nas atividades escolares, enquanto um círculo de amigos desinteressados na escola tende a elevar o grau de desengajamento. Casos de violência e baixa identificação com o grupo de pares também foram identificados como fatores que contribuem para o desengajamento e afetam a autopercepção, resiliência e persistência nos estudos. Com base nos resultados do IAFREE-R, foi possível estabelecer três níveis de risco de evasão escolar: baixo, médio e alto. Escores baixos indicam que o(a) estudante é engajado(a) nas atividades escolares, tem uma boa relação com os colegas e isso influencia positivamente na saúde e aspectos emocionais do(a) estudante, incorrendo em um baixo risco de evasão escolar. Escores médios indicam que o(a) estudante pode estar percebendo dificuldades em suas relações com outros(as) estudantes e isso pode afetar sua vontade de continuar na escola, demonstrando um risco médio de evasão escolar. Escores altos indicam problemas frequentes percebidos pelo(a) estudante em suas relações com os(as) colegas, dificuldade em fazer amigos, violências do tipo bullying e reflete em um risco alto de evasão escolar. Conclui-se que o IAFREE-R apresenta propriedades psicométricas adequadas, com vantagens operacionais em termos de aplicação, garantindo sua qualidade métrica e usabilidade em contextos de pesquisa e de intervenções em larga escala no contexto brasileiro.

O crescimento da geração de dados, impulsionado pela conectividade e pelo uso disseminado de dispositivos digitais, tem ampliado as possibilidades de análise e de tomada de decisão em diversos setores, inclusive na educação. Nesse contexto, os dados desempenham papel central no aprimoramento de políticas educacionais, no monitoramento de indicadores e na personalização de práticas pedagógicas. Entretanto, persistem desafios relacionados à qualidade, à integração, à interoperabilidade e ao rastreamento das informações, especialmente em ambientes em que múltiplas instituições e sistemas coexistem. A ausência de uma infraestrutura de dados integrada dificulta o compartilhamento de informações e limita o potencial analítico das redes de ensino. Como ponto de partida, esta dissertação realizou uma investigação exploratória no Censo Escolar, buscando identificar evidências sobre a maturidade das tecnologias da informação e comunicação das unidades escolares do país, bem como compreender como essas condições estruturais influenciam a gestão e o uso de dados. Em seguida, o estudo aprofunda a análise da adoção de práticas de governança de dados no setor educacional a partir de duas frentes complementares. A análise do estado da arte é conduzida por meio de revisão da literatura, o que permite identificar tendências, metodologias e lacunas relacionadas à integração, interoperabilidade e rastreabilidade de dados. Em paralelo, o estado da prática é examinado por meio de métodos mistos, combinando um instrumento quantitativo e entrevistas qualitativas aplicadas a atores da gestão de dados na educação. Os resultados revelam limitações tecnológicas e organizacionais que dificultam a consolidação de uma governança de dados robusta. Com base nas evidências obtidas nessas análises, esta dissertação propõe a arquitetura LakeEdu, uma solução computacional interoperável e rastreável para governança de dados educacionais. A arquitetura conceitual proposta integra mecanismos de preparação, integração, qualificação, segurança e rastreamento de informações, além de uma camada de tecnologia de registro distribuído para registrar evidências de maneira verificável. A proposta busca enfrentar as lacunas identificadas, apoiar a padronização de fluxos de dados e fortalecer a gestão de informações em instituições municipais, estaduais e federais, contribuindo para práticas mais consistentes de governança de dados no ecossistema educacional.

Em ambientes online de aprendizagem, a ausência de momentos presenciais priva o professor da percepção de situações pedagógicas relevantes durante as aulas. Sem essas informações o professor precisa contar com o processamento de dados disponíveis nesses ambientes virtuais de aprendizagem, para extrair deles informações úteis para guiar a sua tomada de decisão. Essas informações devem apoiar o professor a identificação de situações pedagógicas relevantes, entender seus motivos e orientar uma possível abordagem. Contudo, a maioria dos professores não possui conhecimentos específicos para o uso efetivo das tecnologias e técnicas para realizar o processamento desses dados, nem para a interpretação dos resultados de tal processamento. Portanto, é necessário fornecer apoio fácil e rápido à tomada de decisão pedagógica desses professores. Dessa forma, este trabalho propõe a criação de visualizações de dados, geradas do processamento dos dados do ambiente online de aprendizagem, para (1) apoiar a identificação de situações pedagógicas relevantes ocorrendo nesses ambientes, (2) compreender as causas de tais situações pedagógicas e (3) criar intervenções pedagógicas para abordar as situações identificadas. Assim, criamos um conjunto de visualizações para explorar problemas comuns em uma sala de aula, onde cada um visa alertar sobre um problema pedagógico ocorrendo em um curso online, trazer informações que permitam identificar as causas do problema e, com isso, apoiar a tomada de decisão docente, para solucioná-lo. Para avaliar nossa proposta, realizaremos um experimento onde docentes serão convidados a avaliar a capacidade de as visualizações, de fato, alertarem sobre problemas pedagógicos (o horário que os estudantes chegam e saem de momentos online síncronos, e o desempenho na resolução de problemas disponibilizados na plataforma de ensino/aprendizagem online). Além disso, um questionário, baseado no Technology Acceptance Model (TAM) deverá ser respondido pelos participantes, coletando suas percepções sobre a utilidade, facilidade de uso, intenção de uso, estética e atitude em relação ao uso da visualizações avaliadas. Atualmente, estamos construindo o questionário e o roteiro que deve ser seguido no experimento.

As transformações tecnológicas advindas da transformação digital de órgãos públicos e da internet das coisas têm possibilitado a geração e coleta de grandes volumes de dados, que podem ser posteriormente utilizados em análises precisas. Para a segurança pública, a aplicação de novas tecnologias nas atividades de análise criminal, patrulhamento e repressão ao crime trazem inúmeras possibilidades também, como conseguir visualizar de maneira profunda o desempenho das ações da corporação, monitorar a atividade criminosa, compreender padrões e buscar alternativas para implementar melhores políticas de segurança. Big Data também já não é uma realidade distante das corporações de segurança pública. Dispositivos de rastreamento, câmeras de vigilância, sistemas de monitoramento, sistemas de atendimento e muitas outras fontes de informação já provêm um grande volume de dados que precisam ser devidamente tratados para que seja possível obtenção de conhecimento relevante. Nos últimos anos, muitos trabalhos científicos têm proposto o uso de algoritmos de Aprendizado de Máquina para reconhecer padrões espaciais e temporais de crimes. Nesse contexto, propomos neste trabalho uma ferramenta de análise visual de dados urbanos espaço-temporais, e um novo algoritmo para detecção de manchas criminais. Estas soluções foram validadas usando bases de dados da Polícia Militar do Estado de Alagoas (PMAL) em estudos de caso onde o objetivo era analisar dados espaço-temporais de crimes e de patrulhamento. Os resultados desta pesquisa terão importância não só do ponto de visto científico, mas também poderão ser aproveitados pela PMAL para otimizar seus processos de tomada de decisão.

A tecnologia Blockchain possibilita o registro seguro e o compartilhamento de informações sem uma autoridade central, usando criptografia em uma rede distribuída de computadores. Amplamente utilizada na indústria de software, oferece recursos de autenticidade e segurança em transações online. Plataformas de streaming, como Youtube, Spotify, dentre outras, são exemplos de sistemas que lidam com a transmissão de dados de diferentes tipos, como vídeos, músicas e podcasts, e que precisam oferecer recursos de transparência, rastreabilidade e segurança na manipulação desses dados em sistemas de software. No campo de pesquisa da indústria do entretenimento digital, identificou-se no estado da arte uma lacuna de pesquisa no que diz respeito à aplicação da tecnologia Blockchain para habilitar a transparência nos serviços de audiência e pagamentos em plataformas de streaming. Este trabalho propõe a inserção de uma camada Blockchain à infraestrutura operacional existente em plataformas de streaming disponíveis no mercado. Essa camada é encarregada de gerenciar informações individuais dos conteúdos, servindo como meio de verificação e auditoria das transações associadas a cada mídia digital. Além disso, ela permite a transferência de recursos monetários por meio da rede Blockchain. Para atingir o objetivo proposto, elaborou-se uma arquitetura de software contendo os componentes, interfaces, relacionamentos e restrições dos requisitos funcionais que representam esse domínio de aplicação. Nesse processo, adotou-se o modelo de especificação de arquitetura denominado C4 model, escolhido devido à sua característica de documentação compreensível tanto para um público técnico quanto não técnico. Após a especificação da arquitetura, foram implementados os componentes fundamentais para os testes e operação da solução proposta nesta pesquisa. Dessa maneira, desenvolveu-se um middleware encarregado de capturar e gerenciar os mecanismos de audiência de cada conteúdo de maneira individual. Isso ocorre por meio de um serviço de geração automática de contratos inteligentes que é executado quando os conteúdos são disponibilizados e consumidos nas plataformas de streaming. Posteriormente, desenvolveu-se uma aplicação web que simula as operações de uma plataforma de streaming para integrar ao middleware desenvolvido, permitindo a realização de testes, tanto financeiros, quanto funcionais. Os testes foram conduzidos em três redes Blockchain distintas, revelando a viabilidade técnica da solução proposta. Isso foi alcançado por meio da interceptação e do gerenciamento automático das informações de audiência e pagamentos utilizando contratos inteligentes. Além disso, a viabilidade financeira da implementação foi analisada, resultando em um custo médio de US$ 0,000518 em uma das redes Blockchain. Adicionalmente, realizou-se uma pesquisa envolvendo criadores de conteúdo com canais monetizados e desenvolvedores de software especializados em Blockchain. O objetivo da consulta a estes profissionais foi avaliar e obter feedback sobre a nova arquitetura de software e a viabilidade da solução proposta. Dessa forma, os resultados englobaram feedbacks que validaram a implementação da solução computacional, confirmando também a operacionalização da plataforma por parte dos criadores de conteúdo de plataformas de streaming.

Com o avanço do ensino on-line, impulsionado pela necessidade de democratização do acesso à educação e pelas medidas de contenção da COVID-19, o ambiente virtual tornou-se uma parte significativa da vida dos estudantes. Contudo, a evasão escolar persiste, destacando-se a falta de suporte, dúvidas pedagógicas e a sobrecarga de trabalho dos professores como principais desafios. Para enfrentar esse problema, propomos criar e avaliar as percepções dos participantes sobre o quanto os elementos de dashboards são capazes de ativar, orientar, monitorar e responsabilizar o estudante pela sua aprendizagem. Os dashboards propostos  informam ao estudante o seu atual (nível que o estudante se encontra no curso), onde deveria estar (nível esperado), tomando como base um objetivo de desempenho escolhido pelo estudante (igualar/superar o desempenho da turma ou igualar/superar o desempenho esperado pelo professor/curso) e por fim, quais as ações que precisam ser desenvolvidas para que o estudante alcance este objetivo. Um total de 22 (vinte e dois) estudantes responderam a um questionário (formulário do Google) constituído de subseções abrangendo as características sociodemográficas e experiências com tecnologias educacionais digitais dos participantes, a contribuição dos elementos dos dashboards para o objetivo de aprendizagem escolhido, a contribuição das características e das funcionalidades dos dashboards, as opiniões quanto a estética, utilidade e facilidade de uso das funcionalidades e as chances e frequência de utilização dos dashboards, caso disponíveis. O questionário apresenta os três modelos de dashboards  propostos, proporcionando a utilização da análise da aprendizagem e visualização de dados para promover a autorregulação da aprendizagem dos estudantes on-line. O uso do dashboard será utilizado como estratégias computacionais que ofereçam suporte personalizado aos estudantes. A partir desta estratégia os dados foram coletados através do questionário e analisados, comprovando existir uma influência dos dashboards em autorregular os estudantes para o seu desempenho acadêmico. Dentro do contexto desta pesquisa, os resultados nos permitem afirmar que a integração de um dashboard e a análise de dados, proporcionará um ambiente educacional integrado, dinâmico e adaptável, capacitando os estudantes através de informações visuais claras e personalizadas, a uma consciência metacognitiva, mas também a autorreflexão, permitindo que  assumam um papel ativo na autorregulação da sua aprendizagem.

Data Lake é a solução para Big Data que mais tem recebido atenção recentemente. Seu principal
recurso é lidar com grandes volumes de dados heterogêneos em seu formato bruto. No entanto, isso faz
acesso, gerenciamento e exploração de dados mais complexos. Tal desafio define a organização
problema organizacional. O problema da organização do Data Lake compreende navegação de dados otimizada
geração de estruturas para reduzir o tempo do usuário explorando todos os dados disponíveis. O objetivo é encontrar um organização de dados que maximiza a probabilidade esperada de descoberta de tabelas durante a navegação do usuário. Para este problema, propomos uma metaheurística de recozimento simulada e a comparamos com a Organize a solução da literatura em instâncias de benchmark. Também propomos uma variação mais eficiente que elimina cálculos excessivos. As instâncias são amostras do Socrata Open Data Lake com diversos tópicos e dados abertos de entidades governamentais em todo o mundo. Para validar nossas propostas, realizou análise estatística por meio de teste não paramétrico, que confirmou a dominância de
nossa proposta sobre o estado da arte. Nossa melhor proposta foi mais eficiente e aumentou o probabilidade esperada de descoberta de tabela de até 44%. Assim, nossa estratégia pode encontrar melhores soluções nos benchmarks avaliados mesmo sem analisar exaustivamente todos eles e de forma mais eficaz explorando o espaço das soluções

A natureza dinâmica das futuras redes ópticas exige que os amplificadores ajustem de forma autônoma seu ganho em resposta às mudanças nas condições da rede, como a adição ou remoção de canais, para manter a potência do sinal e a relação sinal-ruído geral (GSNR) em uma cascata de amplificadores.
Esse desafio é conhecido como Controle Adaptativo do Ponto de Operação do Amplificador Óptico (ACOP).
Foram propostas soluções para o problema do ACOP usando técnicas como aprendizado cognitivo, aprendizado supervisionado e algoritmos evolutivos.
Entre elas, a abordagem evolutiva obteve os melhores resultados em termos de qualidade de transmissão.
Entretanto, ela tem um tempo de resposta relativamente alto, o que é uma desvantagem significativa para a implantação operacional.
Por outro lado, as técnicas de aprendizado por reforço são importantes no campo da inteligência artificial para resolver problemas em tempo real com modelos treinados.
Este trabalho propõe a primeira modelagem do problema ACOP usando o aprendizado por reforço, empregando especificamente o algoritmo PPO (Proximal Policy Optimization) integrado ao simulador GNPy.
O objetivo é melhorar a qualidade do sinal, maximizando o GSNR por meio da interação com os ganhos dos amplificadores no link.
Em quatro cenários com números variados de canais, essa abordagem obteve resultados próximos aos da abordagem evolutiva, mas com um aumento de velocidade de 300 vezes.

O acesso à água potável é um recurso vital e um direito humano reconhecido. Contudo, ainda hoje, bilhões de pessoas sofrem com a falta de acesso à água adequada para consumo, o que pode levar a diversos problemas de saúde. Um dos principais desafios no monitoramento da qualidade da água é a coleta e análise de grandes volumes de dados. Modelos de Aprendizado de Máquina têm sido amplamente aplicados no monitoramento da qualidade da água para facilitar a tomada de decisão por gestores e prevenir a contaminação. Um sistema embarcado que integre sensores a um modelo de Aprendizado de Máquina poderia oferecer respostas em tempo real e seria viável para ser aplicado em qualquer local, independentemente da conexão com a internet. Esse sistema, no contexto da classificação da potabilidade da água, permitiria respostas mais rápidas diante de potenciais ameaças. Este estudo propõe um modelo de TinyML eficiente em termos energéticos para a classificação da potabilidade da água, utilizando apenas parâmetros que podem ser obtidos por meio de sensoriamento eletrônico. O estudo avaliou o desempenho utilizando métricas como Acurácia, Precisão, Recall, F1-Score, espaço ocupado em memória pelo modelo, tempo de execução e consumo de energia, e comparou modelos desenvolvidos com os algoritmos Random Forest e Redes Neurais. Também foi analisada a melhor combinação entre modelo e biblioteca de adaptação para o sistema embarcado.
O modelo de Aprendizado de Máquina inicial, utilizando Random Forest, demonstrou um desempenho notável, alcançando uma Precisão de 0.70 e, comparado à sua contraparte operando em um ambiente de nuvem, pode funcionar por anos com uma bateria comum como fonte de energia. Comparando todos os modelos e bibliotecas do estudo, o modelo de perceptron multicamadas com a biblioteca EmbML usou a menor memória, com 283.113 bytes, e o modelo Random Forest com Micromlgen teve o menor consumo de energia, usando apenas 104.534 milijoules. Este trabalho pode ajudar pesquisadores e profissionais a implementar sistemas de classificação de potabilidade da água e a usar TinyML em outros problemas de classificação também.

A situação climática no cenário mundial atual demanda pela utilização de recursos naturais de maneira equilibrada, principalmente a água, recurso indispensável em todos os aspectos da vida humana. A predição de Evapotranspiração de Referência (ETo) tem um grande potencial de auxiliar no manejo de recursos hídricos, sendo um parâmetro determinante na avaliação antecipada da demanda de água, assistindo na tomada de decisões e auxiliando no planejamento de irrigação de grandes plantações. O método Penman-Monteith (FAO56) é o padrão para estimar ETo, e é usado como método de referência para fins de comparação em vários estudos. Este método requer vários elementos meteorológicos, mas o número de estações meteorológicas não é implementado de maneira suficiente para inferir seus valores em países em desenvolvimento. A literatura mostra que modelos de Aprendizagem de Máquina (AM) vem sendo amplamente aplicados na predição de ETo e tem apresentando resultados promissores, até mesmo com a utilização de parâmetros reduzidos é possível predizer os valores de ETo. Na literatura foram apresentados trabalhos que desenvolveram sistemas de irrigação automatizados que se conectam com serviços web para realizar predição dos parâmetros necessários para tomar decisão de irrigação. Contudo, um sistema baseado em nuvem depende de uma infraestrutura de conexão com a internet, tal infraestrutura nem sempre está disponível nas áreas rurais de países em desenvolvimento. Além disso, um dispositivo que dependa da conexão com a internet geralmente consome mais energia. Diante disso, o objetivo desse estudo é testar abordagens em que seja possível obter informações de ETo nos próprios nós do sistema, ou seja, embarcar os modelos de AM que estimam ETo. Será avaliado o desempenho e a viabilidade das soluções embarcadas frente aos outros modelos descritos pela literatura e que utilizam computação em nuvem. de modo a avaliar seu desempenho e viabilidade comparando com outros modelos descritos pela literatura utilizando Computação em Nuvem. Os modelos construídos serão validados com base nas métricas de latência, tamanho ocupado em memória e consumo de energia. 

Em um cenário cada vez mais globalizado e motivado pela tecnologia, a indústria de software busca atuar com máxima eficiência na criação produtos inovadores alinhados com as expectativas dos usuários. Neste contexto, o Design Thinking (DT) tornou-se uma ferramenta fundamental para promover a inovação e melhoria da qualidade de software, pois foca na experiência do usuário com abordagens que proporcionam multidisciplinaridade, prototipação e colaboração ativa das partes interessadas.

Neste sentido, vários autores investigam como o DT é utilizado em cenários reais de desenvolvimento de software e quais são as partes essenciais neste contexto. O objetivo desta pesquisa é apresentar um conjunto de padrões de evidências sobre DT no contexto de desenvolvimento de software, considerando as perspectivas da industria e da literatura. Identificando e mapeando os principais elementos empíricos constatados na adoção do Design Thinking na produção de sistemas computacionais.

A metodologia utilizada neste trabalho se fundamentou em dois estudos experimentais fundamentos em questões de pesquisa, o mapeamento sistemático, que explorou a literatura sob as diretrizes de Kitchenham, utilizando três bases científicas, IEEE, ACM e SCOPUS, e, após verificação e análise dos resultados, foram identificados 86 estudos primários. Em seguida, foi aplicada uma pesquisa com 105 profissionais de tecnologia de diferentes organizações, buscando coletar de profissionais da área dados relevantes sobre o contexto de Design Thinking.

Esses resultados podem ajudar profissionais e pesquisadores da área a entender melhor os desafios e implementar soluções mais eficazes para melhorar suas tarefas no desenvolvimento de software usando abordagens de design thinking. Dessa forma, este trabalho contribui com recursos importantes para o ecossistema de construção de software, permitindo o compartilhamento de conhecimento sobre os principais elementos de DT no desenvolvimento de software.

A actigrafia é uma técnica não invasiva para rastrear padrões de sono e ritmos circadianos, fornecendo dados valiosos para diagnosticar distúrbios do sono, como insônia, hipersonia e outras interrupções do ritmo circadiano. Apesar de sua utilidade, os dados de actigrafia geralmente sofrem de lacunas devido a períodos "fora do pulso" (OW), onde o dispositivo é temporariamente removido. Este estudo explora o uso de técnicas avançadas de aprendizado de máquina para abordar essas lacunas reconstruindo dados ausentes, aumentando assim a precisão e a confiabilidade das análises de actigrafia. O objetivo principal desta pesquisa é desenvolver técnicas de regressão para realizar imputação de dados, como um modelo de inteligência artificial de conjunto, capaz de se adaptar a padrões de dados individuais do paciente, e um Autoencoder para aprender os padrões de dados On-wrist (ON) para cada paciente. Para atingir isso, o estudo investiga vários métodos de aprendizado de máquina e aprendizado profundo, e diferentes configurações para o Autoencoder, além de incorporar estratégias como Dynamic Time Warping (DTW) e abordagens de filtragem baseadas em períodos de alta atividade, como M10. A metodologia envolve o pré-processamento de conjuntos de dados de actigrafia do dispositivo ActTrust da Condor, apresentando diversas variáveis como temperatura, exposição à luz e métricas de atividade do paciente. Para imputação de dados, o estudo utiliza modelos de regressão como Random Forests, XGBoost e Support Vector Regression, juntamente com estruturas de autoencoder otimizadas usando Keras Tuner e técnicas de ajuste de hiperparâmetros como GridSearch e RandomizedSearch. Os resultados preliminares indicam que o modelo Autoencoder tem um desempenho robusto, alcançando reduções no Erro Quadrático Médio (MSE) e demonstrando poder na reconstrução de dados de atividade ausentes em comparação aos métodos tradicionais. Os modelos de conjunto, otimizados para padrões específicos de atividade do paciente, melhoram ainda mais a precisão preditiva, conforme validado por testes estatísticos, incluindo o teste de Wilcoxon. Esses modelos exibem o potencial de transformar práticas clínicas, fornecendo avaliações personalizadas da qualidade do sono e facilitando intervenções direcionadas.

Neste trabalho, foi avaliado o impacto do uso de um sistema
baseado em Inteligência Artificial (IA) durante o processo de
Triagem do Programa Nacional do Livro e do Material Didático
(PNLD), uma política pública relevante para a educação no
Brasil. Mais especificamente, o foco está na etapa de validação
de inscrição e análise de atributos físicos no processo de
Triagem, que, como um dos critérios considerados, requer a
verificação qualitativa de imagens de obras e materiais
didáticos, pedagógicos, literários e de apoio à prática educativa.
Neste contexto, foi desenvolvido um sistema baseado em IA
para a análise de imagens do PNLD. Como parte do sistema,
um modelo de aprendizado profundo foi implementado e
validado usando redes neurais convolucionais para resolver um
problema de classificação multiclasse: desfoque, movimento e
nítida. Para avaliar o impacto do sistema baseado em IA, foi
realizado um estudo controlado randomizado com analistas
vinculados ao PNLD. Buscou-se comparar o desempenho dos
analistas participantes em dois cenários: (1) quando não
utilizavam quaisquer tipos de ferramentas de apoio ao processo
e (2) quando utilizavam, como suporte de suporte à decisão.
Com a realização do experimento, foi possível observar que a
produtividade do grupo que usou a ferramenta com IA foi
aumentada. Apesar de não ter sido observada uma diferença
estatisticamente significativa entre os dois grupos, considerando
que o grupo que usou a ferramenta com IA avaliou um número
muito maior de imagens, a qualidade foi ao menos mantida em
relação ao grupo de controle. Portanto, o uso da ferramenta 

com IA é eficaz no aumento da produtividade, mantendo a
qualidade das avaliações.

As matrizes energéticas do Brasil e do mundo estão num processo de descentralização da produção de energia devido à expansão da Geração Distribuída (DG) resultado da energia gerada por meio dos Painéis Fotovoltaicos (PV) instalados nos telhados das residências em áreas urbanas. Esta descentralização fez do monitoramento da qualidade da energia das Redes de Distribuição de Baixa Tensão (RDBT) um dos maiores desafios para os Opera  dores de Sistemas de Distribuição (OSDs) que só estão conscientes dos níveis de qualidade energética por intermédio das queixas dos clientes às distribuidoras. Existem poucos projetos de implementação de sistemas para este fim, possivelmente devido ao elevado investimento necessário para esta tecnologia. Por conseguinte, este trabalho propõe um sistema de monitoramento do sentido do fluxo da corrente elétrica e do Desequilíbrio de Tensão (DT) em uma RDBT, utilizando a Infraestrutura da Iluminação Pública (IIPu). O sistema proposto fornecerá aos OSDs informações em tempo real da qualidade da energia na RDBT por meio de um modelo de aquisição de dados de baixo custo, utilizando a IIPu por meio dos Relés de Telegestão (RT). O sistema foi validado empiricamente por meio do monitoramento de uma rua onde os sistemas de geração fotovoltaica ligados a RDBT injetam energia. Os resultados mostram que o sistema proposto pode identificar a direção da corrente na RDBT e estimar o DT com um erro médio absoluto de 0,096% em comparação com o analisador de energia profissional. Os resultados deste projeto podem trazer contribuições relevantes para o desafio no monitoramento da qualidade da energia; por exemplo, os OSDs podem utilizar o sistema proposto para acessar a informação em tempo real relativa à RDBT por meio de um modelo de aquisição de dados de baixo custo. Espera-se que os resultados deste projeto tragam contribuições relevantes para o desafio no monitoramento dos níveis da qualidade da energia, colaborando assim para uma expansão mais ordenada da distribuição da produção de energia no Brasil.

A participação pública pode ser vista como uma extensão lógica do processo democrático, conforme explica Brabham [2009]. Dentro deste aspecto surge o Crowdsourcing, (neologismo de “crowd” – multidão e “outsourcing” – terceirização) que, segundo Howe [2009] é o ato de oferecer um trabalho (geralmente executado por uma pessoa, um empregado ou uma empresa contratada) em uma chamada aberta (“opencall”) para participação de um grupo de pessoas. Crowdsourcing pode ter um papel efetivo na administração pública dentro do sistema de prestação de serviços públicos, nas percepções das autoridades governamentais e dos cidadãos, e no contexto com relação a práticas de gestão inovadoras e modernizadas Sumra and Bing [2016]. Crowdsourcing, em resumo, é um método de solução de problemas de propósito geral, que utiliza um grupo de participantes dispostos a ajudar a resolver um problema proposto Neto and Santos [2018]. Torneios de inovação, prêmios para resolver um problema de engenharia ou pagamento online aos participantes pela categorização de imagens são exemplos de crowdsourcing Ranard et al. [2013]. Brabham Brabham [2009], em seu estudo sobre planejamento de projetos Crowdsourcing, defende que é um modelo capaz de agregar talentos, alavancar a engenhosidade e ao mesmo tempo reduzir os custos e o tempo que antes eram necessários para a solução de problemas, em consonância com o entendimento de Koch et al. [2011] que aborda que as plataformas de crowdsourcing e cocriação mudaram a maneira como as empresas implementam a inovação aberta.

A evolução tecnológica dos últimos anos, acelerada pela pandemia do Covid19, foi responsável por uma rápida e contínua quebra de paradigmas no ensino, com a adoção de ambientes de aprendizagem multimídia. Durante o processo de aprendizagem nestes ambientes, a absorção do conteúdo pelo discente cai com o aumento do volume de informação transmitida aos alunos, ou seja, quando há uma sobrecarga cognitiva em um ou em ambos os canais visual e verbal. Atualmente são escassos os estudos que utilizam ferramentas de Visão Computacional e Ciência de Dados para a análise da Carga Cognitiva. Ferramentas desta natureza possibilitariam uma análise automatizada de grandes volumes de vídeos, e consequentemente a avaliação e geração de conteúdo multimídia que otimizem o aprendizado dos alunos. Neste trabalho adotou-se um estudo piloto com uma amostra de 13 alunos da faculdade de medicina da Universidad de Atacama, Chile. Assim, foi desenvolvida uma metodologia para extrair e investigar correlações entre características visuais da face dos alunos e a carga cognitiva. Foi usada uma base de vídeos faciais dos alunos assistindo, pela tela do computador, aulas com recursos multimídia. Esta base de vídeos foi inicialmente organizada e pré-processada, aplicando-se em seguida modelos de Aprendizado Profundo para extrair pontos de interesse visuais da face em cada quadro. As micro ações foram previamente anotadas pelo pesquisado e os dados resultantes foram avaliados para identificação de padrões relevantes relacionados à carga cognitiva, por meio de algoritmos de aprendizado de máquina não-supervisionados e supervisionados. Além de responder à investigação principal desta pesquisa, os resultados deste estudo incluem uma prova de conceito para a analise da correlação das expressões faciais com a nota da prova do individuo para posterior analise da carga cognitiva em ambientes de aprendizagem multimídia.

A previsão de eventos cardiovasculares em pacientes diagnosticados com Síndrome Metabólica
(SM) é um tema de grande relevância para a área da Saúde, em geral, e fundamental para a
da Endocrinologia. Esta dissertação objetiva recomendar um modelo de Machine Learning
(ML) para estimar os riscos de eventos cardiovasculares em pacientes com SM, explorando
os marcadores do escore de Framingham (FRS) e da SM. Metodologicamente, utilizamos um
modelo de regressão logística e análises com árvore de decisão, floresta aleatória, impulsiona-
mento de gradiente, máquina de vetores de suporte e k-vizinhos mais próximos para testar nossa
hipótese central de que os bioindicadores (variáveis relacionadas à SM) exercem um impacto
positivo, forte e significativo nos eventos cardiovasculares em pacientes com SM. Tecnicamente a
pesquisa foi conduzida por meio de experimentos realizados em diferentes cenários. No primeiro
cenário, um algoritmo foi desenvolvido para avaliar o risco cardiovascular em pacientes com e
sem SM. Nos cenários subsequentes, foram analisados pacientes com e sem SM, considerando
os marcadores de SM e FRS como variáveis dependentes, enquanto a condição de Síndrome
Metabólica foi adotada como variável independente. No quinto cenário, uma análise foi realizada
para selecionar o modelo de regressão e classificação mais adequado para a predição do risco
cardiovascular em um conjunto de dados combinado de doenças cardíacas. No sexto cenário,
o modelo desenvolvido foi fundamentado no Escore de Risco Global (ERG) de Framingham,
incorporando os marcadores da SM nos experimentos. Os dados foram obtidos a partir do
repositório do National Center for Health Statistics (NHANES), um conjunto de dados combi-
nados de doenças cardíacas do Repositório de aprendizado de máquina UCI. e da plataforma
Kaggle. Em resumo, os principais achados desta dissertação são os seguintes: (1) No primeiro
cenário, uma diferença percentual de 81,74% foi observada nas médias de Risco ECV entre as
populações com e sem Síndrome Metabólica, evidenciando um aumento significativo do risco
cardiovascular na população com SM; (2) nos cenários subsequentes, o modelo Random Forest
(RF) se destacou, alcançando alta acurácia em todas as combinações de variáveis, especialmente
na combinação dos marcadores da SM com o marcador de sexo; (3) no quinto cenário, o modelo
RF foi identificado como o mais indicado, destacando a importância das variáveis relacionadas
à SM na predição do risco cardiovascular e ressaltando a necessidade de aprimoramentos nos
modelos para melhor identificação dos casos positivos; (4) tanto o modelo com três marcadores
da SM quanto o modelo com cinco marcadores da SM combinados ao escore de Framingham
(SM + FRS) apresentaram desempenho considerável, com correlações e acurácias significativas
(0.80 e 0.84, respectivamente). Essas combinações mais simples de variáveis podem ser uma
abordagem interessante, uma vez que fornecem informações relevantes para a predição do risco
cardiovascular de forma menos invasiva, evitando a necessidade de exames mais complexos.

Objetivo: Elaborar uma nova fórmula biométrica com base em um banco de dados  da população brasileira e comparação com o desempenho de outras 6 fórmulas existentes no meio científico. Local: Os participantes foram avaliados e submetidos à cirurgia em um hospital oftalmológico de Brasília, DF, Brasil. Desenho: Um estudo clínico retrospectivo para comparar o desempenho de fórmulas biométricas. Metodologia: Os desempenhos de modelos de aprendizagem de máquina e das fórmulas de Barrett Universal II, Haigis, Hoffer Q, Holladay 1, Kane e SRK/T foram analisados comparando-se o erro absoluto mediano e a porcentagem de olhos com menos de 0,5 e 1,0D de erro absoluto. Resultados: foram analisados 1526 olhos únicos, onde as fórmulas de Barrett Universal II, Haigis, Hoffer Q, Holladay 1, Kane e SRK/T e os modelos MLP e SVR obtiveram, respectivamente, os seguintes valores de erro absoluto mediano: 0.393, 0.426, 0.427, 0.387, 0.409, 0.410, 0.405 e 0.370 D.

Os desempenhos do modelo SVR e das fórmulas Holladay 1 e Barrett Universal II também foram superiores em todos os subgrupos estudados. Conclusão: A fórmula baseada em modelo computacional proposta obteve resultados superiores em comparação com outras fórmulas para cálculo do poder da lente intraocular nesta população e em todos os subgrupos biométricos estudados.

Esta dissertação é composta por três estudos que visam explorar a influência da gamificação,
que refere-se à integração de elementos e mecânicas de jogos em contextos não relacionados a
jogos, como ambientes educacionais, no desempenho e engajamento de estudantes e impacto
de estereótipos de gênero, correlacionando-os com o traço de personalidade Garra . Este
traço é caracterizado por uma combinação de paixão e perseverança em direção a objetivos
de longo prazo, no qual abrange qualidades como resiliência, determinação e capacidade de
manter o esforço e o interesse diante de desafios e contratempos. Diante disso, três estudos
foram conduzidos, o primeiro estudo é uma revisão sistemática da literatura que investiga
a correlação entre Garra e sistemas gamificados, sugerindo que a gamificação influencia
positivamente o engajamento e o desempenho dos alunos. O segundo estudo enfoca as
diferenças de gênero em sistemas de tutoria gamificados estereotipados, sugerindo que a Garra
por si só pode não ser suficiente para reduzir essas disparidades, indicando nos resultados
que os estereótipos de gênero podem afetar negativamente o desempenho e o engajamento
para mulheres com baixos níveis de Garra. O terceiro estudo é uma análise qualitativa que
explora as percepções emocionais dos participantes em um ambiente gamificado estereotipado,
identificando sentimentos negativos de falta de controle. No geral, as descobertas destacam
a necessidade de ambientes gamificados equitativos e cuidadosamente projetados para evitar
efeitos negativos no desempenho e engajamento dos estudantes. Pesquisas futuras devem
considerar uma abordagem holística, investigando correlações complexas entre traços de
personalidade, métodos de engajamento e desempenho acadêmico e o impacto do estereótipo
de gênero. Estudos futuros também devem orientar o desenvolvimento de metodologias de
ensino e aprendizado.

O e-learning tem utilizado tecnologias de informação para potencializar a educação via internet. Com um aumento de 87\% nas matrículas em Educação a Distância desde 2014, a modalidade ultrapassou o ensino presencial em oferta de vagas desde 2020, refletindo a adaptabilidade das instituições ao mundo digital. Assim, os professores têm enfrentado desafios referente ao aumento da carga de trabalho devido à gestão das interações nos ambientes virtuais. Nesse contexto, essa dissertação investiga qual a percepção dos docentes em relação ao seu esforço cognitivo e tempo de dedicação na criação e envio de feedbacks em uma plataforma educacional simulada por meio da Inteligência Artificial e Learning Analytics. Este estudo irá comparar três grupos de professores, utilizando um dos ambientes (manual - AM, automatizado - AA e semi-automatizado - AS) de acompanhamento de uma plataforma educacional simulada. O intuito é otimizar o processo educacional, tornando a gestão de feedbacks mais eficiente, sem sobrecarregar os profissionais da educação. Neste estudo, 98 docentes participantes avaliaram aleatoriamente através de um questionário qual é a sua percepção de esforço cognitivo e tempo dedicado para a criação e envio de feedback para alunos na plataforma. Foi aplicado diversos testes estatísticos, como Shapiro-Wilk, Kolmogorov-Smirnov e Levene, visando compreender a distribuição dos dados, bem como o NASA TLX foi utilizado para avaliar a carga de trabalho percebida pelos docentes. Os resultados revelaram que o teste de Mann-Whitney destacou discrepâncias em certos ambientes e fatores. Na avaliação geral, verificou-se uma diferença estatística significativa entre os AM e AA, tendo o p-valor= 0,0319 e entre os mesmos ambientes, sob o p-valor= 0,0277 para as dimensões de demanda física e temporal, respectivamente, abaixo do limiar de p-valor=0,05. Ao avaliar os professores por gênero, para os homens verificou-se uma diferença estatística significativa entre os AA e AS, tendo o p-valor de 0,0312 e entre os AM e AA, sob o p-valor de 0,0380 para as dimensões de demanda física e nível de frustração, respectivamente. Para as professoras as diferença estatística ficou entre os AM e AS, com o p-valor= 0,0108 na dimensão de demanda física. O AS na maioria dos testes ficava entre o AA e o AM. Notavelmente, o AA influenciou certos aspectos em comparação ao AM. A pesquisa sugere que o tipo de ambiente de feedback pode afetar a carga de trabalho dos docentes, variando de acordo com fatores específicos e gênero.

Este trabalho envolve projetar uma lei de controle adaptativo fisiológico para um dispositivo de assistência ventricular turbodinâmica (TVAD) usando um modelo variável no tempo de parâmetros concentrados que descreve o sistema cardiovascular. O TVAD é uma bomba de sangue rotativa acionada por um motor elétrico. A simulação do sistema também inclui o controlador de feedback adaptativo, que fornece um débito cardíaco fisiologicamente correto sob diferentes condições de pré-carga e pós-carga. O débito cardíaco é estimado a cada batimento cardíaco e o objetivo de controle é alcançado alterando dinamicamente a referência do controlador de velocidade do motor com base no erro da pressão sistólica. TVADs fornecem suporte para a circulação sanguínea em pacientes com insuficiência cardíaca. Diversas estratégias de controle foram desenvolvidas ao longo dos anos, com destaque para as fisiológicas, que adaptam seus parâmetros para melhorar a condição do paciente. Neste trabalho, uma nova estratégia é proposta utilizando um controlador fisiológico de ganho variável para manter o débito cardíaco em um valor de referência sob alterações tanto na pré-carga quanto na pós-carga. Modelos computacionais são usados para avaliar o desempenho desta técnica de controle, que tem apresentado melhores resultados de adaptabilidade do que controladores de velocidade constante e controladores de ganho constante.

Monitorar o oceano de forma eficiente é essencial para planejar estratégias que permitem a manutenção da saúde do litoral. Isso fica evidente em cenários de desastre ambiental, como o derramamento de óleo reportado em 2019 que atingiu uma grande extensão da costa nordestina brasileira, trazendo consequências tanto ambientais quanto socioeconômicas para os locais afetados. O evento mostrou a necessidade de expansão da rede de monitoramento nacional, composta principalmente por boias marítimas, que são componentes estáticos ou passivos, nessa tarefa. Este trabalho propõe um \textit{framework} para sistema de monitoramento persistente com sensoriamento ativo, a partir de veículos autônomos colaborativos envolvidos em uma missão marítima. Esse sistema é capaz de gerenciar simulações de um processo de dispersão e sincronizar agentes em uma missão, trabalhando em uma política de patrulhamento.

Objetivo: Identificar o epitélio de forma automatizada nas imagens obtidas pela câmera Scheimpflug.

Métodos: Foram analisados 279 exames de córneas normais obtidas através das capturas realizadas pela câmera scheimpflug e o método proposto possui 4 etapas: Aquisição da imagem, identificação do epitélio, Isolamento das curvaturas de interesse e Avaliação e analise do epitélio.

Resultados: Os algoritmos Canny, Zerocross e Log conseguiram detectar o epitélio na medida total as menores médias encontradas em ambas espessuras foram com os métodos log e zerocross com suas variações, que tiveram 79.74 μm, 79.85 μm e 80.38 μm na espessura normal e 65.91 μm, 66.08 μm e 67.25 μm na espessura pela distância euclidiana. Porém zerocross teve o menor número de imagens defeituosas e log teve mais de 50% das imagens da base com problemas. Na medida central as menores média encontradas em ambas espessuras também foram com os métodos log e zerocross com suas variações, que tiveram 75.50 μm, 75.58 μm e 75.75 μm na espessura normal e 61.61 μm, 61.70 μm e 62.04 μm na espessura pela distância euclidiana.

Conclusão: Esse trabalho mostra que com as imagens da câmera scheimpflug e aplicando métodos de detecção de bordas clássicos conseguimos detectar o epitélio em córneas normais. Isso mostra que conseguimos coletar informações importantes das camadas córnea e que esse parâmetro pode agregar em qualquer equipamento que utilize a câmera scheimpflug

Segurança e eficácia são atributos de qualidade cruciais para
sistemas de bomba de infusão de insulina. Portanto, as
agências reguladoras exigem a avaliação da qualidade e
aprovação de tais sistemas antes do mercado para diminuir o
risco de danos, motivando o uso de uma abordagem baseada
em modelos (Model-Based Approach - MBA) formais para
melhorar a qualidade. No entanto, usar um MBA formal
aumenta os custos e o tempo de desenvolvimento porque exige
conhecimento especializado e análises minuciosas de
comportamentos. O objetivo com este trabalho é auxiliar a
avaliação de qualidade de tais sistemas de forma econômica e
eficiente em termos de tempo, fornecendo artefatos de projeto
reutilizáveis, aplicando a abordagem proposta (nomeada MBA
com CPN - MBA/CPN). Foi definida uma abordagem baseada
em Redes de Petri Coloridas e um estudo de caso sobre um
sistema de bomba de infusão de insulina comercial para
verificar e validar um modelo de referência (como um
componente de MBA/CPN), descrevendo cenários de avaliação
de qualidade. Também foi realizada uma avaliação empírica
para verificar a produtividade e reutilização dos modeladores ao
usar o modelo de referência. Tal modelo é relevante para
raciocinar sobre comportamentos e avaliação de qualidade de
tais sistemas concorrentes e complexos. Durante a avaliação
empírica, utilizando o modelo de referência, 66,7% dos 12
modeladores entrevistados declararam nenhum esforço, 

enquanto 8,3%, esforço baixo, 16,7% esforço médio e 8,3%
esforço considerável. Com base no conhecimento dos
modeladores, foi implementado um aplicativo baseado na web
para auxiliá-los na reutilização da abordagem proposta,
possibilitando o treinamento baseado em simulação. Embora
um número reduzido de modeladores tenha experimentado a
abordagem, tal avaliação forneceu insights para melhorar o
MBA/CPN. Dada a avaliação empírica e os resultados do
estudo de caso, o MBA/CPN mostrou-se relevante para avaliar
a qualidade de sistemas de bombas de infusão de insulina.

Nos últimos anos, as empresas foram obrigadas a se adaptar às novas diretrizes e estratégias para prevenir e reduzir a transmissão do COVID-19 no local de trabalho. Um dos principais desafios nesta adaptação é gerir eficazmente a jornada de trabalho de forma a reduzir o contacto social. Este trabalho apresenta uma estrutura abrangente de otimização para planejar automaticamente os horários dos funcionários (equipe) durante eventos de pandemia. Nosso framework usa programação linear inteira para definir um conjunto de restrições gerais que podem ser usadas para representar vários tipos de restrições de distanciamento e diferentes funções objetivo. Para usar o framework, uma empresa deve simplesmente instanciar um subconjunto dessas restrições com uma função objetivo (de acordo com suas prioridades). Testamos nossa estrutura de agendamento em três empresas reais diferentes, e os resultados mostram que nossa abordagem é capaz de melhorar o número de trabalhadores presenciais em 15%, atendendo às restrições de distanciamento social das empresas.

A tecnologia de Inteligência Artificial tem sido fundamental no papel do cuidado à saúde da sociedade. Ela vem sendo amplamente utilizada nos diversos ramos da medicina. Uma de suas principais aplicações é no contexto do prognóstico da doença de câncer de mama. O câncer é considerado como a segunda maior causa de mortes decorrentes de doenças no mundo. Neste contexto, destaca-se o câncer de mama, que é considerado a maior ocorrência de câncer entre as mulheres no mundo. Um dos principais desafios neste cenário é identificar quais são as características mais relevantes no desenvolvimento deste tipo de neoplasia por um paciente. Este tipo de filtro é realizado pelos métodos de seleção de características. Este trabalho apresenta um modelo híbrido de seleção de características que deve ser utilizado por clínicos de um paciente, a fim de realizar uma predição de recorrência do câncer de mama.

Segundo a Organização Mundial de Saúde, as doenças cardíacas são a principal causa de morte no mundo. Milhares de pessoas morrem todos os anos devido a complicações causadas por este tipo de doença. Neste sentido, os cardiologistas procuram um diagnóstico precoce, impedindo que a doença atinja a fase patológica (ou seja, as fases em que as limitações surgem e se tornam cada vez maiores para os seus portadores). No contexto das arritmias do tipo taquicardia, os pacientes precisam de adoptar o uso contínuo de medicamentos e mudar hábitos para reduzir o impacto causado por este tipo de doença, proporcionando assim uma vida mais saudável. Assim, este estudo propõe e avalia um modelo prognóstico para as arritmias que combina informação relativa ao estilo de vida do paciente, comorbilidades e estado geral de saúde para prever a morbilidade e mortalidade em pacientes diagnosticados com taquicardia. O modelo proposto utiliza como parâmetros a pontuação CHA2DS2-VASc, os dados clínicos e os hábitos do paciente que, juntamente com a utilização de SVM (Support Vector Machines) e KNN (K vizinhas mais próximas) é capaz de classificar o grau de morbilidade e estimar a perspectiva de vida. Desta forma, o médico tem acesso a informações que devem ajudar na tomada de decisão sobre os passos que serão dados no tratamento desse paciente, o que pode envolver mudanças na medicação e nas dosagens, níveis de rigidez com os hábitos, e em casos críticos a intervenção cirúrgica, visando sempre prolongar a longevidade do paciente.

Este trabalho propõe um método exato para o Problema de Orientação com Seleção de Hotéis e Janelas de Tempo (OPHS-TW) e utiliza-lo no contexto de Alagoas. No OPHS-TW, são dados um conjunto de vértices com pontuação e janelas de tempo, e um conjunto de hotéis. O objetivo é determinar um número fixo de viagens conectadas que visitam alguns vértices e maximizar a soma das pontuações coletadas. Até onde sabemos, este é o primeiro método exato para OPHS-TW. Nosso modelo exato foi desenvolvido usando Programação Linear Inteira (ILP). Experimentos computacionais realizados em instâncias do OPHS-TW encontrados na literatura mostram que nosso método exato para o OPHS-TW é capaz de provar vários ótimos anteriormente desconhecidos. Nosso algoritmo encontrou 33 soluções desconhecidas da literatura. Dessas soluções desconhecidas, 32 foram comprovadas como ótimas. No total, 357 soluções provaram ser ótimas.

As metrópoles da América Latina vêm enfrentando graves problemas de congestionamento de trânsito em consequência do rápido crescimento populacional, aumento do número de veículos e ineficiência das políticas públicas. A maioria das cidades não possui sistema de controle de tráfego urbano em tempo real para otimizar o fluxo de veículos. Nesse contexto, a utilização de modelos de otimização de tráfego urbano surge como uma alternativa de baixo custo para avaliar diversos problemas e promover possíveis melhorias. Por meio do Simulador de Mobilidade Urbana (SUMO), este artigo propõe um novo modelo de simulação de tráfego urbano para uma via proeminente da cidade de Maceió, Alagoas, Brasil. A via escolhida foi a avenida Fernandes Lima, por representar um dos mais importantes corredores viários da cidade. O modelo proposto permite entender o comportamento do fluxo de veículos da via, que possui peculiaridades como a faixa azul (exclusiva para o transporte coletivo) e três trechos com semáforos de pedestre. A validação do modelo proposto foi feita considerando dados obtidos a partir de observações reais e os resultados indicam que o modelo é capaz de prover estimativas com erros menores que 5% relacionados ao volume de tráfego de veículos nas interseções semafóricas e menores que 10% relacionados ao tempo médio de viagem total dos veículos que percorrem toda a avenida. Por fim, a análise dos resultados experimentais demonstra que é possível utilizar o modelo proposto para aplicar possíveis intervenções na via, como a remoção dos semáforos de pedestre e da faixa azul, resultando no aumento do fluxo dos veículos, redução do tempo de viagem, consumo de combustíveis e emissão de gás carbônico.

A economia de uma cidade ou região é diretamente proporcional à eficiência do seu sistema de transporte público. O planejamento de um sistema de transporte público depende de diversos fatores como modais de transporte, demandas de origem-destino, qualidade e confiabilidade desse serviço, custos operacionais, entre outros. Essas características levam a problemas muito complexos, como projeto de rede e configuração de frequência de veículos. É comum o uso de heurísticas, como algoritmo genético, para resolver tais problemas em casos de dados reais, pois estes possuem grandes instâncias. Nesse contexto, o presente trabalho propõe uma metodologia de otimização, utilizando biased random-key genetic algorithms, para um sistema de transporte público de ônibus considerando dois viés: (i) qualidade do serviço, minimizando o tempo de espera dos passageiros; (ii) análise econômica para a empresa concessionária, minimizando o custo operacional. Assim, esta metodologia é aplicada em um estudo de caso com dados de transporte de ônibus de Maceió para propor dois cenários de frequências com desempenho superior a 10% do real em ambas análises mencionadas. Por fim, trabalhos futuros podem ser realizados para desenvolver otimizações multi-objetivo para encontrar soluções que abrangem ambas análises.

A educação em Statistic, Technology, Engineering and Mathematics (STEM) é permeada por
uma tradicional cultura cis-heteronormativa que dita quem permanece a estes espaços e
quem será a evasão nesses cursos. Existe a Ideia de que a heteronormatividade é o status
quo padrão e tudo o que foge disso é tido como grupos minorizados em STEM. A literatura
apresentada evidencia a importância deste trabalho, ao passo que também mostra com
teorias e quasi-experimentos essas supões existentes em ambientes tradicionais de ensino
em STEM, como sala de aula e em ambientes virtuais de ensino. STEM em seu modelo de
ensino e inclusão atual continua a perpetuar essa tradição não inclusiva. O uso de tecnologias
educacionais está cada vez mais presente em sala de aula, principalmente em um cenário
atual em que a educação remota se faz tão necessária. Neste sentido, surge a gamificação
como uma alternativa poderosa capaz de propiciar ambientes virtuais de ensino. Gamificação
pode ser entendida como a utilização de conceitos de jogos em ambientes de não jogos, é a
utilização de conceitos, técnicas, formas, métodos, elementos e variáveis características de
jogos que podem ser utilizadas no desenvolvimento de um ambiente de ensino. A utilização da
gamificação em ambientes educacionais pode ser uma alternativa para viabilizar um ensino
à distância eficaz. A gamificação em ambientes virtuais de ensino pode ser considerada
uma técnica poderosa de interação de estudantes e professores com o ambiente de ensino. A
preocupação com o ensino e aprendizado não é recente, na literatura é fácil encontrar estudos
relacionados a essa preocupação. A gamificação pode replicar estereótipos tradicionalmente
convencionalizados em STEM, quando os elementos de gamificação como cores, frases,
avatares, efeitos sonoros e outros são aplicados de forma correta contribui positivamente para
o aprendizado, ao passo que, quando desenhados sem uma análise contextual-cultural pode
reafirmar estereótipos de ambientes tradicionais em ambientes gamificados. Tecnologias
gamificadas e estereotipadas podem impactar diretamente no desempenho de estudantes,
interferindo na aprendizagem e até mesmo na sua evolução no ensino. Neste contexto, este
estudo apresentou e identificou efeitos de estereótipos em ambientes gamificados de ensino e
sua relação com a experiência de fluxo, expectativa de desempenho e desempenho de grupos
minorizados socialmente como lésbicas, gays, bissexuais, travestis, homens transexuais,
queer, intersexo, asexuais, pansexuais, mais diversidade (LGBTQIAP+) em cursos STEM.

Para isso, é apresentada uma revisão sistemática seguida de uma metanálise, um quasi-
experimento e um estudo qualitativo. Desta forma, portanto, esse estudo contribui para

a compreensão do impacto que estereótipos sexuais em ambientes gamificados têm no
desempenho de estudantes. Espera-se que com os resultados desta pesquisa possa também
contribuir para uma melhor inclusão da diversidade sexual.

O uso da gamificação vem sendo amplamente estudado nos últimos anos, em particular quando
ela é utilizada como intervenção para aumento de motivação e engajamento em cenários
educativos. Mesmo tendo-se evidências de que a gamificação causa impactos positivos, também
existem estudos que apontam problemas na sua aplicação. Em alguns casos, resultados positivos
não são alcançados por influência de diversos fatores, um deles é a da ameaça de estereótipo
de gênero, a qual pode impactar no nível de autoeficácia do estudante e no desempenho na
aprendizagem. Isto ocorre porque a autoeficácia é o sentimento de se sentir com a capacidade
de atingir as metas. Assim, quando determinada tarefa é proposta e o indivíduo não acredita ter
as capacidades necessárias em sua execução, o êxito na conclusão da tarefa é fraco. Tal fator,
influencia no desempenho da aprendizagem, podendo causar impactos negativos. Por exemplo, o
estereótipo de que homens têm mais habilidade em matemática pode influenciar negativamente
em algumas mulheres fazendo com que elas tenham uma percepção de autoeficácia muito
baixa, causando problemas na aprendizagem, mesmo que as atividades sejam realizadas em
um ambiente gamificado. Assim, nesta dissertação nosso objetivo é identificar e explicar como
estereótipos de gênero impactam na autoeficácia, na experiência de fluxo (estado de total
imersão almejado em cenários educativos) e no desempenho da aprendizagem dos estudantes
em ambientes educacionais online gamificados. Para isso, será realizada uma revisão sistemática
da literatura (metanálise) e condução de estudos quasi-experimentais. A revisão sistemáticas
possibilitará a obtenção de um panorama geral de como estereótipos de gênero e gamificação afetam a autoeficácia, experiência de fluxo e desempenho da aprendizagem. Os estudos quasi-experimentais de tipo quantitativo e qualitativo serão conduzidos para identificar e explicaros efeitos causados pelo estereótipo de gênero em ambientes educacionais online gamificados.

Desta forma almejamos fornecer evidências no referido a se estereótipos de gênero afetam
a experiência de fluxo, se eles afetam a autoeficácia e se eles contribuem num desempenho
ruim de aprendizagem dos alunos. Como resultado também esperamos identificar se existe um
gênero que possa ser mais afetado pelo estereótipo e compreender as causas desses efeitos.
Essas evidências irão contribuir na geração de diretrizes, recomendações e práticas que resultem
em adaptações e implementações de ambientes educacionais online gamificados sem ameaça
de estereótipo, a elaboração de ambientes mais justos e que promovam a equidade de gênero.

Um dos maiores desafios de um sistema fotovoltaico é o monitoramento confiável e em tempo real da sua geração de energia e das variáveis climáticas em que está submetido. O monitoramento permite estimar com precisão o desempenho do sistema fotovoltaico e detectar falhas que podem causar danos ao próprio sistema e a rede de distribuição elétrica ao qual está conectado. Os sistemas de monitoramento comerciais geralmente são caros e não medem todos os parâmetros necessários para um monitoramento completo do sistema fotovoltaico. Este trabalho propõe um sistema de aquisição de dados de baixo custo, com alta taxa de amostragem e com capacidade de monitorar sete variáveis meteorológicas, além da tensão e corrente gerada por sistemas de micro e minigeração fotovoltaica. Uma comparação do sistema proposto com uma estação meteorológica comercial mostrou uma alta similaridade nas medições. Contudo, o sistema proposto apresenta uma maior frequência de amostragem e menor custo, ao se considerar o mesmo conjunto de variáveis meteorológicas.

Clusterização é uma classe fundamental de problemas com inúmeras aplicações em muitas áreas do conhecimento, incluindo: bioinformática, visão computacional, mineração de dados, mineração de texto e agrupamento de páginas na Web. Dado um conjunto de n objetos, a clusterização objetiva agrupar automaticamente tais objetos em k grupos, geralmente disjuntos, denominados clusters ou agrupamentos utilizando uma medida de similaridade preestabelecida. Problemas de clusterização em geral têm alta complexidade computacional e envolvem uma grande quantidade de dados de entrada. Dessa forma, o uso de arquiteturas paralelas como Graphics Processing Units (GPUs) são alternativas interessante para acelerar o processo de clusterização. Neste trabalho, conduzimos um estudo comparativo de meta-heurísticas aceleradas por GPU para agrupamento de dados. Três meta-heurísticas populacionais foram implementadas na GPU: Particle Swarm Optimization (PSO), Differential Evolution (DE) e Scatter Search (SS). A implementação dessas meta-heurísticas foi dividida em duas partes: a parte independente do problema e a parte dependente problema. A parte independente do problema se refere aos operadores de seleção, reposição e combinação de cada meta-heurística, enquanto que a parte dependente se refere a função objetivo. A parte independente foi implementada usando o framework libCudaOptimize, e a parte dependente foi criada transformando o problema clusterização em um problema de otimização global sujeito a restrições de caixa. As meta-heurísticas propostas foram comparadas com o melhor algoritmo de clusterização da atualidade considerando eficiência do tempo de execução e a qualidade da solução. Os resultados indicam que o PSO baseado em GPU (GPU-PSO) obteve os melhores resultados em comparação com as outras meta-heurísticas baseadas em GPU e o melhor método da atualidade. Além disso, nossa implementação em GPU da função objetivo obteve um speedup médio de 175x sobre a versão sequencial. Esses resultados demonstram que uma abordagem de GPU para o problema de clusterização é muito promissora.

O processo de agrupamento de dados é conhecido como clusterização.  Na literatura,  o processo de clusterização, ou agrupamento, tem duas variações: (i) se o número de clusters for predefinido,  esse processo é conhecido como Problema de Clusterização (CP — Clus-tering Problem) ou Problema de k-Clusterização, e (ii) quando o número de clusters não é definido, o processo torna-se conhecido como Problema de Clusterização Automática (PCA— Automatic Clustering Problem). O Problema de Clusterização Automática é classificado como NP-difícil, o que inviabiliza o valor exato dos agrupamentos. A importância de ter dados bem agrupados é crucial para
a tomada decisões mais assertivas. A técnica de agrupamento de dados possui aplicabilidade nas mais diversas áreas do conhecimento, como: engenharia, administração, economia, biologia, física, entre outras, que apresentam problemas com representação de modelagens matemáticas. Os algoritmos genéticos representam uma classe
de algoritmos que podem ser utilizadas para resolver este tipo de problema, estes algoritmos são baseados em processos de evolução darwinistas, selecionando as melhores soluções dentro de uma população. O BRKGA (Bia-sed Random Key Genetic Algorithm), em tradução Algoritmo Genético de Chaves Aleatórias Viciadas é apresentado como uma variação dos algoritmos genéticos, em que as soluções de um problema são representadas como vetores de chaves reais, geradas aleatoriamente, no intervalo contínuo de [0,1). O fitness de uma solução viável é determinado pelo decodificador que mapeia este vetor em um valor real. Este trabalho propõe um BRKGA multipopulacional para identificar o número ideal declusters,  de a cordo com o índice de silhueta uma medida de eficácia de agrupamento bastante utilizada na literatura. No algoritmo proposto, o espaço de soluções é particionado de  forma  que  cada  subpopulação  o  algoritmo  represente  soluções  com  um  número k de cluster. Assim, a cada subpopulação, um BRKGA independente é aplicado. Experimentos computacionais foram realizados em cinquenta e cinco instâncias da literatura.  O algoritmo proposto é comparado com métodos existentes na literatura, apresentando resultados superiores, levando ao entendimento de que o algoritmo é promissor.

Cientistas de dados com frequência desenvolvem modelos de aprendizagem de máquina para resolver uma variedade de problemas tanto na indústria como na academia. Para construir esses modelos, estes profissionais executam atividades que também são executadas no ciclo tradicional do desenvolvimento de software, como a elicitação e implementação de requisitos. É factível argumentar que os cientistas de dados poderiam tirar vantagem dos métodos utilizados pela engenharia de software tradicional para construir modelos de aprendizagem de máquina. Entretanto, o desenvolvimento de código voltado para aprendizagem de máquina possui particularidades que podem levar a desafios que podem que necessitam da adoção de novas práticas de desenvolvimento. De modo que a literatura atual não caracteriza esse tipo de conhecimento do ponto de vista dos cientistas de dados. Neste trabalho, nós caracterizamos os desafios e práticas a respeito da engenharia de modelos de aprendizagem de máquina que merecem atenção da comunidade de pesquisa. Para isto, nós executamos um estudo qualitativo com oito desenvolvedores de software membros de cinco companhias distintas, com diferentes níveis de experiência no desenvolvimento de modelos de aprendizagem de máquina. Nossos achados sugerem que: (i) o processamento de dados e a engenharia de atributos são os estágios de desenvolvimento mais desafiadores durante o desenvolvimento de um modelo de aprendizagem de máquina; (ii) é essencial uma sinergia entre os cientistas de dados e especialistas no domínio da aplicação do modelo; e (iii) o desenvolvimento de modelos de aprendizagem de máquina sofre da falta de suporte de um processo de engenharia bem definido.

O câncer de pulmão é o tipo mais frequente e letal de câncer e o seu diagnóstico precoce é crucial para a sobrevivência do paciente. A tomografia computadorizada (TC) é o padrão-ouro para o rastreio da doença, mas estudos recentes têm demonstrado o potencial da ressonância magnética (RM) no diagnóstico de nódulos pulmonares, bem como da combinação de imagens médicas multimodalidade. Neste estudo, foi avaliado se a combinação de características radiômicas de imagens de TC e RM de pacientes de câncer pulmonar contribui para classificações mais precisas da suspeita de malignidade de nódulos. Para atingir tal objetivo, foi realizado o registro de exames de TC e RM de 47 pacientes, segmentação dos nódulos em cada modalidade, extração de características radiômicas dos nódulos, e classificação com usando XGBoost, avaliando métricas de desempenho dos modelos em 30 iterações. O mesmo experimento foi realizado para quatro conjuntos de características: 1) somente de TC; 2) somente de RM; 3) concatenação de TC e RM; 4) e fusão de TC e RM. Nossos resultados indicam que a estratégia de fusão de imagens pode levar a ganhos de desempenho significativos sobre os modelos de modalidades individuais, com AUC média de \textit{0.794}, mas a concatenação de características não se provou uma abordagem adequada para lidar com imagens multimodalidade, uma vez que a AUC média de \textit{0.770} não indicou ganhos de desempenho. Além disso, foi observado que RM, com AUC média de \textit{0.770}, apresentou desempenho significativamente superior à TC, com \textit{0.755}, encorajando estudos em RM como modalidade para o acompanhamento do câncer de pulmão. Por fim, a análise das características reforçou a relevância da morfologia de um nódulo, como seu tamanho e esfericidade, além de características de textura que quantificam a complexidade e homogeneidade do ambiente intratumoral.

O reconhecimento de sinais dinâmicos de línguas de sinais é uma tarefa difícil que começa a se tornar praticável com o uso de redes neurais profundas. Porém, a ausência de grandes bases de dados anotadas inviabiliza o treinamento destes classificadores. Neste trabalho, foi construída uma base de dados, entitulada Skelibras, contendo 57760 amostras divididas em 6572 classes de sinais dinâmicos da Língua Brasileira de Sinais (Libras). Cada sinal contém sequências de esqueletos (poses) do corpo e das mãos, extraída e sincronizada automaticamente de vídeos da base Corpus de Libras. Para extrair e organizar esses dados anotados de forma consistente, apresenta-se uma metodologia capaz de identificar e rastrear as poses de cada falante; sincronizar legendas e falantes presentes nas conversas; e sincronizar dados de vídeos adquiridos a partir de distintos pontos de vista com as legendas. Realizamos experimentos em variações de redes neurais profundas baseadas em camadas convolucionais, camadas densas, e unidades LSTMs para validar e fornecer resultados preliminares na base gerada neste trabalho, possibilitando assim a comparação futura com novos métodos de reconhecimento de sinais dinâmicos.

The Minimum Broadcast Time (MBT) is a well-known data dissemination problem whose goal is to find a broadcast scheme that minimizes the number of steps needed to execute the broadcast operation. The Weighted Minimum Broadcast Time (WMBT) is a generalization of the MBT, such that each operation has a cost. Both problems have many applications in distributed systems and swarms robots. This work proposes Biased Random-Key Genetic Algorithms (BRKGA) and a hybrid algorithm (BRKGA + Integer Linear Programming) for the MBT and WMBT. We carry out experiments with our BRKGA on instances commonly used in the literature, and also on massive synthetic instances (up to 1000 vertices), allowing us to cover many possibilities of real industry topologies. Our proposal is also compared with state-of-the-art exact methods and heuristics. Experimental results show that our algorithms are able to outperform the best-known heuristics for the MBT and WMBT, and also that they are a very good alternative for large instances that cannot be solved by current exact methods.

A presença de code smells indica uma má escolha de implementação e geralmente piora a qualidade do software. Portanto, a detecção de code smells é uma técnica simples para identificar oportunidades de refatoração em sistemas de software. Neste contexto, estudos anteriores desenvolveram ferramentas de detecção de code smells, fornecendo resultados diferentes. No entanto, tais ferramentas apresentam algumas limitações porque os code smells podem ser subjetivamente interpretados e detectados de maneiras diferentes. Para superar essas limitações, usamos diferentes técnicas de aprendizado de máquina para classificar os códigos prejudiciais. Um código prejudicial é um fator essencial a ser levado em consideração ao se reportar os resultados de detecção de code smells, uma vez que os códigos maliciosos contêm bugs, fornecendo a priorização dos esforços de refatoração. Em nosso experimento, aplicamos algoritmos de aprendizado de máquina diferentes em projetos de código aberto para detectar códigos prejudiciais que exploram diferentes recursos e técnicas.

O teste de software é uma atividade crucial para verificar a qualidade interna de um software. Durante os testes, os programadores frequentemente criam testes para o comportamento normal de uma determinada funcionalidade (por exemplo, um documento foi corretamente enviado para a nuvem?). Contudo, pouco se sabe se os programadores também criam testes para o comportamento excepcional (por exemplo, o que acontece se a rede falhar durante o envio do arquivo?). Para minimizar esta falha de conhecimento, neste artigo desenhamos e realizamos um estudo de método misto para entender como 417 projetos Java de código aberto estão testando o comportamento excepcional usando os frameworks JUnit e TestNG, e a biblioteca AssertJ. Verificamos que 254 (60,91%) projetos têm pelo menos um método de teste dedicado a testar o comportamento excepcional. Verificamos também que o número de métodos de teste de comportamento excepcional em relação ao número total de métodos de teste se situa entre 0% e 10% em 317 (76,02%) projetos. Além disso, 239 (57,31%) projetos testam apenas até 10% das exceções utilizadas no sistema em teste (System Under Test - SUT). Quando se trata de aplicações móveis, descobrimos que, em geral, os programadores prestam menos atenção aos testes de comportamento excepcionais quando comparados com os programadores de desktop/servidor e multiplataforma. Em geral, encontramos mais métodos de teste abrangendo exceções personalizadas (as criadas no próprio projeto) quando comparadas com as excepções padrão disponíveis no Java Development Kit (JDK) ou em bibliotecas de terceiros. Para triangular os resultados, realizamos uma pesquisa com 66 programadores dos projetos que estudamos. Em geral, os resultados da pesquisa confirmam os nossos resultados. Em particular, a maioria dos participantes concorda que os programadores negligenciam frequentemente testes de comportamento excepcionais. Como implicações, os nossos números podem ser importantes para alertar os desenvolvedores de que devem ser empregados mais esforços na criação de testes para o comportamento excepcional.

O teste baseado em modelos (Model-Based Tesing - MBT) baseia-se em modelos do comportamento do sistema para gerar testes abstratos. Testadores reutilizam especificações formais (e.g., modelos de redes de Petri coloridas (Coloured Petri Nets - CPN)) para projetar testes para sistemas críticos de segurança. Neste trabalho, por uma revisão terciária, foi identificado um número considerável de revisões de literatura focadas na análise do uso de linguagens de especificação para realizar MBT. Entretanto, ainda existe uma lacuna de pesquisa em relação à análise de abordagens baseadas em CPN para geração de testes abstratos. Para preencher essa lacuna de pesquisa, neste trabalho, uma análise comparativa de abordagens para geração de testes abstratos com base em modelos CPN foi também realizada, por meio de uma revisão sistemática da literatura e um estudo de caso sobre sistemas médicos: eletrocardiografia e bomba de infusão de insulina. A partir da análise comparativa, são fornecidas informações para os testadores que precisam selecionar a abordagem de geração de testes abstratos mais adequada ao aplicar MBT usando CPN. Com os resultados obtidos, é possível identificar que a escolha depende do tamanho do espaço de estados do modelo CPN.

Este trabalho apresenta uma plataforma aberta de um robô para atividades de pesquisa e educacionais. A plataforma é definida como um robô omnidirecional, que é um dos primeiros passos no currículo de robótica quando se deseja controlar um robô, dado que este não impões restrições ao movimento num plano. Os robôs são projetados para serem de baixo custo e com acesso aberto ao software e hardware. A maior parte do projeto mecânico també é fácil de imprimir nas impressoras 3D comumente usadas. O robô é integrado com a plataforma ROS - Robot Operating Systems, amplamente utilizada na comunidade de robótica, e o modelo de simulação em ROS-Gazebo é fornecido para permitir uma passagem fácil do ambiente de simulação ao ambiente experimental. Experimentos reais com os robôs propostos são mostrados, assim como a plataforma de simulação com múltiplos robôs.

Ao longo dos anos utilização de sistemas médicos tem sido necessária para auxiliar profissionais de saúde no âmbito da saúde.  De acordo com o ambiente utilizado, sistemas médicos necessitam cumprir fielmente com os requisitos não funcionais de confiabilidade. Um monitor multiparamétrico é um equipamento responsável por monitorar indicadores de saúdede um paciente comumente utilizado em unidades de terapia intensiva (UTI). Unidades deterapia intensiva são ambientes de monitorização contínua que hospedam pacientes em estados graves de saúde.  Portanto, ambientes como os de UTI necessitam utilizar sistemas médicos que possuem alta confiabilidade, pois a indisponibilidade desse sistema pode acarretarem sérios problemas para a vida do paciente.  Com arcabouço CHESS, é possível modelar um sistema utilizando Unified Modeling Language (UML) e Systems Modeling Language (SYSML) e adicionar informações de probabilidade de falha nos componentes do sistema,através disso o CHESS permite a execução de análises de confiabilidade do sistema modelado.  Portanto, este trabalho modela um monitor multiparamétrico para ser utilizado emuma UTI e executa análises de confiabilidade utilizando o arcabouço CHESS. Com as análises de confiabilidade executadas de um monitor multiparamétrico para um ambiente de UTI,foi possível realizar discussões sobre a confiabilidade de um monitor multiparamétrico emdiferentes intervalos de tempo e como a manutenção preventiva realizada em um monitormonitor multiparamétrico pode aumentar a confiabilidade do monitor multiparamétrico emum ambiente de UTI.