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.

O uso da gamificação, deve-se destacar, quando amplamente estudada e aplicada na área educacional, proporciona que o ensino seja realizado de forma inovadora, introduzindo na educação novos recursos que auxiliam professores e estudantes no processo da aprendizagem. Gamificação tem sido aplicada para aprimorar o engajamento e a motivação de estudantes, e comumente utilizada online. Apesar desses benefícios, estudos comprovaram que efeitos negativos podem ser obtidos, especialmente quando os estudantes são expostos a ambientes gamificados com estereótipos, como por exemplo os de gênero. Tais estereótipos podem afetar a confiança e crenças em suas capacidades, resumidamente chamada de autoeficácia. Surgem então questões pertinentes: Qual é o impacto de mensagens estereotipadas de gênero sobre o desempenho e engajamento de estudantes? Mensagens de motivação ou “boost” podem aumentar o engajamento e o desempenho dos estudantes nas atividades realizadas em ambientes gamificados? Com o intuito de buscar evidências para responder essas questões, foram conduzidos três estudos no presente trabalho: (1) uma meta-análise com uma revisão bibliográfica sistemática sobre os efeitos do uso de ambientes gamificados sobre a autoeficácia e aprendizado dos estudantes, (2) um estudo experimental usando mensagens de impulso estereotipadas de acordo com gênero identificando a existência de diferenças sobre engajamento, autoeficácia e desempenho de estudantes em sistemas de tutoria gamificados, e (3) um estudo qualitativo sobre os efeitos dos estereótipos na autoeficácia, estado de fluxo e performance, identificando fatores subjetivos não controlados no estudo experimental. É possível afirmar que existe uma carência de estudos relacionando designs gamificados e o traço de autoeficácia, apesar de efeitos positivos do uso dessa técnica sobre desempenho e confiança de estudantes. Além disso, resultados indicam que ambientes gamificados positivamente afetam o desempenho e crenças de autoeficácia, permitindo mais confiança e melhores resultados acadêmicos.

Durante o desenvolvimento de um software, a presença de code smells tem sido relacionada com a degradação na qualidade do software. Diversos estudos mostram a importância de detectar os smells no código fonte e aplicar refatoração. No entanto, as abordagens existentes para a detecção de code smells são limitadas para determinadas linguagens de programação. Nesse contexto, este trabalho visa ampliar os métodos para detecção de code smells utilizando o aprendizado por transferência comparando os resultados de modelos construídos a partir de duas arquiteturas de redes neurais. Para o nosso estudo, selecionamos cinco linguagens de programação que estão entre as 10 de linguagens mais utilizadas segundo pesquisa do StackOverflow feita em 2021, sendo elas: Java, C#, C++, Python e JavaScript. Os resultados indicaram que ao aplicar o aprendizado por transferência os modelos conseguiram classificar bem os trechos de códigos com smell em outras linguagens com exceção do modelo Python independente da arquitetura do modelo. Esses resultados podem ajudar os desenvolvedores e pesquisadores a aplicar as mesmas estratégias de detecção de code smells em diferentes linguagens de programação e utilizar modelos e conjuntos de dados que disponibilizamos. 

Apesar dos grandes avanços em robôs autônomos, algumas atividades ainda necessitam de supervisão humana por diversos barreiras encontradas, assim o desenvolvimento de sistemas telerobóticos vêm emergindo em diversas áreas de atuação. Este trabalho propõe o desenvolvimento de um sistema de teleoperação de robô móvel, capaz de atuar em diversas arquiteturas de controle de robôs teleoperados, implementando o controle compartilhado e o supervisório a partir do framework ROS e suas ferramentas para a comunicação entre o operador e o robô. 

Code smells são indicadores de implementação e tomadas de decisão de design inadequadas que podem prejudicar potencialmente a qualidade do software. Portanto, detectar esses smells é crucial para evitar tais problemas. Alguns estudos têm como objetivo compreender o impacto dos code smells na qualidade do software, enquanto outros propõem regras ou abordagens baseadas em aprendizado de máquina para identificar code smells. Pesquisas anteriores têm se concentrado na rotulagem e análise de trechos de código que afetam significativamente a qualidade do software, utilizando técnicas de aprendizado de máquina. Esses trechos de código são classificados como Clean, Smelly, Buggy e nocivo. Código nocivo se refere a trechos de códigos com code smell que possuem um ou mais bugs relatados, estejam eles corrigidos ou não. Consequentemente, a presença de códigos nocivos aumenta o risco de introduzir novos defeitos e/ou problemas de design durante o processo de correção. Embora tenham sido gerados resultados úteis para a detecção de códigos nocivos, nenhum dos trabalhos anteriores considerou, por meio da transferência de aprendizado, treinar um modelo para identificar trechos nocivos em uma linguagem de programação e ser capaz de identificar a mesma nocividade em outra linguagem de programação. Realizamos nosso estudo nesse escopo com 5 tipos de code smells, 803.258 versões de 23 projetos de código aberto, 8.181 bugs e 11.506 code smells. Os resultados revelaram uma transferência promissora de conhecimento entre Java e C# na presença de vários tipos de code smells, enquanto C++ mostrou uma transferência mais desafiadora. Além disso, nosso estudo descobriu que um tamanho de amostra de 32 apresentou resultados favoráveis para a maioria dos códigos nocivos utilizados, destacando a eficiência da transferência de aprendizado mesmo com dados limitados.

O processamento de linguagem natural (NLP) revolucionou as indústrias, simplificando o atendimento ao cliente por meio de aplicativos nos domínios de saúde, finanças, jurídico e recursos humanos e simplificando tarefas como pesquisa médica, análise financeira e análise de sentimentos. Para evitar os altos custos de construção e manutenção da infraestrutura de NLP, as empresas recorrem aos serviços Cloud NLP oferecidos pelos principais provedores de nuvem como Amazon, Google e Microsoft. No entanto, pouco se sabe sobre a resiliência desses serviços quando sujeitos a ruído. Este artigo apresenta um estudo que analisa a resiliência dos serviços Cloud NLP avaliando a eficácia dos serviços de análise de sentimento fornecidos pela Amazon, Google e Microsoft quando submetidos a 12 tipos de ruído, incluindo ruídos sintáticos e semânticos. Os resultados indicam que o Google é o mais resiliente a ruídos sintáticos e a Microsoft é o mais resiliente a ruídos semânticos. Essas descobertas podem ajudar desenvolvedores e empresas a selecionar o provedor de serviços mais adequado e lançar luz para melhorar as técnicas de ponta para serviços eficazes de NLP em nuvem.

As doenças cardiovasculares representam grande parte das causas de morte no Brasil. Em casos graves, bombas mecânicas chamadas dispositivos de assistência ventricular (VADs), projetadas para aumentar a expectativa de vida dos pacientes, podem salvar vidas. Este trabalho propõe o uso de simulação computacional para avaliar o desempenho de um modelo acoplado do sistema cardiovascular humano com um VAD pulsátil para encontrar a combinação ideal entre a pressão de ejeção e o instante de ejeção para melhorar a fisiologia da resposta dos pacientes. Como ponto de partida, foram analisadas técnicas disponíveis na literatura, mas para dispositivos rotativos. Por fim, os resultados da simulação computacional foram analisados e concluiu-se que é possível escolher uma combinação ótima que atenda a todas as demandas fisiológicas das principais variáveis hemodinâmicas.

Devido a pandemia da COVID-19 as tecnologias educacionais se tornam cada vez mais comuns em ambientes de ensino principalmente no contexto da graduação. Diversos autores discutem problemas que estão relacionados fortemente as tecnologias educacionais digitais, estando alguns deles não relacionados diretamente a ciência da computação como os estereótipos, que são questões multidisciplinares a serem trabalhadas em interface com a psicologia social. A problemática das tecnologias educacionais digitais estereotipadas está na possiblidade de milhares de alunos estarem tendo seu desempenho acadêmico afetado negativamente por estereótipos: raciais e de gênero. Este trabalho de dissertação discute a influência dos estereótipos raciais e de gênero em ambientes educacionais online gamificados utilizados por estudantes de graduação. O objetivo geral da pesquisa é compreender os efeitos desses estereótipos presentes no desenvolvimento de um ambiente educacional gamificado, analisando três construtos psicológicos que afetam a performance e a aprendizagem: Flow, Selfhandicapping e Ansiedade. Para alcançar este objetivo, lançaremos mão da realização de experimentos. Como resultados dessa pesquisa, temos que, ao verificar a influência dos estereótipos de gênero, que eles influenciam negativamente nos níveis de fluxo e de desempenho de mulheres quando em ambientes de gênero oposto ao seu. Essa influência, não afetou muito os homens, que apesar de estarem na condição de ameaça dos estereótipos continuaram tendo classificações mais altas. Por sua vez, ao verificar as influências dos estereótipos raciais, nos níveis de fluxo, ansiedade e desempenho, de estudantes de graduação, encontramos que houve sim um aumento de ansiedade e de fluxo, e que houve diferenças no desempenho dos estudantes, em especial entre os homens brancos não-cotistas, e as mulheres pretas cotistas, mas que estas diferenças não foram estatisticamente significantes entre os grupos. Inferimos também, a partir do segundo estudo, que há influência dos mediadores psicológicos no desempenho dos estudantes. Inspirado nos resultados desses estudos foi produzido um artigo que propõe uma metodologia batizada de olhar caleidoscópico que apresenta uma proposta de produzir designs de tecnologias que considerem as nuances sociais inerentes aos sujeitos alvo das soluções. A relevância da pesquisa está na possibilidade de contribuir com as áreas de informática na educação, na elaboração de tecnologias educacionais digitais e psicologia, na compreensão da influência dos estereótipos. Ademais este trabalho contribui para pensar o desenvolvimento de tecnologias educacionais sob uma perspectiva que leve em conta a interseccionalidade inerente aos seus usuários, tornando estas mais eficazes ao considerar o contexto social no qual estes estão inseridos.

A Informática na Saúde provê recursos para a geração, manutenção, e armazenamento dos
dados vitais dos pacientes através de prontuários construídos a partir de sistemas. Este estudo
aborda a lacuna identificada na literatura quanto ao suporte técnico aos médicos,
especificamente para o fornecimento de sugestões medicamentosas para pacientes com quadro
séptico de maneira automática e assistida pelo Machine Learning. Dentro da área da Saúde, a
SEPSE se apresenta como um quadro clínico em que o tempo de resposta para esta condição é
vital para o paciente. Se não tratada de maneira eficiente e eficaz, o paciente pode evoluir a
óbito em menos de 24h. Neste contexto, o presente trabalho tem como ideia principal
proporcionar um modelo de Machine Learning para predizer prescrição terapêutica de maneira
automática para auxiliar o médico em sua tomada de decisão e personalizada para o paciente.
Foram encontrados resultados satisfatórios nos modelos testados para a sugestão, muito embora
não tenha sido possível validar sua eficiência e eficácia aplicando em pacientes reais, nesse
momento. Vislumbramos que é um caminho potencialmente promissor e que pode gerar bons
frutos, impactando principalmente na mitigação de óbitos decorrente de SEPSE

O Eletrocardiograma ECG é um exame de baixo custo normalmente utilizado para diagnosticar anomalias no ciclo cardíaco tais como arritmias e problemas no músculo do coração. Com o avanço de técnicas de aprendizagem de máquina nos últimos anos, a classificação automática de ECGs despertou o interesse da comunidade científica. No entanto, o processo de anotar grandes e diversos conjuntos de dados para apoiar a formação de técnicas de aprendizagem de máquina ainda é muito demorado e susceptível de erros. Assim, técnicas que não requerem um grande e bem anotado conjunto de dados tornam-se ainda mais proeminentes. Isto significa que os dados subrepresentados nos conjuntos de dados ECG, como as raras perturbações cardiológicas, podem ser devidamente identificados e classificados.  Neste trabalho, é investigada a utilização de Redes Neurais Convolutivas Siamêsas, populares em problemas de classificação por imagem, para classificar batimentos cardíacos de ECGs de 12-Lead. Os primeiros resultados indicam uma precisão de até 95% num conjunto de dados públicos, utilizando modelos compostos por diferentes combinações de funções de semelhança e perda. Os resultados da classificação classe por classe são também comparados com os de métodos semelhantes encontrados na literatura, obtendo-se métricas no mesmo nível e até mesmo excedendo-as na classificação de algumas classes.

Sistemas de aquisição de sinais biomédicos são indispensáveis para o monitoramento e diagnóstico de pacientes. Por isso, devem estar em conformidade com normas reguladoras vigentes e passar por manutenção periódica, conforme as exigências presentes em resoluções normativas do Ministério da Saúde e da Agência Nacional de Vigilância Sanitária. Neste sentido, o objetivo com este trabalho é definir uma abordagem confiável, baseada em simulação, para auxiliar fabricantes, órgãos validadores e unidades de saúde (em um contexto de manutenção) na validação de múltiplos equipamentos ou sistemas de aquisição de sinais biomédicos. A abordagem proposta é constituída de duas partes que se complementam: software, representada por uma aplicação em um dispositivo de computação (por exemplo, notebook); e hardware, representada por um dispositivo Transceptor de Sinais Biomédicos (TSB). Para validar o software e o dispositivo TSB desenvolvidos, são considerados sinais característicos gerados digitalmente e sinais biomédicos reais de seres humanos obtidos da plataforma PhysioNet. Além disso, são realizados testes comparativos com dois equipamentos de ECG comerciais devidamente certificados e aprovados.

Estudos que utilizam dados da empresa de transporte por aplicativo Uber evidenciaram que o tempo e a distância estão relacionados ao processo de precificação de seu serviço de viagens, possibilitando melhorar as estratégias de oferta e demanda. Entretanto, esse processo pode apresentar outros fatores que contribuam na concepção desses preços. Nesse sentido, esta pesquisa tem como objetivo analisar rotas de viagens de usuários de baixa renda e contribuir para a redução dos preços dessas viagens no transporte por aplicativo Uber. Para isso, buscouse responder: Se um centro financeiro estivesse mais próximo de bairros economicamente mais pobres, haveria mudança nos preços médios dessas viagens? Essa mudança poderia melhorar financeiramente a vida das pessoas de baixa renda? Foi observado que, para uma determinada região, se o centro financeiro não estiver concentrado em bairros de alta renda, seria possível reduzir os preços das viagens em cerca de 43,07% para usuários de bairros de baixa renda. Essa redução representaria uma economia mensal de cerca de 18,82% de sua renda. Para usuários que vivem em bairros ricos (alta renda), essa descentralização aumentaria os custos de viagem para pouco mais de 100%. No entanto, esse aumento representaria 6,71% de suas rendas. Considerando duas regiões, evidenciou-se um aumento no preço médio dessas viagens, confirmando uma tendência de aumento de preço quando o destino de uma viagem é um centro financeiro. Por conta disso, foi proposto uma nova funcionalidade no serviço de viagens Uber para dar mais liberdade ao usuário. Essa funcionalidade seria a escolha de uma viagem utilizando uma oferta de preço em que o aplicativo retorna as melhores distâncias com base no preço ofertado. Foram criados modelos de predição de distância para atingir esse objetivo, utilizando algoritmos regressores em que o modelo Random Forest apresentou um Coeficiente Médio de Determinação de 94%.

Septicemia ou SEPSE é uma doença infecciosa que possui uma alta taxa de mortalidade, afetando principalmente pessoas que possuam uma imunidade relativamente baixa tais como recém nascidos, gestantes e idosos, além de ser desenvolvida a partir de contaminações, seja por contato, pelo ar ou hospitalar. Tal mortalidade está diretamente ligada ao tempo que se leva para diagnosticar esta doença e realizar seu respectivo tratamento. Sendo assim, o diagnóstico tardio permite que a doença atinja seu ápice e cause uma falência múltipla nos órgãos de uma pessoa. Além disso, acertar o tratamento inicial dessa enfermidade infere na diminuição do risco de morte dos pacientes acometidos com essa doença.  Este trabalho apresenta um modelo supervisionado para o prognóstico de pacientes que possuem sintomas de Sepses. A proposta consiste na elaboração de modelos de aprendizagem de máquina no intuito de obter uma predição no prognóstico de SEPSE a partir de dados coletados no monitoramento dos pacientes internados em UTI, através de dados disponilizados no PhysioNet - eICU Collaborative Research Database.

Python é uma linguagem de programação dinâmica e é caracterizada tanto por sua simplicidade quanto por sua curva de aprendizado fácil. Tais características renderam a ela uma abrangente adoção tanto na indústria quanto na academia. A linguagem possui um conjunto próprio de boas práticas as quais devem ser respeitadas de modo a otimizar métricas de qualidade como a legibilidade, segurança, capacidade de manutenção do código e entre outros. Uma abordagem consolidada para a detecção de situações de não respeito a estas boas práticas é o uso de ferramentas de linting. Feita a detecção, a ferramenta gera uma notificação em formato de warning para, permitindo que em sequência o mantenedor do código possa realizar a devida refatoração para aplicar a boa prática faltante. O contexto focado neste trabalho é o de warnings de Python gerados por linting, mais especificamente investigamos três diferentes aspectos: o quão comum eles são em aplicações Python reais; a percepção de desenvolvedores sobre o tema; e a refatoração destes warnings. Para cobrir este tópico conduzimos três diferentes estudos: no primeiro, analisamos 1.119 repositórios públicos de Python no Github e caracterizamos a existência de seis diferentes tipos de warnings nestes repositórios. Também conduzimos uma pesquisa com desenvolvedores Python de 18 diferentes países sobre o tema de modo a coletar o nível de percepção de qualidade deles sobre códigos Python escritos com warning contra suas versões refatoradas. Em sequência refatoramos warnings detectados em 55 repositórios públicos e submetemos pull requests com as correções para em seguida analisarmos a taxa de aceitabilidade destas correções. Nossos resultados mostram que 39% dos 1.119 projetos têm pelo menos um warning baseado em lint. Depois de analisar os dados da pesquisa, também mostramos que os desenvolvedores preferem código Python sem warnings baseados em lint. Em relação aos pull requests, alcançamos uma taxa de aceitação de 71,8%. Finalmente, implementamos uma ferramenta capaz de refatorar os warnings analisados neste trabalho de forma automatizada, removendo assim do mantenedor a responsabilidade de manualmente realizar as correções detectadas por linters.

Câncer de Pâncreas(CP), é difícil de diagnostico prévio, pois, evolui de maneira silenciosa, sem apresentar sinais específicos e tem uma baixa resposta a maioria dos tratamentos. A taxa de sobrevida global em 5 anos é de 7% após serem diagnosticados, tendo uma maior sobrevida aqueles pacientes que não apresentam doença metastática. Esta baixa taxa eleva o paciente a questionar o tempo que ainda tem de vida, quando mais acurado for o calculo de sobrevida, mais precisa será a resposta e será possível ao médico prescrever o tratamento paliativo mais adequado. O Classificação de Tumores Malignos(TNM) tem sido a métrica mais comum para responder a essa questão, porém insuficiente. Esta pesquisa propõe e avalia um modelo de prognostico para CP que combina informações referentes ao estilo de vida do paciente, suas comorbidades e seu estado geral de saúde para predizer o tempo de mortalidade em pacientes diagnosticados com CP. Para isso, foram usados dados de vários centros combinados com simulação de dados, e técnicas de ML com uso de KNN/SVM para correta classificação e previsão de sobrevida. Os resultados apontam para uma cálculo probabilístico com maior precisão no cálculo se comparado ao método tradicional de uso exclusivo do TNM.

Há no mundo mais de 1 bilhão de pessoas com algum tipo de deficiência. No Brasil, essa realidade corresponde a cerca de 23,9% dos 190 milhões de brasileiros; entre estes 9,8 milhões têm alguma deficiência auditiva. A surdez dificulta consideravelmente a interação social, uma vez que inibe o indivíduo de se comunicar através da via oral-auditiva. Esses problemas de comunicação costumam prejudicar consideravelmente a interação dos alunos surdos com colegas ouvintes, prejudicando o processo de integração social. Para facilitar a comunicação entre pessoas surdas e ouvintes, ferramentas de tradução automática Português-Libras podem ser utilizadas. Porém, de acordo com relatos na literatura, cerca de 75% da comunidade surda se sente insatisfeita com a tradução das ferramentas existentes e dentre as principais causas dessa insatisfação estão o uso de sinais inadequados para palavras com ambiguidade semântica (e.g., direito, público). Neste trabalho é proposto o aperfeiçoamento do módulo de tradução do Sistema Falibras, com o objetivo de melhorar a qualidade da tradução no tocante às críticas observadas na literatura. Os principais objetivos do projeto proposto são: (1) conhecer o estado da arte no tocante à resolução de ambiguidades em língua portuguesa; e (2) combinar as técnicas existentes para desenvolver um módulo de resolução de ambiguidades para o Falibras. A avaliação dos resultados considerou métricas quanti-qualitativas de acurácia, de forma comparativa com trabalhos existentes na literatura. A avaliação foi conduzida baseada no modelo Goal-Question-Metric e os resultados são promissores.

Neste trabalho são apresentados os resultados da avaliação experimental de um modelo proposto de minimização de entropia da informação em processos de compressão de dados digitais. Durante a pesquisa foram analisados modelos matemáticos e alfabetos utilizados em codificação de dados digitais. A abordagem adotada foi a codificação de dados digitais em estrutura geométrica totalmente simétrica no espaço. Na execução dos experimentos, foram monitorados diversos aspectos relacionados ao processo de codificação de dados, como esforço computacional, taxa de compressão, entropia inicial e final. Como resultado deste trabalho, constatou-se a eficácia do modelo de redução de entropia de dados, o qual reduz a zero a incerteza de informações em aglomerados de dados digitais. Desta forma, os processos de codificação resultantes deste modelo terão como saída uma quantidade constante de dados, independentemente do tamanho dos conjuntos de origem e permitem a decodificação sem perdas de dados, reduzindo assim a entropia da informação a níveis próximos a zero.

A crescente quantidade de dados públicos e privados gerados a partir de diferentes fontes de dados aumentou o interesse por tecnologias capazes de extrair conhecimento útil de grandes coleções de dados, geralmente não estruturadas. As técnicas de aprendizado de máquina (AM) têm sido empregadas com sucesso para esse propósito tanto pela academia quanto pela indústria de software. No entanto, construir sistemas de AM pode ser difícil, uma vez que uma grande quantidade de dados de treinamento e recursos computacionais caros são frequentemente necessários. Além disso, as tecnologias de aprendizado de máquina têm uma curva de aprendizado íngreme. Essas dificuldades levaram à popularização dos serviços em nuvem de AM, onde os usuários podem realizar tarefas de AM simplesmente enviando seus dados para um provedor de serviços por meio de APIs. No entanto, poucas pesquisas abordaram o efeito de falhas de dados típicas na confiabilidade dos sistemas de aprendizado de máquina. Tais falhas podem ter origem nos aplicativos que dependem dos serviços de AM, sendo causadas por falhas de hardware ou de conexão, bugs, comportamento indefinido. Como consequência, essas falhas podem ser refletidas nos dados produzidos por tais aplicativos e enviados para os serviços de aprendizado de máquina. Buscando avaliar a confiabilidade de serviços em nuvem de aprendizado de máquina, este trabalho apresenta a proposta de um estudo sobre a injeção de falhas de dados comuns nos dados de entrada passados para um conjunto de serviços comerciais de AM.

A utilização da gamificação dentro da sala de aula, tornou-se uma alternativa muito atrativa em tecnologias digitais educativas, visando tornar atividades de aprendizagem entediantes em atividades engajadoras, entretanto sua utilização nem sempre traz os resultados esperados. Entre os fatores que podem afetar negativamente a aprendizagem em tecnologias digitais gamificadas, a estereotipação de gênero é uma delas, a qual pode diminuir o desempenho do aluno ou ainda despertar interferência cognitivas no indivíduo tais como pensamento negativo. Nesse sentido, o estudante ao invés de direcionar esforço e concentração nas atividades de aprendizagem, ele é direcionado para pensamentos que os desconcentram e fazem cair seu desempenho. Nesse sentido, este estudo visa identificar e analisar os efeitos do estereótipo de gênero na experiência de fluxo (estado de total imersão almejado por todo ambiente educativo), pensamento negativo em tecnologias digitais gamificadas. Para isso, serão realizadas revisões sistemáticas da literatura (meta-análises) e condução de estudos quasi-experimentais. Revisões sistemáticas possibilitam obter um panorama geral de como estereótipos e gamificação afetam nos pensamentos negativos, experiência de fluxo e a aprendizagem. Estudos quasi-experimentais de tipo quantitativo e qualitativo serão conduzidos visando explicar os efeitos observados de estereótipo em tecnologias digitais gamificadas. Desta forma as contribuições deste estudo visam fornecer evidências se estereótipos de gênero em tecnologias digitais gamificadas podem causar pensamentos negativos, se eles afetam a experiência de fluxo e se eles contribuem num desempenho ruim da aprendizagem dos alunos. Almejamos também, identificar se existe um gênero que possa ser mais afetado pelo estereótipo e compreender as causas desses efeitos. Esses resultados esperam contribuir na geração de diretrizes, recomendações e práticas das adaptações e implementações de tecnologia digital gamificadas sem ameaça de estereótipo, tecnologia mais justa e tecnologia que promova a equidade de gênero.

Redes Ad Hoc sem fio são um tipo de rede que caracteriza-se pela ausência de um gerenciador central das comunicações, de modo que todos os dispositivos/nós da rede funcionamcomo se fossem um retransmissor/roteador, encaminhando comunitariamente os pacotes (fluxos de dados) que vêm de dispositivos vizinhos com o objetivo de alcançar o destino. Dentro deste contexto, várias abordagens de encaminhamento/roteamento de pacotes foram propostas na literatura. Uma delas é o Roteamento Oportunístico (RO). No RO, todos oscaminhos da origem ao destino são considerados para o encaminhamento de pacotes de dados o que aumenta a probabilidade dos dados serem entregues em relação ao que ocorre no roteamento tradicional em que apenas uma rota das disponíveis é utilizada. Entretanto, no ambiente de RO em redes Ad Hoc sem fio, atender os requisitos de Qualidade de Serviço (QoS) das aplicações não é uma tarefa fácil. Faz-se necessário observar elementos importantes como acurácia, perda de pacotes,throughput, jitter e delay. O Controle de Admissão (CA) é um dos mecanismos propostos pelos pesquisadores da área para atender os requisitos de QoS em ambientes de redes Ad Hoc sem fio e assim garantir que novos fluxos só serão admitidos se houver recursos disponíveis. Para este trabalho, consideramos que a comunicação sem fio é inerentemente sujeita a interferências e que em um cenário de fluxo de dados bidirecional o fluxo de volta tende a interferir no fluxo de ida. Isto posto, propomos desenvolver um modelo, validar formalmente, realizar a simulação de redes em diferentes cenários e, por fim, avaliar um mecanismo de controle de admissão que leve em consideração os fluxos de dados em ambas as direções para protocolos de roteamento oportunístico em redes Ad Hoc sem fio.

O Índice Internacional de Rugosidade (International Roughness Index - IRI) foi proposto inicialmente em um projeto de pesquisa realizado pela universidade de Michigan (Cebon, 1993) para monitorar a condição geral de rugosidade de uma rota percorrida. O IRI mede principalmente a condição do perfil longitudinal de uma estrada percorrida de acordo com a condição de vibração do veículo. O IRI é baseado na inclinação retificada média (ARS), que é uma taxa filtrada do movimento acumulado da suspensão de um veículo padrão dividido pela distância percorrida pelo veículo durante a medição, o IRI é então igual ao ARS multiplicado por 1.000. As unidades de medidas geralmente recomendadas são metros por quilômetro (m/km) ou milímetros por metro (mm/m). Um aplicativo Android foi desenvolvido para ser utilizado para coletar dados do acelerômetro de um smartphone para uso no cálculo do IRI para ambiente das VANETs, mapeando e informando aos usuários sobre a qualidade de determinada estrada. Com o IRI calculado, é possível mapear as estradas e determinar a qualidade das mesmas. Quando o IRI é calculado no smartphone, os resultados são enviados para a nuvem, onde ocorre todo o processamento de dados, e é fornecido o valor do IRI para o aplicativo do usuário em tempo real, o ajudando a tomar a decisão de qual rota tomar. Por exemplo, uma rota com um percurso mais rápido, porém, com uma qualidade de estrada pior, ou uma rota um pouco mais demorada, porém com uma qualidade de estrada melhor. Experimentos foram realizados para validar o trabalho.

Este trabalho propõe uma nova abordagem no ramo da
teleoperação de braços robóticos baseada em visão
computacional, Thin-Plate Splines e Redes Recorrentes.
Utilizando uma única câmera de profundidade como sensor de
entrada, tal abordagem isenta o usuário da necessidade de
utilizar quaisquer dispositivos vestíveis. Através da aplicação de
uma interface natural de usuário, esta abordagem inovadora
facilita o ajuste fino paramétrico outrora necessário para a
calibração de usuário para o controle robótico de posição,
transformando o processo de calibração numa direta captura de
poses do corpo humano. Utilizando a mão do usuário como
forma de controle, a abordagem proposta é constituída por duas
partes principais. A primeira é um mapeamento de posição
customizável com componentes lineares e não-lineares,
baseado em Thin Plate Splines (TPS), para transferir
diretamente o movimento do braço humano para o movimento
do braço robótico. Tal mapeamento permite a correspondência
de corpos dissimilares com diferentes restrições cinemáticas e
diferentes formatos de espaço de trabalho. A segunda é um
classificador dinâmico do estado da mão do usuário, baseado
em Redes Recorrentes Convolucionais de Longo- Prazo
(LRCN), que explora a coerência temporal dos dados de
profundidade adquiridos. Ao fim, é realizada uma validação e
avaliação da abordagem proposta. Para o classificador da mão,
é realizada uma validação cruzada comparando a abordagem 

proposta com um baseline. Resultados revelam uma elevação
na acurácia do classificador ao se explorar as relações
temporais entre as imagens de profundidade. Para o
mapeamento de movimento, é realizado um estudo com
usuários envolvendo variantes da tarefa de pick-and-place em
um cenário simplificado de manufatura. Para esse estudo, um
ambiente de validação foi desenvolvido utilizando o Robot
Operating System (ROS) como framework principal. Também
comparado a um baseline, a abordagem utilizando TPS revelou
maior conforto e precisão no controle dos usuários em regiões
próximas dos limites do espaço de trabalho do robô, nas quais a
abordagem convencional se mostrava prejudicada. Além disso,
resultados sugerem que a nova abordagem não apresentou
aumento na dificuldade das tarefas.

Pacientes portadores de doenças cardíacas graves ainda encontram no transplante cardíaco a melhor opção de tratamento. Entretanto, os chamados Dispositivos de Assistência Ventricular (DAVs) vêm sendo utilizados com sucesso no suporte ao bombeamento do músculo cardíaco na tentativa de suprir as necessidades do sistema cardiovascular humano (SCH). Nesse contexto, modelos de parâmetros concentrados do SCH (modelos 0D) possuem grande importância no desenvolvimento de pesquisas em virtude da capacidade de verificar o comportamento das variáveis hemodinâmicas (VH) mediante simulações computacionais, sendo possível a realização de alterações paramétricas tanto no modelo do SCH quanto no modelo do DAV, o que permite o estudo de diversos modos de operação antes mesmo de implantar o DAV no paciente. Além disso, modelos específicos para um determinado paciente permitem que os ganhos do controlador sejam sintonizados de acordo com a situação clínica do paciente. Sabe-se que processo de estimação paramétrica de tais modelos necessita dados do paciente e nem sempre as VH de interesse encontram-se disponíveis e de maneira não invasiva. Em face ao exposto, deve-se buscar a utilização de VH que sejam preferencialmente obtidas por meio de técnicas não invasivas, preferencialmente aquelas consideradas comuns no ambiente médico-hospitalar. Neste trabalho, pretende-se desenvolver um estimador de parâmetros de um modelo 0D do sistema cardiovascular humano para pacientes específicos usando técnicas de aprendizagem profunda e tendo como sinal de entrada apenas o sinal de pressão arterial sistêmica em forma de onda, uma vez que esta VH é facilmente obtida utilizando-se métodos não invasivos.

O controle adaptativo do ponto de operação do amplificador óptico (ACOP) é um dos desafios para a operação dinâmica em redes e comunicações ópticas. As abordagens ACOP visam definir os ganhos dos amplificadores ópticos de forma dinâmica para aumentar a qualidade de transmissão após uma cascata de amplificadores. A abordagem ACOP mais recente usa um algoritmo de otimização evolutiva multiobjetivo para definir os ganhos dos amplificadores para maximizar a relação sinal-ruído óptica (OSNR) e minimizar a ondulação da OSNR. Apesar dos resultados promissores em relação à Qualidade de Transmissão, contar com um algoritmo evolutivo para tomar decisões em tempo real não é desejável, pois seu método iterativo geralmente implica em alto tempo de execução. Portanto, este trabalho propõe um modelo substituto que pode obter soluções tão boas quanto o algoritmo evolutivo multiobjetivo, mas em menos tempo. Foram consideradas cinco técnicas de regressão de aprendizado de máquina (ML), treinadas com as soluções do algoritmo de otimização. Os resultados mostraram que, para todos os casos, o erro mediano da regressão é menor que 1,15 dB e que um regressor pode ser usado para definir os ganhos dos amplificadores e as perdas dos atenuadores ópticos variáveis de um link óptico inteiro. Ele também mostrou que o regressor mais simples é 28.000 vezes mais rápido do que a abordagem de otimização evolutiva.

Os atos normativos são normas jurídicas gerais, abstratas e impessoais que estabelecem
ou sugerem condutas e têm carga normativa, ou seja, estabelecem normas, regras, padrões ou
obrigações [Meirelles et al., 1966; MJSP, 2017], eles definem a correta aplicação de nossa
lei, evitando assim, que alguém faça algo que a lei veda, as regras da vida em sociedade
sem especificar o individuo específico que irá ser afetado pela norma [Politique, 2016].Por
exemplo, o Decreto No 9.057/17 é um ato normativo que regula a oferta de Cursos na Modalidade
a Distância nas categorias de ensino previstas no Brasil.Um outro exemplo de ato
normativo é a Portaria No 1.657/2018 que estabelece a permissão da expedição da Carteira
Nacional de Habilitação (CNH) em meio eletrônico, denominada CNH Digital. Esses atos
normativos decidem como nossos comportamentos e das entidades públicas e/ou privadas e
são construídas por todos nós como sociedade.
Os conselhos de educação são órgãos colegiados de caráter normativo, deliberativo e consultivo,
que interpretam, deliberam, segundo suas competências e atribuições, a aplicação da
legislação educacional e propõem sugestões de aperfeiçoamento da educação dos sistemas
de ensino [CNE/CP, 1999]. Cabem a eles a elaboração de portarias, pareceres, resoluções,
indicações, notas técnicas entre outros documentos gerados pelos conselhos de educação
que contribuem na construção de políticas públicas [da Glória Gohn, 2002]. Eles também
possuem a finalidade de proporcionar diálogo, ouvir demandas da comunidade e de se manifestar
quanto as ações dos órgãos superiores da educação, tais quais Ministério da Educação
(MEC) e o Conselho Nacional de Educação (CNE), sobre assuntos de educação de interesse
de diferentes setores, sendo assim organizados em esferas de atuação.

O aprendizado de competências de comunicação e comprometimento é um dos principais
desafios que os alunos enfrentam no ensino da educação [Kenski, 2008], seja na educação
básica (BNCC1, [SANTOS and FELICETTI, 2013]) ou no ensino superior [Klozovski et al.,
2015]. No entanto, poucas pessoas têm competências adequadas para o ensino de comunicação
e comprometimento [Bonotto and Felicetti, 2014] . Uma abordagem para dar apoio ao
ensino dessas competências é fazendo uso de métodos e praticas ágeis, os quais de acordo
com Salza et al. [2019] têm sido demonstrados efetivos na educação, citando o exemplo da
educação da Finlândia, na qual são utilizados métodos e praticas ágeis e a qual é considerada
uma das melhores educações do mundo [Hazzan and Dubinsky, 2019].
Salza et al. [2019] definem métodos e praticas ágeis como estruturas de processo que são
utilizadas para o desenvolvimento de software e são baseados em valores e princípios, tendo
como exemplo o Manifesto Ágil, e tem como intuito deixar de lado o método tradicional e
linear em cascata para um método no qual os requisitos e as soluções são modificados constantemente
de acordo com as solicitações do cliente. O foco principal destes métodos é dar
maior valor as pessoas do que aos processos, dando assim ênfase nos talentos e habilidades
dos indivíduos. Parsons and MacCallum [2018] indicam que a aplicação de métodos ágeis
na engenharia de software evita o desperdício de recursos, tempo e esforço, favorecendo uma
abordagem iterativa e com base no grupo de trabalho. Para obter esses mesmos benefícios
no contexto de educação, diferentes desafios devem ser superados, por exemplo, é preciso
definir o conceito de ágil a ser usado e também indicar a maneira como os educadores irão
aplicar as práticas e métodos ágeis no processo de ensino-aprendizagem

Vídeos são a mídia digital mais popular para educação na atualidade, sendo as videoaulas a principal manifestação desta mídia. Enquanto a oferta e demanda de videoaulas cresce de forma consistente, principalmente no período da pandemia do COVID-19, a capacidade de uma parcela considerável dos professores acompanhar esta tendência não acompanha o crescimento de maneira proporcional, ou com resultados satisfatórios. Produzir videoaulas não é uma tarefa trivial para um professor, e é mais difícil ainda validar a qualidade da videoaula produzida, devido as características próprias de um vídeo e a subjetividade com que se estima sua qualidade. É proposto neste trabalho um sistema de validação de videoaulas, o qual tem como objetivo gerar recomendações de melhorias de videoaulas para professores. O sistema arquitetado tem como base as definições presentes na literatura sobre conceitos de boas práticas para produção de videoaulas. Um experimento foi executado para se avaliar o que alunos e professores consideram como boas práticas em videoaulas, assim como avaliar a utilidade de três recomendações criadas para simular o resultado gerado pelo sistema proposto. Os dados coletados mostram que os aspectos técnicos dos vídeos são bastante considerados pela preferência dos participantes do experimento. Dados de experimentos relacionados mostram que a coleta de interações dos participantes com o vídeo podem ajudar o professor a tomar melhores decisões pedagógicas.

Com a evolução computacional, houve um crescimento no que condiz ao número de algoritmos
de aprendizagem de máquina e em paralelo, foram se tornando cada vez mais complexos e
robustos. Com o crescimento desta complexidade, foi necessário cada vez mais focar na configuração
dos algoritmos, no que condiz aos seus hiperparâmetros, tendo como intuito aumentar a
precisão no resultado de cada um deles: o que não é uma tarefa trivial. Com isso, a escolha dos
hiperparâmetros mais adequados para um determinado conjunto de dados, pode ser uma tarefa
custosa tanto em questão de tempo, quanto em questão de dinheiro. Com isso, é necessário que
hajam maneiras mais rápidas e práticas para achar hiperparâmetros que vão configurar cada algoritmo
individualmente. Este trabalho visa utilizar da Meta-Aprendizagem como uma solução
viável para a recomendação de hiperparâmetros para o recente algoritmo de aprendizagem de
máquina XGBoost, a fim de que haja uma redução de custos computacionais, visando também
a redução de custo para as empresas. Os resultados experimentais atestaram o sucesso da aplicação
da heurística utilizando a meta-aprendizagem para a recomendação dos mesmos. Com
isso, incialmente foi feito uma caracterização dos conjuntos de dados utilizando três conjuntos
de Meta-Características, para que houvesse uma forma de comparação de similaridade entre os
mesmos e assim, aplicar a Meta-Aprendizagem para a recomendação dos hiperparâmetros entre
os conjuntos de dados utilizado nos experimentos. Os resultados obtidos foram promissores,
fazendo com que em alguns casos, 86.36% dos testes tivessem resultados positivos, ou seja, a
acurácia do XGBoost utilizando a Meta-Aprendizagem, tivesse um resultado melhor do que os
hiperparâmetros padrões utilizados pelo XGBoost em 86.36% dos casos.

Este trabalho apresenta uma abordagem inédita de reconhecimento de parentesco baseada em Aprendizado Profundo aplicado a dados faciais de imagens coloridas e com informação de profundidade, i. e., RGBD. Para contornar a falta de uma base de dados 3D adequada com informações de parentesco, foi fornecida uma plataforma online onde os participantes podem submeter vídeos capturados com câmeras de \textit{smartphones} comuns contendo a sua face e as de seus parentes. Em seguida, os vídeos são processados para a reconstrução 3D das faces gravadas, gerando um banco de dados normalizado batizado Kin3D. Nele, combinam-se informações de profundidade de reconstruções 3D normalizadas com imagens 2D, compondo o banco de dados RGBD de parentesco inédito na literatura. Seguindo as abordagens de trabalhos relacionados, imagens são organizadas em quatro categorias de acordo com suas respectivas relações de parentesco. Para a classificação foram utilizadas Redes Neurais Convolucionais (RNC) bem como Máquina de Vetores de Suporte para a obtenção de um \textit{baseline}. A RNC foi testada em um banco de dados de parentesco 2D previamente consolidado na literatura científica, conhecido como KinFaceW-I e II, e em nosso Kin3D para comparação com trabalhos relacionados. Uma outra abordagem foi usada ao reunir todos os parentes de primeiro grau de uma vez e classificá-los de maneira binária. Resultados indicam que a adição de informação de profundidade aprimora a performance do modelo, aumentando a acurácia de classificação. Até o momento da escrita desse trabalho, este é o primeiro banco de dados contendo informação de profundidade para verificação de parentesco bem como a análise de técnicas do estado da arte para a obtenção do \textit{benchmark}, fornecendo uma performance como ponto de partida para estimular ainda mais avaliações da comunidade de pesquisa.

Predizer o futuro é algo que a humanidade anseia, podendo preparar-se para as eventualidades que possam vir a ocorrer. Hoje, a facilidade de acesso a informações através de notícias e com o uso de programas que “leem” os sentimentos dos usuários na internet, é possível usar a linguagem computacional para tentar predizer o comportamento do mercado. No âmbito da economia, essa predição possibilita a oportunidade de novas formas de intervir no mercado econômico, possibilitando o vislumbre de cenários, o que pode facilitar a tomada de decisão sobre investimentos e o futuro econômico de empresários, empresas e governos. As ferramentas de inteligência artificial vem se tornando uma boa ponte entre as técnicas de previsão e as técnicas de engenharia úteis na abordagem do problema, apresentando tratamentos quantitativos e análises de limitações. Essa trabalho visa desenvolver um modelo de predição da bolsa de valores Brasileira baseando-se em mineração de notícias, e para isso, fará uso de técnicas como deep Learning, redes neurais artificiais, Processamento de linguagem natural para predizer o comportamento de ativos da Petrobras e itaú Unibanco. Vale ressaltar que o modelo proposto tem como finalidade ser uma ferramenta de auxilio de tomada de decisão e não uma ferramenta que deve ser levada com 100% de certeza. 

A alta incidência e prevalência de doença renal crônica (DRC), frequentemente causada
por diagnósticos tardios, é um problema crítico de saúde pública, principalmente em países em desenvolvimento como o Brasil. As terapias de tratamento da DRC, como diálise e transplante renal, aumentam as taxas de morbimortalidade, além dos custos de saúde pública. Inicialmente, neste estudo foi analisado o uso de técnicas de aprendizado de máquina para auxiliar no diagnóstico precoce da DRC nos países em desenvolvimento. As análises comparativas qualitativas e quantitativas foram, respectivamente, conduzidas usando uma revisão sistemática da literatura e um experimento com técnicas de aprendizado de máquina, com o método de validação cruzada k-fold baseado no software Weka c e um conjunto de dados da DRC. A partir das análises, foi possível realizar uma discussão sobre a adequação das técnicas de aprendizado de máquina para a triagem do risco de DRC, concentrando-se em ambientes de baixa renda e de difícil acesso nos países em desenvolvimento, devido aos problemas específicos enfrentados, como, por exemplo, atendimento primário inadequado. Com base nos resultados do estudo foi possível observar que a árvore de decisão J48 é uma técnica de aprendizado de máquina adequada para essa triagem nos países em desenvolvimento, devido à fácil interpretação de resultados de classificação, com 95,00% de precisão, alcançando concordância quase perfeita com a opinião de um nefrologista experiente. Por outro lado, as técnicas de floresta aleatória, naive Bayes, máquina de vetores de suporte, perceptron multicamada e vizinho k mais próximo, respectivamente, ofereceram 93,33%, 88,33%, 76,66%, 75,00% e 71,67% de precisão, apresentando pelo menos concordância moderada com o nefrologista, à custa de uma interpretação mais difícil dos resultados da classificação. Com esta conclusão, a árvore de decisão J48 foi usada para desenvolver um sistema inteligente para avaliar o risco de DRC em países em desenvolvimento. Além disso, quando o paciente com DRC está fora de seu município e ocorre uma emergência, o sistema recomenda que ele compareça a uma unidade de saúde apropriada, dependendo da situação clínica, para evitar cuidados de saúde tardios ou inadequados.

Esta dissertação de mestrado apresenta um método que permite a análise automatizada de mensagens provenientes de fóruns online de ensino a distância escritas em português brasileiro. Particularmente, analisa o problema da codificação de mensagens de discussão para níveis de presença social, um importante construto do modelo de Comunidade de Investigação amplamente utilizado na aprendizagem online. Apesar de existirem técnicas de codificação para a presença social na língua inglesa, a literatura ainda é carente em métodos para as demais línguas, como o português. O método aqui proposto utiliza-se de um conjunto de 158 características extraídas de dois recursos, LIWC e Coh-Metrix, disponíveis para análise textual através de técnicas de Mineração de Texto, para criar um classificador para cada uma das três categorias da presença social. Para isso foram utilizados três tipos de algoritmos, Random Forest, AdaBoost e XGBoost onde o melhor modelo desenvolvido atingiu 85,68% de acurácia e índice Kappa (k) de 0,70, o que representa uma concordância substancial, e está bem acima do grau de puro acaso. Este trabalho também provê uma análise da natureza da presença social, observando as características de classificação que foram mais relevantes para distinguir as três categorias da presença social e uma análise comparativa sobre as principais características identificadas nas fases da presença em diferentes domínios.

Medical image translation is considered a new frontier in the field of medical image analysis, with great potential for application. However, the existing approaches have limited scalability and robustness in handling more than two domains of images, since different models must be created independently for each pair of domains. In addition, there are problems with the quality of the translated images. To solve these limitations, we developed MMI-GAN, a new approach for translation between multiple image domains, capable of translating intermodal (CT and RM) and intramodal (PD, T1 and T2) images. We demonstrate the efficiency of the conditional in learning to map between several domains using only a single generator and a discriminator, training data from images of all domains. We propose a GAN architecture that can be easily extended to other translation tasks for the benefit of the medical imaging community. The MMI-GAN is based on recent advances in the area of GANs (Generative Adversarial Network), using an adversary structure with a new combination of non-adversarial losses, which allows the simultaneous training of several data sets with different domains in the same network, as well as the innovative capacity to translate with flexibility between and intramodalities.

Early treatment and detection of lung cancer is important. However, the classification of nodules by neural convolutional network using few real computed tomography images is a difficult process. To work around this problem, this work proposes PREDCGAN. In it we add a pre-training in the pipeline of a generative adversarial network for the generation of pulmonary nodules. As a result, the use as a base increase of these synthetic images in conjunction with classical techniques to classify pulmonary nodules was found to be a value of 0.791 AUC, being the best value compared to other methods found in this work.