University of Pernambuco - Engineering School/ Editorial System Journals
Not a member yet
37197 research outputs found
Sort by
Revisão Integrativa dos métodos de aprendizado de máquina utilizados na predição da qualidade de Solda a Ponto a Resistência
No full textContexto: A soldagem por pontos a resistência ou Resistance Spot Welding (RSW) é uma técnica de soldagem amplamente utilizada para unir componentes feitos de chapas metálicas, como na fabricação de automóveis, caminhões, ônibus, veículos ferroviários, estruturas de aeronaves e aplicações espaciais, com acordo com Messler Jr. e Jou (1996). Especialmente na indústria automotiva, mais de 90% das uniões soldadas da estrutura da carroceria de um carro são realizadas com RSW, havendo um veículo moderno entre 2.000 e 5.000 pontos de solda, segundo Pouranvari e Marashi (2013). Para assegurar a qualidade dos milhares de pontos de solda, são realizadas inspeções amostrais no local de produção, no entanto, essas inspeções são incapazes de identificar imediatamente um defeito assim que ele ocorre, implicando na necessidade de se interromper a linha de produção para realizar o rastreamento do defeito nas peças. Nesse contexto, o uso de técnicas de aprendizado de máquina surge como uma alternativa promissora para a detecção automática de defeitos, a partir da classificação em tempo real de sinais do processo, como a resistência dinâmica, corrente e tempo de soldagem. Objetivo: Investigar e levantar as principais técnicas de aprendizado de máquina aplicáveis à predição da qualidade na soldagem RSW no setor automotivo, com ênfase na utilização de curvas de resistência dinâmicas e outras grandezas elétricas do processo, visando identificar abordagens eficazes para a detecção automática de defeitos. Metodologia: A metodologia adotada seguiu a adaptação de quatro etapas propostas por Whittemore e Knafl (2005): identificação do problema, pesquisa na literatura, análise dos dados e apresentação dos resultados. Durante a etapa 1, (identificação do problema), investigou-se quais as principais técnicas de aprendizado de máquina são aplicadas na predição da qualidade dos pontos de solda a resistência e se são utilizadas curvas de resistência dinâmica como input dos modelos. Na etapa 2, (busca na literatura), foi realizada pesquisa por artigos nas bases: Springer, MDPI, Science direct, Taylor & Francis journal, IPJ, IEEE, IOP e WILEY, utilizando descritores como “Resistance Spot Welding”, “Machine Learning”, “Quality Prediction” e “Dynamic Resistance”, com recorte temporal entre 2015 e 2025. Dessa maneira, 155 artigos foram pré-selecionados, dos quais um total de 60% está alinhado com a proposta deste trabalho. Foram excluídos estudos que não abordavam diretamente a aplicação de aprendizado de máquina na predição da qualidade da solda. Na fase 3, (análise dos dados), considerou-se a relevância temática dos estudos, a extração de informações sobre os algoritmos utilizados, o tamanho dos datasets, as variáveis alvo dos modelos preditivos, as métricas de desempenho utilizadas para os resultados, as variáveis de entrada e se são utilizadas curvas de processo, em especial as curvas de resistência dinâmicas. Na última etapa, na fase 4 (apresentação dos resultados), as informações foram organizadas em uma matriz comparativas e padrões, estratégias e tendências foram sintetizados. Resultados: Observou-se uma predominância de abordagens supervisionadas, com destaque para Redes Neurais Multi-Layer Perceptron (MLP) e Redes Neurais Convolucionais (CNN). Também foi observado que as curvas de resistência dinâmica são as curvas de processo mais utilizadas nos algoritmos de predição, o que concorda com Dickinson et al. (1980) que afirma que elas são capazes de fornecer diversas informações relevantes sobre a qualidade do ponto de solda. Outras curvas de processo dinâmicas também são observadas como variáveis de entrada, com destaque às curvas de tensão, curvas de deslocamento do eletrodo, curvas de força e curvas de potência. Outra constatação relevante é a de que dentre as métricas de desempenho aplicadas aos problemas de classificação, as mais utilizadas foram: Erro Médio Quadrático (MSE), Acurácia (Acc.) e Recall. Pode-se destacar também que o uso de Seleção de Características através de técnicas como Análise dos Componentes Principais (PCA) tem sido utilizada para redução da dimensionalidade e que é efetiva para evitar overfitting, sobretudo em datasets com número mais reduzido de dados. A Identificação automática de pontos de interesse na curva de resistência dinâmica também contribui para a criação de modelos com menor dimensionalidade, ao passo que em algumas técnicas como a 1D-CNN utilizou-se mecanismo de atenção para classificar curvas de Resistência Dinâmicas brutas sem extração de características. Importantes contribuições no tocante a dados desbalanceados também foram evidenciados como o uso de oversampling além da avaliação de desempenho com métricas específicas para datasets desbalanceados, como a acurácia balanceada, evitando o uso de acurácia simples. Conclusão: Portanto, através da capacidade de reunir e analisar diferentes tipos de estudos, a presente revisão integrativa permitiu uma compreensão ampla e aprofundada sobre a utilização de técnicas de aprendizado de máquina na predição da qualidade de pontos de solda a resistência na indústria automotiva com uso de dados reais de produção, promovendo uma síntese de conhecimento que identifica o que já foi explorado, as lacunas existentes e as direções mais promissoras para pesquisas futuras. Além disso, serve como base prática ao oferecer subsídios fundamentados para a tomada de decisão de pesquisadores durante a seleção dos algoritmos e métricas de desempenho que serão utilizados, a depender do tipo de sinal de entrada, do tipo do modelo e das características do dataset. Sua flexibilidade metodológica permite incluir uma variedade de desenhos de pesquisa, o que é particularmente útil para temas emergentes, como o desta pesquisa, que possui literatura ainda heterogênea. Através dessa revisão integrativa, pôde-se observar que técnicas auxiliares de redução de dimensionalidade como PCA e de identificação de pontos de interesse nas curvas dinâmicas oferecem aumento de robustez dos modelos e que dentre as principais métricas de performance dos modelos, o Erro Médio Quadrático, a Acurácia e o Recall são as mais amplamente utilizadas. Outras métricas adaptadas para avaliação de modelos com dados desbalanceados também foram observadas, como a acurácia balanceada que pode fornecer uma visão mais justa do desempenho do modelo ao considerar igualmente as taxas de acerto para cada classe, independentemente de sua frequência no conjunto de dados
Desenvolvimento de um Chatbot para Apoio à Transformação Digital: Estudo Preliminar do TransforMind
No full textObjetivo do trabalho: A transformação digital (TD) vem se consolidando como uma prioridade estratégica em diversos setores, especialmente no setor público, exigindo ferramentas que auxiliem o diagnóstico e a orientação de organizações em sua jornada digital. No entanto, a avaliação da maturidade digital ainda é um processo complexo, que envolve múltiplos domínios como cultura, estratégia, tecnologia, pessoas e processos (VIAL, 2019; HENRIETTE et al., 2015). Este trabalho tem como objetivo apresentar o desenvolvimento e a avaliação preliminar do TransforMind, um chatbot capaz de interagir em linguagem natural com usuários para classificar automaticamente a intenção de perguntas relacionadas à transformação digital. O projeto busca responder questionamentos sobre transformação digital e servir como base para uma análise de maturidade digital. Metodologia: O desenvolvimento do TransforMind seguiu uma arquitetura modular composta por interface de entrada em texto ou voz, pré-processamento, classificação por modelo de aprendizado de máquina, geração de resposta e armazenamento das interações. Foi adotada a linguagem Python, com uso das bibliotecas Scikit-learn, Streamlit, Spacy, Transformers, PyTorch e MongoDB Atlas. O modelo de classificação de intenções foi treinado utilizando o algoritmo Random Forest, com base em um dataset manualmente construído contendo perguntas sobre transformação digital e suas respectivas classes semânticas (intents), como cultura, dados, estratégia, maturidade digital, entre outras. A classificação foi realizada a partir da representação vetorial dos textos via TF-IDF (Term Frequency-Inverse Document Frequency), sendo os dados divididos em conjunto de treino e teste. A avaliação do modelo considerou as métricas de acurácia, precisão, recall e F1-score, com visualização dos resultados por matriz de confusão. Resultados obtidos: O modelo treinado com Random Forest apresentou o seguinte desempenho na tarefa de classificação de intenções, com acurácia de 85,57%, precisão média ponderada de 82,65%, recall de 85,57% e F1-score de 83,11% sobre um conjunto de teste com 100 perguntas distintas. O relatório de classificação indicou bom desempenho para a maioria das classes com maior representatividade no dataset, como “conceito_td”, “estratégia” e “experiência_cliente”, embora tenha apresentado desempenho limitado em intents com menos exemplos, como “educação”, “riscos” e “mudança”. A matriz de confusão revelou que as principais confusões ocorreram entre intents semanticamente próximas, como “resistência” e “cultura”. A solução demonstrou ser funcional como ferramenta inicial de apoio ao diagnóstico de dúvidas sobre transformação digital. Conclusões: Os resultados obtidos indicam que o TransforMind pode ser uma ferramenta promissora para o apoio à educação organizacional e diagnóstico preliminar em iniciativas de transformação digital, especialmente em contextos públicos com restrições orçamentárias e de pessoal qualificado. O uso de um chatbot oferece benefícios em termos de escalabilidade, acessibilidade e autonomia de uso, além de permitir o registro contínuo de dúvidas reais para retroalimentar o modelo. Como trabalhos futuros, pretende-se: expandir o dataset com base em documentos técnicos, relatórios e bases públicas; explorar modelos mais robustos baseados em Transformers; disponibilizar o sistema na nuvem; integrar com dashboards administrativos; e incorporar raciocínio automatizado (RAG – Retrieval-Augmented Generation) por meio de ontologias desenvolvidas no escopo do projeto OntoMaturity e OntoMTD. O projeto também servirá como base experimental para o trabalho final de doutorado, voltado à modelagem semântica e inferência inteligente na avaliação de maturidade digital em organizações pública
Utilização dos modelos de inteligência artificial para auxiliar na predição de doenças, condições e mortalidade neonatal: Uma Revisão Sistemática da Literatura
No full textIntrodução: O período neonatal é a fase inicial da vida pós-natal, compreendendo os primeiros 28 dias após o nascimento. Esse período pode ser marcado por complicações de saúde como prematuridade, baixo peso ao nascer, doenças congênitas, sepse, displasia broncopulmonar entre outras situações adversas (CAVALLIN et al., 2018). Segundo o Fundo das Nações Unidas para a Infância (UNICEF), em 2022, ocorreram aproximadamente 2,3 milhões de óbitos no período neonatal no mundo, com 75% dessas mortes na primeira semana (óbito precoce) e os 25% restantes entre 7 e 28 dias de vida (óbito tardio) (UNICEF, 2024). No Brasil, foram registrados 32.257 óbitos neonatais em 2022, resultando em uma taxa de 8,47 mortes por 1.000 nascidos vivos. Em Pernambuco, a taxa de mortalidade neonatal superou a média nacional, com 9,59 óbitos por 1.000 nascidos vivos (SINASC, 2022) e (SIM, 2022). Intervenções preventivas podem melhorar os desfechos neonatais, sendo a inteligência artificial (IA) uma ferramenta promissora para a predição de complicações nesse período (ADEGBORO et al., 2022). Objetivo: O presente estudo propõe realizar uma Revisão Sistemática da Literatura (RSL) com o objetivo de identificar e avaliar trabalhos do estado da arte que utilizam IA para a predição de doenças, condições e mortalidade neonatal. Metodologia: A metodologia adotada para guiar esta RSL é baseada na declaração PRISMA, para identificar estudos que exploraram o uso de IA no contexto da predição de doenças, condições e mortalidade neonatal dos últimos 10 anos. Protocolo: A fase inicial da RSL envolve o desenvolvimento do protocolo responsável pelas etapas de planejamento que envolveu inicialmente a formulação das seguintes Perguntas de Pesquisa: (1) Quais os tipos de doenças, condições e mortalidade neonatal que estão sendo objeto de estudo em pesquisas que empregam IA? (2) Quais são os principais modelos de IA utilizados na predição de doenças, condições e mortalidade neonatal? (3) Como é avaliado o desempenho dos modelos de IA na predição de doenças, condições e mortalidade neonatal? (4) Quais são os principais atributos mais frequentemente utilizados pelos estudos que utilizam modelos de IA na predição de doenças, condições e mortalidade neonatal? (5) Quais são as características dos conjuntos de dados utilizados pelos estudos que empregam modelos de IA na predição de doenças, condições e mortalidade neonatal?. Em seguida foram definidas e conduzidas buscas automáticas em seis bases de dados: ACM Digital Library, IEEE, ISI Web of Science, PubMed, Science Direct e Scopus. Definiu-se a string de busca, baseada em palavras-chave sugeridas e validadas por especialistas e pesquisadores das áreas de IA e data science aplicadas à saúde; enfermeiros especialistas e pesquisadores em neonatologia, e atendimento em Unidade de Terapia Intensiva Neonatal (UTIN). Posteriormente, identificaram-se os sinônimos das palavras-chave que passaram por validação desses especialistas, sendo seguidamente realizado a combinação das palavras-chave e realizado o teste de sensibilidade com seus respectivos sinônimos. Por fim, coleta de estudos primários foi realizada por meio de buscas em quase todas as bases de dados, utilizando a seguinte de pesquisa: ("neonatal" OR "newborn" OR "preterm infants" OR "neonate" OR "perinatal") AND ("artificial intelligence" OR "machine learning" OR "deep learning") AND ("prediction" OR "prognosis" OR "anticipation" OR "classification" OR "monitoring"). Para Science Direct, a string foi ajustada devido a limitações específicas da própria base. Em particular, a plataforma permite o uso de no máximo oito conectores booleanos por campo de pesquisa. Essa limitação exigiu uma abordagem estratégica na construção das buscas, na qual foi ajustando os termos de pesquisa para:
("neonatal" OR "newborn" OR "neonate" OR "perinatal") AND ("artificial intelligence" OR "machine learning" OR "deep learning") AND ("prediction" OR "classification"). Foram definidos os críterios de seleção, sendo os critérios de exclusão definidos como: (1) Estudos não publicados em congressos ou revistas. (2) Formatos de livro, pôster, tutorial ou editorial. (3) Estudos duplicados. (4) Estudos secundários ou terciários. (5) Artigos não escritos em inglês. (6) Estudos fora do período de 2014 a 2024. Os critérios de inclusão foram: (1) Estudos publicados em congressos ou revistas científicas revisadas por pares. (2) Artigos completos. (3) Estudos originais e não duplicados. (4) Estudos que respondam às perguntas de pesquisa. (5) Estudos em inglês publicados entre 2014 e 2024. Execução: Sete pesquisadores foram responsáveis por identificar os trabalhos elegíveis de forma independente. Quando surgiram dúvidas sobre a aceitabilidade do estudo, ele era avaliado por todos os pesquisadores e logo seria aceito se obtivesse a maioria dos votos favoráveis. A coleta dos estudos considerou artigos completos publicados de janeiro de 2014 a fevereiro de 2024. Resultados: Os resultados da busca foram de 7.310 estudos inicialmente identificados, distribuídos da seguinte forma: 440 da ACM Digital Library, 386 do IEEE, 1.037 do ISI Web of Science, 998 do PubMed, 2.555 do Sciencedirect e 1.894 do Scopus. Foram identificados e excluídos 2.130 estudos duplicados, em seguida os pesquisadores analisaram títulos, palavras-chave e resumos dos estudos restantes. Durante esta análise preliminar, foram aplicados simultaneamente os critérios de exclusão e inclusão, resultando em 733 trabalhos selecionados para a leitura completa. Conclusão: A análise inicial da RSL destaca um grande quantidade de estudos relevante sobre a uso da IA na predição de complicações neonatais, como hipoglicemia neonatal, asfixia perinatal, doenças metabólicas, sepse, displasia broncopulmonar, enterocolite necrosante, infecções, retinopatia da prematuridade, entre outras condições patológicas, as quais podem resultar no óbito do neonato, permitindo intervenções proativas e personalizadas. Como próximos passos, busca-se realizar a leitura completa dos artigos, realizando simultaneamente a aplicabilidade dos critérios de qualidade, além disso, busca identificar, coleta e discutir informações relevantes, assim como os desafios enfrentados, como a necessidade de dados de alta qualidade e a interpretação clínica das saídas dos modelos de IA de cada estudo eleito, enfatizando a importância contínua do desenvolvimento e implementação dessas tecnologias inovadoras no auxílio do profissional da área da saúde voltada para a prática neonatal. 
Divulgação de audiovisuais de caráter educativo em plataformas de acesso remoto - ARI/POLI
No full textPara incentivar a criação de conteúdos audiovisuais educativos e promover a internacionalização na Escola Politécnica da Universidade de Pernambuco (POLI), foram implementados vários procedimentos nas redes sociais. Segundo Lorenzo, uma rede de relacionamento voltada para um público específico cria oportunidades para os participantes debaterem interesses em comum. Esses procedimentos também foram aplicados no site da Assessoria de Relações Internacionais da Universidade de Pernambuco (ARI/POLI). A criação de conteúdos, atualizações frequentes das redes sociais e quadros semanais visam atingir um maior número de usuários e gerar mais engajamento, tornando o conhecimento acessível a toda a comunidade acadêmica. Essas medidas são vistas como ferramentas pedagógicas dinâmicas que, quando bem utilizadas, podem potencializar práticas pedagógicas modernas em todas as esferas escolares (GUIMARÃES et al., 2023). No canal Audiovisuais Educativos da plataforma do YouTube (AUDIOVISUAIS EDUCATIVOS, 2024), foram realizadas entrevistas em vídeo com alunos em mobilidade acadêmica, respondendo perguntas sobre intercâmbio, a universidade e o país de destino. Isso esclarece dúvidas e compartilha experiências com outros alunos interessados em mobilidade acadêmica. Além disso, foram criados conteúdos audiovisuais com tutoriais sobre métodos que facilitam o dia a dia dos estudantes e softwares que aumentam a eficiência dessas técnicas. Para promover ainda mais os processos internacionais, conteúdos foram elaborados para o Instagram (ARI/POLI, 2024) e o Facebook (ARI POLI UPE, 2024) com o objetivo de divulgar as seleções para Mob-Out, que é o processo de mobilidade acadêmica dos alunos da POLI em universidades estrangeiras, e Mob-In, a mobilidade acadêmica de alunos estrangeiros na POLI, além de reforçar as parcerias já existentes para o aprendizado de idiomas. Essas redes também foram usadas para divulgar palestras, eventos acadêmicos e o quadro #VoceSabia, que publica semanalmente curiosidades internacionais e tem sido crucial para manter a atividade nas redes sociais. Além disso, houve atualizações no site da ARI/POLI, sincronizadas com as contas de Instagram e Facebook para garantir publicações simultâneas e padronização dos perfis. O site da ARI/POLI passou por atualizações constantes, como a atualização diária de posts, notícias e FAQ, para resolver dúvidas dos alunos sobre os processos de Mob-Out e Mob-In, facilitando a mobilidade acadêmica. Além do uso de um software web de Simulador Mob-Out, permitindo que os alunos simulem suas possíveis notas com base em seu desempenho acadêmico e a instituição destino pretendida. Esse projeto de extensão busca usar a tecnologia para disseminar conteúdo educativo. Como afirma Castells (2001), a tecnologia é uma dimensão fundamental da mudança social. As atividades começaram em 2021, e desde então, busca-se constantemente melhorias. O programa tem cumprido seu objetivo de mostrar à sociedade as oportunidades oferecidas pela academia.
Palavras-chave: Redes sociais; audiovisuais; mobilidade; internacionalização.
Referências
ARI/POLI. Instagram da ARI/POLI. Disponível em: instagram.com/aripoliupe. Acesso em 29 jul. 2024.
ARI POLI UPE. Facebook da ARI/POLI. Disponível em: facebook.com/ari.upe. Acesso em 29 jul. 2024.
ASSESSORIA DE RELAÇÕES INTERNACIONAIS - International Relations Office. ARI POLI, 2024. Disponível em: https://ari.poli.br/pt/home-pt/. Acesso em 29 jul. 2024.
AUDIOVISUAIS EDUCATIVOS. Youtube do Audiovisuais Educativos. Disponível em: https://www.youtube.com/@audiovisuaiseducativos/videos. Acesso em 29 jul. 2024.
CASTELLS, Manuel. Informationalism and the network society. In HIMANEN, Pekka. The hacker ethic and the spirit of the information age. New York: Random House, 2001.
GUIMARÃES, Ueudison; MARQUES, Naracy; CARMO, Ivanira; SOUZA, Mari. A utilização das TIC’s como ferramenta de ensino e aprendizagem nos pós pandemia. RECIMA 21- Revista Científica Multidisciplinar. v.4, n.4, 2023.
LORENZO, Eder Maia. A Utilização das Redes Sociais na Educação: A Importância das Redes Sociais na Educação. 3 ed. São Paulo: Clube de Autores, p. 126, 2013
Monitoria acadêmica no processo de ensino-aprendizagem: uma experiência na disciplina de Portos I – Engenharia Civil
No full textO presente trabalho traz a importância da monitoria acadêmica no processo de ensino-aprendizagem para a formação de aluno da Engenharia Civil da Escola Politécnica da UPE, com foco na monitoria da disciplina de Portos 1. No decorrer do período de 2024.1 a monitoria para a disciplina de Portos 1, que trata de portos marítimos e vias navegáveis foi ministrada semanalmente, de maneira on-line através da plataforma Google Meet, com duração média de 01h e 30min. A metodologia utilizada foi expositiva, abordando de forma clara e organizada, a resolução de exercícios. Semanalmente, a professora da disciplina/orientadora se disponibilizava para sanar dúvidas da monitora e discutir sobre o assunto a ser exercitado com os alunos da disciplina, repassando exercícios. Por sua vez, a monitora também teve a liberdade de buscar exercícios pertinentes aos assuntos abordados, colocando em prática a atividade de seleção das questões a serem resolvidas durante a monitoria. A monitoria na disciplina de Portos 1 é relevante, visto que ajuda a sedimentar os conteúdos teóricos e práticos vistos em sala de aula, os quais muitos deles, apresentam-se complexos e com suas especificidades. Além disso, a Engenharia Portuária é uma das áreas mais abrangentes do curso de Engenharia Civil, onde o estudante tem a oportunidade de vivenciar a aplicação de matérias que já cursaram como física, mecânica dos solos, fundações, hidrologia, topografia e outras, que passaram a conhecer como hidráulica marítima, noções de engenharia naval, princípios de navegação. É natural que os estudantes de maneira geral demonstrem insegurança no início de uma disciplina, muito devidamente a grande quantidade de conteúdos e por tratar-se de algo novo. Essa expectativa é amenizada com o andamento da disciplina e com a interação professor-aluno e monitor-aluno, o qual oferece um suporte adicional ao professor. A monitoria de Portos 1 promoveu um ambiente de aprendizado colaborativo, onde os estudantes trocaram conhecimentos e esclareceram dúvidas, em um ambiente menos formal, comparado a sala de aula. Isso possibilita aumentar a confiança dos alunos em relação ao conteúdo da disciplina e melhorar o aproveitamento nos testes, provas e desenvolvimento de projetos. No período letivo 2024.1, dos 39 estudantes matriculados na disciplina no turno da noite, 07 desistiram ou nunca assistiram aula. Observou-se que dentre os 32 estudantes que cursaram a disciplina, 69% passaram por média e apenas 31% foram para a final. Dentre estes, 02 alunos faltaram a prova final, totalizando um percentual de 100% de aprovação dos alunos que fizeram a prova final. No turno da manhã, apenas 01 não compareceu às aulas durante o período, 40% passaram por média e 60% passaram na prova final, totalizando 100% de aprovação. No final da disciplina foi passado para os alunos um formulário do Google para avaliação da prática pedagógica, com intuito de obter informações que trouxessem melhorias para o aprendizado da disciplina, na visão do estudante. O questionário foi elaborado pelo Núcleo de Apoio Psicopedagógico Inclusivo (NAPSI) da POLI/UPE, cujo resultado corroborou para as análises apresentadas neste trabalho. Importante ressaltar, que a atividade de monitoria também beneficia estudantes monitores, pois, reforçam seus conhecimentos, desenvolvem habilidades de ensino e ganhando experiência em liderança e comunicação, sendo estes, diferenciais importantes para o mercado de trabalho. Por fim, a monitoria na disciplina de Portos 1 mostrou-se uma ferramenta valiosa para aprofundar o aprendizado, promover a colaboração entre estudantes, desenvolver habilidades práticas, as quais beneficiaram tanto os estudantes monitores quanto os que cursaram a disciplina
Sistema wearable para análise da postura corporal
No full textEste trabalho propõe o desenvolvimento de um sistema de monitoramento de postura utilizando dispositivos vestíveis, visando melhorar a saúde da coluna vertebral e prevenir problemas relacionados à má postura. O projeto, iniciado como um Projeto Final de Curso (PFC), atualmente se encontra em fase de mestrado, onde se realizará experimentos práticos e melhorias no protótipo. O sistema é composto por hardware, que inclui um dispositivo vestível com sensores para detectar a inclinação e movimentos da cabeça, e software, que interpreta esses dados para alertar o usuário sobre posturas inadequadas.
O hardware é composto por um sensor acelerômetro de 3 eixos (MPU-6050), um microcontrolador (ESP8266), um motor de vibração para biofeedback (MV50), um módulo RTC para leitura de data e hora, e um módulo leitor de cartão micro SD para armazenamento interno de dados. A estrutura externa é feita em ABS, um material durável e resistente. O software utiliza algoritmos para detectar posturas inadequadas e emite alertas vibratórios quando necessário. O sistema também pode se conectar a uma rede Wi-Fi para armazenamento de dados na nuvem, permitindo o monitoramento remoto.
Os resultados obtidos demonstraram que o dispositivo é eficaz em identificar a inclinação da cabeça e fornecer feedback tátil ao usuário para corrigir a postura. Entretanto, foram identificadas falhas no sistema de armazenamento interno devido a problemas no módulo RTC
Transformando o Governo Digitalmente: uma escala de maturidade para a administração pública
No full textContexto: A Transformação Digital (TD) é um processo evolutivo que utiliza as capacidades das tecnologias digitais para permitir que as organizações reavaliem seus valores, cultura, comportamentos, operações, serviços, modelos de negócio, estratégias de gestão, práticas e relacionamentos. Esse processo visa promover mudanças significativas em suas propriedades (GEORGE e HOWARD, 2023). Quando aplicada corretamente, a TD oferece benefícios como maior eficiência administrativa e valor social, impulsionando a inovação, aumentando a agilidade, transparência, produtividade e segurança, além de melhorar a tomada de decisões e a prestação de contas (HANELT et al., 2021). Motivação: De acordo com Mariani e Bianchi (2023), para que as organizações e seus servidores tenham um roteiro claro para conceber e implementar a TD, é recomendável realizar um planejamento cuidadoso e avaliar a Maturidade Digital (MD) do órgão ao longo do tempo. Assim, Nasiri, Saunila e Ukko (2022) expressam que a MD reflete o status quo das capacidades de uma organização, descrevendo o que já foi alcançado em termos de esforços de TD e como a instituição se prepara para se adaptar a um ambiente cada vez mais digital. No contexto do setor público, pesquisas mostram que a MD ainda é incipiente, uma vez que a maioria das investigações focam em orientações específicas para o setor privado (Lima et al., 2023). Conforme Reis e Melão (2023), é essencial investigar como promover a MD no setor público, de modo que ela atenda de forma eficaz às suas necessidades reais. Objetivo: Com base nesse cenário, este trabalho tem como objetivo desenvolver um modelo de maturidade digital que considere o contexto, a realidade e as particularidades do setor público, denominado como MaturityGOV. Metodologia: A estrutura metodológica deste estudo baseia-se no método empírico Design Science Research proposto por Wieringa (2014). Inicialmente, foi realizada uma Revisão Terciária da Literatura, permitindo a compreensão do cenário atual da pesquisa na área da TD no setor público. Em paralelo, foi efetuado um diagnóstico em uma organização pública de grande porte por meio de visitas técnicas com integrantes da gerência geral de tecnologia e comunicação do órgão. Além disso, foi conduzida uma revisão exploratória da literatura para identificar aspectos fundamentais para a construção de um corpo comum de conhecimento do modelo de maturidade. Para a avaliação da proposta, serão realizadas sessões de grupos focais com especialistas, nas quais a versão preliminar do modelo será apresentada, discutida e avaliada. Durante novos ciclos de design, o modelo será aplicado, avaliado e validado por meio de um estudo de caso. Resultados Preliminares: Os resultados parciais revelaram o processo de TD no setor público, destacando as atividades e os recursos necessários, as áreas onde a TD está ocorrendo, os principais fatores que motivam essa transformação, e os benefícios gerados pela TD. As percepções e reflexões coletivas obtidas no diagnóstico foram alinhadas com os fatores situacionais identificados na revisão exploratória, levando à execução do primeiro ciclo de design. Este ciclo resultou na criação da versão Alpha do modelo de maturidade, que é fundamentado por quatro eixos estratégicos e possui sete dimensões e seis níveis de maturidade. Conclusão: Através da validação do modelo de maturidade, espera-se que o MaturityGOV forneça orientações sobre como as organizações públicas podem abordar o conceito de TD de maneira alinhada com suas reais necessidades. O modelo deve mapear caminhos para que essas organizações realizem seu processo de transformação, indicando uma trajetória de desenvolvimento potencial, antecipada ou típica, para alcançar o estado desejado. Com o incentivo à adoção da TD na administração pública, o objetivo é que os órgãos públicos possam criar estratégias que promovam a formação de um governo digital, explorando os efeitos positivos da inovação digital. Assim, as instituições poderão obter benefícios em diversos contextos, como eficiência administrativa, desempenho, governança, produtividade, racionalização dos gastos, economia, desenvolvimento de pessoas, comportamentos, habilidades, competências, cultura organizacional, processos, transparência, agilidade, adaptabilidade, mobilidade, segurança, qualidade dos serviços prestados e satisfação dos cidadãos, resultando na criação de valor público
Estimulando a aprendizagem emocional através de expressões faciais em crianças com transtorno do espectro autista usando inteligência artificial
No full textCrianças com TEA frequentemente apresentam dificuldades significativas no reconhecimento de expressões faciais e na interpretação de emoções, um desafio que afeta suas habilidades de comunicação e interação social (American Psychiatric Association, 2013). O presente trabalho tem como objetivo desenvolver uma ferramenta computacional composta por um jogo sério, utilizando técnicas educacionais e inteligência artificial, para melhorar a capacidade de reconhecimento e expressão emocional em crianças com Transtorno do Espectro Autista (TEA). A proposta deste projeto visa abordar essa lacuna das dificuldades no reconhecimento de emoções através do uso de tecnologia assistiva, mais especificamente, através de um jogo sério que utiliza reconhecimento facial e algoritmos de aprendizado de máquina para ensinar e aprimorar essas habilidades essenciais. A metodologia utilizada neste projeto é baseada em uma abordagem experimental, onde o desenvolvimento do jogo sério será seguido por uma série de testes controlados. O processo de desenvolvimento inclui etapas como revisão da literatura, concepção do design do jogo, especificação técnica e implementação de algoritmos de reconhecimento facial inspirados em técnicas como o método de Viola-Jones para detecção de características faciais (VIOLA; JONES, 2004). A coleta de dados será realizada diretamente no ambiente do jogo, onde as expressões faciais das crianças serão capturadas e analisadas automaticamente para avaliar o progresso no reconhecimento emocional. Serão realizados testes tradicionais para comparar o desenvolvimento das habilidades emocionais das crianças que utilizarem a ferramenta em comparação com métodos convencionais de ensino. Os resultados esperados incluem a validação da eficácia do jogo sério na melhoria das habilidades de reconhecimento e expressão emocional em crianças com TEA. Acredita-se que o uso de tecnologias como a inteligência artificial pode oferecer benefícios significativos, ampliando as possibilidades de tratamento e apoio a essas crianças (AZADBONI, 2024). O projeto também buscará identificar os principais desafios na implementação de soluções tecnológicas para esse público e propor melhorias que possam ser aplicadas em futuras versões da ferramenta. As conclusões do trabalho serão baseadas na análise dos dados coletados, que deverão indicar o nível de progresso alcançado pelas crianças ao utilizar a ferramenta. Também será discutida a viabilidade de implementar a ferramenta em ambientes educacionais e clínicos, além das limitações encontradas durante o desenvolvimento e a implementação da ferramenta. Espera-se que os resultados confirmem a hipótese de que o uso de jogos sérios, aliados a técnicas de inteligência artificial, pode contribuir de maneira significativa para o desenvolvimento das habilidades emocionais em crianças com TEA, tornando-se uma ferramenta complementar valiosa para terapeutas e educadores. Finalmente, este trabalho pretende não apenas contribuir para a área de inclusão e acessibilidade, mas também fornecer uma base sólida para futuras pesquisas e desenvolvimentos de tecnologias educacionais voltadas para pessoas com necessidades especiais. Com a evolução constante das tecnologias de reconhecimento facial e aprendizado de máquina, a replicabilidade e escalabilidade da ferramenta proposta têm o potencial de ampliar seu uso em diferentes contextos e para outros grupos que enfrentam desafios similares. O trabalho será concluído com a publicação de resultados e recomendações para aprimorar a ferramenta e adaptar a metodologia utilizada para outras aplicações educacionais e terapêuticas
Avaliação da Usabilidade em Tecnologias Assistivas para crianças com Transtorno do Espectro Autista
No full textO Transtorno do Espectro Autista (TEA) é descrito como um transtorno do neurodesenvolvimento que causa alterações na comunicação, interação social e comportamento. O TEA é um grupo de distúrbios do desenvolvimento neurológico que se manifesta precocemente, caracterizado pelo comprometimento das habilidades sociais e de comunicação, além de comportamentos estereotipados (APA, 2013). De acordo com (Mello et al., 2013), o diagnóstico precoce desempenha um papel fundamental no TEA, pois permite intervenções precoces que podem significativamente melhorar o quadro clínico. Os primeiros sinais do TEA são frequentemente notados pelos pais ou cuidadores, e as dificuldades de comunicação são uma das principais preocupações (APA e Backes et al., 2013). A gravidade dos sintomas pode variar de leve a severa, o que determina o nível de suporte necessário para cada criança (Ribeiro et al., 2023 e Pimentel, 2013). Dada a diversidade e a complexidade dos comprometimentos observados em crianças com TEA, uma ampla variedade de tratamentos está acessível nos dias de hoje. Um deles é o uso da Comunicação Aumentativa e Alternativa (CAA), que consiste em um sistema de comunicação que oferece uma ampla variedade de técnicas, recursos e estratégias para ajudar na interação (Mirenda, 2017). Esses recursos visam oferecer suporte e facilitar a comunicação e a interação de pessoas que enfrentam desafios comunicativos complexos, seja de forma temporária ou permanente. A tecnologia exerce um papel essencial na CAA, disponibilizando uma ampla variedade de dispositivos. Esses vão desde soluções de baixa tecnologia, como pranchas de comunicação com símbolos, até dispositivos de alta tecnologia, incluindo aplicativos de comunicação em tablets e computadores. A escolha do dispositivo adequado deve considerar as necessidades individuais do usuário, sua capacidade cognitiva e motora, bem como seu ambiente social e educacional (Camargo, 2019). Mas vale ressaltar que implementação da CAA apresenta diversos desafios. A seleção de dispositivos apropriados, o treinamento de usuários e cuidadores, bem como a integração da CAA na rotina diária, são fatores essenciais para garantir uma comunicação eficaz. Além disso, a facilidade de uso dos dispositivos de CAA é um fator fundamental para garantir a adesão e a eficácia da comunicação. Portanto, é indispensável analisar os métodos utilizados para avaliar a usabilidade e identificar falhas comuns que possam ser corrigidas para melhorar a experiência do usuário (Farias, 2014). Pois, quanto melhor a usabilidade das CAA, pode-se facilitar a comunicação para crianças com TEA, promovendo sua autonomia e participação na sociedade. A usabilidade se refere à facilidade com que um usuário pode aprender, operar e se beneficiar de um determinado produto tecnológico. No contexto das Tecnologias Assistivas (TA), a usabilidade torna-se ainda mais importante, pois assegura que essas tecnologias sejam verdadeiramente acessíveis e inclusivas para pessoas com diversas necessidades. As TA que são bem projetadas e de fácil uso podem diminuir a necessidade de suporte técnico durante a utilização, proporcionando maior conforto, satisfação e bem-estar aos usuários, o que impacta positivamente sua qualidade de vida em vários aspectos. Neste cenário, o estudo propõe uma análise dos principais métodos utilizados para avaliar a usabilidade das CAA, com o objetivo de identificar os tipos de falhas mais comum. De início, foi conduzida uma busca por trabalhos publicados em português e inglês que tratassem da devida temática, o que resultou em 27 trabalhos aptos a serem lidos integralmente e analisados para a extração de dados. Ao fim da análise, ficaram evidentes 3 principais métodos utilizados, sendo eles: Métodos de testes, que realizados por meio da interação com as ferramentas, é possível identificar falhas, barreiras e áreas de aprimoramento, assegurando que as tecnologias sejam realmente úteis e inclusivas, buscando revelar problemas de usabilidade que podem dificultar ou impedir o uso da tecnologia, e com base nos resultados dos testes, é possível realizar modificações e ajustes para tornar a tecnologia mais acessível para os usuários e fácil de usar. Já o método de inspeção de telas se destaca como um método fundamental na avaliação de elementos visuais na usabilidade de TA, especialmente no que se refere à interface do usuário. Esse método possibilita a detecção de falhas e inconsistências na interface onde o usuário interage, que ao serem diagnosticadas torna-se possível realizar as modificações necessárias para tornar a tecnologia mais acessível. Já o relato de experiência de usuário, é considerado essencial para corrigir erros de ferramentas já desenvolvidas e que não passaram por nenhum outro método de análise durante o processo de desenvolvimento. Os relatos dos usuários fornecem uma perspectiva real e autêntica das experiências alcançadas com a TA, revelando aspectos que podem ser aprimorados para que proporcione uma melhor usabilidade. Conclui-se que a proposta apresenta dados significativo que necessitam de atenção ao se pensar no desenvolvimento de uma TA, para que os problemas de usabilidade sejam mitigados.
Palavras-chave: Transtorno do espectro autista; Falhas de usabilidade; Educação Inclusiva; Crianças.
Referências
APA. American Psychiatric Association. 2013. Diagnostic and statistical manual of mental disorders. 5th ed. Washington (DC): American Psychiatric Association.
BACKES, B., Zanon, R. B., & Bosa, C. A.. (2013). A relação entre regressão da linguagem e desenvolvimento sociocomunicativo de crianças com transtorno do espectro do autismo. Codas, 25(3), 268–273.
CAMARGO, E. P. de. (2019). Design Centrado no Usuário: Análise de Sistemas de Apoio para Comunicação Alternativa. Revista Neurociências, 27, 1–17.
Farias, E., Silva, L., & Cunha, M. (2014). ABC AUTISMO: Um aplicativo móvel para auxiliar na alfabetização de crianças com autismo baseado no Programa TEACCH. In Anais do X Simpósio Brasileiro de Sistemas de Informação, (pp. 458-469). Porto Alegre: SBC
MELLO, Ana Maria S. Ros de; Andrade, Maria América; Ho, Helena; Souza Dias, Inês de; Retratos do autismo no Brasil, 1ª ed. 2013, São Paulo: AMA.
MIRENDA, P. (2017). Values, Practice, Science, and AAC. Research and Practice for Persons with Severe Disabilities, 42(1), 33-41.
PIMENTEL, Ana Gabriela Lopes. Autismo e escola: perspectiva de pais e professores – São Paulo, 2013. Dissertação (Mestrado) – Faculdade de Medicina de Universidade de São Paulo.
RIBEIRO, N. C. R., & Marteleto, R. M. (2023). O Manual Diagnóstico e Estatístico de Transtornos Mentais enquanto um dispositivo info-comunicacional. Encontros Bibli: Revista eletrônica De Biblioteconomia E Ciência Da informação, 28, 1–16
Uso de modelos de Machine Learning para aprimoramento de um protótipo Off-Road (BAJA).
No full textO Projeto BAJA SAE (Society of Automotive Engineers) é um desafio lançado aos estudantes de engenharia que oferece a chance de aplicar na prática os conhecimentos adquiridos em sala de aula, pois possibilita uma relação entre os futuros engenheiros com profissionais da área, ao participar do Projeto Baja SAE, o aluno se envolve com um caso real de desenvolvimento de projeto, desde a concepção, projeto detalhado, até a construção de um pequeno veículo para uso fora de estrada, respeitando as normas da SAE Brasil para competições entre os veículos do tipo Mini Baja (SHIGLEY, 2005; ASMAR, 2010). O objetivo do trabalho foi desenvolver, testar e aprimorar modelos baseados em Machine Learning para que possam fornecer parâmetros importantes para o protótipo do veículo da equipe, além de realizar a predição de possíveis colocações que a equipe alcançará com a ficha técnica do projeto, altura, peso, distância entre-eixos etc. Tendo em vista uma análise de falha dos resultados alcançados nas provas dinâmicas na última competição nacional (Baja SAE Brasil, 2024), foi observado que um dos déficits do projeto é a ausência de dados comparativos entre as diferentes equipes que também participam da competição. O desenvolvimento do trabalho se deu primeiramente através de pesquisas na área(AKINSOLA, 2017), tratamento do banco de dados de edições anteriores da etapa nacional e após isso, iniciou-se a fase de desenvolvimento do modelo, o qual foi utilizado o ambiente virtual Google colab, que usa a versão do Python 3, além das bibliotecas: Scikit-learn, Pandas, Matplotlib e Numpy que fornecem respectivamente: algoritmos para ML(Scikit-learn use guide, 2024), gerenciamento das tabelas, geração de gráficos e operações com arrays. Até o presente momento, o projeto encontra-se em fase final, o qual foi obtido uma acurácia de 70% em algumas previsões, restando apenas a realização de mais testes para encontrar parâmetros que forneçam uma maior precisão ao algoritmo. Sendo assim, espera-se que o projeto esteja concluído e validado até a 30º competição Baja SAE Brasil – Etapa Nacional, que ocorrerá em março de 2025, oferecendo informações valiosas acerca do veículo atual, possibilitando futuras melhorias ao projeto, visando uma maior competitividade nas próximas edições do evento