Navegando por Autor "Gouveia, Roberta Macêdo Marques"

Agora exibindo 1 - 7 de 7

An implementation of a mathematical-computational method for the detection and treatment of financial outliers in higher education
(2023-09-06) Freitas, Nathan Cavalcante; Gouveia, Roberta Macêdo Marques; http://lattes.cnpq.br/2024317361355224; http://lattes.cnpq.br/1613649528791400
O Censo da Educação Superior ocorre anualmente, coletando dados de Instituições de Ensino Superior (IES) no Brasil. Diferentes fatores podem levar a anomalias ou outliers em alguns destes dados coletados. Este trabalho propõe um método matemático-computacional para detectar e tratar valores financeiros atípicos das IES. Para tanto, adota-se as análises univariadas e bivariadas dos dados. Foram analisados dados de despesas e receitas das IES do Censo de 2016 a 2019. Esta análise revelou que 204 de 2.224 IES, aproximadamente 10%, reportaram algum dado atípico.
Desenvolvimento de um plug-in para a replicação de dados entre os sistemas NetBox e ServiceNow CMDB
(2023-05-03) Silva Júnior, Manassés Júlio da; Gouveia, Roberta Macêdo Marques; http://lattes.cnpq.br/2024317361355224
Este trabalho apresenta um novo plugin desenvolvido para integrar o software de configuração de rede de código aberto NetBox com o ServiceNow CMDB. Esse plugin estende a funcionalidade do NetBox, permitindo que os usuários enviem dados do NetBox para a Application programming interface (API) do ServiceNow. O NetBox é um software open-source de configuração de rede que oferece uma modelagem e documentação de redes moderna. O projeto é desenvolvido publicamente no GitHub e também age como um repositório centralizado para informações de infraestrutura de rede, incluindo inventário de dispositivos, gerenciamento de endereços IP, gerenciamento de cabos e gerenciamento de energia. Por outro lado, o ServiceNow CMDB é um repositório central que contém informações sobre os ativos e itens de configuração na infraestrutura de TI de uma organização. A integração entre essas plataformas é feita por meio da criação de plugins que ampliam a funcionalidade do NetBox, permitindo que ele trabalhe em conjunto com o ServiceNow CMDB. O projeto usa Python como a linguagem de programação principal, o framework web Django e o Docker para criar o ambiente de desenvolvimento. Em geral, esse projeto fornece uma ferramenta poderosa e flexível para que administradores e operadores de rede gerenciem sua infraestrutura de rede. A arquitetura do plugin segue a arquitetura Django MTV (Model-Template-View), em que o Model representa os dados e o esquema do banco de dados, o View lida com solicitações e respostas e o Template gera a saída HTML. A principal funcionalidade do projeto é a replicação automática das modificações Create, Read, Update, Delete (CRUD) em objetos selecionados do NetBox para o ServiceNow CMDB, feita por meio da API do ServiceNow. Esse recurso de replicação automática usa Webhooks para monitorar modificações de objetos, e o plugin lida automaticamente com a criação e exclusão deles. Webhook é um sinal enviado para um domínio de servidor especificado sempre que um evento especificado é acionado (Bai, 2022). Outros recursos incluem um lote manual e simulação para replicar dados para o CMDB. A interface visual do plugin é simples e focada em suas funcionalidades.
Geração de indicadores de desempenho de negócio utilizando o Data Warehouse de uma grande rede de varejo
(2023-05-04) Tavares, Luís Felipe do Carmo Costa; Gouveia, Roberta Macêdo Marques; http://lattes.cnpq.br/2024317361355224
A utilização de Key Performance Indicators (KPIs) é fundamental para as empresas, pois permite avaliar o desempenho e o resultado dos processos, facilitar as tomadas de decisão, identificar padrões de performance de setores, reduzir custos desnecessários e aumentar a eficiência operacional. Contudo, é importante levar em consideração que o cálculo dos KPIs se torna mais complexo devido ao crescimento da empresa e à chegada de novas demandas. Este projeto foi implementado em uma grande rede de varejo, que precisou reformular a forma de calcular seus KPIs devido ao surgimento de novas filiais e ao aumento de colaboradores. Para melhorar a performance, a centralização dos cálculos foi realizada por meio de um modelo de Data Warehouse (com Data Lakes), onde assim os cálculos com as mudanças estão sendo realizados em um único banco em vez de em cada banco das filiais individualmente e posteriormente sendo centralizado. Durante a implementação do projeto, foram enfrentados diversos desafios como a validação do resultado de cada indicador, a criação de novas funcionalidades (como o cálculo de acumulados) e a necessidade de criar uma procedure específica para cada métrica e indicador.
Implementação de um sistema mobile colaborativo para acompanhamento do quadro de pacientes com esclerose múltipla por meio de análise de sentimento
(2024-10-02) Araujo, Paula Priscila da Cruz; Gouveia, Roberta Macêdo Marques; Tschá, Elizabeth Regina; http://lattes.cnpq.br/9598413463162759; http://lattes.cnpq.br/2024317361355224; http://lattes.cnpq.br/0280090820230057
O estudo visa desenvolver um sistema mobile para facilitar o acompanhamento de pacientes acometidos por Esclerose Múltipla (EM) baseado no Toolkit Human-Centered Design (HCD) para atender as necessidades dos pacientes. O aplicativo permite que eles registrem e monitorarem emoções, sintomas e tratamentos, oferecendo relatórios mensais e alertas personalizados. Para a análise de sentimentos, foram utilizados os algoritmos de aprendizado de máquina XGBoost e Naive Bayes, sendo o XGBoost demonstrando melhor desempenho, com uma acurácia de 87,56% e um F1-Score de 0,876, enquanto o Naive Bayes, obteve 62,25% de acurácia e um F1-Score de 0,524. Os resultados indicam a eficácia da ferramenta no acompanhamento emocional e médico, contribuindo para a melhoria na qualidade de vida.
Implementação WebGIS para análise de mercado e processo de compra e venda
(2020-11-05) Alves, Allan do Amaral; Gouveia, Roberta Macêdo Marques; Batista, Maria da Conceição Moraes; http://lattes.cnpq.br/8167265341219263; http://lattes.cnpq.br/2024317361355224; http://lattes.cnpq.br/8469386114225610
Com a crescente utilização de plataformas para comércio eletrônico no país e as diversas crises econômicas afetando o número de vendas dos estabelecimentos desde 2014, pequenas e grandes companhias do varejo se vêem com a necessidade de realizar uma análise cada vez mais cuidadosa do ambiente em que estão inseridas, a fim de identificar os potenciais compradores de seus produtos em perfil, localização geográfica e outros atributos para otimizar o direcionamento dos seus serviços, prevendo as possíveis alterações de demanda e obtendo um menor risco perante os investimentos realizados. Com o acompanhamento de softwares mais avançados e a tecnologia atual, sistemas de informação geográfica se tornaram aliados para o estudo de grandes bases de dados, gerando resultados que auxiliam a tomada de decisão destas empresas. Este trabalho tem por objetivo implementar uma aplicação WEBGIS para análise de dados e resgate de significativas informações geográficas, utilizando algoritmo clustering para calcular e simular cenários de melhoria, identificar regiões com mais compradores e indicar as melhores localizações para venda de produtos classificados em diversos setores da região metropolitana do Recife através de dados existentes em notas fiscais eletrônicas.
Técnica de clusterização aplicada à análise de perfis socioeconômicos de estudantes concluintes de cursos de computação
(2022-07-03) Souza, Clarissa Cordeiro de; Gouveia, Roberta Macêdo Marques; http://lattes.cnpq.br/2024317361355224; http://lattes.cnpq.br/1046530929912898
As diferentes classes sociais e econômicas de estudantes de cursos de graduação podem impactar no percurso de formação acadêmica e na permanência de tais alunos nas instituições de ensino superior brasileiras. Este trabalho de conclusão de curso aplicou uma técnica de mineração de dados chamada de clusterização K-means aos microdados do Exame Nacional de Desempenho dos Estudantes (ENADE) do ano de 2017, exame aplicado pelo Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira (Inep), com o objetivo de analisar os contextos que separam os concluintes dos diversos cursos de computação, seja bacharelado ou licenciatura, utilizando os dados socioeconômicos. Os resultados apontaram para quatro grandes grupos de estudantes e, a partir das suas análises é possível elencar um perfil de estudante concluinte de computação no ano analisado, visto que os clusters apresentam várias características em comum, tais como: a maioria dos estudantes são do sexo masculino, solteiros, de cor branca, optaram pela modalidade presencial, cursaram o ensino médio em escolas públicas, entre outras. Contudo algumas características foram encontradas em grupos específicos, como por exemplo existe um grupo de concluintes que são de instituições públicas de turno integral.
Técnicas de aprendizado de máquina para descoberta de conhecimento sobre dados abertos do ensino superior público brasileiro
(2021-12-10) Rodrigues, Ebony Marques; Gouveia, Roberta Macêdo Marques; http://lattes.cnpq.br/2024317361355224; http://lattes.cnpq.br/5929185711837204
Este trabalho trata do uso de técnicas dos métodos de Knowledge Discovery in Databases — KDD — e Cross Industry Standard Process for Data Mining — CRISPDM — sobre bases de dados educacionais disponibilizadas pelo Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira — INEP — visando à descoberta de conhecimento que permita a identificação, assim como a compreensão, do contexto de formação de discentes de Instituições de Ensino Superior — IES — públicas brasileiras. Três cenários de mineração de dados são observados, tendo em vista métodos do Aprendizado de Máquina Supervisionado e do Aprendizado de Máquina Não Supervisionado, abrangendo experimentos de classificação, agrupamento e associação de dados. O primeiro cenário, que contempla dados de concluintes de cursos de graduação de graus bacharelado e licenciatura, objetiva prever o tempo aproximado de conclusão da graduação, considerando informações socioeconômicas dos estudantes, por meio de 16 modelos de classificação construídos com o emprego de algoritmos de Árvore de Decisão, Floresta Aleatória, XGBoost e Rede Neural Perceptron Multicamadas. Os modelos XGBoost tiveram os melhores resultados em todos os experimentos. Por sua vez, o segundo cenário utiliza o algoritmo KMeans para a execução de um agrupamento de IES públicas que, a partir da análise de quatro grupos obtidos com a consideração de informações sobre despesas, quantidades de docentes e técnicos, localização e categoria administrativa das IES, entre outras, possibilitou a identificação de similaridades e dissimilaridades entre as instituições. Os grupos em questão, além de dados utilizados no primeiro cenário, que incluem informações sobre os estudantes, como faixa etária, tempo de graduação e forma de ingresso na graduação, observando se esse ocorreu por meio de políticas de ação afirmativa ou de inclusão social, entre outras, são considerados nos experimentos do terceiro cenário, com o uso do algoritmo Apriori, para a geração de regras de associação que podem suportar a descoberta de conhecimento no âmbito do ensino superior público brasileiro.