Navegando por Assunto "Interfaces de usuário (Sistemas de computação)"

Agora exibindo 1 - 3 de 3

Análise comparativa de métodos de aprendizado supervisionado para mineração de opinião dos usuários da plataforma de e-participação votenaweb
(2019) Nascimento, Eliaquim Moreira do; Souza, Ellen Polliana Ramos; Santos, Diego George da Silva; http://lattes.cnpq.br/1433346297212674; http://lattes.cnpq.br/6593918610781356; http://lattes.cnpq.br/6033431769198675
Com a evolução das tecnologias da informação, passam a existir novos meios que visam promover uma sociedade mais democrática e participativa, como é o caso das plataformas de participação e colaboração eletrônicas, também conhecidas por e-participation e e-collaboration. Contudo, apesar de ser possível fornecer uma opinião na grande maioria dessas plataformas, tais opiniões não são analisadas e consideradas no processo de construção da proposta ou projeto de lei.É impossível para o ser humano compreender completamente todo o conteúdo em uma quantidade razoável de tempo, o que despertou um interesse na comunidade científica por sistemas capazes de extrair informações desse tipo de dado de forma automática. Mineração de opinião, também conhecida como análise de sentimento, é a área de estudo que analisa automaticamente sentimentos e opiniões das pessoas acerca de entidades, como produtos e serviços, expressos de forma não estruturada, como em texto, por exemplo. Neste sentido, este trabalho busca identificar o melhor conjunto de classificador versus técnica de de pre-processamento para análise das opiniões dos usuários de plataformas de e-participação e e-colaboração disponíveis para os cidadãos brasileiros. Como estudo de caso, para validação da aplicação, foram coletadas opiniões do portal VOTENAWEB, tendo em vista que o mesmo é bastante utilizado, além de permitir aos cidadãos postar comentários sobre um determinado projeto. Três algoritmos de aprendizado supervisionado, com diferentes técnicas de pré-processamento foram avaliadas que são tokenização, remoção de stopwords, N-grama, TF-IDF e a incorporação de palavras, a fim de obter a melhor configuração para mineração de opinião. O algoritimo de regressão linear obteve o melhor resultado com acurácia de 88,22% e f-medida de 87,07%, enquanto que o aprendizado profundo que o aprendizado profundo obteve acurácia de 84,96% e f-medida de 84,90%.
Avaliação heurística baseada nos 10 princípios de usabilidade de Jakob Nielsen
(2023-11-23T03:00:00Z) Dias, Karina Teixeira; Araújo Filho, Mironaldo Borges de; http://lattes.cnpq.br/4535402164652924; http://lattes.cnpq.br/3720969574339252
Este trabalho tem como objetivo identificar erros de usabilidade, na plataforma de serviços do Departamento de Trânsito do Estado de Pernambuco (DETRAN-PE), através de uma avaliação heurística. De acordo com as referências relacionadas, a avaliação heurística foi baseada nos dez princípios de usabilidade de Jakob Nielsen. Os erros foram classificados de acordo com o grau de severidade. Como consequência, foram apresentadas propostas de soluções a fim de sanar os erros identificados.
Um sistema de apoio à decisão para priorização e estruturação de histórias de usuários: um suporte para equipe ágeis
(2018-08) Calado, Alex Rogério da Silva; Garrozi, Cícero; Sampaio, Suzana Cândido de Barros; http://lattes.cnpq.br/0066131495297081; http://lattes.cnpq.br/0488054917286587; http://lattes.cnpq.br/1189807442146524
Apesar dos avanços obtidos na Engenharia de Software com os métodos ágeis o mercado ainda apresenta taxas de sucesso em projetos insatisfatórias. Ao longo de um projeto de software, mudanças de requisitos e prioridades são inevitáveis e recorrentes. Esse é um fator importante para empresas de desenvolvimento de software principalmente as de pequeno porte que possuem recursos limitados. O uso de técnicas ágeis como Scrum e Histórias de Usuário (US) beneficiam as empresas e as tornam mais competitivas. Um dos problemas enfrentados com requisitos ágeis é obter uma priorização de US segura de acordo com o valor de negócio dado pelo cliente em consenso com especificações técnicas. Esse trabalho se propõe em apresentar um ensaio que serve de base para construção de uma ferramenta de apoio à decisão na priorização das US. Para tanto foi considerado um projeto de software como uma organização temporária e sugeridas métricas que melhor se adequem às necessidades de pequenas equipes evitando retrabalho, aumento de prazos e custos, sem desconsiderar a satisfação do cliente nas entregas interativas. Baseado no modelo de levantamento de requisitos Volere e na revisão de literatura foi proposto a adoção de cinco métricas a serem consideradas na priorização de Histórias de Usuários: a satisfação do cliente em receber a US e a insatisfação do cliente em não receber a US, substituindo o tradicional valor de negócio; a já usual complexidade; necessidade de aprendizagem da equipe e; riscos de software. Usando formulários online foram captados dados sobre essas métricas e a priorização dada a cada US em projetos de software que usam o método ágil Scrum. Árvore de Decisão foi a sugestão proposta para predição de priorização de US por possuir visualização prática e interpretação mais intuitiva, facilitando a aceitação como método de apoio a decisão de profissionais da área. Apesar do baixo volume da base de dados os resultados obtidos através da ferramenta Weka, como a Curva ROC e a precisão, mostraram-se satisfatórios sem tendências de predição e com bons índices de acertos, após ajustes dos algoritmos e da base de dados para evitar overfitting e underfitting.