TCC - Bacharelado em Ciência da Computação (Sede)
URI permanente para esta coleçãohttps://arandu.ufrpe.br/handle/123456789/415
Navegar
18 resultados
Resultados da Pesquisa
Item Classificação multi-rótulo para análise de qualidade de feedback(2025-08-06) Batista, Hyan Hugo Noá; Mello, Rafael Ferreira de Leite; http://lattes.cnpq.br/6190254569597745; http://lattes.cnpq.br/4262454011553103O feedback é um fator muito importante no processo de ensino-aprendizagem e crucial na Educação a Distância, pois, como professores e alunos estão separados no espaço e/ou tempo, é através do feedback que o aluno vai entender como está o seu desempenho na disciplina e quais são os próximos passos do aprendizado. Existem na literatura modelos de feedback que ajudam o professor a estruturar e fornecer um feedback de qualidade ao aluno. Nesse trabalho utilizamos o conceituado modelo de feedback de Hattie e Timperley que divide o feedback em categorias (tarefa, processamento da tarefa, regulação e pessoal). É possível encontrar na literatura trabalhos que analisam feedback automaticamente com base nesse modelo. Contudo, esses trabalhos utilizam algoritmos tradicionais de aprendizagem de máquina e treinam classificadores binários para cada nível de feedback. Dessa forma, este trabalho tem como objetivo utilizar algoritmos de deep learning para classificação multi-classe de feedback com base no modelo de Hattie e Timperley.Item Aprendizagem de máquina para classificação de tipos textuais: estudo de caso em textos escritos em português brasileiro(2025-07-30) Barbosa, Gabriel Augusto; Miranda, Péricles Barbosa Cunha de; http://lattes.cnpq.br/8649204954287770; http://lattes.cnpq.br/7161363389816372A classificação de textos considerando tipos textuais é de suma importância para algumas aplicações de Processamento de Linguagem Natural (PLN). Nos últimos anos, algoritmos de aprendizado de máquina têm obtido bons resultados nesta tarefa considerando textos em inglês. No entanto, pesquisas voltadas para a detecção de tipos textuais escritos em português ainda são escassas, e ainda há muito a ser estudado e descoberto nesse contexto. Assim, este artigo propõe um estudo experimental que investiga o uso de algoritmos de aprendizado de máquina para classificar textos em português considerando tipos textuais. Para isso, propomos um novo corpus composto por textos em português de dois tipos textuais: narrativo e dissertativo. Três algoritmos de aprendizado de máquina tiveram seu desempenho avaliado no corpus criado em termos de precisão, revocação e pontuação F1. Além disso, também foi realizada uma análise dos atributos envolvidos no processo para identificar quais características textuais são mais importantes na tarefa atual. Os resultados mostraram que é possível alcançar altos níveis de precisão e rememoração na classificação de textos narrativos e dissertativos. Os algoritmos obtiveram níveis de métricas semelhantes, demonstrando a qualidade das características extraídas.Item Recomendação sensível ao contexto para comunicação aumentativa e alternativa baseada em aprendizagem de máquina(2024-02-23) Silva, Ulisses Chaves; Nascimento, André Câmara Alves do; http://lattes.cnpq.br/0622594061462533; http://lattes.cnpq.br/8993061329549653Comumente, observa-se a adoção de novas técnicas baseadas em inteligência artificial e aprendizagem de máquina (AM) em diversos contextos. Com o avanço das redes neurais artificiais, que possibilitam a representação de diversos tipos de dados e a compreensão das complexas relações entre eles, essa tendência foi ainda mais impulsionada. No entanto, a literatura atual mostra-se escassa ao tentar encontrar estudos atualizados que relacionem essas tecnologias a metodologias pedagógicas para resolver os diversos problemas sociais e promover a inclusão. Este trabalho propõe abordagens atuais utilizadas em AM para a recomendação de pictogramas em um sistema de Comunicação Aumentativa e Alternativa (AAC). Diante da complexidade das necessidades de usuários de AAC, neste trabalho dois modelos neurais sensíveis ao contexto são apresentados e comparados. Esses modelos utilizam técnicas de aprendizagem de máquina para considerar o contexto dinâmico do usuário para gerar recomendações, adaptando-se à localização e ao tempo específicos desse usuário que possui alguma deficiência na comunicação. Adicionalmente, são destacados outros trabalhos que foram usados como base para a criação dessa solução para o problema de recomendação de pictogramas existente na aplicação móvel Livox.Item Xphide: um sistema especialista para a detecção de phishing(2023-08-25) Barros, Mateus Lins e Silva Duque de; Miranda, Péricles Barbosa da Cunha; http://lattes.cnpq.br/6425827511465244Phishing é um tipo de crime cibernético que visa o roubo de dados pessoais do usuário por meios de disfarces e enganação. Este artigo propõe o Xphide, um sistema especialista para a detecção de páginas maliciosas. A base da construção do sistema foi feita através de uma análise aprofundada a respeito de atributos relevantes para descrição de páginas web. Esta análise serviu de insumo para a elaboração das regras do processo decisório do Xphide, que foram separadas em 3 categorias: estáticas, de lista e dinâmicas. O sistema proposto foi avaliado em três diferentes bases de dados, extraídas de repositórios públicos, sendo 2 de phishing válidos, e 1 de phishing inválidos. Os resultados mostraram que o Xphide superou algoritmos de classificação tradicionais em termos de precisão e revocação, se mostrando uma alternativa promissora para a classificação de página web.Item The digital behavior of voters in interactions with the social media posts of candidates running for elections(2022-10-06) Silva Filho, Heriberto Alexandre da; Brito, Kellyton dos Santos; http://lattes.cnpq.br/8750956715158540; http://lattes.cnpq.br/6181814500468590The extensive use of digital tools and digital marketing strategies over the last few years has become increasingly more frequent and characteristic in political campaigns Within this scenario, this study aims to investigate the use of SM in contemporary political communication, seeking to understand the features that influence the engagement of voters in posts by politicians on their social media profiles. As a case study, we have focused on the Brazilian presidential election in 2018. The investigation was based on an analysis of politicians’ posts on Instagram, Twitter, and Facebook (N = 1319) in the last two weeks before the elections, which investigated features such as functional approach, the Aristotelian rhetoric adopted, and the type of content, among others, and established relationships between these features and user engagement. This study also proposes to investigate the feasibility of using machine learning models to predict the level of engagement of the candidate's posts. Finally, another objective of this paper is to find similarities or differences between the digital campaign strategies, and their impacts on the level of engagement, of the two candidates with the best electoral results. Our main results indicate that the platform with the highest level of engagement was Instagram, together with polarized discourses that presented speeches of attack and defense or emotionally charged topics tended to engage more. Regarding the predictions, the Gradient Boosting model proved to be efficient, R² =0.77, to make the predictions. Regarding the digital campaign strategies, although the two candidates are from opposite political sides, it was possible to find more similarities, such as: functional approach, content structure, and content type, and others...than differences. However the few differences found also represent a valuable result for the understanding of the political landscape, there were divergences for example in Aristotelian rhetoric, content type, and rhetorical device. All these results helped to understand how the electorate interacts with the candidates' speeches in a new era of digital campaigning.Item Comparative Analysis of Data Augmentation Techniques in Hand Gesture Recognition(2025-03-18) Souza, Diego Rafael Ferreira de; Macario Filho, Valmir; http://lattes.cnpq.br/4346898674852080; http://lattes.cnpq.br/0925751641833600Hand gesture recognition has gained significant attention due to its widespread applications in human-computer interaction, virtual reality, and assistive technologies. However, the scarcity of large, labeled datasets poses challenges such as overfitting and limited model generalization. To address this, we systematically evaluate 13 classical and six state-of-the-art (SOTA) data augmentation techniques for hand gesture recognition, conducting experiments on HGR1, OUHANDS, LIBRASUEFS, and EgoHands using the HGR-Net CNN architecture. Our results show that contrast-based augmentations (e.g., Solarize, Invert) improved accuracy by up to 21.16%, while mixing-based methods (e.g., MixUp, CutMix) often reduced performance, likely due to excessive distortion of gesture structures. Additionally, combining the best-performing augmentations was critical for maximizing accuracy across all datasets. However, these combinations did not always produce additive improvements, underscoring the importance of dataset-specific augmentation strategies for achieving optimal model performance.Item Modelos de recomendação sensível ao contexto em ambientes de comunicação aumentativa alternativa: naive bayes, redes neurais e aprendizagem federada(2025-03-19) Nascimento, Fabio Augusto Souza do; Nascimento, André Câmara Alves do; http://lattes.cnpq.br/0622594061462533; http://lattes.cnpq.br/2170186670973508A inteligência artificial (IA) está presente em diversos setores da sociedade, promovendo constantes avanços tecnológicos e sociais. Um dos subconjuntos da IA é a aprendizagem de máquina (AM), que possibilita aos computadores aprenderem e evoluírem com base em dados. O conhecimento obtido por meio desse processo auxilia em diferentes áreas, desde a análise e interpretação de informações até a usabilidade de aplicativos. Compreender o funcionamento e as possibilidades dessa ferramenta pode ser um ativo valioso. Entre as múltiplas aplicações possíveis, a AM desempenha um papel importante na comunicação aumentativa e alternativa (CAA), auxiliando indivíduos que apresentam dificuldades nessas interações por meio de aplicativos. Essas aplicações estão em constante evolução e, com as inovações tecnológicas, possibilitam o desenvolvimento de sistemas capazes de compreender o ambiente em que uma pessoa está inserida e oferecer recomendações personalizadas aos usuários. Este trabalho investiga o uso dos Sistemas de Recomendação Sensível ao Contexto (SRSC) em aplicações da CAA, considerando as características individuais dos usuários com base em seus dados e contexto. São utilizados modelos de IA, tais como Naïve Bayes (NB), Redes Neurais Artificiais (RNA) e Aprendizagem Federada (AF), para comparar diferentes abordagens e avaliar sua capacidade de fornecer resultados relevantes. A partir dos experimentos realizados, foi possível verificar que modelos personalizados demonstram melhor desempenho em relação a abordagens globais, oferecendo recomendações mais relevantes aos usuários finais. Nesse sentido, a personalização e o uso de variáveis contextuais podem melhorar significativamente a experiência de pessoas que dependem de CAA, aumentando a agilidade e a assertividade da comunicação.Item Sistema de suporte à criação de modelos de classificação para a previsão de evasão no ensino superior(2024-03-08) Costa, Tarcísio Barbosa da; Alencar, Andrêza Leite de; Albuquerque Júnior, Gabriel Alves de; http://lattes.cnpq.br/1399502815770584; http://lattes.cnpq.br/6060587704569605; http://lattes.cnpq.br/6560255346406064Student dropout is one of the greatest challenges faced by university degree institutions. In order to mitigate it, those institutions develop moitoring and analysis tools regarding this phenomenon. One of many existing methodologies to do so is the recognition of student characteristics that leads to dropout, and ond of many existing tools is SABIA: a virtual dashboard responsible for supporting evidence-based management allied to concepts like Learning/Academic Analytics and Business Intelligence. This work expands SABIA through a new page able to create user-customizable supervisioned learning models, offering feature analysis from students and predicting their final status based on those features. Information obtained through those models enables the recognition of risk features on student profiles and assists managers on providin guidelines for applying countermeasures against dropout.Item Análise da evasão no ensino superior: predição e prevenção por meio da mineração de dados educacionais(2024-03-05) Ferreira, Rodolfo André Barbosa; Mello, Rafael Ferreira Leite de; http://lattes.cnpq.br/6190254569597745; http://lattes.cnpq.br/2982020271806247Considering that dropout occurs due to abandonment, transfer, or withdrawal from the course; when the student disengages from the institution they are enrolled in or when the student definitively abandons or does not complete higher education, this article seeks to identify methods and automated techniques to assist managers in preventing dropout cases through predictions. To conduct the study, Educational Data Mining (EDM) was used, which applies data mining techniques such as database, statistics, and machine learning in education. Data from 5144 students with characteristics related to course, semester, and demographics were used from the database provided by the Academic Information and Management System (SIGA) of the Federal Rural University of Pernambuco (UFRPE) for the courses of Animal Science, Fisheries Engineering, and Agronomy. The data, except for those containing personal, restricted, and sensitive information, were separated into Academic Characteristics per Semester, General Academic Characteristics, Course-related, Demographic, and Target Characteristics. The study employs the LSTM machine learning algorithm and the SGD and Adam optimizers, exploring different values for the parameters of learning rate, momentum, batch size, and number of epochs.Item Uma metodologia para a avaliação de desempenho e custos do treinamento de redes neurais em ambientes de nuvem(2024-03-07) Moura Filho, Cláudio Márcio de Araújo; Sousa, Érica Teixeira Gomes de; http://lattes.cnpq.br/9899077867723655; http://lattes.cnpq.br/8143173691280119Deep neural networks are solutions to problems involving pattern recognition and several works try to find ways to optimize the performance of these networks. This optimization requires suitable hardware to be implemented, hardware that can be very expensive for small and medium-sized organizations. The objective of this work is to propose a methodology to evaluate the performance and cost of training neural networks, considering the factors that most impact training time and evaluate the total financial cost of the environment for this task. In this sense, it was observed that factors such as the size of the input image and the network architecture have a great impact on the training time metric and consequently on the total cost.