TCC - Bacharelado em Ciência da Computação (Sede)
URI permanente para esta coleçãohttps://arandu.ufrpe.br/handle/123456789/415
Navegar
215 resultados
Filtros
Configurações
Resultados da Pesquisa
Item Avaliação comparativa dos modelos CAN, SAN e SAM no reconhecimento de expressões matemáticas manuscritas(2026-07-08) Santos, Matheus Florentino Santa Cruz Gomes dos; Macario Filho, Valmir; http://lattes.cnpq.br/4346898674852080O reconhecimento automático de expressões matemáticas manuscritas representa um dos principais desafios da área de visão computacional e reconhecimento de padrões, devido à complexidade estrutural das expressões, à variabilidade caligráfica e à presença de relações espaciais bidimensionais entre símbolos matemáticos. Nesse contexto, o presente trabalho realiza uma análise comparativa dos modelos Counting-Aware Network (CAN), Syntax-Aware Network (SAN) e Symbol Attention Model (SAM) aplicados ao problema de Handwritten Mathematical Expression Recognition (HMER), com foco na investigação do comportamento dos modelos diante de diferentes níveis de dificuldade das expressões matemáticas e dos tipos de erros cometidos durante o reconhecimento. Diferentemente de abordagens centradas exclusivamente na comparação arquitetural ou em métricas globais de acurácia, esta pesquisa adota como principal métrica de avaliação a Taxa de Erro por Caractere (Character Error Rate – CER), permitindo analisar de forma mais granular os padrões de substituição, deleção e inserção de símbolos produzidos pelos modelos. Os experimentos foram conduzidos utilizando a base de dados CROHME, referência internacional em reconhecimento de expressões matemáticas manuscritas, organizada em três níveis de dificuldade estrutural: fácil, médio e difícil. Os resultados demonstraram que o modelo SAM apresentou o melhor desempenho global, alcançando menor CER e maior ExpRate em todos os níveis de dificuldade, especialmente em expressões com estruturas bidimensionais complexas, como frações aninhadas, integrais e matrizes. O modelo SAN apresentou desempenho intermediário, destacando-se em expressões de complexidade moderada, enquanto o CAN apresentou maior degradação de desempenho em expressões estruturalmente complexas, embora tenha demonstrado menor taxa de inserções de símbolos devido ao seu mecanismo de contagem. A análise qualitativa revelou que os erros mais frequentes estão associados a ambiguidades visuais entre símbolos de morfologia semelhante, sobreposição de traços e dificuldades na interpretação de relações espaciais hierárquicas. Conclui-se que mecanismos de atenção orientados a símbolos e estratégias de modelagem estrutural desempenham papel fundamental na robustez dos sistemas de HMER, especialmente em cenários de elevada complexidade estrutural. O trabalho contribui para a literatura ao propor uma análise centrada em padrões de erro e níveis de dificuldade, oferecendo subsídios para o desenvolvimento de sistemas mais robustos de reconhecimento de expressões matemáticas em contextos educacionais e computacionais.Item Avaliação do impacto da multiplicidade de ferramentas na segurança defensiva(2026-07-07) Melquiades, Lucas Miguel Rodrigues; Lins, Fernando Antonio Aires; http://lattes.cnpq.br/2475965771605110; http://lattes.cnpq.br/6117464261263078Com o crescente número e complexidade de ataques cibernéticos, a utilização de técnicas e ferramentas de segurança tornou-se imprescindível. Contudo, o excesso de ferramentas em SOCs (Security Operations Centers) gera sobrecarga de alertas, fadiga cognitiva e atrasos na resposta a incidentes. Neste contexto, este artigo propõe uma revisão bibliográfica para investigar como essa multiplicidade impacta a eficácia da resposta a incidentes. A revisão nas bases IEEE, Scopus e Google Scholar (2020-2026) resultou em 29 artigos selecionados após a aplicação de critérios de inclusão, exclusão e relevância. Os resultados revelam seis categorias temáticas: detecção de fadiga via Machine Learning (ML), SOAR (Security Orchestration, Automation and Response) e automação, plataformas unificadas, fatores humanos, XAI e segurança em nuvem. Soluções promissoras incluem plataformas unificadas, automação orquestrada e IA explicável. Por fim, conclui-se que a multiplicidade de ferramentas exige abordagens integradas combinando automação, padronização e design centrado no ser humano.Item SUSAN: a deep learning-based architecture for violence detection against women in surveillance videos(2026-02-09) Andrade, João Pedro Freire de; Miranda, Péricles Barbosa Cunha de; http://lattes.cnpq.br/8649204954287770; http://lattes.cnpq.br/6265338707076095Item Impacto do ChatGPT na inclusão e aprendizagem de estudantes surdos do ensino superior: um estudo de caso na UFRPE(2026-07-15) Silva, Gustavo Nascimento da; Falcão, Taciana Pontual da Rocha; http://lattes.cnpq.br/5706959249737319; http://lattes.cnpq.br/2052150449428983Esta pesquisa investigou o impacto do uso do ChatGPT como ferramenta de apoio à inclusão e à aprendizagem de estudantes surdos no ensino superior, com foco na Universidade Federal Rural de Pernambuco (UFRPE). Partiu-se do problema de que esses estudantes enfrentam dificuldades no acesso a conteúdos acadêmicos e na produção textual em Língua Portuguesa, considerada sua segunda língua, o que pode comprometer sua participação plena na universidade. A pesquisa buscou compreender como o ChatGPT pode atuar como tecnologia assistiva, auxiliando na compreensão de textos, na produção acadêmica e no desenvolvimento da autonomia dos estudantes surdos, de forma complementar ao trabalho de intérpretes e docentes. A metodologia adotada foi de natureza qualitativa e exploratória, envolvendo a aplicação de questionários a nove estudantes surdos da UFRPE e a realização de entrevistas em Língua Brasileira de Sinais (Libras) com oito participantes. Os resultados do questionário evidenciaram que 88,9% dos respondentes enfrentam dificuldades tanto na leitura quanto na produção de textos acadêmicos em português. Além disso, 77,8% dos participantes relataram já ter utilizado ferramentas de inteligência artificial generativa, destacando-se o ChatGPT entre as ferramentas utilizadas. As entrevistas permitiram aprofundar a compreensão das experiências e percepções dos estudantes sobre o uso do ChatGPT, sendo a ferramenta percebida como um importante recurso de apoio à compreensão textual, à revisão e à organização de atividades acadêmicas. No entanto, também foram identificadas limitações significativas, como a ausência de respostas em Libras, a ocorrência de informações imprecisas e a necessidade de validação crítica das respostas geradas pela IA. Conclui-se que o ChatGPT possui potencial para contribuir com a aprendizagem e a inclusão de estudantes surdos, mas deve ser utilizado como recurso complementar às políticas institucionais de acessibilidade, em conjunto com intérpretes de Libras, professores e práticas pedagógicas inclusivas.Item Revisão de métodos e ferramentas para teste no desenvolvimento de sistemas agênticos (aplicações de IA generativa)(2026-02-13) Leite, João Gabriel Cezário Vieira; Sampaio, Pablo Azevedo; http://lattes.cnpq.br/8865836949700771; http://lattes.cnpq.br/3773543225087055Item AgileMood v2: evolução de uma ferramenta para monitoramento contínuo da segurança psicológica em times ágeis(2026-07-15) Silva, Pedro Henrique Oliveira da; Marinho, Marcelo Luiz Monteiro; http://lattes.cnpq.br/3362360567612060; http://lattes.cnpq.br/9527114570934278A segurança psicológica e o bem-estar emocional dos membros de uma equipe são fatores críticos para o desempenho colaborativo e a qualidade do software produzido em ambientes ágeis. O AgileMood é uma ferramenta web desenvolvida para apoiar o diagnóstico contínuo da segurança psicológica e das emoções em times de desenvolvimento ágil. Este trabalho apresenta a evolução do AgileMood para uma segunda versão, denominada AgileMood v2, que amplia significativamente o escopo da ferramenta original com a adição de integrações a cinco plataformas externas amplamente utilizadas no mercado (Jira, Microsoft Teams, Microsoft Planner, Trello e Slack), além da incorporação da escala de Edmondson para mensuração de segurança psicológica ao término de cada sprint. A metodologia adotada compreende: (i) uma revisão exploratória da literatura para identificar novos construtos teóricos e trabalhos relacionados; (ii) o detalhamento da arquitetura e das funcionalidades da v2; e (iii) um estudo de caso conduzido com o time do projeto parceiro. Os resultados identificam os novos requisitos funcionais implementados, apresentam a avaliação da ferramenta pelas escalas SUS e TAM, e reportam os resultados da aplicação da escala de Edmondson junto à equipe participante. A nova versão visa reduzir a fricção de adoção ao integrar-se ao ambiente de trabalho já existente dos times, promovendo uma coleta de dados mais natural e contínua sobre o clima psicológico das equipes ágeis.Item Análise de comparação entre modelos compreensão visual de documentos usando LoRA(2026) Albuquerque Neto, Edivaldo Leitão de; Macário Filho, Valmir; http://lattes.cnpq.br/4346898674852080; http://lattes.cnpq.br/5857699580126917O crescimento do volume de documentos digitais tem impulsionado o desenvolvimento de soluções baseadas em Inteligência Artificial para automatizar tarefas de extração e processamento de informações. Nesse contexto, este trabalho realiza uma análise comparativa dos modelos LayoutLMv3, DocFormer e Donut aplicados à tarefa de compreensão de documentos, investigando o impacto da técnica Low-Rank Adaptation (LoRA) no processo de ajuste fino dos modelos. A metodologia adotada consistiu na aplicação de diferentes configurações de LoRA, variando os módulos-alvo, o rank, o alpha, o dropout e a taxa de aprendizado, com o objetivo de reduzir o número de parâmetros treináveis sem comprometer o desempenho preditivo. Os experimentos foram conduzidos utilizando métricas de Precisão, Revocação e F1-Score para avaliar os resultados. Entre os modelos analisados, o LayoutLMv3 apresentou o melhor desempenho geral, alcançando Precisão de 92,02 %, Revocação de 90,01 % e F1-Score de 91,00% utilizando adaptação nos módulos Query e Value, com aproximadamente 1,19 milhão de parâmetros treináveis. O Donut também apresentou resultados competitivos, obtendo Precisão de 89,75%, Revocação de 92,13% e F1-Score de 90,92% com adaptação nos módulos queryj, value, key e output, empregando resolução de entrada de 960 × 720 pixels e aproximadamente 544 mil parâmetros treináveis. Os resultados demonstram que o uso de LoRA permite reduzir significativamente o número de parâmetros atualizados durante o treinamento, preservando elevados índices de desempenho. Além disso, observou-se que diferentes estratégias de adaptação influenciam diretamente o equilíbrio entre o custo computacional e a qualidade preditiva. Conclui-se que a combinação de modelos multimodais para a compreensão de documentos e de técnicas de ajuste fino eficientes representa uma alternativa viável para aplicações de Processamento Inteligente de Documentos, permitindo a obtenção de resultados competitivos com menor demanda computacional.Item Predicting engagement of brazilian politicians on TikTok: a machine learning approach(2026-07-07) Santana, Maria Gabrielly Anísio de; Brito, Kellyton dos Santos; http://lattes.cnpq.br/8750956715158540; http://lattes.cnpq.br/1201844688557821Item Playing with risks - deceptive design patterns in digital games popular among children and adolescents(2026-07-13) Silva, João Victor da; Santos, George Augusto Valença; http://lattes.cnpq.br/8525564952779211; http://lattes.cnpq.br/0578618587628430Item Context aware recommender system via LLM in context learning(2026-07-07) Pinho, Fernanda Barbosa de; Nascimento, André Câmara Alves do; http://lattes.cnpq.br/0622594061462533; http://lattes.cnpq.br/1007611406229522Comunicação Aumentativa e Alternativa (CAA) oferece estratégias e ferramentas que apoiam indivíduos com deficiências de fala e motoras. Entre os sistemas de CAA de alta tecnologia, as interfaces baseadas em pictogramas são especialmente difundidas. No entanto, à medida que os vocabulários pessoais crescem, navegar por grandes grades de pictogramas torna-se exigente tanto do ponto de vista cognitivo quanto físico, um ônus que a recomendação de pictogramas sensível ao contexto pode atenuar. Abordagens anteriores baseiam-se em modelos probabilísticos ou classificadores supervisionados, deixando inexplorado o uso de Modelos de Linguagem de Grande Escala (LLMs) sob o paradigma sem ajuste fino (non-tuning) para a recomendação de pictogramas em CAA. Apresentamos um recomendador em dois estágios fundamentado no arcabouço GLLM4Rec. O Estágio 1 seleciona pictogramas candidatos utilizando frequência com decaimento temporal combinada à modelagem contextual. O Estágio 2 reordena esses candidatos por meio de um prompt estruturado que injeta o histórico do usuário, o agrupamento espacial e o contexto temporal como exemplos few-shot, sem atualizar nenhum parâmetro do modelo. Crucialmente, o LLM raciocina sobre identificadores numéricos brutos dos pictogramas, isolando a inferência baseada em padrões do conhecimento semântico. Em uma avaliação preliminar com registros de uma aplicação de CAA do mundo real, adotamos um protocolo de validação temporal deslizante (rolling) com dois usuários (55 folds, 1,770 interações de teste). A reordenação por LLM supera a linha de base probabilística do Estágio 1 nos mesmos dados e protocolo, alcançando Recall@5 = 0.556 ± 0.216 e MRR@10 = 0.348 ± 0.172 (vs. 0.496 e 0.297). Os ganhos concentram-se no topo do ranking (K ≤ 5), ao passo que a linha de base probabilística recupera mais itens em K = 10—revelando um trade-off entre precisão e cobertura particularmente relevante para o projeto de interfaces de CAA.