TCC - Engenharia da Computação (UABJ)
URI permanente para esta coleçãohttps://arandu.ufrpe.br/handle/123456789/2827
Navegar
3 resultados
Resultados da Pesquisa
Item Avaliação do impacto do chatGPT na aprendizagem de heap e tabelas hash em algoritmos e estruturas de dados.(2026-07-16) Silva, Elias Vitor da; Ferreira Neto, Waldemar Pires; http://lattes.cnpq.br/8662463350773114; http://lattes.cnpq.br/6816667476366983Uma competência fundamental na formação em Computação e a capacidade de compreender, implementar e selecionar estruturas de dados adequadas para diferentes problemas. Nesse contexto, o avanço de ferramentas de inteligência artificial generativa, como o ChatGPT, tem suscitado discussão sobre seus possíveis efeitos no ensino de programaç̃ao. Este trabalho investiga o impacto do uso do ChatGPT na compreens ̃ao dos estudantes da disciplina de Algoritmos e Estruturas de Dados, com foco nos conteúdos de Heap e de Tabelas Hash. O estudo adota um desenho experimental com grupos cruzados, no qual cada grupo utiliza a ferramenta em um tópico e não a utiliza no outro. A compreens ̃ao foi avaliada por meio de questionários objetivos aplicados ao final de cada atividade prática, sem apoio do ChatGPT. Participaram 25 estudantes, distribuídos em grupos, dos quais 20 concluíram todas as etapas do experimento. A análise estatística empregou os testes de Shapiro–Wilk, Mann–Whitney U e Cliff’s Delta. Não foi identificada diferença estatisticamente significativa na compreensão entre as condições com e sem uso do ChatGPT (p = 1,000), e o tamanho de efeito foi classificado como negligível (δ = −0,003). Os resultados convergem com estudos que também não observaram impacto significativo da ferramenta no desempenho de estudantes em disciplinas de programação e estruturas de dados, embora a alta familiaridade prévia dos participantes com IA generativa deva ser considerada na interpretação dos achados.Item Sintonia adaptativa de controladores PID: abordagem via aprendizagem por reforço para processo industrial simulado(2026-07-17) Santos, Pedro Henrique de Almeida; Silva, Moisés Tavares da; http://lattes.cnpq.br/2293553085745158; http://lattes.cnpq.br/4024972438729571Este trabalho descreve o desenvolvimento e a implementação de uma estratégia de sintonia adaptativa de controladores PID (Proporcional-Integral-Derivativo) aplicada ao processo industrial simulado de um reator químico contíınuo de mistura perfeita (Continuous Stirred-Tank Reactor - CSTR). A abordagem utilizou o algoritmo de aprendizagem por reforço denominado busca aleatória aumentada ( Augmented Random Search - ARS), que se destaca pela baixa complexidade computacional e eficiência na aplicação de sistemas contínuos sem a exigência de modelos matemáticos exatos. O diferencial do trabalho consistiu na proposição de uma nova função de recompensa que integra simultaneamente o desempenho do rastreamento da referência e o esforço da ação de controle, buscando equilibrar a precisão do sistema com a redução do esforço e do desgaste dos atuadores. As simulações foram realizadas em ambiente computacional utilizando a linguagem Python e bibliotecas de código aberto para modelagem e análise dinâmica. Os resultados obtidos demonstraram que a metodologia proposta superou métodos tradicionais e outras abordagens de aprendizagem por reforço da literatura, alcançando melhores índices de desempenho tanto em termos de erro acumulado quanto de variabilidade da entrada. O controlador sintonizado apresentou respostas mais rápidas, com menor sobressinal e estabilidade superior frente a sucessivas mudanças de referência e perturbações de carga. Neste contexto, foi observado que a técnica oferece uma alternativa robusta e eficiente para a sintonia automática de controladores industriais em processos não lineares, validando a eficácia da nova função de recompensa desenvolvida.Item Avaliação do impacto do ChatGPT na aprendizagem de tópicos de algoritmos e estruturas de dados: Linkdlist e Arraylist(2026-07-16) Oliveira, Izadora Freitas; Ferreira Neto, Waldemar Pires; http://lattes.cnpq.br/8662463350773114; http://lattes.cnpq.br/3532385586132211A crescente utilização de ferramentas de Inteligência Artificial Generativa no ensino superior tem modificado a forma como estudantes realizam atividades acadêmicas, especialmente em disciplinas de programa ̧c ̃ao. Nesse contexto, este trabalho investiga a influência do uso do ChatGPT no desempenho de estudantes da disciplina de Algoritmos e Estrutura de Dados do curso de Engenharia da Computação. Foi realizado um experimento no qual os participantes realizaram atividades sobre ArrayList e LinkedList em condições alternadas, com e sem o auxílio da ferramenta. O desempenho foi avaliado por meio de questionários objetivos aplicados após cada atividade, sendo os resultados analisados por estatística descritiva, teste de Mann–Whitney e coeficiente Cliff’s Delta. Um total de 28 estudantes deram consentimento para o uso dos dados coletados nas análises deste estudo, mas foram contabilizados apenas os que participaram integralmente de todas as etapas do experimento, reduzindo o número de participantes para 24. Os resultados indicaram desempenho superior nas atividades realizadas com o apoio do ChatGPT, com Cliff’s Delta igual a 0.4288, indicando um tamanho de efeito médio entre as condições experimentais. Embora os achados sugiram que a ferramenta pode contribuir positivamente para o desempenho em atividades de programa ̧c ̃ao, sua utiliza ̧c ̃ao deve ser compreendida como um recurso complementar ao processo de ensino, considerando as limitações da amostra e do contexto investigado.