01.1 - Graduação (Sede)
URI permanente desta comunidadehttps://arandu.ufrpe.br/handle/123456789/2
Navegar
55 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 Análise da previsibilidade do preço spot do milho na determinação do preço futuro: um estudo utilizando Random Forest(2025-07-21) Lima, Luiz Felipe Dias de; Duarte, Gisleia Benini; http://lattes.cnpq.br/6349616407324519; http://lattes.cnpq.br/2985117696253378Este estudo investigou a relevância do preço do contrato futuro de milho como variável preditora do preço spot da commodity para o período de 2018 a 2020 e de 2022 a 2024, com periodicidade diária e assim para as demais variáveis. Para tanto, adotou-se como metodologia o algoritmo Random Forest, considerando como variáveis explicativas a cotação do dólar, o preço futuro da soja e o próprio preço presente (spot) do milho. O principal objetivo foi avaliar se o preço atual do milho constitui um bom predito para o comportamento do mercado futuro. Dessa forma o Random Forest demostrou alto desempenho na previsão do contrato futuro do milho, indicando boa capacidade de generalização a partir do preço spot, além disso demostrando que a cotação do dólar é uma variável importante no comportamento do preço futuro do milho.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 Detecção de fake news: uma abordagem baseada em Large Language Models e Prompt Engineering(2025-03-20) Fonseca, Pablo Weslley Silva da; Lima, Rinaldo José de; http://lattes.cnpq.br/7645118086647340; http://lattes.cnpq.br/6258598537884813Este trabalho aborda o uso de Large Language Models (LLMs) para a detecção de fake news ou notícias falsas no idioma inglês e português. As notícias falsas têm gerado impactos negativos, como desinformação e conflitos sociais, sendo amplamente disseminadas pelas redes sociais. Embora métodos tradicionais de verificação sejam eficazes, como checagem manual e agências de verificação de fatos, a aplicação de algoritmos de machine learning e deep learning trouxe avanços importantes. No entanto, esses modelos apresentam limitações, como perda de contexto semântico e custos de treinamento. A introdução da arquitetura Transformers possibilitou avanços significativos com LLMs, como BERT, GPT e T5, devido à sua capacidade de compreender padrões linguísticos complexos. Este trabalho propõe uma abordagem de detecção de notícias falsas a partir recuperações de informações pela Web e o modelo Qwen2.5-7B-Instruct, comparando o desempenho com propostas que combina recuperação de informações com modelos tradicionais e LLMs. Os resultados destacam vantagens e desvantagens, contribuindo para futuras melhorias em sistemas automatizados de detecção de notícias falsas.Item Previsão de preço de ações de empresas do setor elétrico com algoritmos de aprendizado de máquina(2025-03-21) Silva, Herculles Hendrius Coutinho Mesquita; Albuquerque Júnior, Gabriel Alves de; http://lattes.cnpq.br/1399502815770584O presente trabalho tem como objetivo comparar a eficiência de diferentes algoritmos de aprendizado de máquina na previsão de preços de ações do setor de energia elétrica. Para isso, foram analisados quatro algoritmos: Long Short-Term Memory (LSTM), Support Vector Regression (SVR), Regressão Linear e Random Forest. Os dados utilizados compreendem uma série histórica de preços e indicadores adicionais, como inflação, Índice de energia elétrica (IEE) e variação cambial, que foram processados e utilizados como entrada para os modelos. A análise foi realizada com base em métricas de erro, como Erro Médio Absoluto (MAE), Erro Quadrático Médio (MSE) e Raiz do Erro Quadrático Médio (RMSE), bem como pela avaliação da diferença percentual entre os preços previstos e os valores reais. Os resultados mostram que o algoritmo LSTM obteve o melhor desempenho na previsão de preços de fechamento, seguido pela Regressão Linear, enquanto o Random Forest apresentou maior margem de erro e se monstrando inadequado para a aplicação neste problema. Este estudo realiza a aplicação de algoritmos preditivos no mercado financeiro, demonstrando o potencial do aprendizado de máquina como ferramenta para análise e tomada de decisão no setor de energia elétrica.Item Implementação de um agente inteligente para atendimento automatizado de dúvidas acadêmicas na UFRPE(2025-03-31) Silva, Evelyn Mylena Bezerra e; Albuquerque Júnior, Gabriel Alves de; http://lattes.cnpq.br/1399502815770584; http://lattes.cnpq.br/5200293461568988Este trabalho teve como objetivo principal desenvolver e validar um agente inteligente baseado em técnicas de Processamento de Linguagem Natural (PLN) e Recuperação de Informação, voltado ao suporte acadêmico no curso de Bacharelado em Sistemas de Informação (BSI) da Universidade Federal Rural de Pernambuco (UFRPE). O sistema foi projetado para oferecer respostas rápidas, relevantes e contextualizadas a perguntas frequentes relacionadas à vida acadêmica dos estudantes, como carga horária, disciplinas, matrículas e procedimentos administrativos. A implementação envolveu a coleta e estruturação de documentos institucionais, a construção de um modelo vetorial para recuperação semântica de respostas e a integração com um módulo de memória conversacional. Para a validação, as respostas do agente inteligente foram comparadas com um FAQ do curso de BSI, utilizando como métrica a similaridade do cosseno, aplicada ao conteúdo semântico das respostas. Os resultados indicaram uma média de similaridade de aproximadamente 0,6396, com mediana de 0,6548 e baixa dispersão. A maioria das respostas apresentou alto ou médio grau de alinhamento semântico com o conteúdo oficial, sendo classificadas como semanticamente adequadas. Casos de baixa similaridade representaram uma minoria e estiveram, em geral, relacionados a perguntas de cunho prático-operacional não abordadas na base de dados do sistema. Em contrapartida, observou-se que, em alguns contextos, o agente inteligente forneceu respostas mais completas e fundamentadas do que aquelas presentes no próprio FAQ. Conclui-se que o sistema desenvolvido apresenta desempenho satisfatório e demonstra potencial para expansão como ferramenta institucional de apoio ao estudante, promovendo maior autonomia, agilidade e acessibilidade no acesso a informação acadêmica.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.