Bacharelado em Ciência da Computação (Sede)
URI permanente desta comunidadehttps://arandu.ufrpe.br/handle/123456789/6
Siglas das Coleções:
APP - Artigo Publicado em Periódico
TAE - Trabalho Apresentado em Evento
TCC - Trabalho de Conclusão de Curso
Navegar
183 resultados
Filtros
Configurações
Resultados da Pesquisa
Item Uma ferramenta para avaliar a segurança psicológica em equipes ágeis(2025-07-07) Melo, Arthur Macedo Bandeira de; Marinho, Marcelo Luiz Monteiro; http://lattes.cnpq.br/3362360567612060; http://lattes.cnpq.br/3184802203886762A segurança psicológica tem se mostrado essencial para o funcionamento eficaz de equipes ágeis, impactando diretamente a colaboração, a inovação e o desempenho coletivo. Entretanto, ainda são escassas as ferramentas que avaliem esse aspecto de forma contínua e integrada ao cotidiano do desenvolvimento de software. Este artigo apresenta o AgileMood, uma ferramenta concebida para diagnosticar e fortalecer a segurança psicológica em times ágeis por meio de coletas periódicas de feedback anônimo, cálculo de métricas específicas e visualizações dinâmicas. A solução permite não apenas mensurar o nível geral de segurança percebida, mas também detectar variações internas entre membros da equipe, promovendo intervenções baseadas em dados. O AgileMood diferencia-se de abordagens existentes ao incorporar fundamentos teóricos consolidados, preservar o anonimato, integrar-se a plataformas como Slack e Jira, e oferecer suporte prático à tomada de decisão por líderes de equipe.Disponível como software livre, a ferramenta propicia replicabilidade e evolução por parte da comunidade. Como contribuição, o trabalho propõe um artefato orientado à prática, com potencial para transformar a segurança psicológica em um elemento mensurável e gerenciável dentro de equipes de desenvolvimento ágil. Estudos futuros devem avaliar empiricamente sua aplicação em contextos organizacionais reais.Item Ensino de discriminação algorítmica nos cursos de tecnologia: um estudo qualitativo(2025-08-08) Silva, Marielly Lins da; Santos, George Augusto Valença; http://lattes.cnpq.br/8525564952779211Item Promovendo a qualidade de software em equipes ágeis por meio da segurança psicológica(2025-06-04) Albuquerque, Fernanda Oliveira Carneiro de; Marinho, Marcelo Luiz Monteiro; http://lattes.cnpq.br/3362360567612060; http://lattes.cnpq.br/9047736114174675As metodologias ágeis já são amplamente adotadas no desenvolvimento de software, e sua utilização continua em expansão à medida que mais empresas reconhecem a importância de ambientes de trabalho que promovam confiança, colaboração e inovação. A segurança psicológica, nesse cenário, é vista como um elemento essencial para o desempenho de equipes, fomentando abertura ao diálogo, aprendizagem com erros e cooperação técnica, fatores que impactam diretamente a qualidade dos produtos desenvolvidos. Este artigo investiga como a segurança psicológica influencia comportamentos orientados à qualidade de software em equipes ágeis brasileiras, por meio da replicação contextualizada de um survey internacional previamente validado. Para isso, um survey foi replicado e adaptado ao contexto nacional. A coleta de dados foi realizada por meio de questionário estruturado contendo sete construtos-chave. Foram obtidas 92 respostas válidas de profissionais atuantes em equipes ágeis no Brasil. Os resultados apontam que os construtos “aprender com os erros”, “colaboração” e “resolver problemas coletivamente” obtiveram os maiores níveis de concordância, refletindo práticas maduras de trabalho em equipe e melhoria contínua. Contudo, “segurança psicológica” apresentou média inferior e maior dispersão, indicando desigualdades na percepção de segurança interpessoal. Comportamentos inovadores voltados à qualidade, embora presentes, ainda ocorrem com baixa frequência.Item Investigação e implementação de arquitetura IoT para mensurar o índice de turbidez da água em tempo real para ambientes de Carcinicultura Inteligente utilizando abordagem de calibração alternativa(2025-06-04) Almeida, Eduardo Felipe Lima Lins de; Nóbrega, Obionor de Oliveira; http://lattes.cnpq.br/8576087238071129; http://lattes.cnpq.br/1806657367650299A criação de organismos aquáticos (aquicultura) é de extrema relevância no campo da produção de alimentos no Brasil e no mundo. A manutenção de um ambiente adequado, por meio do controle da qualidade da água, é essencial para a viabilidade de todo o processo produtivo. Dentre os parâmetros que determinam a qualidade, a turbidez da água – medida do grau de diminuição da transparência do ambiente aquático – foi abordada neste trabalho. Realizou-se o desenvolvimento e a avaliação de uma arquitetura para um equipamento baseado no conceito de Internet das Coisas (IoT), utilizando uma abordagem alternativa para a calibração, voltada para o monitoramento da turbidez da água em ambientes de criação de camarões (carcinicultura) e concebida para atender às necessidades de baixo custo, automação e monitoramento remoto.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 Forgetting noisy labels: post-training mitigation via machine unlearning(2025-08-06) Santana, João Lucas Pinto de; Cordeiro, Filipe Rolim; http://lattes.cnpq.br/4807739914511076; http://lattes.cnpq.br/7529415345720480Noisy labels remain a critical challenge for training deep neural networks, often classifying generalization performance due to incorrect label memorization. Approaches to mitigating label noise typically require complete retraining after identifying the noise samples, which can be computationally expensive, especially in large-scale datasets. This work investigates the use of Machine Unlearning to deal with noise labels in post-training scenarios efficiently. We perform extensive experiments on synthetic and real-world materials noisy datasets including CIFAR-10, CIFAR-100 and Food101-N, evaluating various noise types such as symmetric, asymmetric, instance-dependent, and open set noise. Our results demonstrate that MU, particularly through the SalUn method, achieves accuracy comparable to full recycling, significantly reducing computing time. Furthermore, we analyze the impact of fun learning on different fractions of noise samples, showing that partial unlearning can already lead to substantial improvements. findings highlight the potential of Machine Unlearning as a practical and scalable solution to mitigate training with noisy labels.Item Sistema ChatBot para recomendação de refeições: uma abordagem Retrieval-Augmented Generation(2024-09-26) Lima, Wallace Santana de; Lima, Rinaldo José de; http://lattes.cnpq.br/7645118086647340; http://lattes.cnpq.br/3144359353131133Com o lançamento do ChatGPT, aumentou o interesse por assistentes chatbots capazes de interagir com linguagem semelhante à humana. Umas das formas de melhorar o desempenho destes assistentes é através da abordagem Retrieval-Augmented Generation (RAG). Nesta abordagem, um conjunto de documentos é extraído da base de dados e usado como contexto na geração das respostas. Porém, a qualidade do sistema RAG depende diretamente dos large language models (LLMs) que o integram. Plataformas como a Azure disponibilizam LLMs de altíssimo desempenho e que executam uma ampla gama de tarefas de inteligência artificial (IA). A desvantagem de usar estes LLMs, no entanto, é custo no uso da API, que é calculado em função do número de tokens de entrada e de saída. Por outro lado, em comunidades de machine learning (ML), como a Hugging Face, são publicados semanalmente dezenas de novos modelos de LLMs. Estes LLMs são treinados para tarefas específicas em inteligência artificial, podendo, alguns deles, ser reutilizados em tarefas diversas. Com base nisso, este trabalho faz um comparativo entre os LLMs disponíveis na Hugging Face para implementação de um chatbot de recomendação de refeições e restaurantes usando a abordagem RAG. Foram avaliados 8 LLMs de similaridade de sentença e 117 de geração de texto para compor o assistente chatbot. As saídas dos modelos de similaridade de sentença foram validadas por membros do departamento de computação da UFRPE. Já as respostas dos modelos de geração de texto foram avaliadas tanto por alunos da UFRPE, como pelo GPT-4. O ptbr-similarity-e5-small do repositório João Brito foi o modelo de similaridade de sentença com o maior número de saídas validadas, com 60% de validações. Por sua vez, o modelo de geração de texto Mistral-Nemo-Instruct-2407-Q5_0.gguf do repositório Second State obteve o score médio de 72,65, nas respostas avaliadas pelo GPT-4, assim como 4 vitórias em 4 disputas com outros modelos, julgadas por alunos da UFRPE.Item Aprendizagem de programação através de nanolearning: o caso do TikTok no ensino superior(2024-10-02) Pereira, Nicole Maria do Nascimento; Melo, Jeane Cecília Bezerra de; http://lattes.cnpq.br/8499459630583005; http://lattes.cnpq.br/4615907372122566Computação, Bacharelado em Sistemas de Informação e Licenciatura em Computação da UFRPE, campus Sede, localizado em Recife, em relação ao uso do TikTok como uma ferramenta educacional para favorecer a aprendizagem de programação na era digital. O estudo se fundamenta no nanolearning, que prioriza a entrega de conteúdos curtos e objetivos, propícios para um consumo ágil de informações. Os métodos tradicionais, os quais frequentemente utilizam materiais estáticos, apresentam limitações na eficácia do ensino de programação, que se refletem nos altos índices de reprovação nesta disciplina. Assim, o presente estudo de caso tem como objetivo compreender a relevância do TikTok como recurso educacional complementar. Como instrumento de pesquisa, um questionário foi desenvolvido e aplicado a estudantes dos referidos cursos, onde os principais resultados indicam uma aceitação positiva em relação ao uso do TikTok como ferramenta educacional complementar para a aprendizagem de programação. Dos 142 participantes, 67,6% têm entre 19 e 24 anos, faixa etária que os alinha diretamente ao público majoritário do TikTok. Um ponto significativo é que 48,6% dos estudantes demonstraram interesse em métodos inovadores de aprendizado, como o TikTok, e 33,1% já utilizaram a plataforma para fins educativos. No entanto, 40,8% afirmaram nunca ter utilizado o TikTok como método de estudo de programação, o que sugere que o uso da plataforma como recurso educacional pode ser ampliado. Conclui-se que o TikTok apresenta um potencial promissor no processo de aprendizagem de programação, com sinais claros de aceitação pelos estudantes.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.