01. Universidade Federal Rural de Pernambuco - UFRPE (Sede)
URI permanente desta comunidadehttps://arandu.ufrpe.br/handle/123456789/1
Navegar
48 resultados
Resultados da Pesquisa
Item Small language models for augmentative and alternative communication(2026-02-03) Silva, Lenon Anthony de Souza da; Nascimento, André Câmara Alves do; http://lattes.cnpq.br/0622594061462533; http://lattes.cnpq.br/1791007035243091A Comunicação Aumentativa e Alternativa (CAA) é fundamental para milhões de pessoas com necessidades complexas de comunicação. Ferramentas tradicionais de CAA enfrentam um trade-off entre expressividade e eficiência, enquanto soluções baseadas em Large Language Models (LLMs) exigem conectividade e levantam preocupações de privacidade. Este trabalho investiga a especialização de Small Language Models (SLMs) para geração de cartões de comunicação em português brasileiro, em que cada cartão é composto por uma frase curta, uma frase longa e um símbolo visual (emoji Unicode). Foi desenvolvido um pipeline de construção de dataset combinando curadoria manual, aumento sintético via GPT-4o-mini e integração com a base ARASAAC, resultando em aproximadamente 17.800 exemplos anotados. Uma contribuição central é o framework de classificação baseado na distinção entre vocabulário Core (gramatical) e Fringe (tópico), fundamentado na literatura clínica de CAA. Sete modelos de três famílias de SLMs (Qwen, Llama, Gemma) foram avaliados no conjunto de teste com configuração padronizada de PEFT/LoRA e quantização 4-bit, utilizando BLEU, ROUGE e similaridade semântica sobre a string completa gerada em comparação com a referência do dataset. Os resultados indicam que o Qwen3-1.7B apresenta o melhor equilíbrio entre qualidade (BLEU: 0.1453, ROUGE-L F1: 0.3142, similaridade semântica: 0.77) e eficiência, viabilizando inferência local em GPUs de médio-alto desempenho com VRAM de 12GB. Foi também desenvolvida uma infraestrutura de avaliação com usuários reais, cujo piloto está planejado como próxima fase da pesquisa. Os resultados indicam a viabilidade de assistentes de CAA privados e offline baseados em SLMs especializados.Item Análise comparativa de técnicas de engenharia de prompt aplicadas a tarefas de recomendação via LLMs(2026-02-13) Silva, Cleyton José Rodrigues da; Lima, Lucas Albertins de; http://lattes.cnpq.br/0465071050875729Sistemas de recomendação são produzidos para sugerir itens a serem consumidos por usuários clientes de uma determinada plataforma digital, seja em e-commerce ou em aplicativos de streaming de conteúdo, tendo o intuito de se adequar cada vez mais às preferências dos usuários-alvos, buscando um teor de personalização que contribua para o sucesso da plataforma. As abordagens mais utilizadas atualmente se apresentam numa combinação de técnicas tradicionais de recomendação com o poder dos LLMs para alavancar a qualidade e precisão das recomendações. Os LLMs são modelos que possuem altas capacidades de compreensão de linguagem e de inferência de linguagem natural e, desde a apresentação do modelo GPT-3, foi evidenciado que o resultado de tarefas executadas por modelos deste tipo podem ter sua qualidade alavancada ao estruturar as prompts de interação sob pretextos que melhor extraiam sua capacidade in-context-learning. Técnicas de engenharia de prompt como as zero-shot, onde se descreve a tarefa em linguagem natural, foram desde então integradas no funcionamento de sistemas de recomendação, e este trabalho analisa uma abordagem onde se usa o LLM como recomendador, propondo uma análise comparativa dos impactos de aplicar quatro variantes de estratégias representativas a técnicas de engenharia de prompt distintas, em substituição a uma estratégia definida como baseline de comparação. Experimentos são feitos para diferentes combinações entre três LLMs em duas bases de dados distintas, apresentando resultados experimentais variados dentre as combinações modelo-estratégia, encontrando ganhos de até 17.76% em taxa de acerto de recomendação entre diferentes combinações, com métricas que em parte mostram superação em taxa de acerto contra o baseline, e que, por outro lado, mostram o baseline mantendo superioridade na qualidade da recomendação gerada.Item Engenharia de software assistida por IA: motivações, ameaças, incentivos e impacto(2026-02-06) Silva Filho, Ronaldo Rodrigues da; Souza, Ricardo André Cavalcante de; http://lattes.cnpq.br/7101881357139219; http://lattes.cnpq.br/3935801424898796A Engenharia de Software assistida por Inteligência Artificial (IA) transcende a geração e a otimização de código fonte, impactando também a dinâmica cognitiva e social dos profissionais envolvidos. Neste sentido, este estudo apresenta quatro dimensões (Motivação, Ameaças, Incentivos e Impacto), de natureza humana e organizacional, que podem direcionar um diagnóstico mais amplo da percepção e maturidade das equipes em adotar a IA nas atividades de engenharia de software. Como produto de trabalho, foi desenvolvido um instrumento de coleta de dados, estruturado por meio das dimensões supracitadas, com questões específicas elaboradas a partir de achados na literatura científica. O instrumento desenvolvido foi aplicado em um survey piloto no ecossistema local, o qual contou com a participação de 46 profissionais que atuam em atividades de engenharia de software. O feedback obtido aponta para a adoção da IA impulsionada pela facilidade de aprendizado e resolução de problemas. Contudo, também revelou algumas tensões críticas na experiência profissional, tais como, o receio da perda de habilidades analíticas (deskilling), a insegurança gerada pela ausência de governança de dados nas empresas, e um paradoxo na eficiência, onde o ganho de tempo proporcionado com o uso da IA é redirecionado para o aumento do volume de entregas previstas no backlog ao invés da busca pela inovação ou do bem-estar pessoal. O instrumento de coleta de dados proposto mostra-se como uma ferramenta útil que pode ser (re)usada por organizações interessadas em avaliar percepções sobre a maturidade do uso da IA na Engenharia de Software visando o direcionamento de estratégias que equilibrem produtividade técnica com segurança psicológica e desenvolvimento profissional.Item AIDungeonMaster: projeto e implementação de um mestre de jogo artificial baseado em LLM para jogos de RPG narrativos textuais(2026-03-12) Santos, Samuel Vidal dos; Figueiredo, Lucas Silva; http://lattes.cnpq.br/3195170463502606; http://lattes.cnpq.br/3416419290870305O uso de modelos de linguagem de grande porte (LLMs) em jogos de RPG narrativos tem se tornado cada vez mais comum, permitindo experiências interativas baseadas em linguagem natural. No entanto, essas abordagens frequentemente apresentam problemas relacionados à consistência do estado do mundo, coerência narrativa e previsibilidade das consequências das ações do jogador, especialmente em interações prolongadas. A ausência de mecanismos estruturados de validação, mediação e persistência do estado narrativo compromete a credibilidade, imersão e a continuidade dessas experiências. Este trabalho apresenta o AIDungeonMaster, um sistema projetado como uma alternativa arquitetural para jogos de RPG narrativos assistidos por LLMs, com foco na separação explícita entre interpretação de intenções, validação mecânica, execução de ações e geração narrativa. A proposta busca mitigar inconsistências comuns ao delegar à LLM apenas responsabilidades narrativas e interpretativas, enquanto regras, estados e consequências são controlados por camadas determinísticas do sistema. O AIDungeonMaster utiliza um fluxo baseado em intenções, agentes especializados e representação estruturada do estado do mundo, permitindo maior controle sobre ações permitidas, consequências diretas, além de facilitar a manutenção da coerência narrativa ao longo da campanha. Como resultado, o sistema demonstra uma abordagem mais robusta para integração de LLMs em RPGs narrativos, preservando a criatividade da geração de textos sem comprometer a integridade do mundo de jogo.Item Uma análise de vieses de gênero, raça e localização geográfica em modelos de predição de evasão em IES com foco na área de STEM(2026-02-12) Pacheco, Melissa Araújo; Albuquerque Junior, Gabriel Alves de; http://lattes.cnpq.br/1399502815770584A evasão no ensino superior é crítica, e modelos de Machine Learning usados para combatê-la podem replicar desigualdades. Este trabalho audita um modelo de predição de evasão treinado com dados reais, utilizando métricas de justiça e Explainable AI (SHAP). Apesar da acurácia global de 87%, detectou-se uma dicotomia de erros: um viés punitivo contra estudantes de STEM (altos falsos positivos) e um viés de negligência em relação a mulheres (altos falsos negativos), invisibilizando alunas em risco real. O SHAP confirmou que gênero e localização influenciam indevidamente as decisões, evidenciando que a validação ética é indispensável para evitar a exclusão automatizada na gestão acadêmica.Item Automação e inteligência artificial aplicada à mecanização agrícola no Brasil: perspectivas e desafios(2025-12-12) Arruda, Maria Eduarda Souza de; Sousa, Emanoel Di Tarso Santos; http://lattes.cnpq.br/3682039140895268; http://lattes.cnpq.br/3341695635893896Este trabalho investiga a transformação do agronegócio brasileiro diante da integração entre automação e Inteligência Artificial, analisando como essas ferramentas podem equilibrar o aumento da demanda produtiva com a sustentabilidade ambiental e a inclusão social. Por meio de uma revisão bibliográfica realizada entre os anos de 2020 e 2025, o estudo demonstra que a mecanização agrícola vive uma mudança de paradigma: as máquinas deixaram de ser apenas ferramentas de força bruta para se tornarem sistemas cognitivos capazes de tomar decisões autônomas. Os resultados evidenciam que tecnologias como os robôs Solix e Arbus 4000 JAV já são uma realidade capaz de elevar a produtividade e gerar economia operacional significativa, como a redução no consumo de diesel e insumos. Por outro lado, observa-se que a sofisticação das máquinas colide com a realidade humana e estrutural do campo. Apesar de contarmos com um 'estado da arte' tecnológico, a universalização desses benefícios enfrenta grandes obstáculos, como a precariedade do sinal de internet e a dificuldade de capacitação profissional, agravada pelos índices de analfabetismo funcional na mão de obra rural. Conclui-se, portanto, que o desafio para a próxima década não é mais o desenvolvimento das máquinas, que já estão prontas, mas sim a criação de políticas de infraestrutura e educação.Item Aventuras no Mangue Digital: uma proposta lúdica e desplugada para o ensino de inteligência artificial no ensino fundamental(2025-12-23) Ferreira, Thomas Jefferson do Nascimento; França, Rozelma Soares de; http://lattes.cnpq.br/4282789732521235Aprender Computação na escola é essencial, demandando recursos e estratégias para esse fim. Nesse contexto, este artigo apresenta o livro didático Aventuras no Mangue Digital, criado para introduzir conceitos fundamentais de Inteligência Artificial (IA) para estudantes do Ensino Fundamental por meio de narrativa lúdica e atividades desplugadas contextualizadas ao manguezal. Sua aplicação ocorreu na escola municipal Rodolfo Aureliano, envolvendo estudantes e professores. A metodologia combinou observação qualitativa, análise das atividades e formulário online. Os resultados indicam forte engajamento dos alunos, com compreensão progressiva de algoritmos, aprendizado de máquina e ética da IA. As avaliações docentes ressaltaram clareza, aplicabilidade e qualidade visual do livro.Item Navegando pelas emoções: aplicando modelos de linguagem de grande escala para auxiliar crianças no processamento de eventos pessoais(2025-08-08) Silva Filho, Aurineque da Costa; Lima, Rinaldo José de; http://lattes.cnpq.br/7645118086647340Nos dias atuais, diversos modelos de LLM têm sido aplicados em uma ampla gama de áreas, evidenciando o potencial dessas tecnologias para resolver desafios complexos. Nesse contexto, o Fafabot surge como uma iniciativa que visa apoiar o desenvolvimento emocional infantil, uma área essencial para a formação de habilidades sociais e o bem-estar das crianças. Existem avanços promissores identificados em estudos laboratoriais recentes, dos quais demonstram que é possível criar um ambiente onde a criança possa se sentir segura para não só compartilhar experiências sobre eventos pessoais, como também incentivar elas a entender as possíveis emoções associadas. Contudo ainda há uma lacuna significativa na aplicação dessas soluções em contextos cotidianos e também o campo cultural e econômico aplicado a outras realidades como o Brasil. Alguns Estudos reforçam que o desenvolvimento emocional é algo que deve ser trabalhado desde a infância, pois nesta fase as crianças possuem dificuldade de compreender e expressar o que estão sentindo. O Fafabot propõe utilizar Modelos de Linguagem de Grande Escala (LLMs) para criar um ambiente seguro, culturalmente sensível e acolhedor, onde as crianças possam compreender e expressar suas emoções de forma natural, além de auxiliá-las com estratégias de enfrentamento para emoções negativas que possam indicar quadros de ansiedade e tristeza, sugerindo a busca de um profissional da mente quando necessário e sempre incentivando a criança a compartilhar estes sentimentos com seus pais. Verificando as implicações deste tipo de tecnologia em crianças entre 8 e 12 anos na cidade de Olinda-PE.Item Reestruturação ética na mineração de dados educacionais superiores: conformidade com a Lei Geral de Proteção de Dados(2025-08-12) Vasconcelos, Taciana dos Santos; Gouveia, Roberta Macêdo Marques; Albuquerque Júnior, Gabriel Alves de; http://lattes.cnpq.br/2024317361355224; http://lattes.cnpq.br/1399502815770584; http://lattes.cnpq.br/8691839294756407Este estudo aborda a reestruturação dos dados públicos educacionais do Ensino Superior promovida pelo INEP, alinhada à LGPD. Inspirado pelo estudo conduzido por Rodrigues (2021), que analisou concluintes de graduação, visando à construção de modelos de classificação utilizando fatores socioeconômicos e tempo estimado para conclusão da graduação em IES públicas. Este trabalho examina como as mudanças na configuração dos dados do ENADE e do Censo da Educação Superior afetam a realização de pesquisas científicas. Em resposta às mudanças nos microdados efetuadas pelo INEP, que impossibilitam a reprodução de trabalhos com finalidade de análise individual de discentes, este estudo direcionou seu enfoque para as informações dos cursos e tempo de graduação dos discentes nesses cursos, considerando medidas de tendência central. Consideraram-se os anos de 2016 a 2018 para dados do ENADE e 2018 para Censo da Educação Superior. Utilizou-se o processo de Knowledge Discovery in Database (KDD) ao longo do trabalho, desde a seleção até a interpretação de dados. Usando 5.170 registros de cursos, técnicas do Aprendizado de Máquina Supervisionado foram empregadas para construção de modelos de regressão e classificação. Essa abordagem visa superar os desafios éticos e metodológicos da reestruturação dos dados, garantindo a utilidade dos dados para fins de pesquisa científica. Resultados mostram que as mudanças permitiram o uso eficaz de modelos de Aprendizado de Máquina. O estudo destaca a importância da ética nos dados educacionais e na inteligência artificial, garantindo a proteção da privacidade e a responsabilidade na utilização dos dados para tomada de decisões futuras.Item Utilização ao de IA generativa para a geração e validação ao de questões com base na teoria da resposta ao item(2025-08-08) Souza, Jéssica Alves de; Albuquerque Júnior, Gabriel Alves de; http://lattes.cnpq.br/1399502815770584; http://lattes.cnpq.br/3448543860376528Este trabalho teve como objetivo investigar a utilização da IA generativa na geração de exercícios educacionais e na simulação de respostas de estudantes, com o intuito de aplicar a Teoria de Resposta ao Item (TRI) aos resultados da simulação e verificar se os exercícios gerados correspondem ao nível de dificuldade solicitado, calibrando o simulador. Para isso, foi desenvolvida uma arquitetura de serviços web em FastAPI que orquestra chamadas a Grandes Modelos de Linguagem (LLMs) por meio de templates de prompts contextualizados, permitindo a criação de questões objetivas e dissertativas no estilo ENEM, além da simulação de respostas de mil estudantes fictícios cujas habilidades foram amostradas a partir de uma distribuição gaussiana. A reestimação dos parâmetros a, b e c do modelo logístico de três parâmetros (ML-3P) via bootstrap foi avaliada quantitativamente por meio de métricas de erro. Qualitativamente, as questões produzidas seguiram o padrão ENEM e atenderam às regras predefinidas. No teste quantitativo de seis questões com o prompt A para determinar sua dificuldade, obteve-se 50 % de acerto. Nas classificações incorretas, as estimativas permaneceram coerentes com a faixa correta, com valores próximos aos seus limites. Por fim, a simulação de respostas forneceu subsídios quantitativos valiosos para aprimorar os prompts e a aplicação dos modelos, aproximando mais os resultados dos dados reais.