TCC - Bacharelado em Ciência da Computação (Sede)
URI permanente para esta coleçãohttps://arandu.ufrpe.br/handle/123456789/415
Navegar
210 resultados
Filtros
Configurações
Resultados da Pesquisa
Item 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; Macario 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.Item Towards design justice and gender perspectives an inclusive audit of facial recognition systems(2025-08-08) SILVA, Aildson Nascimento Ferreira da; Santos, George Augusto Valença; http://lattes.cnpq.br/8525564952779211; http://lattes.cnpq.br/2054265131912669Este estudo apresenta uma análise qualitativa de ferramentas de reconhecimento facial comercialmente disponíveis que contam com Reconhecimento Automatizado de Gênero (RAG), especificamente Amazon Rekognition, Face++ e Vision AI do Google, para investigar seus vieses interseccionais inerentes e suas implicações éticas e sociais mais amplas. Embora a Inteligência Artificial ofereça eficiência, avaliar o viés da IA usando categorias demográficas isoladas ignora a discriminação interseccional, permitindo a persistência de desigualdades sistêmicas mais profundas, o que prejudica desproporcionalmente grupos marginalizados, como pessoas negras, transgêneras e não binárias. Para combater esses vieses, avaliamos as ferramentas em quatro dimensões críticas: responsabilidade legal e corporativa, considerações éticas, implicações sociais e Justiça, Equidade, Diversidade e Inclusão (JEDI). Nossas descobertas revelam um cenário misto. O Google demonstrou uma mudança proativa em direção à justiça algorítmica ao remover rótulos de gênero de seu Vision AI, reconhecendo a natureza problemática de se inferir o gênero a partir da aparência. Por outro lado, o Amazon Rekognition e o Face++ exibem uma falta preocupante de transparência em relação aos seus conjuntos de dados de treinamento e um desalinhamento com as melhores práticas para inclusão, particularmente no que diz respeito a visões de gênero não binárias e a real necessidade de identificação de gênero. Por fim, as descobertas reforçam que alcançar a justiça algorítmica exige ir além de uma simples inclusão para garantir a autonomia, a privacidade do usuário e uma mudança sistêmica. Depender apenas de resultados técnicos é insuficiente; a integração de frameworks como Design Justice e o IEEE Ethically Aligned Design ainda no processo de concepção é essencial. Além disso, as políticas públicas devem evoluir para evitar que a IA seja limitada por definições binárias. Estabelecer uma tecnologia ética e centrada no ser humano exige uma forte colaboração interdisciplinar para proteger populações vulneráveis e garantir que os algoritmos respeitem genuinamente a diversidade das comunidades que atendem.Item Segurança em aplicações Web com Django: uma análise das vulnerabilidades da OWASP Top 10(2026-07-13) Silva, Eduardo Felipe da; Mota, Rafael Perazzo Barbosa; http://lattes.cnpq.br/3078288668202994Devido ao crescimento nos incidentes de ataques cibernéticos nos últimos anos, a temática da segurança em aplicações web tem ganhado cada vez mais destaque. Diante desse cenário, este trabalho avalia como os recursos de segurança nativos do framework Django se relacionam com as vulnerabilidades identificadas no OWASP Top 10. Os resultados obtidos mostram que, embora o Django ofereça nativamente diversos recursos de segurança, eles não cobrem integralmente todas as ameaças. Por isso, o estudo também sugere práticas adicionais de segurança, seguindo as diretrizes do OWASP, que possam mitigar ameaças potenciais e melhorar a segurança em aplicações web desenvolvidas com o Django.Item Avaliação comparativa e otimização de small language models para extração de informações aplicadas em comunicação assistiva(2026-07-07) Melo, Caio Fontes de; Nascimento, André Câmara Alves do; http://lattes.cnpq.br/0622594061462533Sistemas de Comunicação Aumentativa e Alternativa (CAA) podem apoiar a autonomia de pessoas com deficiência de fala ao oferecerem formas alternativas de expressar necessidades, preferências e intenções. No entanto, muitas aplicações de CAA ainda dependem de pranchas de comunicação definidas manualmente, o que pode limitar a flexibilidade e a adaptação contextual. Este trabalho investiga o uso de Small Language Models (SLMs) em duas tarefas de processamento de linguagem natural relacionadas à CAA: classificação de intenção de perguntas e extração de opções de escolha em perguntas contendo alternativas explícitas. Cinco SLMs foram ajustados por meio de Quantized Low-Rank Adaptation (QLoRA) e quantização em 4 bits, sendo avaliados em comparação com um baseline baseado no Bidirectional Encoder Representations from Transformers (BERT) na tarefa de classificação de intenção e com uma referência Gemini 3.1 Pro na tarefa de extração de opções. Os resultados mostram que SLMs ajustados podem alcançar desempenho competitivo em ambas as tarefas. Em particular, o baseline BERT manteve o melhor desempenho na classificação de intenção, seguido de perto pelo Llama-3. No entanto, o Phi-3 Mini obteve o melhor desempenho na extração de opções, superando a referência Gemini. Esses achados sugerem que modelos de linguagem compactos e especializados para tarefas específicas podem ser uma alternativa viável para aplicações de CAA inteligentes e eficientes.Item Learning global optimization by deep reinforcement learning(2026-06-29) Silva Filho, Moesio Wenceslau da; Miranda, Péricles Barbosa Cunha de; http://lattes.cnpq.br/8649204954287770; http://lattes.cnpq.br/2052605083076286Item Avaliação da segurança de sistemas de Aquicultura 4.0 através de testes de penetração(2026-06-15) Portela, Dayanne Carolina e Silva; Lins, Fernando Antonio Aires; http://lattes.cnpq.br/2475965771605110; http://lattes.cnpq.br/7064523438097093Com a crescente demanda por alimentos, a aquicultura destaca-se como uma importante fonte de suprimento a nível mundial. Neste contexto, a adoção de sistemas baseados na Internet das Coisas (IoT) otimiza o processo produtivo, trazendo novas oportunidades de automação, de coleta de dados e de auxílio à tomada de decisões. Contudo, essa modernização também introduz novos vetores de ataques cibernéticos, que podem comprometer a integridade de sistemas e de dados sensíveis. Diante desse cenário, este trabalho propõe a proposição e a execução de testes de segurança em sistemas da Aquicultura 4.0, com o objetivo de avaliar e divulgar o nível de segurança atualmente oferecido neste domínio.