Eventos
DEFESA DE DISSERTAÇÃO DE MESTRADO Nº295
Aluno: José Fernando Guilhermino da Silva
Título: “Aplicação do conceito de Dívida Técnica de Requisitos em Projetos Acadêmicos"
Orientadora: Maria Lencastre Pinheiro de Menezes Cruz - (PPGEC)
Examinadora Externa: Isabel Sofia Sousa Brito - (IPBeja)
Examinador Interno: Cleyton Mário de Oliveira Rodrigues - (PPGEC)
Data-hora: 25 de março de 2024, às 09:00h
Local: Formato Presencial, no Miniauditório.
Resumo:
"Inicialmente o termo DT se concentrava em atividades de codificação; mas, à medida que as investigações evoluíram, foi estendido para abranger outras etapas do processo de desenvolvimento de software (RIOS et al., 2018); como exemplo temos a DT em requisitos (DTR). Ernst (2012) foi um dos primeiros a definir DTR, descrevendo-a como "a diferença entre a solução ótima para um problema de requisitos e a solução real, levando em consideração algum espaço de decisão". Este conceito vem sendo aprimorado ao longo dos anos (FRATTINI, et al. 2023). Embora a DTR seja reconhecida e discutida na indústria e nas pesquisas científicas (Frattini et al., 2023), a sua aplicação no contexto de projetos desenvolvidos em sala de aula vem sendo tratada de forma restrita e pouco expressiva, não se encontrando artigos na área. O principal problema abordado nesta pesquisa é como aproximar a experiência acadêmica do contexto da indústria, proporcionando aos estudantes uma compreensão mais abrangente e realista dos desafios enfrentados no mercado, com relação à gestão da DTR. Assim, como hipótese, tem-se que a incorporação do conceito de DTR nos projetos desenvolvidos na academia, em sala de aula, pode contribuir para uma formação mais abrangente e realista dos estudantes, refletindo o ambiente de mercado de maneira mais efetiva."
DEFESA DE DISSERTAÇÃO DE MESTRADO Nº294
Aluno: Flávio Leandro de Morais Melo
Título: “Utilization of Tree-Based Machine Learning Models for Predicting Low Birth Weight Occurrences"
Orientadora: Patricia Takako Endo - (PPGEC)
Examinador Externo: Waldemar Brandão Neto - (FENSG)
Examinador Interno: Wellington Pinheiro dos Santos - (PPGEC)
Data-hora: 21 de Março de 2024, às 14:00h.
Local: Formato Presencial, Armazém da criatividade/PPGEC Caruaru.
Resumo:
"O acompanhamento das equipes médicas para avaliar a saúde materna e fetal, pode ser crucial para a identificação precoce de complicações de saúde, como Low Birth Weight (LBW). Doença considerada preocupação de saúde pública, ressaltando desafios socioeconômicos e a importância de intervenções precoces para a evitabilidade de morbidade e mortalidade neonatal. Com mais de 20 milhões de casos anuais globalmente, o LBW está associado a diversos riscos, impactando negativamente o desenvolvimento e a qualidade de vida dos recém-nascidos e familiares. No Brasil, dados do Sistema de Informação sobre Nascidos Vivos (SINASC) revelam que anualmente, cerca de 8% a 9% dos recém-nascidos são diagnosticados com LBW, destacando a necessidade de estratégias abrangentes e políticas de saúde para gestantes. O estudo propõe a utilização de modelos de machine learning para a predição de gestantes em risco de terem recém-nascidos com LBW, visando contribuir para a prevenção e cuidados adequados. A metodologia abordou a aplicação de cinco modelos em quatro cenários distintos, onde cada cenário incorporou variações na seleção de atributos e na abordagem de experimentos envolvendo a estratégia de remover ou permanecer com os dados duplicados após o pré-processamento. Os resultados dos modelos em todos os cenários obtiveram o desempenho de avaliação na métrica specificity acima de 0.6800, indicando que os modelos consegue identificar recém-nascidos com Normal Birth Weight (NBW), enquanto revela limitações na identificação de casos de LBW, enfatizando a necessidade de aprimoramento nessa área. Experimentos com remoção de dados duplicados mostraram desafios na generalização dos modelos, especialmente quando os modelos foram testados nos datasets mais recentes (2022), com a métrica de specificity sendo a mais afetada. A análise de importância de atributos destacou características sociodemográficas e histórico gestacional como influentes na aprendizagem dos modelos. Além disso, a distribuição de atributos nos datasets evidenciou variações após a remoção de dados duplicados, indicando impacto na generalização. O estudo fornece uma visão abrangente das capacidades e limitações dos modelos de machine learning na predição de LBW, destacando-se os modelos Adaboost e Gradient Boosting como mais robustos quando utilizados para predição de LBW em cenários de dados dinâmicos."
DEFESA DE DISSERTAÇÃO DE MESTRADO Nº293
Aluna: Pamella Letícia Silva de Oliveira
Título: “Desenvolvimento de uma Interface para Visualização de Perfis de Engajamento Criados a partir de Agrupamento de Dado"
Orientador: Alexandre Magno Andrade Maciel - (PPGEC)
Coorientador: Rodrigo Lins Rodrigues - (UFRPE)
Examinador Externo: Jorge Luis Cavalcanti Ramos - (Univasf)
Examinador Interno: Raphael Augusto de Sousa Dourado - (PPGEC)
Data-hora: 29 de fevereiro de 2024, às 14:30h.
Local: Formato Presencial, Sala i4.
Resumo:
A Educação a Distância (EaD) vem sendo adotada por estudantes de vários países, devido a flexibilidade de horário, maior acesso geográfico entre outros benefícios. Entretanto, essa modalidade de ensino possue um baixo índice de concluintes. Diante disso, analisar o engajamento desses alunos torna-se essencial para os professores identificar os alunos com risco de reprovação ou desistência. Entretanto, diante do grande número de aluno na turma fica inviável para os professores realizar esse acompanhamento. Por isso, a literatura apresenta paíneis educacionais, entretanto, muitos deles foram desenvolvidos sem nenhuma avaliação com os usuários, gerando gráficos confusos e difíceis de interpretar. Diante desse contexto, o presente trabalho tem como principal objetivo o desenvolvimento de metáforas de visualizações para o acompanhameno do engajamento em ambientes EaD. Que será desenvolvido por meio das etapas de Design Science Research (DSR), com a primeira etapa onde a consciência do problema será investigado por meio de uma Revisão Sistemática da Literatura e entrevista com professores do EaD. A segunda etapa, a escolha das variáveis de engajamento e das metáforas de visualizações, bem como, a análise e o desenvolvimento das mesmas. Por fim, para garantir que o painel contempla as necessidades dos professores EaD, bem como, atende aos critérios de usabilidade será realizado avaliações com professores e com especialista. Podem ser elencados como os principais benefícios desta implementação: 1) o desenvolvimento de um painel composto por visualizações corretas e de fácil entendimento ,apresentadas em conjunto, para auxiliar os professores no acompanhamento do engajamento dos alunos; 2) a importância de analisar qual melhor visualização e como fazer essa análise; 3) a relação de características que os paíneis devem seguir para garantir maior usabilidade para os usuários.
O Programa
