Divulgação - Defesa Nº 271

Aluna: Rafaela Laís de Barros Barbosa

Título: “Sistema híbrido com Deep Learning para detecção de trincas de concreto: uma abordagem utilizando Transfer Learning e Stacking”

Orientador: Bruno José Torres Fernandes

Examinador Externo: Leandro Honorato de Souza Silva (IFPB)

Examinador Interno: João Fausto Lorenzato de Oliveira (PPGEC)

Data-hora: 30 de Junho de 2023 às 10:00h
Local: Formato Presencial - Sala i4, Bloco C, 1 Andar

Resumo:

         "A detecção de fissuras no concreto ainda é um problema rotineiro e de alto impacto, principalmente em estruturas como pontes, edifícios e viadutos. Muitos estudos estão sendo desenvolvidos para desenvolver uma solução robusta, precisa e confiável para classificação de imagens. No entanto, ainda há espaço para explorar diferentes abordagens e melhorar a precisão da classificação de trincas, por exemplo, combinando as saídas de diferentes classificadores, gerando um sistema que obtém grande generalização e funciona bem em diferentes conjuntos de dados. Propomos um método de ensemble para classificação de imagens usando a técnica de Stacking. Em nosso estudo, utilizamos a classificação de fissuras no concreto. Primeiro, treinamos cinco modelos de redes neurais convolucionais, ou seja, VGG16, VGG19, MobileNet, Xception e ResNet, para classificar imagens de fissuras no concreto. Em seguida, combinamos as previsões de saída desses modelos como entradas para um modelo Random Forest. Os resultados mostram que a abordagem Stacking proposta superou a abordagem Transfer-Learning sozinha e a técnica ensemble Learning. A abordagem Stacking alcançou uma precisão de 97,6%, em comparação com a precisão de Transfer-Learning de 92,5% e a média dos modelos de 90,7%, ambas do conjunto de dados de teste. Quando nosso modelo foi aplicado a um teste cruzado usando o conjunto de dados Bridge Crack Detection, encontrou uma precisão de 98,5% e uma precisão de 98,3%. Nossos resultados demonstram a eficácia da aprendizagem em detectar fissuras no concreto. Abordagens como essa podem melhorar a precisão e a robustez dos sistemas de detecção de trincas em aplicações do mundo real, auxiliando as inspeções nesse setor."

Divulgação - Defesa Nº 270

Aluno: Anderson Alves de Souza

Título: “Avaliação da influência de um assistente virtual no perfil de engajamento de estudantes em ambientes EAD”

Orientador: Alexandre Magno Andrade Maciel

Coorientador: Pedro Henrique de Barros Falcão

Examinador Externo: Ariane Nunes Rodrigues (UPE)

Examinador Interno: Cleyton Mario de Oliveira Rodrigues (PPGEC)

Data-hora: 28 de Junho de 2023, às 14:30h.
Local: Formato Online - Google Meet (https://meet.google.com/vbc-juqt-pdd)

Resumo:

         "Com o rápido avanço da tecnologia e o crescimento da educação a distância (EAD), surge a necessidade de explorar e compreender como os assistentes virtuais podem impactar o engajamento dos estudantes nesse ambiente. Este estudo teve como objetivo avaliar a influência de um assistente virtual no perfil de engajamento de estudantes em um curso online. Para alcançar esse objetivo, um experimento foi conduzido com um grupo de 40 estudantes onde o curso foi realizado no Moodle em rede local. Os alunos iniciaram o curso sem o Avatar Educação e depois o Avatar Educação foi inserido no ambiente. A avaliação do engajamento dos estudantes foi realizada por meio de indicadores como o número de acessos ao fórum, Número de mensagens postadas no fórum pelo estudante, Número de atividades completas no prazo correto, Número de acessos ao AVA e Notas finais. Além disso, foram aplicados questionários para coletar percepções subjetivas dos estudantes sobre a influência do Avatar Educação no perfil de engajamento dos alunos. Os resultados mostraram que quando o Avatar Educação foi inserido no Moodle,os alunos apresentaram um maior nível de comprometimento. Para realizar o agrupamento dos alunos, foi utilizado o K-means, Os estudantes que utilizaram o Avatar Educação relataram uma maior sensação de apoio e orientação durante o curso, o que contribuiu para sua motivação e comprometimento com as atividades. Esses achados sugerem que a presença de um Avatar Educação pode influenciar no perfil de engajamento dos estudantes em ambientes de EAD. Os resultados deste estudo fornecem insights valiosos para instituições educacionais e desenvolvedores de plataformas de EAD, indicando que a incorporação de assistentes virtuais."

Divulgação - Defesa Nº 269

Aluno: Messias Rafael Batista

Título: “Otimização de Hiperparâmetros com PSO para Modelos de Machine Learning na Previsão da Performance de Estudantes em Concursos Educacionais”

Orientadora: Roberta Andrade de Araújo Fagundes (PPGEC)

Examinador Externo: José Adson Oliveira Guedes da Cunha (UFPB)

Examinador Interno: Carlo Marcelo Revoredo (PPGEC)

Data-hora: 28 de Abril de 2023, às 14:30h.
Local: Formato Presencial - Mini-Auditorio do PPGEC

Resumo:

         A capacidade dos estudantes de aumentar sua performance em concursos propostos é um fator crítico para o desenvolvimento educacional das nações. O tema da performance dos estudantes é recorrente no campo de estudos da regressão, que utiliza o machine learning como ferramenta para compreender quais atributos podem influenciar com maior grau a performance dos estudantes em avaliações. Neste contexto, este trabalho visa contribuir para a proposta de um modelo de machine learning que possa ampliar a capacidade preditiva das instituições educacionais em relação ao desempenho dos estudantes em concursos educacionais internacionais. O objetivo central deste estudo é comparar a performance entre diferentes modelos de machine learning na resolução do problema de previsão da performance de estudantes em concursos educacionais internacionais, utilizando a base de dados do PISA 2018. Além disso, será realizada uma revisão sistemática da literatura para evidenciar a contribuição científica da área. Como contribuição para o campo de pesquisa, este trabalho propõe a aplicação da otimização de hiperparâmetros com algoritmos baseados em enxames, especificamente o Particle Swarm Optimization. Espera-se que os resultados deste estudo possam contribuir para o desenvolvimento de estratégias mais eficazes de intervenção educacional e, assim, melhorar a performance dos estudantes em concursos educacionais internacionais. Além disso, espera-se que a aplicação da otimização de hiperparâmetros com algoritmos baseados em enxames possa levar a melhorias significativas na precisão das previsões em relação a outras técnicas de otimização de hiperparâmetros utilizadas na literatura.