Eventos
DEFESA DE TESE DE DOUTORADO Nº 41
Aluno: Tiago Alves Bernardo de Lima
Título: “Modelagem Preditiva e Explicável para Monitoramento de Gestantes de Alto Risco"
Orientador: Carmelo José Albanez Bastos Filho
Examinador Externo: José Alfredo Ferreira Costa (UFRN)
Examinador Externo: Rodrigo Cesar Lira da Silva (IFPE)
Examinadora Externa: Danielle Christine Moura dos Santos (UPE)
Examinador Interno: Cleyton Mário de Oliveira Rodrigues
Data-hora: 28 de abril de 2026 às 13h 30min
Local: Formato remoto
Resumo:
"A saúde materna permanece um desafio relevante para os sistemas de saúde, especialmente em contextos de maior vulnerabilidade clínica e assistencial. No acompanhamento de gestantes de alto risco, parte importante da informação necessária à estratificação do risco encontra-se dispersa em registros textuais não estruturados do prontuário eletrônico, o que dificulta a recuperação sistemática, o monitoramento longitudinal e o uso em ferramentas de apoio à decisão. Esta tese investigou como técnicas de inteligência artificial explicável podem apoiar, de forma clinicamente interpretável, o monitoramento de gestantes de alto risco atendidas em hospital público de referência, considerando dados estruturados e texto clínico. Para isso, foi proposto um pipeline metodológico em ciclos, envolvendo revisão sistemática da literatura, construção e caracterização da coorte, enriquecimento obstétrico e textual por meio de processamento de linguagem natural, treinamento e calibração de modelos preditivos clássicos, análise de explicabilidade, avaliação de equidade e estabilidade temporal, estudo de ablação com variáveis derivadas por modelos de linguagem, inferência causal sobre a documentação clínica precoce e análise de desfechos neonatais vinculados ao perfil materno. A coorte final reuniu cerca de 79 mil atendimentos de gestantes de alto risco, com taxa de retorno não planejada de 28,7\% em 30 dias e 34,5\% em 90 dias. Entre os modelos avaliados, os métodos de \textit{gradient boosting} apresentaram o desempenho mais consistente, com melhor resultado global para o CatBoost no conjunto de teste. O enriquecimento textual ampliou a cobertura de variáveis obstétricas centrais e melhorou a representação computacional do risco clínico. Na escada de ablação, o enriquecimento obstétrico produziu o maior ganho médio de desempenho, enquanto o bloco LLM atuou como um refinamento adicional, com benefício mais evidente em segmentos clínicos específicos. As análises de explicabilidade mostraram um núcleo estável de decisão centrado em idade gestacional, triagem de Manchester, prematuridade, idade materna e contexto assistencial, além de evidenciar a contribuição de variáveis derivadas do texto para a interpretação do risco. A análise causal indicou associação protetora da documentação clínica precoce com menor probabilidade de retorno em 30 dias, embora com limitações relacionadas à sobreposição e ao viés de indicação. Em conjunto, os achados mostram que a integração entre dados estruturados, enriquecimento textual, modelagem preditiva e explicabilidade é viável em contexto real de saúde pública e pode contribuir para sistemas mais auditáveis, interpretáveis e potencialmente úteis ao monitoramento clínico de gestantes de alto risco."
DEFESA DE DISSERTAÇÃO DE MESTRADO Nº 353
Aluno: Nilton Vieira da Silva
Título: "Explorando a influência dos estilos de aprendizagem para a recomendação de uma avaliação personalizada: um estudo exploratório"
Orientador: Cleyton Mário de Oliveira Rodrigues
Examinadora Externa: Ariane Nunes Rodrigues (UPE)
Examinador Interno: Carlos Alexandre Silva de Melo
Data-hora: 28 de abril de 2026 às 10h
Local: Formato híbrida - Miniauditório PPGEC
Resumo:
"Práticas tradicionais de avaliação geralmente aplicam perguntas idênticas a todos os alunos, desconsiderando as diferenças individuais na forma como os estudantes processam e interagem com a informação. Embora a avaliação personalizada tenha sido proposta como uma alternativa promissora, a viabilidade de personalizar avaliações com base em estilos de aprendizagem ainda não foi plenamente explorada. Este estudo apresenta uma investigação empírica exploratória e uma contribuição metodológica que examinam a viabilidade de utilizar a teoria dos estilos de aprendizagem, com base no modelo proposto por Felder e Silverman, como critério para adaptar avaliações de acordo com o desempenho dos estudantes. Um experimento exploratório foi conduzido com estudantes de engenharia, que responderam ao questionário Index of Learning Styles, seguido de uma avaliação tradicional composta por um conjunto fixo de questões. Os perfis de aprendizagem dos alunos foram codificados como vetores contínuos, e os perfis das questões foram inferidos a partir das características agregadas de estilos de aprendizagem dos estudantes que responderam corretamente a cada questão. Técnicas de recomendação baseadas em similaridade foram então aplicadas como um instrumento analítico para examinar o grau de diferenciação possível em avaliações personalizadas. Os resultados revelam uma variabilidade substancial entre os perfis de aprendizagem dos estudantes, mas um alto grau de homogeneidade entre os perfis das questões inferidas. Consequentemente, a recomendação baseada em similaridade produziu uma diferenciação limitada entre os alunos. "
DEFESA DE DISSERTAÇÃO DE MESTRADO Nº 352
Aluna: Camila Barros Couceiro d'Amorim
Título: “Um Framework para Gamificação e Design Inclusivo de Jogos Sérios Educativos com Foco na Alfabetização de Crianças com Transtorno do Espectro Autista"
Orientador: Carlo Marcelo Revoredo da Silva
Examinadora Externa: Alena Pimentel Mello Cabral Nobre (UPE)
Examinador Interno: Wylliams Barbosa Santos
Data-hora: 27 de abril de 2026 às 14h30min
Local: Formato presencial - Miniauditório bloco A
Resumo:
"A alfabetização de crianças com Transtorno do Espectro Autista (TEA) representa um desafio relevante no contexto da educação inclusiva, devido às particularidades cognitivas, comunicacionais e sensoriais desse público. Tecnologias educacionais, especialmente jogos sérios, têm sido exploradas como alternativas para apoiar esse processo, promovendo engajamento e feedback estruturado. No entanto, tais abordagens frequentemente são desenvolvidas de forma isolada, sem integração entre fundamentos pedagógicos, diretrizes de acessibilidade e estratégias de engajamento. Problema: A ausência de modelos estruturados que articulem simultaneamente aspectos pedagógicos, cognitivos e motivacionais limita a efetividade das soluções educacionais voltadas ao TEA. Além disso, a análise dos dados gerados por essas interações ainda é pouco explorada de forma sistemática, dificultando a compreensão do comportamento atencional e do engajamento dos estudantes. Objetivo: Propor e avaliar um framework de design inclusivo e gamificado para jogos sérios educacionais voltados à alfabetização de crianças com TEA, integrando fundamentos pedagógicos do método CDA, diretrizes de acessibilidade cognitiva e estratégias de gamificação, bem como investigar, por meio de análise baseada em dados, seus efeitos sobre o comportamento e a interação dos participantes. Método: A pesquisa adotou uma abordagem experimental comparativa entre o método tradicional e uma intervenção tecnológica baseada no framework proposto, instanciado em um jogo sério educacional. Os dados de interação foram analisados por meio de métricas indiretas, como tempo de reação, variabilidade comportamental e padrões de interação. Adicionalmente, foi empregada uma abordagem de Machine Learning (ML), utilizando Random Forest para estimar a importância das variáveis e construir um score sintético de atenção, permitindo modelar o comportamento dos participantes a partir de múltiplas dimensões. Resultados: Os resultados indicam que a intervenção tecnológica preserva a fidelidade pedagógica do método CDA, não apresentando deterioração dos perfis comportamentais. Observou-se redução no tempo de execução das atividades, maior fluidez na interação e maior variabilidade comportamental no ambiente digital, interpretada como reflexo de maior autonomia e atenção. Os participantes mantiveram perfis estáveis ou moderados, sugerindo que a variabilidade não representa instabilidade, mas uma dinâmica mais responsiva. A análise por ML evidenciou que a variabilidade do tempo de reação é o principal fator explicativo do comportamento atencional. Conclusão: O framework proposto mostrou-se viável para o desenvolvimento de jogos educacionais inclusivos, ao integrar, de forma sistemática, pedagogia, acessibilidade e motivação. A abordagem baseada em dados contribui para uma compreensão mais refinada do comportamento dos estudantes, evidenciando o papel da atenção e do engajamento na interação com ambientes digitais. Apesar das limitações relacionadas ao tamanho amostral, heterogeneidade dos participantes e ausência de métricas diretas de aprendizagem, o estudo avança o estado da arte ao oferecer um framework metodológico reutilizável, abrindo caminho para investigações futuras mais robustas."
O Programa
