Divulgação - Defesa Nº 226

Aluno: Matheus Barreto Lins Marinho

Título: “ Aplicação de Técnicas Inteligentes no Combate a Desinformação”.

Orientador: Prof. Carmelo José A. Bastos Filho

Co-Orientador: Anthony José da Cunha Carneiro Lins

Data-hora: 22/Dezembro/2020 (08:30h)
Local: Escola Politécnica de Pernambuco – Formato Remoto ((http://meet.google.com/dkr-sbdh-ktm))

Resumo:

“Compreender o fenômeno da desinformação e sua disseminação pela internet tem sido uma tarefa cada vez mais desafiadora, mas é necessária, uma vez que os efeitos desse tipo de conteúdo têm seus impactos nas mais diversas áreas e geram cada vez mais impactos na sociedade. Uma forma de lidar com esse problema é o desenvolvimento de sistemas automatizados de verificação de fatos utilizando técnicas de inteligência computacional. O primeiro desafio destes sistemas, no contexto Brasil, é relacionado à disponibilidade de conjuntos de dados contendo notícias classificadas entre verdadeiras e falsas em língua portuguesa, para poder compreender a desinformação e dos seus subgrupos. O segundo desafio está relacionado à uma etapa essencial na geração de modelos de classificação que é o pré-processamento de dados e a identificação de dados que porventura possam ser ruidosos e estejam atrapalhando o processo de classificação. Este trabalho propõe: um novo Corpus contendo 19.446 notícias; a busca pelas melhores técnicas no processo de transformação, normalização e seleção de recursos; a exploração dos perfis da desinformação através de técnicas de agrupamento hierárquico e; a identificação de elementos ruidosos através da técnica t-SNE. Como resultado final, um modelo classificador com uma acurácia de 97,33% utilizando a técnica Random Forest foi proposto e implementado no Confere.ai, um projeto para automação de checagem de fatos.”

Divulgação - Defesa Nº 225

Aluno: Geraldo Torres Galindo Neto

Título: “Value creation in Agile Software Development”.

Orientador: Prof. Wylliams Barbosa Santos

Co-Orientador: Roberta Andrade de Araújo Fagundes

Data-hora: 18/Dezembro/2020 (09:30h)
Local: Escola Politécnica de Pernambuco – Formato Remoto (https://meet.google.com/cdh-jffi-cck)

Resumo:

“Agile Software Development (ASD) is defined by the principles and values present in the Agile manifesto. One of the agile principles refers to the creation of value as: "our highest priority is to satisfy the customer through early and continuous delivery of valuable software". Despite this, initial ASD research followed other trends, addressing various agile methods, such as eXtreme Programming, Scrum, and Lean Software Development (LSD). However, in recent years, the value creation in ASD has shown to be a strong research trend and being widely discussed in the software industry. However, identifying practices that foster value creation becomes difficult since this concept has many aspects. Identifying these practices can change the mindset of agile teams, as research indicates that value creation is poorly understood from the agile team's point of view. Thus, this study aims to develop a guide composed of practices for creatingvalue in the context of ASD. This work applied some research methods: a Systematic Literature Review (SLR) and Grey Literature Review (GLR), seeking to identify practices for fostering value creation in ASD. As a result, some practices for promoting valuecreation have been identified in the grey literature; lastly, the interview technique was conducted with software development professionals to obtain evidence for constructing a guide composed of the practices to fostering value creation in ASD.”

Divulgação - Defesa Nº 224

Aluno: Tarcisio Henrique de Moraes Hazin

Título: “Uma abordagem híbrida de clusterização com Mapa Auto Organizável Crescente e inteligência de Colônia Artificial de Abelhas”.

Orientador: Prof. Mêuser Jorge Silva Valença  

Data-hora: 17/Dezembro/2020 (14:00h)
Local: Escola Politécnica de Pernambuco – Formato Remoto (https://meet.google.com/cqi-peki-vfh)

Resumo:

“Algoritmos de clusterização são amplamente aplicados em diversos contextos para descoberta de informações em conjunto de dados que tem-se pouco conhecimento. Ainda há muitos desafios a serem superados no desenvolvimento das técnicas de clusterização e, dentre eles, é saber a quantidade de clusters presentes em um determinado conjunto de dados e a inicialização dos pontos iniciais do algoritmo, pois ambos, muitas vezes, não refletem a disposição dos dados e impactam significativamente nos resultados. Além disso, modelos gerados através de treinamento não supervisionado precisam ter sua qualidade mensurada através de índices já desenvolvidos e consolidados na literatura para uma maior confiabilidade. A abordagem proposta dispensa intervenções nos pontos mencionados, pois utiliza parte do algoritmo GrowingSelf-OrganizingMap, que possui a característica de crescer e de organizar-se de acordo com o posicionamento e densidade dos vetores de entrada, integrado com o Artificial Bee Colony, que foca em maximizar a qualidade dos modelos através de uma função objetivo com duas métricas de análise de particionamento como variáveis: Silhouette e Davies Bouldin. A técnica apresentou ser bastante promissora, pois obteve resultados melhores na acurácia, em verdadeiros positivos e verdadeiros negativos, em relação à técnicas populares de clusterização existentes.”