Navegando por Autor "Vale, Karliane Medeiros Ovidio"

Agora exibindo 1 - 17 de 17

Uma análise da influência do parâmetro de controle do limiar no método de aprendizado semissupervisionado FlexCon-C
(Universidade Federal do Rio Grande do Norte, 2018-12-12) Gorgônio, Arthur Costa; Lucena, Amarildo Jeiele Ferreira de; Karliane Medeiros Ovidio Vale; Lucena, Amarildo Jeiele Ferreira de; Canuto, Anne Magaly de Paula; Vale, Karliane Medeiros Ovidio
Algoritmos com a capacidade de aprendizado são ferramentas eficazes e eficientes para o processamento de um grande volume de dados. Entretanto, bases de dados das aplicações do mundo real não são completamente rotuladas, isso dificulta o desenvolvimento de um modelo pelos modos tradicionais de aprendizado de máquina. O aprendizado de máquina semissupervisionado surge para realizar o treinamento de algoritmos capazes de aprender com base de dados parcialmente rotuladas. A confiabilidade do processo de classificação depende de vários fatores que incluem o tipo de classificador utilizado e um conjunto de parâmetros que os customiza, além da disposição e/ou formatação da própria base de dados. Um fator importante deste tipo de aprendizado é a seleção de exemplos a serem incluídos no conjunto de dados rotulados. Uma forma de realizar essa seleção é por meio de um limiar que determina quais instâncias são incluídas por iteração, permitindo rotular apenas instâncias classificadas com alto valor de confiança. O método FlexCon-C – derivado do algoritmo Self-Training – faz uso dessa estratégia e o objeto de estudo deste trabalho foram as três técnicas variantes do método FlexCon-C (FlexCon-C1 (s), FlexCon-C1 (v), FlexCon-C2). No qual foi analisado diferentes valores para a variação do limiar (cr) mensurando o impacto na classificação de dados semissupervisionados. Os resultados demonstraram não haver um valor para o parâmetro cr que seja superior aos demais em todos os casos, uma vez que o melhor valor depende de diferentes configurações do experimento, tais como: técnica, classificador e percentual de dados inicialmente rotulados. Analisando a acurácia por classificador, percebeu-se que Naïve Bayes e rpartXse não apresentaram diferenças significativas no valor da acurácia ao se variar o parâmetro cr. Entretanto, o RIPPER obteve melhores resultados fixando-se o valor do cr > 5%, enquanto que o k-NN alcançou melhores acurácias com o cr < 5%.
Uma Análise de métodos de distriubuição de atributos em comitês de classificadores
(Universidade Federal do Rio Grande do Norte, 2009-08-07) Vale, Karliane Medeiros Ovidio; Canuto, Anne Magaly de Paula; ; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4790093J8; ; http://lattes.cnpq.br/7907570677010860; Carvalho, Bruno Motta de; ; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4791070J6; Cavalcanti, George Darmiton da Cunha; ; http://lattes.cnpq.br/8577312109146354
As pesquisas em inteligência artificial têm como objetivo capacitar o computador a executar funções que são desempenhadas pelo ser humano usando conhecimento e raciocínio. O presente trabalho foi desenvolvido dentro da área de aprendizado de máquina (AM), que é um ramo de estudo da inteligência artificial, sendo relacionado ao projeto e desenvolvimento de algoritmos e técnicas capazes de permitir o aprendizado computacional. O objetivo deste trabalho é analisar um método de seleção de atributos em comitês de classificadores. Esse método, baseado em filtros, utilizou a variância e a correlação de Spearman para ordenar os atributos e estratégias de recompensa e punição para medir a importância de cada atributo na identificação das classes. Foram formados comitês de classificadores tanto homogêneos quanto heterogêneos, e submetidos a cinco métodos de combinação de classificadores (voto, soma, soma ponderada, MLP e naive Bayes), os quais foram aplicados a seis bases de dados distintas (reais e artificiais). Os classificadores aplicados durante os experimentos foram k-nn, MLP, naive Bayes e árvore de decisão. Por fim, foram analisados, comparativamente, o esempenho dos comitês de classificadores utilizando nenhum método de seleção de atributos, utilizando um método de seleção de atributos padrão baseado em filtro e o método proposto (RecPun). Com base em um teste estatístico, foi demonstrado que houve uma melhora significante na precisão dos comitês
Aplicação de técnicas de aprendizado de máquina para identificação de alunos com tendência à evasão escolar
(Universidade Federal do Rio Grande do Norte, 2022-12-22) Oliveira, Artur Carlos Santiago de; Vale, Karliane Medeiros Ovidio; Gorgonio, Flavius da Luz e; Silva, Huliane Medeiros da; Guerra, Fabricio Vale de Azevedo
Os índices de reprovação e evasão entre estudantes em cursos de computação é uma estatística preocupante. Os problemas com os alunos que reprovam em disciplinas iniciais são frequentemente citados como um fator que contribui para a evasão. Este estudo propõe o uso de técnicas de aprendizado de máquina para tentar prever o desempenho dos alunos na disciplina de Programação do curso de Bacharelado em Sistemas de Informação da UFRN por meio do desempenho das disciplinas do primeiro período do curso. Os resultados mostraram ser possível prever o rendimento dos estudantes com uma acurácia de até 79% e que esta informação é útil para a implementação de medidas de prevenção à reprovação.
Barreiras enfrentadas por mulheres nas profissões de Tecnologia da Informação e Comunicação
(Universidade Federal do Rio Grande do Norte, 2025-01-08) Santos, Renata Karla Araújo dos; Nobre, Anna Cláudia dos Santos; https://orcid.org/0000-0003-1351-4265; http://lattes.cnpq.br/4758823921043608; https://lattes.cnpq.br/1752233164536501; Nobre, Anna Cláudia dos Santos; https://orcid.org/0000-0003-1351-4265; http://lattes.cnpq.br/4758823921043608; Oliveira, Idelmárcia Dantas de; https://orcid.org/0000-0002-7879-7828; http://lattes.cnpq.br/0247114604113222; Vale, Karliane Medeiros Ovidio; https://orcid.org/0000-0001-9845-8156; http://lattes.cnpq.br/7907570677010860
O estudo analisa as barreiras enfrentadas pelas mulheres no setor de Tecnologia da Informação e Comunicação (TIC), destacando desafios históricos e contemporâneos. Inicialmente, apresenta contribuições femininas marcantes no desenvolvimento tecnológico, como Ada Lovelace e Grace Hopper, contrastando com a subsequente diminuição da representatividade feminina na área. O documento categoriza as barreiras em três grupos principais: estruturantes, que envolvem estereótipos de gênero e ausência de exposição precoce das mulheres à tecnologia, perpetuando a ideia de que elas têm menos habilidades ou interesse no setor; motivacionais, relacionadas à desigualdade salarial, limitações nas oportunidades de carreira e ausência de modelos femininos em posições de liderança; e culturais, que incluem dificuldades de conciliar vida profissional e pessoal, preconceitos institucionais e culturas organizacionais masculinas que desencorajam a permanência das mulheres no setor. A pesquisa ainda destaca a necessidade de políticas públicas e mudanças institucionais para promover a equidade de gênero na TIC. Além disso, sugere investigações futuras para aprofundar a compreensão dessas barreiras, contribuindo para estratégias de inclusão e valorização das mulheres na área. O estudo conclui que aumentar a representatividade feminina na TIC é crucial para a inovação e a sustentabilidade do setor, reforçando a relevância do combate às desigualdades de gênero.
Dinamizando a gestão de ativos com programação visual: um estudo de caso na prefeitura municipal de Jucurutu-RN
(Universidade Federal do Rio Grande do Norte, 2025-01-22) Pereira, Samuel Gutemberg; Souza, Arthur Emanoel Cassio da Silva e; http://lattes.cnpq.br/0936695072170254; http://lattes.cnpq.br/7821880667696013; Vale, Karliane Medeiros Ovidio; https://orcid.org/0000-0001-9845-8156; http://lattes.cnpq.br/7907570677010860; Gorgônio, Flavius da Luz e; https://orcid.org/0000-0002-4926-3990; http://lattes.cnpq.br/7375286161719016
Este artigo detalha o desenvolvimento e a implementação de um aplicativo de controle de manutenção de aparelhos de ar-condicionado na Prefeitura Municipal de Jucurutu-RN, utilizando a plataforma AppSheet. A gestão de ativos em prefeituras de pequenas cidades enfrenta desafios devido à falta de soluções acessíveis para a manutenção preventiva de equipamentos, o que eleva os custos operacionais com reparos corretivos. Com restrições orçamentárias limitando o investimento em sistemas complexos, optou-se pelo uso de ferramentas de programação visual, que permitem um desenvolvimento rápido e com custo reduzido. O aplicativo foi desenvolvido para centralizar a gestão de manutenções preventivas e corretivas, oferecendo controle e monitoramento dos equipamentos de climatização. O estudo segue uma abordagem metodológica iterativa, passando por levantamento de requisitos, modelagem, desenvolvimento e testes. A programação visual, com sua facilidade de uso e rápida adaptação, mostrou-se eficaz para melhorar a gestão dos ativos, proporcionando uma organização centralizada das informações e uma resposta ágil às necessidades operacionais. A solução permitiu à prefeitura otimizar processos de gestão, reduzir custos e melhorar o controle sobre os ativos, garantindo um uso mais eficiente dos recursos limitados
Um estudo comparativo entre redes neurais e séries temporais para predições de valores de ações no mercado de fintechs
(Universidade Federal do Rio Grande do Norte, 2025-01-29) Morais, Wesley Vitor Silva de; Gorgônio, Flavius da Luz e; Penha, Roberto Silva da; https://orcid.org/0000-0002-7159-6310; http://lattes.cnpq.br/1009891912662763; https://orcid.org/0000-0002-4926-3990; http://lattes.cnpq.br/7375286161719016; http://lattes.cnpq.br/9743112974224410; Vale, Karliane Medeiros Ovidio; https://orcid.org/0000-0001-9845-8156; http://lattes.cnpq.br/7907570677010860; Silva, Taciano Morais; https://orcid.org/0000-0002-4104-8014; http://lattes.cnpq.br/4420554987782575
Prever os preços das ações no mercado financeiro é uma das tarefas mais desafiadoras do aprendizado de maquina, devido a natureza dinâmica, não linear e complexa desses mercados. As fintechs, empresas que integram tecnologia e serviços financeiros, formam um setor em ascensão no mercado, marcado pela inovação, escalabilidade e potencial de altos retornos, mas também acompanhado por elevados riscos de investimento, o que justifica a importância de analisar cuidadosamente o mercado e as estratégias de crescimento dessas empresas antes de investir. Esta pesquisa apresenta um estudo comparativo entre quatro métodos preditivos, a saber, médias móveis, médias móveis com suavização exponencial, ARIMA e redes neurais LMST, na predição de preços de ações de empresas brasileiras do setor de fintechs listadas na bolsa de valores B3. A pesquisa avaliou a precisão na predição do valor da ação para o dia seguinte utilizando o Root Mean Square Error (RMSE) como métrica de desempenho. Os resultados demonstram que o método ARIMA supera os demais em todos os cenários, capturando padrões complexos de mercado e auxiliando investidores na tomada de decisão, independentemente da quantidade de dias anteriores considerada na analise
Ferramenta de apoio a gestão de projetos de software acadêmicos
(Universidade Federal do Rio Grande do Norte, 2025-01-20) Medeiros, Joan de Azevedo; Silva, Taciano de Morais; https://orcid.org/0000-0002-4104-8014; http://lattes.cnpq.br/4420554987782575; http://lattes.cnpq.br/8258523378915758; Vale, Karliane Medeiros Ovidio; https://orcid.org/0000-0001-9845-8156; http://lattes.cnpq.br/7907570677010860; Guerra, Fabrício Vale de Azevedo; http://lattes.cnpq.br/7860769003807018
As disciplinas de Engenharia de Software desempenham um papel fundamental na formação de estudantes na área de Tecnologia da Informação, ao fornecerem uma base teórica e prática para o desenvolvimento de software. No entanto, o ensino desta área enfrenta o desafio de alinhar-se às demandas da indústria, que evoluem rapidamente e exigem profissionais cada vez mais capacitados. Assim, este trabalho apresenta o desenvolvimento de uma aplicação web para facilitar o acompanhamento e a avaliação de projetos acadêmicos em disciplinas de Engenharia de Software no curso de Bacharelado em Sistemas de Informação. A ferramenta inclui uma API \emph{RESTful}, desenvolvida com \emph{Django Rest Framework}, e um \emph{front-end} construído com React.js. A validação do sistema foi realizada em duas etapas: uma análise de usabilidade baseada nas heurísticas de Jakob Nielsen e uma avaliação da qualidade do código da API utilizando o SonarQube. Os resultados revelaram aspectos positivos em ambas as avaliações, assim como indicações de melhorias para aprimorar a usabilidade e a qualidade técnica do software
FlexCon-CE: a semi-supervised method with an ensemble-based adaptive confidence
(Universidade Federal do Rio Grande do Norte, 2023-08-22) Medeiros, Arthur dos Santos; Vale, Karliane Medeiros Ovidio; Gorgônio, Flavius da Luz e; 0000−0002−4926−3990; 0000−0001−9845−8156; 0009-0003-3716-3022; Guerra, Fabrício Vale de Azevedo; http://lattes.cnpq.br/7860769003807018; Gorgônio, Arthur Costa; 0000−0002−1824−9600
O aprendizado semissupervisionado é caracterizado por um baixo número de instâncias rotuladas e um alto número de instâncias não rotuladas. O FlexCon-C (Flexible Confidence Classifier) é um conhecido método semi-supervisionado que utiliza o algoritmo de aprendizado de autotreinamento como base para gerar modelos de predição. A principal diferença entre o autotreinamento e o FlexCon-C é que o primeiro usa um limite fixo para selecionar as instâncias não rotuladas, enquanto o último tem uma confiança ajustada dinamicamente. O FlexCon-C aplica uma equação de ajuste de confiança com base no desempenho do classificador. Nesse sentido, o desempenho do classificador é usado para selecionar e rotular instâncias não rotuladas. Em Machine Learning, é bem conhecido que o desempenho do classificador pode ser melhorado ainda mais através do uso de ensembles de classificadores. Portanto, este estudo propõe o uso de ensembles de classificadores na equação de ajuste de confiança FlexCon-C, visando fornecer uma medida mais eficiente para selecionar e rotular instâncias não rotuladas. Para avaliar a viabilidade do método proposto (FlexCon-CE), será realizada uma análise empírica, usando 20 conjuntos de dados, três diferentes algoritmos de classificação e cinco diferentes configurações de dados inicialmente não rotulados. Os resultados indicam que o método proposto superou o método tradicional, mostrando-se promissor para a tarefa de seleção e rotulagem automática de dados no contexto semi-supervisionado.
Um framework semissupervisionado para classificação de dados em fluxos contínuos
(Universidade Federal do Rio Grande do Norte, 2021-06-25) Gorgônio, Arthur Costa; Canuto, Anne Magaly de Paula; Vale, Karliane Medeiros Ovidio; 02973877407; http://lattes.cnpq.br/7907570677010860; http://lattes.cnpq.br/1357887401899097; http://lattes.cnpq.br/8213279977425231; Abreu, Marjory Cristiany da Costa; http://lattes.cnpq.br/2234040548103596; Xavier Júnior, João Carlos; http://lattes.cnpq.br/5088238300241110; Santos, Araken de Medeiros; http://lattes.cnpq.br/8059198436766378
Aplicações no domínio de fluxos contínuos de dados (do inglês, Data Streams) recebem um grande volume de dados rapidamente e, existe a necessidade de processá-los sequencialmente. Uma característica destas aplicações é que os dados podem sofrer mudanças durante o processo da utilização do modelo, ademais a quantidade de instâncias cujo rótulo é conhecido pode não ser suficiente para gerar um modelo eficaz. A fim de suprimir a dificuldade da pouca quantidade de instâncias rotulada, pode-se utilizar o aprendizado semissupervisionado. Além disso, o uso de comitês de classificadores pode auxiliar na detecção da mudança de contexto. Assim, neste trabalho, é proposto um framework para realizar a classificação semissupervisionada em tarefas com fluxos contínuos de dados, utilizando uma abordagem baseada em comitês de classificadores. Este framework utiliza o comitê para se auto avaliar e determinar quando treinar um novo classificador durante o processo de classificação. Para avaliar a eficácia da proposta, foram realizados testes empíricos com onze bases de dados utilizando dois diferentes tamanhos de batch, nove abordagens supervisionadas , por meio das métricas acurácia, precision, recall e f-score. Ao avaliar a quantidade de instâncias processadas, as abordagens supervisionadas obtiveram um desempenho praticamente constantes, enquanto que a proposta apresentou uma melhora de 8,28% e 3,81% utilizando 5% e 10% de instâncias rotuladas, respectivamente. Por fim, os resultados desta pesquisa são promissores, o framework proposto obteve resultados semelhantes ou superiores em 118 dos 198 (60%) casos, em termos estatísticos.
Indicadores preditivos para análise das taxas de evasão: um estudo de caso no curso de bacharelado em Sistemas de Informação
(Universidade Federal do Rio Grande do Norte, 2025-01-23) Bezerra, Wanessa da Silva; Vale, Karliane Medeiros Ovidio; Gorgônio, Flavius Luz e; https://orcid.org/0000-0002-4926-3990; http://lattes.cnpq.br/7375286161719016; https://orcid.org/0000-0001-9845-8156; http://lattes.cnpq.br/7907570677010860; https://orcid.org/0000-0001-7775-0211; https://lattes.cnpq.br/4286250622494169; Guerra, Fabricio Vale de Azevedo; http://lattes.cnpq.br/7860769003807018; Gorgônio, Arthur Costa; https://orcid.org/0000-0002-1824-9600; http://lattes.cnpq.br/8213279977425231
O presente estudo tem como objetivo propor índices para prever a evasão de alunos do curso de Bacharelado em Sistemas de Informação da Universidade Federal do Rio Grande do Norte (UFRN), utilizando aprendizado de máquina (AM) e redução de dimensionalidade. Para tanto, foram propostos 4 índices que são promissores para prever a evasão de alunos: permanência, taxa de reprovação, permanência por semestre e quantidade de matrículas. Para analisar tais índices, foram executados 10 algoritmos de classificação em 4 conjuntos de dados distintos (BD1, BD2, BD3 e BD4), gerados a partir de dados abertos disponíveis no portal da UFRN. Além disso, para fins de comparação de resultados, utilizou-se as versões otimizadas com Análise de Componentes Principais (PCA) para os conjuntos BD1, BD2 e BD3, pois não utilizam os índices propostos neste trabalho. Ao comparar o desempenho dos classificadores utilizando o conjunto de dados com os índices propostos neste trabalho em relação às demais bases, os modelos Quadratic Discriminant Analysis (QDA) e Naive Bayes apresentaram destaque, alcançando os melhores resultados em termos de acurácia e índice F1, respectivamente. A análise com SHAP(\textit{SHapley Additive exPlanations}) revelou que os índices permanência e quantidade de matrículas foram os mais relevantes para prever a evasão
Inteligência Artificial: avanços no combate ao câncer de pulmão
(Universidade Federal do Rio Grande do Norte, 2025-01-08) Santos, Gabriel Azevedo dos; Nobre, Anna Cláudia dos Santos; https://orcid.org/0000-0003-1351-4265; http://lattes.cnpq.br/4758823921043608; http://lattes.cnpq.br/5965088699466867; Timóteo, Ana Flavia de Souza; Vale, Karliane Medeiros Ovidio; https://orcid.org/0000-0001-9845-8156; http://lattes.cnpq.br/7907570677010860
Este trabalho teve como objetivo identificar os avanços da inteligência artificial (IA) no combate ao câncer de pulmão, por meio de uma revisão terciária da literatura. A metodologia adotada neste trabalho segue a proposta de Felizardo, Nakagawa, Fabbri e Ferrari (2017), que diz que uma revisão sistemática é conduzida por meio de um processo que envolve três fases: Planejamento, condução e publicação dos resultados. Na fase de planejamento é definido o objetivo, e em seguida o protocolo, onde serão definidas as questões de pesquisa, a estratégia, string e fontes de busca, os critérios de seleção e critérios de qualidade. A segunda fase é a condução, onde serão identificados os estudos por meio da estratégia de busca, onde os dados serão selecionados seguindo os critérios de seleção e qualidade para extração e sintetização. A terceira e última fase se dá por meio da avaliação e publicação dos resultados. Seguindo essa metodologia durante os meses de setembro a novembro de 2024, foram selecionados 22 estudos das bases de dados PubMed e Web of Science. Esses estudos afirmam que a IA possui grande potencial para avançar ainda mais no combate ao câncer, especialmente no câncer de pulmão, trazendo benefícios como maior precisão no diagnóstico, otimização de recursos e agilidade no início dos tratamentos. No entanto, enfrenta desafios como a limitada diversidade e qualidade dos dados para treinamento, o que pode afetar sua eficácia em populações sub-representadas, além de questões éticas relacionadas à privacidade e transparência. Estudos futuros como revisões terciárias da literatura que analisam o uso de IA em outros tipos de câncer, são sugeridos para aprimorar o conhecimento a respeito desta temática
Mapeamento de processos de viagens corporativas: o caso do centro de Ensino Superior do Seridó
(Universidade Federal do Rio Grande do Norte, 2023-11-11) Cortez, Sheydson Carlos Santos; Nobre, Anna Cláudia dos Santos; https://orcid.org/0000-0003-1351-4265; http://lattes.cnpq.br/4758823921043608; https://orcid.org/0009-0008-8553-8702; https://lattes.cnpq.br/4305823649489469; Nobre, Anna Cláudia dos Santos; https://orcid.org/0000-0003-1351-4265; http://lattes.cnpq.br/4758823921043608; Gorgônio, Flavius da Luz e; https://orcid.org/0000-0002-4926-3990; http://lattes.cnpq.br/7375286161719016; Vale, Karliane Medeiros Ovidio; https://orcid.org/0000-0001-9845-8156; http://lattes.cnpq.br/7907570677010860
Este artigo apresenta um estudo de caso que explora a aplicação da Notação de Modelagem de Processos de Negócios (BPMN) como uma ferramenta para mapear processos operacionais. O estudo concentra-se nos processos de Viagens do Centro de Ensino Superior do Seridó (CERES) e descreve como a BPMN foi usada para modelar e analisar esses processos, proporcionando transparência e estabelecendo padrões. Isso não apenas simplifica o fluxo de trabalho, mas também melhora a eficiência e a compreensão do processo para todos os envolvidos.
Mapeamento do processo de submissão de projetos ao Comitê de Ética em Pesquisas da UFRN
(Universidade Federal do Rio Grande do Norte, 2025-05-02) Medeiros, Guilherme Costa de; Gorgônio, Flavius da Luz e; Nobre, Anna Cláudia dos Santos; Gorgônio, Flavius da Luz e; Nobre, Anna Cláudia dos Santos; Vale, Karliane Medeiros Ovidio
O objetivo deste capítulo é descrever o processo de submissão de projetos de pesquisa envolvendo seres humanos ao Comitê de Ética em Pesquisa (CEP), abordando cada etapa e os requisitos necessários para sua tramitação. Para a análise, utilizou-se o software Bizagi Modeler para mapear os fluxos de trabalho e criar representações visuais do processo, e para a base da pesquisa foram utilizadas as informações oficiais disponibilizadas de forma online pelo próprio CEP em seu site e em documentos normativos. O que justifica essa pesquisa reside na importância de disseminar esse conhecimento de forma acessível, auxiliando pesquisadores e demais interessados a compreenderem melhor os procedimentos exigidos. Além disso, busca-se identificar possíveis gargalos que possam dificultar ou retardar o andamento das submissões, permitindo a proposição de melhorias que tornem o processo mais ágil e eficiente.
Uma proposta de automatização do processo de rotulagem de instâncias em algoritmos de aprendizado semissupervisionado
(2019-11-22) Vale, Karliane Medeiros Ovidio; Canuto, Anne Magaly de Paula; ; ; Santos, Araken de Medeiros; ; Araújo, Daniel Sabino Amorim de; ; Nascimento, Diego Silveira Costa; ; Gorgônio, Flavius da Luz e; ; Abreu, Marjory Cristiany da Costa;
O aprendizado semissupervisionado é um tipo de aprendizado de máquina que integra os mecanismos de aprendizado supervisionado e não supervisionado. Nele, a maioria dos rótulos do conjunto de treinamento são desconhecidos, mas há uma pequena parcela que possui rótulo. Este tipo de aprendizado atrai atenção devido ao seu potencial de utilização de dados rotulados e não rotulados para alcançar melhor desempenho do que o aprendizado supervisionado. Este trabalho consiste em um estudo no campo da aprendizagem semissupervisionada e implementa mudanças na estrutura de dois algoritmos semissupervisionados, self-training e co-training. Na literatura, é comum o desenvolvimento de pesquisas que alteram a estrutura destes algoritmos, no entanto, nenhuma delas propõe a automatização no processo de rotulagem de instâncias não rotuladas, que é o principal propósito deste trabalho. Para atingir este objetivo, três métodos são propostos: FlexConG, FlexCon e FlexCon-C. As principais diferenças entre estes métodos são a forma de calcular o limiar de confiança e a estratégia para escolha dos rótulos a cada iteração, entre elas comitês de classificadores. Para avaliar a performance dos métodos propostos, foi realizada uma análise empírica em que o desempenho destes métodos foi avaliado em 30 conjuntos de dados com características diversificadas. Os resultados indicam que os três métodos propostos e suas versões apresentam melhor desempenho que os métodos self-training e co-training originais na maioria dos casos.
Seleção e rotulagem de instâncias para métodos semissupervisionados indutivos
(Universidade Federal do Rio Grande do Norte, 2023-07-24) Barreto, Cephas Alves da Silveira; Canuto, Anne Magaly de Paula; Xavier Júnior, João Carlos; http://lattes.cnpq.br/5088238300241110; http://lattes.cnpq.br/1357887401899097; https://orcid.org/0000-0002-4756-8571; http://lattes.cnpq.br/0693889560532640; Nascimento, Diego Silveira Costa; Cavalcanti, George Darmiton da Cunha; Vale, Karliane Medeiros Ovidio; Bezerra, Leonardo César Teonácio
Nos últimos anos, a utilização de técnicas de Aprendizado de Máquina (AM) para resolver problemas reais tem se tornado muito comum e um padrão tecnológico adotado em uma infinidade de domínios. Uma série desses domínios, entretanto, não possui dados rotulados suficientes para proporcionar aos métodos de AM um bom desempenho. Para tratar esse problema, foram desenvolvidos os métodos de aprendizado semissupervisionado, um tipo de método capaz de utilizar as instâncias rotuladas e não-rotuladas na construção de seu modelo. Dentre os métodos de aprendizado semissupervisionado, destacam-se os métodos indutivos. Os métodos do tipo wrapper, categoria particular dentre os métodos indutivos, utilizam um processo, muitas vezes iterativo, que envolve: treinamento do método com os dados rotulados; seleção dos melhores dados não-rotulados; e rotulagem dos dados selecionados. Apesar de se mostrar um processo simples e eficiente, é muito comum que erros na seleção ou na rotulagem ocorram, o que acaba por deteriorar o desempenho final do método. Buscando a diminuição dos erros de seleção e rotulagem em métodos indutivos, especialmente os métodos do tipo wrapper, esta pesquisa tem por objetivo estabelecer abordagens de seleção e rotulagem mais robustas e menos suscetíveis a erros. Para tal, são propostas uma abordagem de seleção e rotulagem de instâncias baseada em concordância de classificação e também uma abordagem de seleção e rotulagem baseada na utilização de métrica de distância como fator adicional a um critério de seleção já utilizado (e.g. confiança ou concordância). As abordagens propostas podem ser aplicadas a qualquer método wrapper e foram testadas sobre 42 datasets com os métodos Self-training, Co-training e Boosting. Os resultados obtidos apontam que as propostas trazem ganhos para os métodos em termos de acurácia e também de F-measure.
Sistema de gerenciamento de conteúdo (SGC) configurável para laboratórios acadêmicos: Gestorlab
(Universidade Federal do Rio Grande do Norte, 2024-08-28) Maia, José Flávio da Silva; Silva, Taciano de Morais; Vale, Karliane Medeiros Ovidio; Guerra, Fabrício Vale de Azevedo; Souza, Arthur Emanoel Cassio da Silva; Vale, Karliane Medeiros Ovidio
Diante da complexidade em gerenciar laboratórios universitários com projetos de diversas áreas como extensão, pesquisa, etc. Assim, este estudo propôs e desen- volveu o GestorLab, uma plataforma web que visa otimizar a gestão de atividades de pesquisa. Utilizando a metodologia ScrumBan e os frameworks FastAPI e Vue.js foram implementadas funcionalidades como cadastro de usuários, criação de labo- ratórios, gerenciamento de projetos e geração de portfólios online personalizados. O GestorLab se diferencia por permitir a integração com sistemas externos de gestão de projetos, facilitando a colaboração entre pesquisadores. Ao simplificar processos e promover a transparência, o GestorLab contribui para o aumento da eficiência nos laboratórios da UFRN e permitirá uma maior visibilidade nacional e ampliação da divulgação científica, além de disponibilizar o gerenciamento de membros e projetos.
Utilização de técnicas de séries temporais na análise de possíveis evidências de subnotificação ou supernotificação do número de mortes humanas no Brasil devido à Covid-19
(Universidade Federal do Rio Grande do Norte, 2022-12-22) Silva, Gesson Brener Ferreira da; Gorgônio, Flavius da Luz e; Silva, Huliane Medeiros da; http://lattes.cnpq.br/1797223363490431; http://lattes.cnpq.br/7375286161719016; http://lattes.cnpq.br/7533770159565096; Silva, Huliane Medeiros da; http://lattes.cnpq.br/1797223363490431; Vale, Karliane Medeiros Ovidio; http://lattes.cnpq.br/7907570677010860
A troca de informação de forma digital nos últimos anos cresceu em grande escala, a cada dia as pessoas conseguem produzir e disseminar conteúdos/informações facilmente em grande massa que chega a qualquer lugar do mundo em um clique. Essa facilidade de acesso aos meios digitais, bem como a produção e abertura para difundir informações, foi crucial desde o início da pandemia causada pela COVID-19. Por um lado, pessoas usavam de forma positiva para resolver suas vidas de diversas formas quando o mundo entrava em quarentena, mas por outro lado cidadãos utilizavam tais meios tecnológicos-sociais para criar negacionismo acerca da pandemia, principalmente na tentativa de influenciar pessoas a acreditar em supostas versões de que o vírus não era tão perigoso como estava sendo divulgado por autoridades sanitárias da saúde, bem como desconfiavam do número de mortes chegando a afirmar que pessoas estavam morrendo em uma causa alheia a COVID-19 mas estavam sendo registradas como sendo COVID-19. A partir desta premissa, surge o presente trabalho de pesquisa, que busca inferir, usando algoritmos de séries temporais com modelos não estacionários (em específico médias móveis duplas), se houve ou não supernotificação/subnotificações do número de mortes registrado pelo Ministério da Saúde do Brasil. Para isso, foi utilizado a base de dados do Sistema de Informação sobre Mortalidade (SIM) do ano de 2000 a 2020 sendo os dados agrupados por cada ano, número de mortes e o capítulo da 10ª Revisão da Classificação Internacional de Doenças (CID-10). Após os experimentos, o algoritmo de predição demonstrou, a partir dos dados reais e dos preditos que, mesmo o número de mortes do capítulo da CID-10 que aloja causas de COVID-19 tenha sido muito alto no ano de 2020 devido a surgimento da pandemia, as demais causas de mortes continuaram acontecendo praticamente no mesmo nível do ano anterior, algumas até aumentaram e algumas outras diminuíram um pouco, mas não tão significantemente para dizer que os números de mortes que seriam deles, teriam sido registrada como sendo COVID-19. Portanto, a partir da análise, foi possível inferir que não houver supernotificação e nem subnotificação dos dados referente a mortalidade durante o período analisado e que os números registrados pelo Ministério da Saúde representam, de fato, mortes relacionadas à COVID-19.

SIGAA

Navegando por Autor "Vale, Karliane Medeiros Ovidio"