Mestrado em Computação Aplicada

Atenção! O edital referente ao processo seletivo e arquivos pertinentes ao curso estão disponíveis no site do curso.
Os resultados dos processos seletivos serão divulgados no site do curso.

Trabalhos

Buscar Trabalhos

Trabalhos Disponíveis

TRABALHO Ações
Ambientes de Realidade Virtual direcionados para a Educação Patrimonial: um Estudo de Caso aplicado na Virtualização do Museu de Arqueologia da UFMS
Curso Mestrado em Computação Aplicada
Tipo Dissertação
Data 29/09/2023
Área CIÊNCIA DA COMPUTAÇÃO
Orientador(es)
  • Amaury Antonio de Castro Junior
Coorientador(es)
  • Lia Raquel Toledo Brambilla Gasques
  • Anderson Correa de Lima
Orientando(s)
  • Carlos Henrique da Costa Silva
Banca
  • Amaury Antonio de Castro Junior
  • Anderson Correa de Lima
  • Anderson Vicoso de Araujo
  • Claudio Zarate Sanavria
  • Lia Raquel Toledo Brambilla Gasques
  • Maria Istela Cagnin Machado
Resumo Com o avanço das tecnologias de Realidade Virtual, diversas instituições e empresas estão explorando novos conceitos para enriquecer suas atividades cotidianas e desenvolver novos produtos. Nesse contexto, os museus também têm buscado inovações tecnológicas para proporcionar experiências diferenciadas aos visitantes. Pensando no potencial de aplicação da Realidade Virtual e na busca dos museus por novas tecnologias, este trabalho teve como objetivo a criação de ambientes de visitação virtuais voltados para museus, tendo o Museu de Arqueologia da UFMS como estudo de caso. Para o desenvolvimento desses ambientes virtuais, foram empregadas ferramentas de desenvolvimento web, como o VueJS, A-Frame e Strapi. A combinação dessas tecnologias permitiu a construção de ambientes virtuais imersivos, possibilitando aos visitantes explorar o museu e seus acervos de forma virtual. Por meio dessas tecnologias, foi desenvolvido um software baseado em código aberto, que é executado diretamente na web, podendo ser acessado de forma conveniente em diferentes dispositivos. Desse modo, o software teve a missão de democratizar o acesso à cultura e promover a Educação Patrimonial, quebrando barreiras geográficas e socioeconômicas, que muitas vezes afetam a população de forma abrangente. Além do mais, o software pode ser utilizado como uma ferramenta educacional destinada a transformar a abordagem convencional do ensino e enriquecer a experiência de aprendizado dos alunos. Tendo isso em vista, pode-se afirmar que o software em questão proporciona uma solução para as necessidades do estudo de caso, abrindo caminho para novas possibilidades de aplicação da Realidade Virtual em museus e outras instituições culturais.
Download
DESENVOLVIMENTO E IMPLANTAÇÃO DE SALA DE SITUAÇÃO EM UNIDADE DE ACIDENTE VASCULAR CEREBRAL
Curso Mestrado em Computação Aplicada
Tipo Dissertação
Data 13/09/2023
Área CIÊNCIA DA COMPUTAÇÃO
Orientador(es)
  • Andrea Teresa Riccio Barbosa
Coorientador(es)
    Orientando(s)
    • Geyson Pereira Santana
    Banca
    • Andrea Teresa Riccio Barbosa
    • Fabio Iaione
    • Jefferson Luiz Brum Marques
    • Mayk Penze Cardoso
    • Milton Ernesto Romero Romero
    • Raquel Luciana Angela Marques Tauro
    Resumo O Acidente Vascular Cerebral (AVC) é uma das principais causas de morte no mundo, acometendo, aproximadamente, 15 milhões de pessoas por ano. O AVC é uma doença que decorre de uma lesão vascular do Sistema Nervoso Central (SNC), sendo classificada como uma deficiência ou disfunção neurológica. O monitoramento de indicadores desta doença é de suma importância para o apoio na tomada de decisões e uma ferramenta que pode auxiliar nisso é a Sala de Situação em Saúde (SSS) que permite realizar o monitoramento de informações como para apoiar na tomada de decisão clínica e de gestão. A SSS é um ambiente virtual que disponibiliza um conjunto de dados agrupados por planilhas ou sistemas, onde é possível obter informações e monitorar indicadores, caracterizando, medindo e explicando o perfil de saúde-doença de uma população, incluindo os agravos e problemas de saúde, assim como seus determinantes. Com o objetivo de assegurar a conformidade de uma Unidade de Acidente Vascular Cerebral (UAVC) do Hospital Universitário (HU) de Campo Grande/MS, com a portaria 665 de 12 de abril de 2012 do Ministério da Saúde, este estudo realizou o desenvolvimento e implantação da SSS neste setor deste hospital público. A pesquisa se desenvolveu em etapas: levantamento de requisitos, modelagem dos casos de uso, definição da plataforma de baixo-código (low-code), definição de perfis e do painel da SSS e produção do protótipo final. Os resultados demonstraram que a avaliação do sistema teve uma boa aceitação pela equipe assistencial com média de 4,83, de um máximo de 5,00, realizado com o sistema implantado e disponibilizados os indicadores com formulário de entrada de dados padronizados; conexão com o banco de dados do sistema de informações hospitalares do HU para buscas de pacientes; cadastro de pacientes no período; e, disponibilização do painel da SSS. Este trabalho desenvolveu e implantou com sucesso uma SSS em um hospital público, com potencial de ser adotada por outras unidades hospitalares, que prestem atendimento a pacientes acometidos por AVC.
    Download
    Locomotomic: aplicativo de anatomia humana para o ensino através da realidade virtual
    Curso Mestrado em Computação Aplicada
    Tipo Dissertação
    Data 12/09/2023
    Área CIÊNCIA DA COMPUTAÇÃO
    Orientador(es)
    • Andrea Teresa Riccio Barbosa
    Coorientador(es)
      Orientando(s)
      • Kauane Lysien Costa Ferreira
      Banca
      • Andrea Teresa Riccio Barbosa
      • Carla Adriana Barvinski
      • Fabio Iaione
      • Hana Karina Salles Rubinsztejn
      Resumo Esta pesquisa apresenta o trabalho de desenvolvimento de um aplicativo de
      Realidade Virtual (RV) voltado à educação em anatomia humana chamado
      Locomotomic. Entende-se que a necessidade de inovar no campo da educação é uma
      questão urgente. Nesse sentido, o desenvolvimento de tecnologias que proporcionem
      novos meios de aprendizado se torna cada vez mais relevante, especialmente em
      situações em que o ensino prático presencial se mostra inviável. A solução proposta
      consiste na criação de um laboratório virtual de anatomia humana de baixo custo, que
      permita simular a experiência de aulas práticas. Para alcançar esse objetivo, foram
      conduzidas pesquisas para identificar as características desejáveis em um laboratório
      virtual de anatomia na área da saúde. Além disso, utilizou-se uma abordagem
      descritiva para estabelecer o conteúdo adequado a ser abordado no laboratório virtual,
      focado no aparelho locomotor humano. A implementação do laboratório virtual foi
      realizada com base na linguagem de programação JavaScript e na plataforma
      Kodular. Os resultados demonstram que a implantação de um laboratório de RV não
      imersivo para o ensino de anatomia pode gerar economias significativas em
      infraestrutura em universidades públicas. Além disso, o aplicativo desenvolvido
      contribuirá para democratizar o acesso à informação, tornando o trabalho mais
      acessível a um maior número de usuários. Adicionalmente, haverá benefícios na
      redução dos custos associados à aquisição de cadáveres para laboratórios e à
      manutenção de instalações físicas em instituições públicas de ensino. No âmbito
      social, essa pesquisa proporcionará um impacto positivo, democratizando o acesso ao
      conhecimento e facilitando o trabalho de estudantes da área da saúde. Além disso, os
      estudantes terão a oportunidade de explorar as vantagens e potencialidades da RV no
      ensino, enriquecendo significativamente o processo de aprendizado. Dessa forma, o
      trabalho contribuirá para avanços no campo de informática aplicados à educação,
      oferecendo uma alternativa eficiente e acessível para o ensino de anatomia humana.
      Download
      G-Thinking: Metodologia para o Desenvolvimento de Jogos Educacionais em Escola da Autoria - Promovendo Protagonismo Juvenil e a Cultura Maker
      Curso Mestrado em Computação Aplicada
      Tipo Dissertação
      Data 28/08/2023
      Área CIÊNCIA DA COMPUTAÇÃO
      Orientador(es)
      • Anderson Correa de Lima
      Coorientador(es)
      • Amaury Antonio de Castro Junior
      • Valguima Victoria Viana Aguiar Odakura
      Orientando(s)
      • Kennedy dos Santos Silva
      Banca
      • Amaury Antonio de Castro Junior
      • Anderson Correa de Lima
      • Carla Adriana Barvinski
      • Valguima Victoria Viana Aguiar Odakura
      • Yorah Bosse
      Resumo O Protagonismo Juvenil reconhece os estudantes como autores do seu próprio desenvolvimento e aprendizagem. A abordagem da Cultura Maker expande essa ideia, permitindo que os estudantes desenvolvam as próprias tecnologias, dispositivos e ferramentas. A integração do Protagonismo Juvenil com a Cultura Maker em escolas permite que os educadores promovam um ambiente de aprendizagem mais dinâmico, inclusivo e relevante. Juntas, essas abordagens capacitam os estudantes a serem participantes ativos, autônomos e criativos em sua jornada educacional. No Brasil, Escolas da Autoria vivenciam essa realidade. Neste contexto, este artigo apresenta uma metodologia chamada G-Thinking para o desenvolvimento de jogos educacionais. Estruturada no Design Thinking e na Aprendizagem Baseada em Projetos, essa abordagem foi aplicada em oficinas de uma Escola da Autoria para alunos do ensino médio. Teve-se como foco o desenvolvimento do Protagonismo Juvenil, associado às práticas makers e explorando temas da Cultura Digital. Para integração das etapas da metodologia, foi desenvolvido o jogo digital "Conect.@Mente", que aborda diretamente elementos da cultura digital e, de forma indireta, fomenta habilidades do pensamento computacional. Tem-se como resultados o desenvolvimento de habilidades protagonistas e a imersão e percepção acerca dos temas da Cultura Digital, em ambas as etapas, por parte dos estudantes.
      Download
      Ambiente em nuvem para a plataforma e-Cattle utilizando multi-tenant
      Curso Mestrado em Computação Aplicada
      Tipo Dissertação
      Data 28/08/2023
      Área CIÊNCIA DA COMPUTAÇÃO
      Orientador(es)
      • Hana Karina Salles Rubinsztejn
      Coorientador(es)
        Orientando(s)
        • Ygo Aquino Brito
        Banca
        • Camilo Carromeu
        • Hana Karina Salles Rubinsztejn
        • Irineu Sotoma
        • Renato Porfirio Ishii
        Resumo Este trabalho apresenta o desenvolvimento de um ambiente em nuvem para a sincronização de dados da plataforma e-Cattle. O e-Cattle é uma plataforma criada para propriedades produtoras de carne bovina, que agrega dados de diferentes dispositivos IoT gerenciados através de um middleware intitulado BigBoxx. O ambiente em nuvem foi projetado com foco em oferecer suporte à plataforma e-Cattle, permitindo a integração com a infraestrutura existente. Para alcançar a sincronização de dados de maneira eficiente, foi adotada a
        arquitetura de multi-tenant, com o objetivo de isolar os dados e serviços de cada propriedade rural, criando um ambiente com maior segurança e escalabilidade. Ademais, esta pesquisa proporcionou a sincronização de múltiplos BigBoxx para uma fazenda, uma atualização importante para o e-Cattle. O ambiente em nuvem desenvolvido demonstrou ser uma solução para a sincronização de dados de uma plataforma IoT já existente. A adoção de tecnologias modernas, escaláveis e multi-tenant possibilitou uma gestão otimizada dos recursos, resultando em um ambiente preparado para lidar com o crescente volume de dados gerado pelos múltiplos dispositivos presentes no e-Cattle.
        Aplicação de algoritmos de aprendizado de máquina para classificação da qualidade das carcaças dos lotes de bovinos abatidos: um estudo de caso nos dados do programa Precoce MS
        Curso Mestrado em Computação Aplicada
        Tipo Dissertação
        Data 21/08/2023
        Área CIÊNCIA DA COMPUTAÇÃO
        Orientador(es)
        • Rafael Geraldeli Rossi
        Coorientador(es)
        • Thaís Basso Amaral
        Orientando(s)
        • Rafael Rodrigues Marquesi
        Banca
        • Amaury Antonio de Castro Junior
        • Bruno Magalhaes Nogueira
        • Jonathan de Andrade Silva
        • Rafael Geraldeli Rossi
        • Ricardo Marcondes Marcacini
        • Thaís Basso Amaral
        Resumo Visando incentivar a produção de carne bovina de qualidade superior e buscando atender a critérios de um mercado cada vez mais exigente, o Governo do Mato Grosso do Sul provém incentivos fiscais, por meio do programa Precoce MS, para produtores que abatem animais com carcaça de qualidade superior e em idade jovem. O programa Precoce MS disponibiliza um conjunto de dados com informações relacionadas a características dos bovinos, sistemas de produção, e a qualidade da carcaça dos animais abatidos. Porém, a análise manual dos dados para encontrar fatores que podem estar relacionados à produção de uma carcaça de qualidade superior pode ser inviável. Neste cenário, técnicas de Mineração de Dados podem ser aplicadas para extrair conhecimento útil e construir modelos para predição da qualidade da carcaça. Trabalhos anteriores já aplicaram técnicas de Mineração de Dados no conjunto de dados do programa Precoce MS. No entanto, a performance de classificação era incerta em dados atuais, não foram utilizados algoritmos estado-da-arte para dados tabulares, não se tinha a utilização de animais separados em lote, e não foram utilizados outros atributos potencialmente importantes para predição da qualidade da carcaça, como atributos climáticos, nutricionais, e relacionados ao preço de commodities. Dado isso, o presente trabalho teve por objetivo utilizar técnicas de Mineração de Dados, mais especificamente, algoritmos para a construção de modelos de classificação para predição da qualidade do lote de carcaças, considerando: algoritmos estado-da-arte, de diferentes paradigmas e com diferentes conjuntos de parâmetros. Além disso, foram considerados os dados mais atuais do programa Precoce-MS (até a data de execução deste trabalho) e o conjunto de dados enriquecido com atributos meteorológicos, nutricionais e de precificação de commodities. Os resultados demonstraram que o algoritmo Random Forest Classifier apresentou a melhor performance de classificação (72.63% de Acurácia). Por fim, utilizando o melhor modelo, foi desenvolvida uma API REST para realizar a classificação do lote de bovinos a serem abatidos.
        Download
        MAPEAMENTO DE POSTES POR IMAGENS RGB DE NÍVEL DE RUA UTILIZANDO MÉTODOS DE DETECÇÃO DE OBJETOS: UM ESTUDO DE CASO NA CIDADE DE CAMPO GRANDE, MS
        Curso Mestrado em Computação Aplicada
        Tipo Dissertação
        Data 14/08/2023
        Área CIÊNCIA DA COMPUTAÇÃO
        Orientador(es)
        • Jonathan de Andrade Silva
        Coorientador(es)
        • Jose Marcato Junior
        Orientando(s)
        • Anderson do Espirito Santo da Silva
        Banca
        • Jonathan de Andrade Silva
        • Jose Marcato Junior
        • Wesley Nunes Goncalves
        Resumo A presente dissertação tem por propósito desenvolver e aplicar métodos robustos para
        a detecção e classificação de objetos, com foco específico nos postes elétricos presentes em
        imagens RGB da malha elétrica coletadas na cidade de Campo Grande, Mato Grosso do Sul.
        O objetivo central é demonstrar a utilidade desses métodos no contexto do setor de energia
        elétrica, destacando a capacidade de identificar necessidades de manutenção em que a identificação precisa de postes elétricos em imagens da malha elétrica
        desempenha um papel crítico na melhoria do setor de energia elétrica. Tal identificação
        eficiente é crucial para avaliar demandas de manutenção e para detectar falhas estruturais,
        contribuindo assim para aprimorar a gestão da infraestrutura elétrica. A metodologia adotada
        compreende a construção de um banco de imagens anotado, no qual os postes elétricos e
        outros elementos da malha elétrica são identificados e delimitados manualmente. Essas
        imagens anotadas são usadas para treinar os métodos de detecção de objetos, abrangendo
        abordagens como algoritmos de aprendizado de máquina e redes neurais convolucionais, e
        através de experimentos, os métodos são avaliados e comparados em termos de precisão,
        velocidade de processamento e generalização. Os experimentos conduzidos produzem
        resultados que evidenciam a eficácia dos métodos desenvolvidos para a detecção e
        classificação de postes elétricos em imagens RGB da malha elétrica. A análise comparativa
        dos modelos testados permite identificar o método mais adequado para a aplicação em
        questão. Com essas contribuições, a dissertação busca otimizar a gestão da infraestrutura
        elétrica, tornando os processos de manutenção mais eficazes e melhorando a eficiência do
        fornecimento de energia elétrica.
        Palavras-chave: Classificação de objetos, Detecção de objetos, Energia elétrica, Imagens
        RGB, Malha elétrica.
        Download
        Aplicação de Mineração de Dados para Extração de Conhecimento de Crimes de Violência Doméstica: um Estudo de Caso na Cidade de Campo Grande (MS)
        Curso Mestrado em Computação Aplicada
        Tipo Dissertação
        Data 04/07/2023
        Área CIÊNCIA DA COMPUTAÇÃO
        Orientador(es)
        • Rafael Geraldeli Rossi
        Coorientador(es)
        • Silvano Ferreira de Araújo
        Orientando(s)
        • WESLEY FABRICIO SOUZA SILVA
        Banca
        • Amaury Antonio de Castro Junior
        • Jonathan de Andrade Silva
        • Rafael Geraldeli Rossi
        • Ricardo Marcondes Marcacini
        • Roberta Akemi Sinoara
        • Silvano Ferreira de Araújo
        Resumo A quantidade de dados gerados e armazenados vem crescendo juntamente
        com o aumento do poder computacional para guardá-los. A fim de que esses
        dados se tornem informações úteis e possam ser utilizados por empresas e
        pessoas na tomada de decisões, técnicas de mineração de dados podem ser
        aplicadas. Por meio delas, é possível encontrar informações, associações e
        padrões sobre os dados analisados, os quais podem servir tanto para extrair
        o conhecimento presente neles quanto para fazer previsões. Com isso, os
        órgãos da administração pública responsáveis pela segurança da população
        podem se beneficiar da mineração de dados para tornar suas ações de combate e prevenção ao crime mais eficientes, como pode-se notar em diversos
        lugares do mundo. No estado de Mato Grosso do Sul, os dados sobre ocorrências policiais são armazenados no Sistema Integrado de Gestão Operacional
        (SIGO). Porém, estes ainda não têm sido explorados para auxiliar na extração
        de conhecimento de crimes, bem como no auxílio para a tomada de decisões
        mais efetivas. Posto isso, o objetivo deste trabalho é o emprego de técnicas de
        mineração de dados para extração de conhecimento, considerando as informações armazenadas no SIGO, mais especificamente, os dados de crimes de
        violência doméstica registrados na cidade de Campo Grande (MS). Além disso,
        por questões de explicabilidade e interpretabilidade dos resultados para os
        tomadores de decisão, foram utilizados algoritmos de mineração de dados do
        tipo simbólico: regras de associação e regras de classificação. Com isso, foi
        possível extrair conhecimento interessante e inovador por meio das regras de
        associação. Por exemplo, analisando-se o fato injúria, pôde-se perceber que
        ele mais frequentemente ocorre com as vítimas de escolaridade superior. Já
        para as regras de classificação, foi obtida uma acurácia de 84%, permitindo
        a extração de conhecimentos como: vítimas com idade menor ou igual a 23
        anos de idade registram de 1 a 3 boletins de ocorrência contra o mesmo autor.
        Download
        HíbriDoC: Método para a Classificação de Atividades de Computação Desplugada para uso no Ensino Híbrido
        Curso Mestrado em Computação Aplicada
        Tipo Dissertação
        Data 27/06/2023
        Área CIÊNCIA DA COMPUTAÇÃO
        Orientador(es)
        • Anderson Correa de Lima
        Coorientador(es)
          Orientando(s)
          • Quésia de Araujo Santos
          Banca
          • Amaury Antonio de Castro Junior
          • Anderson Correa de Lima
          • Marcia Elena Jochims Kniphoff da Cruz
          • Rodrigo Silva Duran
          • Wilk Oliveira dos Santos
          Resumo A Computação Desplugada é uma técnica que consiste em ensinar conceitos e problemas de Ciência da Computação, por meio de uma coleção de atividades presenciais, sem o uso do computador (convencionalmente chamadas de desplugadas). Tais atividades têm despertado o interesse de professores e pesquisadores, e tem sido empregada em diversos países ao redor do mundo, podendo ser utilizada do ensino básico ao superior. Entretanto, assim como em outras áreas, o recente cenário de pandemia de Covid-19 afetou o envolvimento nas atividades de aprendizagem devido às mudanças nas formas de contato entre estudantes e docentes, e, também, pela opção pelo ensino remoto nas atividades de ensino. Este novo contexto trouxe consigo desafios para a utilização da Computação Desplugada, como por exemplo, sua utilização no ensino remoto ou híbrido. Para enfrentar esse desafio, este trabalho propõe um método para classificar atividades de Computação Desplugada, a fim de permitir que se possa identificar quais atividades são mais adequadas para o ensino remoto e híbrido. Os resultados de nossos estudos demonstram que o instrumento é adequado para a classificação das atividades. O estudo contribui especialmente para a área de Ensino de Computação, fornecendo um instrumento capaz de ser usado para classificar atividades de Computação Desplugada para serem usadas no ensino remoto ou híbrido.
          Mensuração da carga cognitiva em um curso de programação introdutória para crianças
          Curso Mestrado em Computação Aplicada
          Tipo Dissertação
          Data 22/06/2023
          Área CIÊNCIA DA COMPUTAÇÃO
          Orientador(es)
          • Amaury Antonio de Castro Junior
          Coorientador(es)
          • Anderson Correa de Lima
          Orientando(s)
          • Esteic Janaína Santos Batista
          Banca
          • Amaury Antonio de Castro Junior
          • Anderson Correa de Lima
          • Claudio Zarate Sanavria
          • Graziela Santos de Araujo
          • Ismar Frango Silveira
          • Luciana Montera Cheung
          Resumo A capacidade de aprendizado de um aluno está diretamente relacionada à quantidade de carga cognitiva utilizada para compreender o material. A Teoria da Carga Cognitiva (TCC) explica como o aprendizado de uma pessoa é prejudicado quando a capacidade limitada da memória de trabalho é excedida durante o processo. Portanto, o uso de instrumentos para medir a carga cognitiva em sala de aula é essencial. Este estudo apresenta e discute um curso de programação introdutória planejado com base nas recomendações pedagógicas da TCC e Aprendizagem por Andaimes (Scaffolding Learning). Além disso, um instrumento desenvolvido anteriormente para medir a carga cognitiva foi adaptado para atender às atualizações da TCC e à faixa etária do público-alvo do curso. Os resultados mostram que a avaliação da carga cognitiva é uma ferramenta valiosa para entender a dificuldade percebida pelos alunos em atividades de programação introdutória. A trilha de aprendizagem proposta se mostrou eficaz na redução da carga cognitiva percebida pelos alunos, resultando em uma melhor compreensão dos conceitos abordados no curso.
          Plataforma para gerenciamento e visualização de dados agropecuários: um estudo de caso sobre a ferramenta Cria Certo
          Curso Mestrado em Computação Aplicada
          Tipo Dissertação
          Data 14/03/2023
          Área CIÊNCIA DA COMPUTAÇÃO
          Orientador(es)
          • Dionisio Machado Leite Filho
          Coorientador(es)
          • Thaís Basso Amaral
          Orientando(s)
          • Wagner Vieira Freiria
          Banca
          • Camilo Carromeu
          • Dionisio Machado Leite Filho
          • EDVARD MARTINS DE OLIVEIRA
          Resumo Com o crescimento da pecuária de corte, novas estratégias reprodutivas na bovinocultura surgiram para otimizar a reprodução animal. Em pouco tempo, o gerenciamento dessas técnicas tornou-se complexo de realizar sem o auxílio de algum sistema específico. Com base nesse cenário, foi desenvolvido, pela Embrapa em parceria com a Universidade Federal do Mato Grosso do Sul (UFMS), o aplicativo Cria Certo para auxiliar os técnicos e produtores rurais a simular custos e benefícios dos sistemas de reprodução existentes. Apesar das suas diversas contribuições, o aplicativo apresenta a necessidade de ferramentas para complementá-lo. Assim, o presente trabalho propõe o desenvolvimento da plataforma Cria Certo Manager, que dentre outras funcionalidades, propõe o uso de dashboards possibilitando aos pesquisadores visualizarem, de forma mais clara e acessível, padrões nas simulações realizadas pelos usuários do aplicativo. Além disso, o Cria Certo Manager contribui para o gerenciamento, sem modificação de código, de parâmetros que antes eram fixos no aplicativo Cria Certo.
          Download
          Integração de Módulos Utilizando Micro Frontends na Plataforma +Precoce
          Curso Mestrado em Computação Aplicada
          Tipo Dissertação
          Data 13/03/2023
          Área CIÊNCIA DA COMPUTAÇÃO
          Orientador(es)
          • Evandro Mazina Martins
          Coorientador(es)
            Orientando(s)
            • Alan Balen Schio
            Banca
            • Camilo Carromeu
            • Evandro Mazina Martins
            • Fernando Rodrigues Teixeira Dias
            • Gedson Faria
            • Milton Ernesto Romero Romero
            • Renato Porfirio Ishii
            Resumo Resumo
            A Plataforma +Precoce vem sendo desenvolvida ao longo dos últimos anos em parceria
            entre Embrapa e a Universidade Federal do Mato Grosso do Sul, de maneira modularizada,
            onde cada novo desenvolvimento é realizado fora da base de código principal, evitando
            conflitos e efeitos colaterais com demais códigos do sistema que se encontra em uso. Ao fim
            de cada desenvolvimento, estes módulos não se incorporavam ao código final, seja por causa
            das versões de dependências conflitantes ou por alta demanda operacional de reavaliar os
            códigos. A falta de entendimento de uma técnica eficiente de unificação de código também
            estava presente. A técnica de micro serviços é amplamente difundida e utilizada para se
            fazer o gerenciamento e conexão dos módulos de um sistema sem que necessite estar dentro
            do mesmo código. Derivada desta, nasceu a abordagem Micro Frontends, que permite no
            desenvolvimento de plataformas web a integração dos módulos em tempo de execução. Se
            valendo da técnica de Micro Frontends, da maneira modular com que a plataforma foi
            desenvolvida e da necessidade de disponibilizar as novas funcionalidades ao usuários, este
            trabalho provê a integração entre os módulos da plataforma utilizando a técnica Module
            Federation para realizar a integração entre os módulos com a plataforma principal, e
            fornecendo maneiras de validar a disponibilidade dos módulos e garantir que seu uso seja
            possível mesmo em modo offline.
            Download
              Sistema Automatizado para Identificação de Fenótipo Relacionado a Precocidade e Fertilidade de Fêmea Bovina
              Curso Mestrado em Computação Aplicada
              Tipo Dissertação
              Data 15/12/2022
              Área CIÊNCIA DA COMPUTAÇÃO
              Orientador(es)
              • Edson Antonio Batista
              Coorientador(es)
                Orientando(s)
                • Brenda Medina de Oliveira
                Banca
                • Edson Antonio Batista
                • Jonathan de Andrade Silva
                • Wesley Nunes Goncalves
                Resumo A identificação da precocidade bovina, características reprodutivas, do mesmo são de extrema importância, pois com o diagnóstico correto é possível atingir um aumento de produtividade e consequentemente a lucratividade do setor. Porém, este processo é realizado subjetivamente, o que pode acarretar inexatidão, e diferentes resultados de acordo com o avaliador. Com intuito de apresentar uma solução automatizada e com maior objetividade, neste trabalho desenvolveu-se uma metodologia baseada em escores visuais para identificar a precocidade de fêmeas bovinas. A metodologia consiste na captura de imagens do animal, quando transita pelo mangueiro e através de algoritmos de inteligência artificial permite-se identificar sua precocidade a fertilidade. Os algoritmos desenvolvidos permitem a entrada da imagem do bovino e retorna a probabilidade de acurácia e fertilidade na primeira estação reprodutiva. Para realização deste trabalho foram coletadas imagens dos animais na Fazenda Sete Estrelas, que serviram de base para desenvolver o algoritmo. Foram testados o desempenho de 5 algoritmos, que realizam a identificação e classificação de cada imagem de fêmea bovina com intuito de indicar qual técnica é mais indicada para finalidade. Os resultados obtidos através dos algoritmos foram: CNN em conjunto com U-Net, obtiveram uma porcentagem de acertos de 71.42\%; O algoritmo Efficientnet obteve 70.46\%; Assim como o anterior o algoritmo Twins obteve 70.46\%; E o melhor resultado obtido se deu por meio do algoritmo Resnet com 74.92\%. Os resultados obtidos são promissores, contudo pode-se melhorar, com a adequada captação das imagens dos animais e aumentando o banco de imagens, apresentando um grande potencial para a resolução do problema.

                Palavras-chaves: Identificação de fertilidade bovina. Precocidade de bovinos fêmeas. Algoritmo CNN. Algoritmo U-Net. Algoritmo Resnet. Algoritmo Twins. Algoritmo Efficientnet.
                Classificação de Hipertensos Utilizando o Sinal da Variabilidade da Frequência Cardíaca (VFC) com Auxílio de Inteligência Artificial
                Curso Mestrado em Computação Aplicada
                Tipo Dissertação
                Data 30/11/2022
                Área CIÊNCIA DA COMPUTAÇÃO
                Orientador(es)
                • Milton Ernesto Romero Romero
                Coorientador(es)
                  Orientando(s)
                  • Rafael Gonçalves de Oliveira Viana
                  Banca
                  • Andrea Teresa Riccio Barbosa
                  • Evandro Mazina Martins
                  • Marco Aurelio Stefanes
                  • Milton Ernesto Romero Romero
                  • Renato Porfirio Ishii
                  • Vera Regina Fernandes da Silva Marães
                  Resumo O Sistema Nervoso Autônomo é um dos responsáveis pelos ajustes cardiovasculares e seu realce pode ser aferido, utilizando a Variabilidade de Frequência Cardíaca(VFC) pelas ondas R, presente no Eletrocardiograma.
                  Atualmente a hipertensão é altamente prevalente em todos os países. Graças a equipamentos inteligentes vestíveis, uma aglomerado de dados começou a ser coletado e armazenado, entretanto pouco explorados. Novos métodos de aferição da hipertensão utilizando os dados armazenados ajudaria no controle cardiovascular de uma grande quantidade de pessoas. Nesta pesquisa, os dados de VFC coletados por equipamentos vestíveis de baixo custo e de fácil aquisição, foram processados e obteve-se um resultado de 75\% de acurácia ao utilizar inteligência artificial na classificação de pacientes hipertensos medicados e não hipertensos (saudáveis). Este resultado provavelmente esta relacionado a eficácia do medicamento utilizado pelos pacientes. Novas pesquisas visando candidatos que possuem pressão alterada (não hipertensos), deve ser realizada, a fim de extrair características destes, ao não utilizar medicamento de controle de pressão arterial.
                  Download
                  Plataforma Eletrônica para Aquisição de Sinais Fisiológicos de Bovinos a Pasto
                  Curso Mestrado em Computação Aplicada
                  Tipo Dissertação
                  Data 02/09/2022
                  Área CIÊNCIA DA COMPUTAÇÃO
                  Orientador(es)
                  • Ricardo Ribeiro dos Santos
                  Coorientador(es)
                  • Davi Jose Bungenstab
                  Orientando(s)
                  • Ricardo Espindola de Aguiar
                  Banca
                  • Camilo Carromeu
                  • Davi Jose Bungenstab
                  • Fabio Iaione
                  • Ricardo Ribeiro dos Santos
                  • Victor Leonardo Yoshimura
                  Resumo O mercado global de produção animal está cada vez mais exigente, inclusive com requisitos de sustentabilidade e bem-estar animal. Alterações fisiológicas como o aumento da frequência cardíaca ou temperatura corporal podem evidenciar um bem-estar precário ou até mesmo um estado pré-patológico e, como consequência, afetar a produção animal. A partir de um protótipo de dispositivo para monitoramento de sinais fisiológicos de bovinos, este trabalho desenvolveu uma plataforma de monitoramento animal que utiliza o dispositivo automatizado e não invasivo para coleta de sinais fotopletismográficos e dados de temperatura cutânea e radiação ultravioleta. Essa plataforma captura sinais fisiológicos periodicamente, aplica técnicas de filtragem de ruídos sobre esses sinais e os envia para uma estação base. Esta, por sua vez, envia os dados para a plataforma em nuvem, onde algoritmos para cálculos de parâmetros fisiológicos como frequência cardíaca e respiratória são executados e os dados resultantes podem ser visualizados por sistema WEB. Experimentos com animais em diferentes condições foram realizados onde pode-se observar a melhoria da qualidade do sinal coletado dos animais, após aplicar os algoritmos de filtragem de ruídos. Os experimentos também revelaram que a região da nuca do animal apresenta-se como um local válido para utilização de equipamentos de monitoramento que possibilitam a utilização contínua e não-invasiva nos animais.
                  Uso de rede neural convolucional na identificação de hipertensão arterial
                  Curso Mestrado em Computação Aplicada
                  Tipo Dissertação
                  Data 01/09/2022
                  Área CIÊNCIA DA COMPUTAÇÃO
                  Orientador(es)
                  • Milton Ernesto Romero Romero
                  Coorientador(es)
                    Orientando(s)
                    • JEFFERSON XAVIER NOBREGA
                    Banca
                    • Evandro Mazina Martins
                    • Fabio Iaione
                    • Marco Aurelio Stefanes
                    • Milton Ernesto Romero Romero
                    • Renato Porfirio Ishii
                    • Vera Regina Fernandes da Silva Marães
                    Resumo A hipertensão arterial ou pressão arterial alta sustentada é uma doença crônica com
                    grande ocorrência no Brasil e no mundo. É um dos principais indicadores para a ocorrência de acidente vascular cerebral (AVC), enfarte, aneurisma arterial e insuficiência
                    renal e cardíaca. Impacta diretamente na frequência cardíaca e na sua variabilidade:
                    pacientes hipertensos costumam apresentar uma menor variação na frequência cardíaca
                    se comparados a normotensos. Porém, ainda existe controversia se é possível determinar a hipertensão arterial somente pela Variabilidade da Frequência Cardíaca (VFC).
                    Esta dissertação tem como objetivo estudar a questão ainda aberta se a Variabilidade
                    da Frequência Cardíaca tem informação suficiente para definir a hipertensão, baseada no
                    treinamento de uma Rede Neural Convolucional capaz de classificar um paciente entre
                    saudável ou hipertenso e todos os desafios inerentes a este processo. Este treinamento
                    é feito com base nos valores do intervalo RR do eletrocardiograma. Os intervalos RR
                    podem apresentar outliers - amostras inválidas/incorretas - que devem ser devidamente
                    tratados e não devem ser levados em consideração para o treinamento. Devido a baixa
                    quantidade de arquivos para treinamento da Rede Neural Convolucional, foi utilizada a
                    técnica data augmentation para oferecer uma maior fonte de aprendizagem. Através da
                    Transformada Wavelet Contínua, estes arquivos de texto contendo o intervalo RR em milissegundos são convertidos em uma matriz com informações no domínio do tempo e da
                    frequência. Por fim, é definido um modelo de Rede Neural Convolucional que é treinada
                    para realizar a classificação dos pacientes. Os resultados são promissores mas dependem
                    da quantidade de exames de pacientes que neste caso devem ser aumentada. O trabalho
                    faz recomendações de como deve ser continuado este estudo, mas o sistema implementado
                    na linguagem Python mostra utilidade para aprofundar o problema.
                    Detecção e rastreamento de múltiplos objetos utilizando redes profundas no contexto de mapeamento de formigueiros em plantação de Eucaliptos
                    Curso Mestrado em Computação Aplicada
                    Tipo Dissertação
                    Data 01/09/2022
                    Área CIÊNCIA DA COMPUTAÇÃO
                    Orientador(es)
                    • Jonathan de Andrade Silva
                    Coorientador(es)
                    • Jose Marcato Junior
                    • Lúcio André de Castro Jorge
                    Orientando(s)
                    • GIAN LUCAS DA SILVA RAMALHO
                    Banca
                    • Ana Paula Marques Ramos
                    • Jonathan de Andrade Silva
                    • Jose Marcato Junior
                    • Wesley Nunes Goncalves
                    Resumo O setor da silvicultura possibilita o desenvolvimento econômico e ambiental, oferecendo emprego e renda para a população e auxiliando com a redução das mudanças climáticas. Segundo IBGE, no ano de 2020, a área de florestas cultivadas em todo o território nacional alcançara um total de 9,98 milhões de hectares. O cultivo de eucalipto representa aproximadamente 76%, equivalente a 7,61 milhões de hectares. Nas plantações florestais presentes no Brasil, uma das principais pragas e que afetam intensamente a produção, são as formigas cortadeiras. Esses insetos consomem muita vegetação, atacando diferentes as espécies de plantas e causando a desfolha até a morte da planta, independendo do tamanho dela, de mudas até árvores. Para combater às formigas, são utilizados produtos químicos, juntamente com o monitoramento da plantação. É possível aplicar a detecção e o rastreamento de objetos em imagens das plantações, com o intuito de auxiliar no monitoramento
                    da plantação e dos formigueiros. A detecção e o rastreamento dos objetos nesse estudo se encaixam no contexto do rastreamento de múltiplos objetos, Multiple Object Tracking (MOT). A tarefa do MOT refere-se na localização de múltiplos objetos, na sua identificação e no cálculo de suas trajetórias individuais, em uma sequência de imagens. Neste estudo foram avaliados três detectores de objetos, Faster R-CNN , RetinaNet e VFNet, juntamente com os métodos de rastreamento Tracktor, Byte Tracker Deep Sort, além da proposta de um método baseado no Método SORT, para rastreamento de formigueiros. As avaliações dos métodos de detecção e rastreamento de objetos foram realizadas, e o melhores resultados de rastreamento obtidos foram utilizando o detector RetinaNet que atingiu 0.817 de Average Precision (AP), 53.004 de Higher Order Tracking Accuracy (HOTA) com o método de rastreamento Byte
                    Tracker, 47.120 de HOTA com o Método Proposto e 43.426 de HOTA com o Deep Sort. Apesar do Byte Tracker indicar resultado HOTA superior, o Método Proposto se destaca na contagem dos objetos, superando os outros métodos de rastreamento.
                    Download
                    SISUNAPI: FERRAMENTA COMPUTACIONAL DE INTEGRAÇÃO DOS DADOS DA UNAPI/UFMS
                    Curso Mestrado em Computação Aplicada
                    Tipo Dissertação
                    Data 30/08/2022
                    Área CIÊNCIA DA COMPUTAÇÃO
                    Orientador(es)
                    • Andrea Teresa Riccio Barbosa
                    Coorientador(es)
                      Orientando(s)
                      • RENATO LEMES PEIXOTO
                      Banca
                      • Andrea Teresa Riccio Barbosa
                      • Debora Maria Barroso Paiva
                      • Ramon Moraes Penha
                      • Suzi Rosa Miziara Barbosa
                      Resumo O Instituto Integrado de Saúde (INISA) é uma unidade setorial da UFMS com diretrizes para a integração ensino-serviço-comunidade e através de diversas atividades diferenciadas oferecem atenção à saúde nos diferentes níveis de complexidade. Verifica-se que no Instituto, apesar de diversos projetos de pesquisa e extensão estarem em andamento, não há um sistema centralizado que armazenasse os dados e que possibilite o acompanhamento de informações. Um desses projetos de extensão intitulado Avaliação Multidisciplinar de Saúde dos Idosos e frequentadores da UNAPI/UFMS (Universidade Aberta à Pessoa Idosa/UFMS) tem por objetivo a análise global e multiprofissional da saúde dos idosos acima de 60 anos. Para o projeto em questão, algumas dificuldades foram observadas tais como: a descentralização dos dados referentes aos projetos de extensão de cultura e esporte no qual participam; a falta de centralização das informações fisiológicas e psicossociais do idoso, entre outras. Salienta-se que muitos dados estão distribuídos por diversos setores do Instituto e com pesquisadores diferentes, tanto em formato de planilhas eletrônicas, como em formulários de papel. Esse trabalho apresenta um estudo para a estruturação e levantamento de requisitos de um sistema (SISUNAPI) capaz de atender a demanda da UNAPI, apresentando os principais recursos e funções necessárias. Como método foi utilizado um framework e criado um Banco de Dados que atendeu aos requisitos mínimos para obtenção de informações básicas dos participantes dos projetos de pesquisa, ensino e extensão. Foi desenvolvido um protótipo capaz de realizar o armazenamento dos dados de pesquisa e sua ligação entre os pesquisadores e pesquisados.

                      Palavras chaves: pessoa idosa; sistema acadêmico; banco de dados; framework; inclusão digital
                      JurisBERT: Transformer-based model for embedding legal texts
                      Curso Mestrado em Computação Aplicada
                      Tipo Artigo Científico
                      Data 24/08/2022
                      Área CIÊNCIA DA COMPUTAÇÃO
                      Orientador(es)
                      • Renato Porfirio Ishii
                      Coorientador(es)
                        Orientando(s)
                        • Charles Felipe Oliveira Viegas
                        Banca
                        • Amaury Antonio de Castro Junior
                        • Bruno Magalhaes Nogueira
                        • Deiviston da Silva Aguena
                        • Dionisio Machado Leite Filho
                        • Nadia Felix Felipe da Silva
                        • Omar Andres Carmona Cortes
                        • Renato Porfirio Ishii
                        Resumo Neste trabalho é proposta uma nova extensão do BERT (Bidirectional Encoder Representations from Transformers), denominada JurisBERT, aplicada na tarefa de Similaridade Semântica Textual (SST) com melhorias consideráveis de rapidez, de precisão e de necessidade reduzida de recursos computacionais em relação a outras abordagens. O JurisBERT foi treinado do zero com textos de domínio específicos para lidar com leis, doutrinas e precedentes, e tem melhor precisão em relação a outros modelos BERT, que foi a principal contribuição deste trabalho. Além disso, nossa abordagem considera o conceito de sub-línguagem, ou seja, um modelo pré-treinado em um idioma (Português Brasileiro) passa por um refinamento (fine-tuning) para melhor atender a um domínio específico, no nosso caso, o jurídico. A fim de validar a abordagem com dados reais, o JurisBERT cria e emprega 24 mil pares de ementas com grau de similaridade variando entre 0 e 3, extraídas de mecanismos de busca disponíveis nos sites dos tribunais brasileiros. Nossos experimentos demonstraram que o JurisBERT é melhor do que outros modelos em quatro cenários: BERT multi-lingual e BERTimbau sem ajuste fino em cerca de 22% e 12% de F1, respectivamente; e com refinamento em torno de 20% e 4%. Além disso, nossa abordagem reduziu em 5 vezes a etapa de pré-treinamento, além de usar hardware acessível, ou seja, arquiteturas GPGPU de baixo custo. Esse resultado demonstra que nem sempre modelos pré-treinados, como BERT multi-lingual e BERTimbau, são a melhor solução. Assim, provamos que treinar o BERT do zero com textos específicos de domínio tem maior precisão e menor tempo de treinamento do que modelos pré-treinados de domínio geral. O código fonte está disponível em https://github.com/juridics/brazilian-legal-text-dataset.
                        Uma Abordagem Baseado em Ranking para a Predição de Evasão Escolar: Um Estudo de Caso na Universidade Federal de Mato Grosso do Sul
                        Curso Mestrado em Computação Aplicada
                        Tipo Dissertação
                        Data 24/08/2022
                        Área CIÊNCIA DA COMPUTAÇÃO
                        Orientador(es)
                        • Rafael Geraldeli Rossi
                        Coorientador(es)
                          Orientando(s)
                          • Gregório Takashi Higashikawa
                          Banca
                          • Amaury Antonio de Castro Junior
                          • Anderson Correa de Lima
                          • Bruno Magalhaes Nogueira
                          • Luciano Gonda
                          • Rafael Geraldeli Rossi
                          • Ricardo Marcondes Marcacini
                          Resumo A evasão acadêmica é um problema discutido em várias instituições de ensino, pois acarreta um dispêndio para a instituição e um grande prejuízo educacional para o aluno. Além disso, causas definidas por meio de percepções humanas podem estar incorretas e consequentemente levar à ações preventivas incorretas. Por outro lado, observa-se o emprego com sucesso de técnicas de mineração de dados em diversas instituições de ensino no Brasil e no mundo para a extração automática de hipóteses, e a geração de modelos para classificar se um aluno tem propensão para evadir ou não. O uso da classificação neste cenário pode gerar resultados não satisfatórios, principalmente quando a confiança de classificação entre as classes evasão e não evasão são próximas. Outro ponto a considerar é quando existe um desbalanceamento entre as classes, conhecido por gerar modelos de classificação inacurado na classe minoritária. Ademais, as causas de evasão podem variar de acordo com a localidade e curso. Como alternativa, classificar instâncias de testes baseada em sua propensão à pertencer à uma determinada classe significativa e ranqueando-as, direcionaria esforço de forma mais precisa aos alunos com maior chance de evasão. Dado isso, este trabalho apresenta um método para detecção de evasão baseado em ranking e tem como conjunto de treinamento os dados dos históricos escolares dos alunos. É então avaliado se a evasão ocorre nos top alunos ranqueados com potencial de evasão. Ademais, o método foi empregado em diferentes cursos e diferentes áreas do conhecimento da Universidade Federal de Mato Grosso do Sul (UFMS) para avaliar o seu comportamento em diferentes cenários. Os resultados mostram uma precisão de 0, 97, 0, 99 e 0, 98 para os 50 primeiros alunos ranqueados das áreas de ciências Exatas, Biológicas e Humanas. E para os 10 primeiros a precisão foi de 0, 99 à 1, 0. Por outro lado, com o uso de modelos de classificação, os resultados obtidos foram de 0,72, 0,79, 0,78 na acurácia e 0,68, 0,65, 0,64 para a precisão. Vale ressaltar que apesar da avaliação do ranking englobar apenas os top-k alunos da classe de evasão, a assertividade na classificação faz com que os esforços sejam mais bem direcionados e esperançosamente mais efetivos. Com isso, dada a previsão assertiva do método proposto para os alunos com maior potencial de evasão, os interessados poderão aplicar estratégias mais eficientes no contensão à evasão.
                          Página 2 de 5 (20 de 99 registros).