Lista Pública de Trabalhos Acadêmicos

Curso:

Pesquisar: Ano:

Permite filtrar a lista de TCCs com o curso, o termo e o ano
escolhidos. O termo pode ser, por exemplo:

Autor ou orientador;
Nome do TCC;
Palavra-chave;
Conteúdo dos resumos.

Resumo O projeto propõe avaliar a confiabilidade de modelos de aprendizado de máquina aplicados ao reconhecimento automático de semáforos em veículos autônomos. Serão comparados dois classificadores utilizando a ferramenta SafeML, voltada à verificação da segurança e robustez de modelos diante de entradas inesperadas ou fora da distribuição. O estudo busca contribuir para o aumento da confiabilidade e segurança de sistemas baseados em aprendizado de máquina aplicados a domínios críticos.

Ano 2026

Orientador ANDRE LUIZ DE OLIVEIRA Co-Orientador Palavras-chave SafeML; machine learning; aprendizado de máquina; confiabilidade; segurança; veículos autônomos; reconhecimento de semáforos

Resumo As redes sociais consolidaram-se como um importante canal para a expressão de opiniões sobre marcas, produtos e serviços, gerando grandes volumes de dados textuais não estruturados. No contexto da indústria de produtos lácteos, compreender essas manifestações é fundamental para identificar percepções, insatisfações e oportunidades de mercado. Este trabalho tem como objetivo analisar comentários de consumidores sobre produtos lácteos publicados em redes sociais, combinando técnicas de análise de sentimentos e categorização temática. Para a análise de sentimentos, foi utilizado um classificador baseado em Support Vector Machine (SVM), treinado com comentários previamente rotulados. Já a categorização temática foi realizada por meio de chamadas à API da OpenAI, permitindo a identificação de diferentes temas presentes nos comentários, como preço, qualidade e modo de preparo. Os resultados obtidos permitem uma análise integrada do sentimento associado aos comentários e os principais temas abordados pelos consumidores, fornecendo uma visão mais detalhada da percepção do público em relação aos produtos lácteos.

Ano 2026

Orientador WAGNER ANTONIO ARBEX Co-Orientador Palavras-chave Análise de sentimentos, Redes Sociais, Lácteos, OpenAI, SVM

Resumo A garantia da qualidade de vida da população idosa é um tema central diante do envelhecimento global, e os sistemas de Ambiente de Vida Assistida (Ambient Assisted Living - AAL) têm se mostrado essenciais para o monitoramento de atividades diárias. Esses sistemas integram diferentes tecnologias para apoiar a autonomia, segurança e bem-estar de idosos em seus ambientes domésticos, permitindo detectar atividades, comportamentos de risco e situações de emergência. Neste trabalho, aplica-se o \framework PoseConv3D ao conjunto de dados Toyota Smarthome Trimmed, composto por vídeos de atividades de vida diária de idosos em ambientes reais, para o reconhecimento de ações a partir de vídeos. O modelo utiliza a estimativa de pose humana para gerar mapas de calor 2D das articulações ao longo do tempo, que são então processados por uma rede neural convolucional tridimensional, permitindo capturar padrões espaciais e temporais das ações. Nos experimentos, o modelo alcançou 72,2% de acurácia global e 54,5% de acurácia média por classe, superando em acurácia média o desempenho do modelo proposto no trabalho original do conjunto Toyota Smarthome Trimmed. Considerando a alta granularidade do conjunto, que inclui 31 classes de ações com variações posturais e atividades visualmente semelhantes, foi adotada uma estratégia adicional de agrupamento semântico, reduzindo as classes para 19 categorias-base, permitindo avaliar o desempenho do modelo em termos de padrões mais amplos de comportamento de idosos. O modelo sobre o conjunto agrupado apresentou uma acurácia global de 77,7% e uma acurácia média por classe de 67,9%.

Ano 2026

Orientador LUIZ MAURILIO DA SILVA MACIEL Co-Orientador Palavras-chave Reconhecimento de Ações Humanas, Aprendizado Profundo, Redes Neurais Convolucionais, Visão Computacional, Ambiente de Vida Assistida,Monitoramento de Idosos

Resumo Contexto: Universidades e professores têm sido incentivados a adotar novas tecnologias para ampliar as possibilidades de ensino. Entre elas, os Recursos Educacionais Abertos (REA) se destacam como uma alternativa promissora para democratizar o acesso ao conhecimento e facilitar a reutilização de materiais didáticos. Problema: Apesar de seu potencial, muitos REA encontram-se desatualizados ou não foram projetados com foco em sustentabilidade. Além disso, informações sobre o desenvolvimento desses recursos são escassas, especialmente no que se refere às abordagens utilizadas. Solução: Este trabalho propõe um processo estruturado para apoiar o desenvolvimento de REA sustentáveis na área de Computação. Metodologia: A abordagem adotada envolveu a análise de métodos existentes para a criação de REA, a revisão de estudos relacionados, a construção de um novo processo baseado nessas referências e sua posterior avaliação. Resumo dos Resultados: Os resultados mostraram uma boa aceitação do processo, confirmando sua eficácia, destacando a flexibilidade e reutilização os materiais. Contribuição: Este trabalho oferece um processo estruturado para o desenvolvimento e REA sustentáveis na Computação, auxiliando professores na criação de REA sustentáveis, adaptáveis e alinhados às necessidades pedagógicas e tecnológicas.

Ano 2026

Orientador ALESSANDREIA MARTA DE OLIVEIRA JULIO Co-Orientador PEDRO HENRIQUE DIAS VALLE Palavras-chave Recursos Educacionais Abertos (REA), Sustentabilidade, Mapeamento Sistemático da Literatura (MSL)

Resumo O ensino-aprendizagem de Engenharia de Software enfrenta desafios significativos, especialmente no que diz respeito à conexão entre a teoria e sua aplicação prática no contexto profissional. A área é rica em conceitos abstratos, que muitas vezes não são facilmente assimilados pelos alunos apenas por meio de métodos tradicionais. Esses desafios tornam o ensino dessa disciplina complexo, exigindo abordagens que não só apresentem os conteúdos teóricos, mas também permitam que os estudantes os apliquem em situações mais próximas à realidade. Visando superar essas dificuldades, este trabalho descreve o desenvolvimento de um jogo sério para auxiliar no ensino-aprendizagem de Engenharia de Software, e sua aplicação em duas turmas da disciplina. O jogo visa reforçar os conceitos teóricos, ao mesmo tempo em que utiliza elementos lúdicos para aumentar o engajamento dos alunos. O método de avaliação MEEGA+ foi aplicado para medir a experiência dos estudantes, considerando fatores como motivação e compreensão dos conteúdos. Os resultados da aplicação apontam que o jogo sério consegue auxiliar o ensino-aprendizagem de Engenharia de Software, reforçando o engajamento com seus elementos lúdicos. A avaliação também apontou a necessidade de ajustes para contornar alguns desafios encontrados, como a monotonia.

Ano 2026

Orientador ALESSANDREIA MARTA DE OLIVEIRA JULIO Co-Orientador MARCELO CANIATO RENHE Palavras-chave engenharia de software, ensino, aprendizagem, jogo, jogo serio

Resumo Neste trabalho, propõe-se um método híbrido para detecção de danos em estruturas reticulares, combinando Modelagem por Elementos Finitos (MEF) com Otimização Inteira Mista baseada em classificação. Inicialmente, para cada elemento estrutural são atribuídas duas variáveis indicadoras de dano: variáveis binárias para localização e variáveis contínuas para quantificação. O principal objetivo dessa dupla atribuição estrutural é permitir uma estratégia hierárquica para a avaliação do dano. Funções objetivo serão definidas para medir as discrepâncias entre o comportamento dinâmico do modelo danificado e as frequências naturais e modos vibracionais observados. Um algoritmo hierárquico de otimização por classificação, sem uso de gradientes, será empregado em duas etapas: localização qualitativa do dano e quantificação precisa de sua severidade. Os resultados serão avaliados com e sem a presença de ruído nas medições.

Ano 2026

Orientador CARLOS CRISTIANO HASENCLEVER BORGES Co-Orientador Palavras-chave Análise de danos; otimização inteira-mista; Elementos Finitos; Otimização por classificação; estruturas reticulares

Resumo O mercado de jogos autorais apresenta um crescimento contínuo, com milhares de jogos publicados ao ano nas maiores feiras do mundo. Esse crescimento cria uma demanda por melhorias nas ferramentas de apoio à fase de criação. Nessa fase, um protótipo passa por play-test repetidamente a fim de identificar desbalanceamentos e estratégias dominantes, o que exige muito tempo e recursos humanos. Esta pesquisa busca explorar meios para aliviar a necessidade da equipe de play-test, ao explorar por exaustão os sistemas do jogo usando agentes inteligentes. Dessa forma, espera se que os humanos se concentrem nos aspectos da experiência de jogo e não em testes de estresse. Esta é uma pesquisa exploratória na qual é avaliado o uso de agentes inteligentes treinados por métodos de self-play e reforço não supervisionado como usados pelo projeto AlphaZero, que é baseado nos métodos de busca em árvore de Monte Carlo (MCTS) e de redes neurais residuais (ResNets). Foi criado um sistema computacional de representação de jogos de turnos, de geração e treinamento de agentes inteligentes e de simulação e avaliação de partidas, que foi testado com o jogo Ligue 4. Dados colhidos durante e após o processo de treinamento são utilizados para levantar observações do comportamento emergente das regras do jogo. Com as partidas sintéticas, a equipe de desenvolvimento passa a ter um conjunto de milhares de partidas para avaliar, em vez de algumas dezenas. Essa abordagem permitiu visua lizar métricas acerca do jogo e indicou a viabilidade de usar o método de play-test automatizado como apoio ao projetista.

Ano 2026

Orientador IGOR DE OLIVEIRA KNOP Co-Orientador LUCIANA CONCEICAO DIAS CAMPOS Palavras-chave game design, play-test automático, AlphaZero, redes neurais artificiais

Resumo Com o envelhecimento populacional, o declínio cognitivo emerge como um desafio significativo para a qualidade de vida dos idosos. Este estudo apresenta uma revisão da literatura sobre o uso de tecnologias digitais para manutenção e estimulação cognitiva nessa população. Seguindo as diretrizes PRISMA, a metodologia abrange buscas nas bases de dados PubMed, Scopus e Web of Science, analisando estudos publicados entre 2020 a 2025 que avaliam aplicativos gamificados, jogos sérios e outras tecnologias digitais voltadas para estimulação cognitiva. A partir da síntese dos estudos incluídos, a pesquisa busca identificar quais tecnologias têm sido desenvolvidas, quais funções cognitivas são abordadas, quais resultados de eficácia são reportados e quais desafios persistem. O estudo também busca consolidar o conhecimento existente, identificar lacunas na literatura e fornecer subsídios para o desenvolvimento de futuras soluções tecnológicas voltadas ao envelhecimento cognitivo saudável.

Ano 2026

Orientador LUCIANA CONCEICAO DIAS CAMPOS Co-Orientador Palavras-chave Revisão sistemática, idosos, declínio cognitivo, estimulação cognitiva, tecnologias digitais

Resumo O crescimento exponencial de arquiteturas baseadas em microsserviços aumentou significativamente a complexidade dos testes de APIs REST, particularmente devido à validação de múltiplos endpoints e à explosão combinatória de cenários de teste. Além disso, garantir a rastreabilidade entre requisitos de negócio e operações de API, bem como medir objetivamente cobertura e complexidade, permanece um desafio em sistemas de larga escala. Neste contexto, este trabalho apresenta uma ferramenta automatizada para geração de cenários de teste de APIs REST a partir de especificações OpenAPI/Swagger e documentos de requisitos de negócio. A abordagem proposta realiza análise estrutural automatizada de especificações de API nos formatos Swagger 2.0 e OpenAPI 3.0 e 3.1, combinada com processamento de linguagem natural de requisitos de negócio por meio da integração com múltiplos provedores de LLM, incluindo OpenAI GPT-4, Groq, Anthropic Claude, Google Gemini e OpenAI. Como resultado, a ferramenta sintetiza cenários de teste comportamentais no formato Gherkin, compatíveis com frameworks BDD, computa métricas de cobertura cruzada entre requisitos de negócio e endpoints, e deriva métricas de complexidade por análise algorítmica, empregando chunking adaptativo para processar eficientemente APIs de larga escala. A arquitetura modular do sistema permite extensibilidade, possibilitando a incorporação de provedores LLM adicionais e formatos de saída conforme os requisitos evoluem. Resultados de um estudo de caso utilizando a API Weather.gov demonstram a viabilidade da abordagem proposta. A ferramenta gerou 127 cenários de teste em aproximadamente 45 segundos, cobrindo 59 endpoints e 342 parâmetros, alcançando 100% de cobertura de requisitos com consumo total de 5.172 tokens. Esses resultados indicam que a solução é aplicável a ambientes reais de desenvolvimento de software, oferecendo custos operacionais viáveis e integração com pipelines de integração contínua. Adicionalmente, a ferramenta é disponibilizada como código aberto, contribuindo para a comunidade de garantia de qualidade e possibilitando pesquisa e desenvolvimento em testes automatizados de API.

Ano 2026

Orientador VICTOR STROELE DE ANDRADE MENEZES Co-Orientador Palavras-chave Testes de API, OpenAPI, Swagger, LLM, Gherkin, Automação, BDD

Resumo A prática da corrida tem se popularizado entre pessoas que buscam qualidade de vida e saúde, especialmente entre corredores amadores. No entanto, a ausência de acompanhamento profissional pode aumentar o risco de lesões e dificultar a evolução do desempenho. Este trabalho propõe o desenvolvimento de um sistema de apoio inteligente voltado para corredores amadores, utilizando técnicas de aprendizado de máquina aplicadas à análise de dados fisiológicos e de desempenho. O projeto se baseia na análise de bases de dados existentes ou na coleta individual com voluntários que utilizam dispositivos vestíveis comerciais, como smartwatches ou fazem uso de aplicativos de corrida. O objetivo é construir modelos preditivos que ofereçam percepções relevantes personalizados ao corredor, auxiliando na otimização do treino e na prevenção de sobrecargas. Espera-se que os resultados obtidos demonstrem o potencial das técnicas de inteligência artificial como aliadas acessíveis para corredores não profissionais.

Ano 2026

Orientador LUCIANA CONCEICAO DIAS CAMPOS Co-Orientador Palavras-chave aprendizado de máquina, corredores amadores, e-health, análise de dados, desempenho esportivo.

Resumo A evasão em disciplinas introdutórias de programação é um problema recorrente nos cursos de graduação na área de computação. Esse fenômeno é, em grande parte, causado pelas dificuldades iniciais que os estudantes enfrentam, o que pode gerar desmotivação. Uma estratégia para melhorar o engajamento dos alunos é o uso de jogos educativos, na tentativa de aumentar o interesse de parte dos discentes. Diversos trabalhos na literatura usam jogos para apoiar o ensino de programação básica e estruturas de dados, porém poucos abordam determinados conceitos de programação mais avançados. Este trabalho apresenta o jogo \textit{CONNECT}, que foi desenvolvido com o objetivo de reforçar o ensino de ponteiros, um conceito considerado complexo por muitos na programação. A proposta é integrar de forma lúdica o aprendizado técnico, criando um ambiente mais envolvente e estimulante para os alunos. Para a avaliação do jogo, foi utilizada a ferramenta LORI \cite{nesbit2009}, um modelo de avaliação de objetos de ensino, adaptado para a experiência de alunos e professores com jogos educativos. Os resultados obtidos indicaram boa aceitação por parte dos participantes, com destaque em motivação e usabilidade.

Ano 2026

Orientador MARCELO CANIATO RENHE Co-Orientador Palavras-chave ensino de ponteiros, ensino de programação, jogo educativo, engajamento estudantil.

Resumo O eletrocardiograma (ECG) é essencial para o diagnóstico cardiovascular, mas sua interpretação manual é demorada e sujeita à variabilidade. Embora técnicas de aprendizado profundo (deep learning) prometam automatizar a segmentação de ondas, persistem desafios relacionados à escassez de dados anotados e à reprodutibilidade de arquiteturas complexas. Este trabalho combina uma revisão sistemática da literatura (2015–2025) com um estudo experimental de replicação. A revisão, composta por 42 estudos, mapeou a transição tecnológica de CNNs simples para modelos profundos e híbridos com mecanismos de atenção. A análise teórica identificou a predominância de bases públicas (QTDB, LUDB) e evidenciou que o Data Augmentation consolidou-se como um componente crítico — e não apenas acessório — para mitigar o severo desbalanceamento de classes em cenários de bases pequenas. Complementarmente, o estudo prático avaliou a reprodutibilidade de duas arquiteturas representativas utilizando a base LUDB com validação estatística robusta. Os resultados demonstraram a superioridade da abordagem puramente convolucional (Residual U-Net), que atingiu um F1-Score de 0,9544 (± 0,002), superando o modelo híbrido SEResUTer (F1-Score: 0,8373 ± 0,007), mesmo quando este último foi otimizado com aumento de dados. Conclui-se que, embora Transformers representem a tendência teórica, modelos convolucionais robustos permanecem como a escolha mais eficiente e estável para aplicações clínicas com restrição de dados rotulados.

Ano 2026

Orientador LUCIANA CONCEICAO DIAS CAMPOS Co-Orientador Palavras-chave Eletrocardiograma (ECG), aprendizado de máquina, rede neural convolucional, segmentação de ondas, revisão sistemática.

Resumo O Problema da Clusterização Capacitada (PCC) é amplamente estudado na literatura, tendo diversas aplicações relevantes, como a entrega de encomendas e roteamento de veículos. São usadas diversas técnicas de otimização, entre elas, destaca-se o Simulated Annealing (SA), uma meta-heurística da qual auxilia na busca do espaço de solução, fazendo com que através de pertubação e simulação de temperatura aceite soluções piores que a atual, auxiliando a gerar diferentes novas soluções e consequentemente sair de ótimos locais, movendo para novas regiões do espaço de solução. Para aprimorar as soluções obtidas através do SA, a estratégia é combinada com o Randomized Variable Neighborhood Descent (RVND), que realiza buscas locais sistemáticas em diferentes vizinhanças, contribuindo para o refinamento das soluções obtidas. Além disso, incorpora-se o Reactive Greedy Randomized Adaptive Search Procedure (RGRASP) junto com VND, com o objetivo de gerar soluções iniciais mais promissoras e diversas, favorecendo a busca local em diferentes espaços de busca, em vez de apenas usar estratégias gulosas. Essa integração entre diversas meta-heurísticas visa acelerar a convergência para gerar soluções mais eficientes e atrativas para problemas combinatoriais complexos de otimização como o PCC.

Ano 2026

Orientador LUCIANA BRUGIOLO GONCALVES Co-Orientador STENIO SA ROSARIO FURTADO SOARES Palavras-chave Inteligência Computacional, Otimização, Problema da Clusterização Capacitada, Metaheurísticas, Simulated Annealing, Reactive Greedy Randomized Adaptive Search Procedure, Randomized Variable Neighborhood Descent.

Resumo A inclusão da comunidade surda no ambiente educacional brasileiro enfrenta barreiras significativas devido à carência de intérpretes e à falta de fluência na Língua Brasileira de Sinais (Libras) por parte de professores e alunos ouvintes. Este trabalho apresenta o desenvolvimento de um modelo de reconhecimento de sinais dinâmicos da Libras focado no contexto de sala de aula, utilizando técnicas de aprendizado de máquina. Para isso, foi construído um conjunto de dados próprio contendo 900 vídeos de 20 sinais distintos, executados por nove sinalizadores. A metodologia consistiu na extração de pontos de referência (keypoints) por meio da ferramenta MediaPipe Holistic, seguida pelo cálculo de características geométricas (ângulos e distâncias) e de movimento. O modelo de classificação baseou-se em redes neurais recorrentes (RNN) do tipo Long Short-Term Memory (LSTM). Os resultados demonstram que a integração de características de movimento, juntamente com o emprego de modelos especialistas para distinguir classes ambíguas, elevou a acurácia geral do modelo para 88,89%. A abordagem contribui para o avanço dos estudos na tarefa de reconhecimento de sinais da Libras, oferecendo uma base para o desenvolvimento de futuras ferramentas de acessibilidade no contexto educacional.

Ano 2026

Orientador LUIZ MAURILIO DA SILVA MACIEL Co-Orientador Palavras-chave Reconhecimento de sinais, aprendizado de máquina, sinais dinâmicos, contexto educacional, visão computacional.

Resumo Este Trabalho de Conclusão de Curso apresenta o desenvolvimento e a avaliação de um artefato computacional denominado \textit{Avaliador Didático da Computação}, fundamentado no modelo teórico do Hexágono Didático da Computação. O objetivo do trabalho é apoiar docentes da área da Computação na reflexão e autoavaliação de suas práticas pedagógicas, a partir de uma abordagem estruturada e alinhada à perspectiva da Aprendizagem Ativa. A metodologia adotada baseia-se na Design Science Research, envolvendo as etapas de identificação do problema, definição dos objetivos da solução, desenvolvimento do artefato e avaliação a partir da percepção dos usuários. O sistema foi desenvolvido como uma aplicação web composta por um questionário diagnóstico estruturado nas seis dimensões do Hexágono Didático da Computação e por mecanismos de geração de relatórios visuais e interpretativos, que permitem ao docente identificar aspectos consolidados e dimensões passíveis de aprimoramento em sua prática didática. A avaliação do artefato foi realizada por meio de uma pesquisa de opinião com docentes da área da Computação, considerando critérios como utilidade percebida, facilidade de uso, usabilidade, experiência de uso e intenção de utilização futura. Os resultados indicam boa aceitação do sistema e evidenciam seu potencial como ferramenta de apoio à reflexão pedagógica e ao desenvolvimento profissional docente. Conclui-se que o Avaliador Didático da Computação atende aos objetivos propostos, contribuindo para a aproximação entre teoria e prática no contexto da Didática da Computação.

Ano 2026

Orientador RONNEY MOREIRA DE CASTRO Co-Orientador Palavras-chave Autoavaliação Docente; Aprendizagem Ativa; Didática da Computação; Hexágono Didático da Computação; Prática Docente.

Trabalho	Autor	PDF	Extras
Avaliação de Confiança de Classificadores de ML para Reconhecimento de Semáforos em Veículos Autônomos	SÁVIO CHERMONT WAROL TEIXEIRA
O que as redes sociais revelam sobre o consumo de lácteos	IGOR INFINGARDI DE CARVALHO RIBEIRO
Aplicação de modelos de reconhecimento de ações em vídeos para o problema de monitoramento de idosos	BEATRIZ APARECIDA BENEDICTO HELENO
Um Processo para o Desenvolvimento de Recursos Educacionais Abertos Sustentáveis de Apoio à Educação em Computação	ÁGATA MEIRELES CARVALHO
Uso de Jogos Sérios no ensino-aprendizagem de Engenharia de Software	FILIPE BRINATI FURTADO
Análise de danos em estruturas reticulares utilizando o modelo de Elementos Finitos e Otimização inteira-mista	YAN MESSIAS DE AZEVEDO FONSECA
Ferramenta de apoio automatizado à fase de balanceamento de regras em jogos de turnos	CELSO GABRIEL DUTRA ALMEIDA MALOSTO
Estimulação Cognitiva em Idosos com Apoio de Tecnologias	JAQUELINE DA SILVA AMARAL LOPES
Engenharia de Cenários de Teste End-to-End para APIs RESTful	FABRÍCIO DE SOUSA GUIDINE
Desenvolvimento de um Sistema Embarcado para Monitoramento e Apoio a Corredores Amadores com Técnicas de Aprendizagem de Máquina	NUBIA RIBEIRO NALIATTI DE MELLO
Jogo Educativo para Reforço de Conceito de Ponteiros	GABRIEL PEREIRA SENRA SOARES
Deep Learning no Delineamento de ECG: Revisão e Comparação entre CNNs e Transformers	MARIANA TREVIZANI NOCELLI
Uma abordagem híbrida de Metaheurísticas para solução do Problema da Clusterização Capacitada	VINÍCIUS CARLOS DE OLIVEIRA
Reconhecimento de sinais da Libras em vídeos no contexto educacional utilizando aprendizado de máquina	GABRIEL FRASSON COSTA
Avaliador Didático da Computação: apoio à prática pedagógica a partir do Hexágono Didático	ÍGOR ALMEIDA GUEDES

<< Anterior
1
2
3
4
5
6
7
Próximo >>