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 Contextualização/Motivação: A expansão acelerada dos sistemas conversacionais no contexto tecnológico contemporâneo tornou evidente um problema estrutural recorrente: a maioria dos chatbots é desenvolvida de forma ad-hoc, sem apoio de modelos arquiteturais consolidados, o que resulta em sistemas frágeis, monolíticos, de difícil manutenção e com baixa interoperabilidade. Objetivo: Neste trabalho é apresentada a proposta de uma Arquitetura de Referência (AR) para o desenvolvimento de aplicações baseadas em chatbots. Metodologia: A arquitetura foi desenvolvida seguindo o processo ProSA-RA (Process for Software Architectures - Reference Architectures). Primeiramente, durante a investigação de fontes de informação, foi conduzida uma revisão sistemática de literatura e análise de sistemas existentes em sete domínios distintos. Posteriormente, na fase de análise arquitetural, os requisitos foram elicitados e categorizados em requisitos funcionais e não funcionais essenciais. Por fim, durante a síntese arquitetural, foram especificadas visões arquiteturais documentadas segundo o modelo "4+1" utilizando diagramas UML. A arquitetura de referência proposta poderá ser utilizada como base (blueprint) conceitual para o desenvolvimento de aplicações baseadas em chatbots. Para avaliar a viabilidade arquitetura proposta, a mesma foi instanciada na especificação do projeto arquitetural de um chatbot para o domínio educacional.

Ano 2026

Orientador ANDRE LUIZ DE OLIVEIRA Co-Orientador PEDRO HENRIQUE DIAS VALLE Palavras-chave Arquitetura de Referência, Chatbots, ProSA-RA

Resumo Este trabalho apresenta o desenvolvimento e a avaliação de um jogo de tabuleiro educacional, intitulado "GobDash", voltado para o ensino de conceitos de Computação como algoritmos, sequenciamento lógico e depuração de código, por meio da abordagem de Computação Desplugada. O material foi desenvolvido a partir de um mapeamento sistemático da literatura, que evidenciou a carência de fundamentação teórica e de avaliação empírica documentada na maioria dos jogos analógicos voltados à Educação em Computação. O jogo foi projetado com base em habilidades específicas da Base Nacional Comum Curricular (BNCC) de Computação e concebido como um material de baixo custo e fácil reprodução. Sua avaliação foi realizada por meio de uma oficina aplicada a 44 estudantes de duas turmas do 9º ano do Ensino Fundamental II de uma escola pública de Juiz de Fora (MG), combinando dois instrumentos: um par de pré-teste e pós-teste, baseado em questões do Desafio Bebras, para mensurar variações nas habilidades de Pensamento Computacional (PC) dos participantes; e o questionário MEEGA+Kids, para avaliar a aceitação e o engajamento dos estudantes com o material. Os resultados indicaram uma boa aceitação do jogo, com destaque para as dimensões de Estética (média 4,08) e Aspecto Social (média 4,02), enquanto a dimensão de Facilidade de Aprender e Jogar obteve a menor média (3,56), sinalizando a necessidade de aprimoramento na apresentação das regras. Quanto ao desenvolvimento do PC, a comparação não indicou diferença estatisticamente significativa, resultado atribuído principalmente ao curto tempo de aplicação e à divergência de dificuldade entre as questões utilizadas nos dois instrumentos, e não necessariamente à ineficácia do material como ferramenta pedagógica. Conclui-se que "GobDash" constitui um material acessível e bem avaliado do ponto de vista de engajamento e usabilidade, ainda que sejam necessários estudos futuros, com amostras maiores e aplicações mais longas, para confirmar seu impacto direto no desenvolvimento do PC.

Ano 2026

Orientador BARBARA DE MELO QUINTELA Co-Orientador IGOR DE OLIVEIRA KNOP Palavras-chave Computação Desplugada; Jogo de Tabuleiro; Ensino de Computação; Pensamento Computacional; Lógica e Algoritmos; Jogo Analógico; Jogo Educacional;

Resumo A simulação computacional da eletrofisiologia cardíaca permite estudar a propagação elétrica no tecido cardíaco e os cerários de formação de arritmias, mas seu custo computacional cresce rapidamente com o refinamento da malha, o número de passos temporais e a complexidade dos modelos utilizados. Este trabalho avalia o uso de JAX como alternativa para acelerar simulações baseadas no modelo do monodomínio e em diferenças finitas. Inicialmente, uma implementação em NumPy em CPU foi usada como referência para verificar a consistência numérica da implementação em JAX em casos controlados. Em seguida, os experimentos passaram a concentrar-se no desempenho da execução em JAX, especialmente em GPU, no estudo de convergência de malha e na extensão do simulador para um caso tridimensional com máscara anatômica. Foram avaliados os modelos biestável, FitzHugh-Nagumo, Mitchell-Schaeffer e Bueno-Orovio. Os resultados indicaram equivalência prática entre NumPy e JAX nas verificações iniciais em dupla precisão, ganhos expressivos de desempenho com JAX nas malhas maiores e viabilidade da execução do monodomínio 3D mascarado em GPU.

Ano 2026

Orientador JOVENTINO DE OLIVEIRA CAMPOS Co-Orientador BERNARDO MARTINS ROCHA Palavras-chave Eletrofisiologia cardíaca, JAX, GPU, monodomínio

Resumo A avaliação do Escore de Condição Corporal (ECC) é uma prática essencial na pecuária, mas o método tradicional apresenta limitações inerentes à subjetividade. Este trabalho objetivou construir um conjunto de dados original e investigar a aplicação de modelos de redes neurais convolucionais (CNNs) para a predição automatizada do ECC. A metodologia envolveu a aquisição de imagens da região dorsal em ambiente produtivo não controlado, anotação por avaliadores treinados e o pré-processamento dos dados. Foram implementadas e comparadas estratégias de classificação de imagens (VGG-16, ResNet-18, ResNet-50 e DenseNet-121) e de detecção de objetos (YOLO11n e YOLO26n) utilizando a técnica de transferência de aprendizado. Os experimentos evidenciaram a elevada complexidade do problema em condições reais, uma vez que o tamanho reduzido e o desbalanceamento do conjunto de dados limitaram a capacidade de generalização dos modelos. Constatou-se que a redução da granularidade da escala de escores contribuiu significativamente para o aumento da acurácia, com a arquitetura VGG-16 atingindo o melhor desempenho, com 50,76\% de acerto para três classes. Por fim, espera-se que os resultados contribuam para o avanço de soluções na pecuária de precisão.

Ano 2026

Orientador LUIZ MAURILIO DA SILVA MACIEL Co-Orientador FRANK ANGELO TOMITA BRUNELI Palavras-chave Escore de Condição Corporal, Pecuária de Precisão, Redes Neurais Convolucionais, Classificação de Imagens

Resumo A personalização do ensino tem se consolidado como uma estratégia eficaz para atender às diferentes necessidades dos estudantes em ambientes virtuais de aprendizagem. Nesse cenário, o Sequenciamento Curricular Adaptativo (ACS) se apresenta como uma abordagem que visa oferecer conteúdos em uma ordem adequada ao perfil de cada aluno, mas enfrenta uma lacuna significativa entre os modelos teóricos e sua aplicação prática em Sistemas de Gestão de Aprendizagem (LMS). O Moodle se destaca como uma plataforma promissora para suprir essa lacuna: por sua arquitetura \textit{open source} e suporte nativo a diversos recursos, permite que dados pedagógicos sejam estruturados e extraídos sob demanda. Este trabalho propõe a estruturação de cursos na plataforma que viabilizam a extração sistemática dos dados necessários para o processamento das sequências curriculares adaptativas. A partir de um curso estruturado com dados de um experimento prévio inseridos na plataforma, o algoritmo é executado sobre os dados extraídos, gerando sequências de materiais adaptadas ao perfil de cada estudante. A estratégia demonstra a viabilidade de transformar o Moodle em um ambiente dinamicamente adaptativo, oferecendo um modelo replicável para a integração entre algoritmos de otimização e recursos já consolidados em ambientes virtuais de aprendizagem.

Ano 2026

Orientador JAIRO FRANCISCO DE SOUZA Co-Orientador MARCELO DE OLIVEIRA COSTA MACHADO Palavras-chave Sequenciamento Curricular Adaptativo , Moodle, Metaheurísticas, Trilhas de Aprendizagem Personalizadas, Sistema de Gestão de Aprendizagem.

Resumo A divulgação de dados orçamentários municipais avançou com a ampliação dos Portais da Transparência, mas a forma como essas informações são disponibilizadas ainda impõe barreiras à compreensão da população. Planilhas extensas, formatos heterogêneos e linguagem técnica dificultam o acompanhamento efetivo da execução orçamentária e limitam o exercício do controle social. Este trabalho propõe e implementa um \textit{Data Warehouse} para análise da execução orçamentária de Juiz de Fora, integrando informações dispersas do Portal da Transparência municipal, do ementário da Secretaria do Tesouro Nacional e da Lei Orçamentária Anual em um modelo dimensional. A pesquisa adota \textit{Design Science Research} como abordagem metodológica e a modelagem dimensional de Kimball como referência técnica. O artefato resultante integra dez dimensões e três tabelas de fatos de despesas e receitas, alimentadas por um \textit{pipeline} de ETL idempotente que documenta explicitamente as inconsistências encontradas nas fontes. O consumo ocorre por meio de sete painéis interativos publicados em instância pública, avaliados comparativamente ao portal original em tarefas representativas de fiscalização. Os resultados mostram uma redução consistente do esforço de consolidação manual exigido do usuário e revelam padrões recorrentes na execução orçamentária municipal, entre eles a dependência de transferências intergovernamentais e a distância entre o empenho e o pagamento efetivo.

Ano 2026

Orientador VICTOR STROELE DE ANDRADE MENEZES Co-Orientador Palavras-chave transparência pública; orçamento municipal; data warehouse; modelagem dimensional; design science research; controle social.

Resumo Contexto: O Jogo Educacional Digital (JED) Flip n' Flop, voltado à prática de diagramas de tempo de flip-flops, está sendo desenvolvido no DCC/UFJF para apoiar a disciplina de Circuitos Digitais. Uma avaliação preliminar do jogo identificou limitações expressivas em acessibilidade e personalização, estabelecendo direções prioritárias para a continuidade do jogo. Objetivos: Este trabalho tem como objetivo investigar, implementar e avaliar melhorias de acessibilidade no Flip n' Flop, ampliando seu alcance a um público mais diverso e reforçando seu papel pedagógico de forma mais equitativa. Métodos: O trabalho foi conduzido a partir de uma revisão da literatura, identificando guias e critérios de acessibilidade para jogos digitais, com destaque para as Game Accessibility Guidelines (GAG) e os critérios de Belarmino et al. (2021). Na sequência, o estado de acessibilidade do Flip n' Flop foi inspecionado à luz desses dois instrumentos, orientando a implementação de um subconjunto dos itens identificados como aplicáveis ao jogo. Por fim, foi realizada uma avaliação empírica com estudantes da disciplina de Circuitos Digitais, utilizando o modelo MEEGA+ complementado por questões específicas sobre personalização e acessibilidade. Resultados: Na inspeção por diretrizes, o Flip n' Flop atendeu a 65% das diretrizes básicas do GAG aplicáveis ao contexto do jogo, decrescendo nos níveis de maior complexidade. A avaliação empírica com os estudantes confirmou a evolução do JED, registrando ao menos 70% de concordância nas questões sobre personalização e acessibilidade. Conclusão: Os resultados demonstram a viabilidade de incorporar melhorias de acessibilidade ao Flip n' Flop, com impacto positivo percebido pelos próprios jogadores, reforçando a relevância desse investimento para que jogos educacionais cumpram seu papel pedagógico de forma plena e justa.

Ano 2026

Orientador LUCIANO JEREZ CHAVES Co-Orientador Palavras-chave Jogos Educacionais Digitais; Acessibilidade; Game Accessibility Guidelines; Circuitos Lógicos; Diagramas de Tempo; Flip-Flops.

Resumo A avaliação automática de redações em larga escala desempenha um papel fundamental no diagnóstico educacional, permitindo analisar de forma ágil o desempenho de redes de ensino. Contudo, o processamento de textos produzidos por alunos dos anos iniciais do Ensino Fundamental apresenta desafios complexos devido ao desbalanceamento das notas e à forte presença de desvios ortográficos. Este trabalho apresenta um estudo comparativo entre duas abordagens de processamento de linguagem natural (PLN) para a atribuição automática de notas em redações do gênero narrativo escritas por estudantes do 5º ano, avaliando quatro aspectos pedagógicos: Registro Formal, Tipologia Textual, Coerência Temática e Coesão. Foram investigados o modelo clássico baseline XGBoost, alimentado por características tabulares extraídas por uma implementação própria baseada no NILC-Metrix, e o modelo de aprendizado profundo BERTimbau, baseado na arquiteturaTransformers. A avaliação de desempenho, mensurada predominantemente pela métrica Quadratic Weighted Kappa (QWK), revelou que o BERTimbau superou o baseline clássico (XGBoost) em todas as competências e métricas, com destaque para um ganho expressivo na predição da Coerência Temática, por conseguir processar relações semânticas profundas. Contudo, conclui-se que o modelo XGBoost ainda se mostra uma alternativa altamente viável e equilibrada para cenários de produção, oferecendo alta explicabilidade no mapeamento de dados, provando que a escolha do paradigma ideal depende das prioridades e objetivos do sistema de avaliação em larga escala

Ano 2026

Orientador JAIRO FRANCISCO DE SOUZA Co-Orientador Palavras-chave Avaliação Automática de Redações. Processamento de Linguagem Natural. Modelos de Linguagem Baseados em Transformers. Algoritmos de Aprendizado Supervisionado. Avaliação Educacional em Larga Escala.

Resumo O modelo tradicional de carga de dados em batch entre sistemas transacionais e ambientes analíticos tem se mostrado insuficiente diante da crescente necessidade de tomada de decisão com base em dados recentes. Neste cenário, o paradigma data lakehouse propõe unir a flexibilidade dos data lakes às garantias de governança típicas dos data warehouses. O presente trabalho tem como objetivo desenvolver e avaliar um protótipo de atualização near real-time entre um banco relacional e um ambiente analítico organizado em camadas bronze/silver/gold, inspirado na arquitetura lakehouse. Para isso, foram utilizados MySQL, Debezium, Apache Kafka e um consumidor escrito em PHP como motor de Streaming ETL, operando sobre dados reais do Cadastro Nacional de Estabelecimentos de Saúde (CNES/DATASUS). Um ponto importante do protótipo é que o dado analítico é construído inteiramente a partir do fluxo de streaming, sem consultas ao banco de dados de origem. O ambiente foi todo montado com Docker e ferramentas open source. Os testes, executados sobre uma grade de oito cenários de carga (1 a 100 op/s), com cinco repetições por cenário, mostraram que o pipeline sustenta o processamento em regime near real-time para cargas de até ~25 op/s. O joelho da curva de desempenho foi localizado entre 25 e 40 op/s, e os cenários de saturação (60 a 100 op/s) evidenciaram o principal fator limitante, a natureza single-threaded do consumidor, com degradação progressiva por acúmulo de backlog, atingindo latências médias de dezenas a centenas de segundos. No regime sustentável, a latência média ficou entre 232 e 361 milissegundos, confirmando a viabilidade da abordagem, e a decomposição instrumentada indicou que a quase totalidade do tempo ponta a ponta se concentra no intervalo entre o commit no MySQL e a chegada do evento ao consumidor (compatível com o poll.interval.ms padrão de 500 ms do Debezium, cuja metade, ~250 ms, corresponde à latência observada), enquanto o processamento em PHP contribui com poucos milissegundos

Ano 2026

Orientador VICTOR STROELE DE ANDRADE MENEZES Co-Orientador Palavras-chave Data Lakehouse, Change Data Capture, Streaming ETL, Apache Kafka, Atualização near real-time

Resumo Os acidentes em rodovias federais brasileiras exigem análises baseadas em dados para subsidiar ações de saúde pública e segurança viária. Contudo, os registros da Polícia Rodoviária Federal (PRF) apresentam dispersão estrutural e problemas crônicos de qualidade, como duplicidades, valores omissos e erros geográficos. Diante desse problema, este estudo investiga como o uso de técnicas de mineração de dados e modelos estatísticos pode propor soluções alternativas para esse problema e, em paralelo, revelar padrões espaço-temporais e predizer sinistros. O objetivo geral é mapear o quadro histórico dos acidentes e prever a sua demanda futura, por meio de técnicas de mineração de dados e de modelos estatísticos aplicados às bases da PRF, evidenciando os fatores de risco, os perfis de severidade e os padrões espaço-temporais dos sinistros. Sobre os registros da PRF, aplicaram-se as seguintes técnicas de mineração de dados: análise descritiva; detecção de trechos críticos (\textit{hotspots}); mineração de regras de associação (FP-Growth); e previsão de demanda por séries temporais (SARIMA). Os resultados evidenciam uma clara dissociação entre frequência e letalidade: desfechos mais graves concentram-se em colisões frontais, atropelamentos, madrugadas e pistas simples de rodovias longitudinais. O algoritmo FP-Growth isolou combinações de fatores até seis vezes mais letais que a média, e o modelo SARIMA forneceu estimativas úteis ao planejamento operacional. Todos os artefatos foram integrados no painel interativo. Como limitações, pontuam-se a imputação de coordenadas pela mediana do trecho, que introduz aproximações espaciais, e a restrição das regras de associação a variáveis categóricas e ao desfecho fatal.

Ano 2026

Orientador FABRICIO MARTINS MENDONCA Co-Orientador Palavras-chave Acidentes de trânsito, Mineração de dados, Segurança viária, Rodovias federais.

Resumo Este estudo de caso investiga as mensagens privadas do Moodle como uma fonte complementar para o monitoramento de trajetórias acadêmicas em cursos de educação a distância. Foram analisadas mensagens de estudantes classificados como Formados e Evadidos, combinando análise de sentimentos e modelagem de tópicos. Os resultados indicam baixa concordância entre os métodos de análise e correlações fracas entre a polaridade média e os indicadores. A modelagem de tópicos mostrou que as mensagens tratam principalmente de demandas acadêmico-administrativas, como notas, prazos e dificuldades técnicas. Conclui-se que a polaridade média possui alcance limitado e que o uso de registros textuais do AVA em contextos reais depende da centralidade, da qualidade e da completude das interações registradas.

Ano 2026

Orientador JAIRO FRANCISCO DE SOUZA Co-Orientador Palavras-chave Moodle; análise de sentimentos; educação a distância; Learning Analytics

Resumo A popularização dos grandes modelos de linguagem introduziu desafios sem precedentes para a integridade acadêmica, deslocando o foco do plágio tradicional para a geração sintética de textos. Em ambientes de avaliação supervisionados, esse cenário foi agravado pelo surgimento do copy-typing, um comportamento dissimulado no qual estudantes transcrevem manualmente textos gerados por inteligência artificial, inserindo ruídos, anomalias e edições intencionais com o objetivo de mascarar sua origem automática e dificultar a detecção por sistemas convencionais de identificação de plágio e autoria sintética. Diante dessa problemática, este trabalho tem como objetivo desenvolver uma solução computacional capaz de detectar fraudes em textos dissertativo-argumentativos e modelar padrões híbridos de autoria textual. Neste contexto, este estudo propõe uma abordagem computacional para a detecção de fraudes educacionais baseada em um problema de classificação multiclasse, capaz de distinguir três categorias distintas de autoria: textos produzidos por seres humanos, textos gerados integralmente por inteligência artificial e textos resultantes de copy-typing. Para isso, foi desenvolvido um pipeline de processamento de linguagem natural baseado no modelo pré-treinado BERTimbau. Adicionalmente, investigou-se uma arquitetura híbrida baseada em late fusion, que incorpora características estilométricas extraídas a priori dos textos. Os experimentos foram conduzidos em dois corpora distintos possibilitando avaliar o impacto da variabilidade dos dados na capacidade de generalização dos modelos. Os resultados demonstraram que o aumento da diversidade amostral produziu ganhos substanciais de desempenho. Além das métricas tradicionais de classificação, foram empregadas técnicas de calibração probabilística, ajuste de limiares de decisão e análise de incerteza, permitindo avaliar o comportamento probabilístico das predições e identificar cenários de elevada ambiguidade. Por fim, foram incorporadas técnicas de inteligência artificial explicável, utilizando SHAP, LIME e Integrated Gradients para interpretar o processo de decisão e investigar os padrões linguísticos mais relevantes para a classificação. Os resultados indicam que a abordagem proposta constitui uma alternativa promissora para a identificação de conteúdos produzidos ou assistidos por inteligência artificial, contribuindo para o desenvolvimento de ferramentas de auditoria acadêmica mais transparentes, interpretáveis e alinhadas às novas demandas impostas pela inteligência artificial generativa.

Ano 2026

Orientador JAIRO FRANCISCO DE SOUZA Co-Orientador Palavras-chave Inteligência artificial, processamento de linguagem natural, detecção de fraude, copy-typing, BERTimbau, fusão tardia, inteligência artificial explicável.

Resumo A análise de simbolismo literário em narrativas de ficção é uma tarefa complexa que envolve interpretação contextual e conhecimento cultural, características historicamente associadas à leitura humana. Com o avanço dos Modelos de Linguagem de Grande Escala (LLMs), surge a questão de em que medida esses modelos são capazes de produzir interpretações simbólicas comparáveis às de leitores humanos. Este trabalho investiga se interpretações simbólicas geradas automaticamente por um LLM podem ser percebidas como humanas e avaliadas como plausíveis por participantes sem conhecimento prévio de sua origem. Para isso, foi desenvolvida uma pipeline que combina técnicas de Processamento de Linguagem Natural (PLN), incluindo tokenização, etiquetagem morfossintática e resolução de correferência, para identificar os objetos mais recorrentes de três contos de domínio público, e um LLM para gerar três interpretações simbólicas por objeto com base nos trechos relevantes do texto. Essas interpretações foram misturadas a anotações humanas e apresentadas a participantes que atribuíram notas de plausibilidade e indicaram a autoria percebida de cada uma. Os resultados mostraram taxa de acerto global de 61,4% na identificação de origem, sendo as anotações humanas mais reconhecidas (71,7%) do que as geradas por LLM (56,3%), e as interpretações automáticas receberam plausibilidade média ligeiramente superior (3,94) à das humanas (3,71) em escala Likert de 1 a 5, indicando que interpretações geradas por LLM podem se aproximar das humanas em qualidade percebida, ainda que apresentem maior tendência a serem confundidas com escrita humana. O escopo do trabalho é limitado: o corpus abrange apenas três contos, o experimento contou com cerca de 22 participantes e cada história recebeu anotações de somente três leitores humanos, o que restringe a generalização dos resultados.

Ano 2026

Orientador FABRICIO MARTINS MENDONCA Co-Orientador Palavras-chave Modelos de Linguagem de Grande Escala; Simbolismo Literário; Análise Computacional de Narrativas; Avaliação Humana; Processamento de Linguagem Natural

Resumo Esse trabalho aborda a criação de um Sistema de Recomendação (SR) para Recursos Educacionais Abertos (REA), visando aprimorar a busca por REA em diversos Repositórios de Recursos Educacionais Abertos (RREA). O sistema foi desenvolvido para recomendar REA adequados às necessidades do usuário, com base em um Modelo Conceitual. O método consiste na coleta de dados de perfil, interesses e metas de aprendizagem do usuário, que são processados por um algoritmo responsável por buscar e classificar REA em dois RREA e em uma plataforma de vídeos educacionais, utilizando um banco de dados. O SR foi desenvolvido com Laravel, Livewire e SQLite, com integração ao Ollama, e visa demonstrar alta eficiência, fornecendo resultados alinhados às necessidades do usuário.

Ano 2026

Orientador VICTOR STROELE DE ANDRADE MENEZES Co-Orientador Palavras-chave Sistema de Recomendação, Recursos Educacionais Abertos, Meta de aprendizagem

Resumo Este trabalho compara modelos de aprendizado de máquina para a classificação do indicador de sobrevivência livre de eventos (EFS) em dados sintéticos de pacientes após o Transplante de Células-Tronco Hematopoiéticas (TCTH), oriundos da competição Equity in Post-HCT Survival Predictions, promovida pelo CIBMTR, avaliando tanto o desempenho global quanto a consistência da capacidade discriminativa entre grupos raciais. O objetivo central foi comparar o desempenho e a equidade de diferentes modelos de aprendizado de máquina, investigando se a superioridade preditiva de determinados métodos se mantém quando analisados possíveis vieses, especialmente relacionados a grupos raciais. Para isso, foram comparados modelos de diferentes naturezas, incluindo algoritmos baseados em árvores, como XGBoost e Random Forest, técnicas de ensemble, como o Stacking Ensemble, e uma rede neural recorrente do tipo LSTM. A avaliação considerou métricas de desempenho global, como AUC-ROC, acurácia e precisão, além de métricas específicas de equidade, com destaque para o índice de concordância estratificado. Os resultados indicam que, no conjunto de teste analisado, XGBoost e Stacking Ensemble apresentaram os maiores valores numéricos nas métricas globais e de concordância. A configuração LSTM avaliada apresentou resultados inferiores e maior amplitude de C-index entre os grupos raciais. Como não foram estimados intervalos de confiança nem realizadas comparações inferenciais, as diferenças entre os modelos devem ser interpretadas de forma descritiva. Entretanto, esses resultados já indicam que determinadas abordagens podem contribuir para a construção de modelos mais equitativos. Conclui-se que os resultados mostram que a ordenação dos modelos pode variar conforme a métrica utilizada e reforçam a importância de reportar o desempenho por subgrupos. Entretanto, por se tratar de uma análise de uma base sintética, sem validação externa e com avaliação de equidade restrita à variação do C-index, os achados não devem ser interpretados como evidência de equidade clínica ou de aplicabilidade direta à tomada de decisão, mas sim como uma contribuição para futuros estudos sobre a avaliação de modelos de suporte à decisão clínica.

Ano 2026

Orientador LUCIANA CONCEICAO DIAS CAMPOS Co-Orientador PRISCILA VANESSA ZABALA CAPRILES GOLIATT Palavras-chave Predição, Transplante de Células Tronco Hematopoiéticas, Machine Learning, Equidade.

Trabalho	Autor	PDF	Extras
Análise e Síntese de uma Arquitetura de Referência para Chatbots	TICIANO DE OLIVEIRA FRACETTE
Desenvolvimento de um Jogo Analógico Educacional para Ensino de Computação Voltado a Crianças e Adolescentes	ISADORA GONÇALVES FERREIRA
Aceleração de Simulações da Eletrofisiologia Cardíaca com JAX	JONATAS DIAS MACHADO COSTA
Predição de Escore de Condição Corporal em Bovinos Guzerá Utilizando Redes Neurais Convolucionais	ENZO FACEROLI MARQUES MOREIRA
Moodle como Infraestrutura para o Sequenciamento Curricular Adaptativo	LUÍZA MACHADO COSTA NASCIMENTO
Data Warehouse para transparência orçamentária municipal: uma proposta para Juiz de Fora	ANTÔNIO MARCOS SOUZA PEREIRA
Acessibilidade em Jogos Educacionais Digitais: Aprimoramento e avaliação do jogo Flip n’ Flop	JOÃO VITOR FERNANDES RIBEIRO CARNEIRO RAMOS
Avaliação Automática de Narrativas Produzidas por Alunos do 5º Ano do Ensino Fundamental	JOÃO PEDRO SILVA FREITAS
Atualização Near Real-Time em Arquiteturas Inspiradas em Data Lakehouse: Utilizando Change Data Capture e Streaming ETL	JOÃO PEDRO FERREIRA PEDREIRA
Mapeamento do Quadro Histórico de Acidentes e Predições nas Rodovias Federais Brasileiras através de Técnicas de Mineração de Dados e Modelos Estatísticos	PEDRO LOURENÇO DE CARVALHO
O Papel da Polaridade e do Tópico em Mensagens Privadas na Análise de Trajetórias Acadêmicas:	GABRIELLA CARVALHO
Detecção de Fraude Assistida por Modelos de Linguagem em Dissertações Argumentativas	MARCOS PAULO RODRIGUES DA SILVA
Desenvolvimento de uma pipeline para interpretação de símbolos em narrativas de ficção baseado em LLMs	LÍVIA RIBEIRO PESSAMILIO
SisREAd: Sistema de Recomendação para REA	GABRIEL DO CARMO SILVA
Desempenho e consistência entre grupos raciais em modelos de aprendizado de máquina para o desfecho pós-transplante de células-tronco hematopoiéticas	RAFAEL DE OLIVEIRA VARGAS

<< Anterior
<< Anterior
1
2
3
4
5
6
7
8
Próximo >>