Lista Pública de Trabalhos Acadêmicos
Curso:
Todos (trabalhos mais recentes)
Ciência da Computação - Diurno
Ciência da Computação - Noturno
Engenharia Computacional
Licenciatura em Computação
Pós-Graduação em Modelagem Computacional
Sistemas de Informação
Pesquisar:
Ano:
Todos
2026
2025
2024
2023
2022
2021
2020
2019
2018
2017
2016
2015
2014
2013
2012
2011
2010
2009
2008
2007
Filtrar
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.
by-year
Trabalho
Autor
PDF
Extras
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
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.
O Papel da Polaridade e do Tópico em Mensagens Privadas na Análise de Trajetórias Acadêmicas:
GABRIELLA CARVALHO
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
Detecção de Fraude Assistida por Modelos de Linguagem em Dissertações Argumentativas
MARCOS PAULO RODRIGUES DA SILVA
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.
Desenvolvimento de uma pipeline para interpretação de símbolos em narrativas de ficção baseado em LLMs
LÍVIA RIBEIRO PESSAMILIO
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
SisREAd: Sistema de Recomendação para REA
GABRIEL DO CARMO SILVA
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
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
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.
Desenvolvimento de um Jogo de Simulação Empresarial como Ferramenta de Apoio ao Ensino de Conceitos Administrativos
MIGUEL SALES DE ALMEIDA LOPES
Resumo
O ensino de conceitos administrativos é, em muitos casos, limitado a abordagens teóricas que dificultam a compreensão dos desafios reais enfrentados pelas organizações. Este trabalho apresenta o desenvolvimento de uma aplicação web de simulação empresarial, voltada ao apoio do ensino de gestão empresarial, na qual professores configuram modelos de simulação fundamentados na Dinâmica de Sistemas e alunos competem entre si gerenciando empresas fictícias em tempo real. A plataforma integra a SimDS, responsável pela execução dos modelos de simulação, com uma arquitetura web composta por um backend em Java e Spring Boot e um frontend em React, comunicando-se por meio de WebSocket para a transmissão dos resultados a cada passo da simulação. O sistema permite que múltiplos jogadores ajustem parâmetros de suas empresas durante a partida e acompanhem seu desempenho por meio de gráficos e placares atualizados automaticamente. A aplicação foi implantada em produção, com frontend hospedado na Vercel e backend em container Docker no Render. A solução desenvolvida demonstra a viabilidade de uma plataforma configurável, acessível via navegador e capaz de oferecer uma experiência competitiva e dinâmica para o ensino de conceitos administrativos.
Ano
2026
Orientador
CIRO DE BARROS BARBOSA
Co-Orientador
Palavras-chave
jogos empresariais, dinâmica de sistemas, gamificação, simulação, ensino de administração
Uma avaliação prática de plataformas low-code e no-code frente ao cenário atual de desenvolvimento de software
LAURA NEVES PIRES
Resumo
O desenvolvimento de software tem passado por transformações associadas à busca por maior agilidade, automação de tarefas e redução do esforço de codificação manual. Nesse contexto, plataformas \textit{low-code} e \textit{no-code} surgiram como alternativas voltadas à construção de aplicações com menor dependência de codificação tradicional, por meio de interfaces visuais, componentes reutilizáveis e recursos configuráveis. No entanto, com o avanço recente de ferramentas baseadas em inteligência artificial generativa, torna-se necessário reavaliar em quais condições essas plataformas ainda oferecem ganhos práticos, quais limitações apresentam e como sua proposta de valor se mantém no cenário atual. Este trabalho tem como objetivo avaliar o uso de plataformas \textit{low-code} e \textit{no-code} no desenvolvimento de software, com base em um sistema de métricas avaliativas aplicado à implementação de uma prova de conceito. Para isso, foi conduzida uma metodologia de avaliação em duas plataformas, \textit{Bubble} e \textit{Budibase}, a partir do desenvolvimento de uma PoC de um sistema de agendamento de consultas médicas. A análise considerou critérios como velocidade de desenvolvimento, modelagem de dados, integrações e necessidade de conhecimento técnico. Os resultados indicaram que a classificação de uma ferramenta como \textit{low-code} ou \textit{no-code} não garante, por si só, maior produtividade, menor complexidade ou menor exigência técnica. Observou-se ainda que ferramentas de inteligência artificial generativa podem tensionar a utilidade percebida dessas plataformas, especialmente quanto à velocidade inicial de geração e à qualidade visual percebida. Como limitação, destaca-se que a avaliação foi realizada com apenas uma prova de conceito e duas plataformas, restringindo a generalização dos resultados.
Ano
2026
Orientador
FABRICIO MARTINS MENDONCA
Co-Orientador
Palavras-chave
Low-code, no-code, desenvolvimento de software, métricas avaliativas, prova de conceito.
Aplicação de Modelos da Teoria de Resposta ao Item na Análise de Leitura de Palavras no Contexto de Avaliações de Fluência Leitora
ARY DE PAULA CANUTO NETO
Resumo
Este trabalho investiga a dificuldade de leitura de palavras isoladas em língua portuguesa por meio da Teoria de Resposta ao Item (TRI), utilizando dados das avaliações PARC Entrada 2024 e PARC Saída 2024. Após o tratamento e a codificação das respostas dos estudantes, foi aplicado o Modelo Logístico Unidimensional de 1 Parâmetro (Modelo de Rasch) para estimar simultaneamente a proficiência dos participantes e a dificuldade dos itens. Inicialmente, foram verificadas as premissas do modelo por meio da análise de unidimensionalidade. Em seguida, analisou-se a distribuição da dificuldade das palavras nos diferentes cadernos de prova, demonstrando equilíbrio entre eles apesar da variação na ordem de apresentação dos itens. Também foi comparada a proficiência estimada pela TRI com a quantidade de palavras corretas, evidenciando forte associação entre ambas as medidas. Adicionalmente, investigou-se a influência de características linguísticas e de frequência de uso das palavras sobre sua dificuldade por meio de modelos de regressão linear, identificando fatores relevantes para sua predição. Por fim, verificou-se que as dificuldades estimadas pela regressão preservam, em grande medida, as estimativas de proficiência obtidas pela TRI, indicando que características linguísticas podem contribuir para a construção e o aprimoramento de instrumentos de avaliação da fluência leitora.
Ano
2026
Orientador
JAIRO FRANCISCO DE SOUZA
Co-Orientador
Palavras-chave
Teoria de Resposta ao Item, Modelo Rasch, Fluência Leitora, Leitura de Palavras, Avaliação Educacional
Scriptonauta - Ensino de Javascript através de uma plataforma lúdica
NILTON RÊGO TEIXEIRA
Resumo
Este trabalho apresenta o desenvolvimento e a avaliação do Scriptonauta, uma plataforma educacional gamificada voltada ao ensino de programação em JavaScript para estudantes iniciantes. A proposta tem como objetivo apoiar o processo de aprendizagem por meio de atividades interativas, feedback automático e elementos de gamificação, como progressão por níveis, narrativa espacial e sistema de vidas. A plataforma foi desenvolvida como uma aplicação web utilizando tecnologias modernas, incluindo TypeScript, Next.js, React e PostgreSQL, permitindo acesso multiplataforma e facilitando sua utilização em diferentes dispositivos. O sistema foi estruturado em planetas de aprendizagem, cada um representando um conjunto progressivo de conteúdos, abordando desde conceitos básicos até estruturas mais avançadas da linguagem JavaScript. A avaliação da plataforma foi realizada com estudantes da disciplina de Algoritmos II da Universidade Federal de Juiz de Fora, totalizando 78 participantes. Os resultados obtidos indicam uma percepção positiva em relação à organização pedagógica, ao potencial educacional e aos elementos de gamificação. Apesar de problemas iniciais de desempenho e estabilidade, melhorias implementadas entre as aplicações resultaram em um aumento significativo das médias de avaliação. De forma geral, os resultados sugerem que o Scriptonauta possui potencial para apoiar o ensino introdutório de programação, oferecendo uma experiência de aprendizagem mais engajante, interativa e estruturada.
Ano
2026
Orientador
RODRIGO LUIS DE SOUZA DA SILVA
Co-Orientador
Palavras-chave
Software Educacional, Ensino de Programação, JavaScript, Gamificação
Jogo online para auxílio no ensino de Linguagens Formais e Autômatos
DEIVERSON MOURÃO ALVES PEDROSO
Resumo
Introdução: O ensino de Linguagens Formais e Autômatos apresenta alto grau de abstração e formalismo, o que representa uma barreira significativa para estudantes de cursos de Computação. Jogos sérios têm se mostrado um complemento eficaz às metodologias tradicionais, permitindo que o aluno visualize conceitos abstratos de forma concreta por meio da experiência prática. Objetivos: Este trabalho propõe o desenvolvimento e a avaliação de um jogo sério para navegador no qual o jogador controla um personagem em um mapa 3D por meio da construção e execução de Autômatos Finitos Determinísticos. A ferramenta organiza a experiência em uma sequência progressiva de fases pedagógicas e disponibiliza um modo sandbox para experimentação livre, no qual o jogador pode criar seus próprios mapas. Métodos: O jogo foi implementado para a plataforma web com React, React Three Fiber e Three.js, estruturados em um monorepo com o ecossistema bhvr. A avaliação será conduzida por meio de um estudo de caso com estudantes da área de Computação, utilizando o instrumento MEEGA+ para medir a qualidade do jogo e a percepção de aprendizagem dos participantes. Resultados: Espera-se observar um maior engajamento dos alunos com os conceitos de estados, transições e reconhecimento de linguagens, bem como uma percepção positiva da ferramenta como apoio ao ensino da disciplina.
Ano
2026
Orientador
IGOR DE OLIVEIRA KNOP
Co-Orientador
CIRO DE BARROS BARBOSA
Palavras-chave
linguagens formais e autômatos, jogos sérios, pensamento computacional
Desenvolvimento de Bibliotecas em Python para Mini computadores de placa única com distribuições Linux OpenWrt
BRYAN CAROLINO MUNIZ BARBOSA
Resumo
A presente pesquisa desenrola-se a partir de um projeto em processo de desenvolvimento pelo Center for Research and Education on Aging (CREA), da University of California, Berkeley. O projeto visa estudar mais a fundo o envelhecimento a partir do monitoramento e controle de sinais biológicos e concentrações hormonais no corpo, com vistas a, em um futuro próximo, gerar soluções no retardamento dos efeitos do envelhecimento e da morte. A pesquisa, a priori, visa iniciar testes e monitoramentos biológicos em ratos para, a posteriori, migrar para humanos. Para que tal monitoramento e controle pudessem ocorrer, surgiu a necessidade do desenvolvimento de um dispositivo Internet of Medical Things (IoMT) sob medida que, com acurácia, pudesse medir sinais biológicos, processar algoritmos contendo modelos preditivos e para tomada de decisão, e controlar atuadores mecânicos em tarefas como a injeção de hormônios. Este trabalho trata do trabalho feito até aqui no desenvolvimento de tal dispositivo.
Ano
2026
Orientador
BARBARA DE MELO QUINTELA
Co-Orientador
Palavras-chave
IoT, IoMT, modelagem computacional, Linux, Python, bibiotecas, Sistemas embarcados
Rede Descentralizada de Compartilhamento de Conteúdo e Serviços
OROMAR VOIT DE REZENDE
Resumo
Este trabalho propõe um modelo de arquitetura para a Timelink, uma rede peer-to-peer descentralizada voltada para o compartilhamento eficiente de conteúdo. A arquitetura foi planejada para operar em um ambiente distribuído, sem hierarquia entre os nós, garantindo que todos os dispositivos tenham o mesmo nível de importância e possam funcionar de maneira independente. Além disso, a proposta visa proporcionar uma estrutura escalável, flexível e confiável, capaz de alcançar consistência eventual e replicar conteúdo de forma eficiente. Também foi desenvolvido um protótipo funcional adaptado ao contexto educacional. Para isso, foram adotadas premissas simplificadas, como disponibilidade constante dos nós e replicação integral do conteúdo, o que permitiu demonstrar a viabilidade prática da arquitetura. Os resultados mostraram que a organização modular em camadas hierárquicas facilita a escalabilidade e a manutenção, permitindo a adaptação a diferentes cenários de uso.
Ano
2026
Orientador
MARCELO FERREIRA MORENO
Co-Orientador
Palavras-chave
Rede de Entrega de Conteúdos, Redes peer-to-peer, Timelink, Sistema de Arquivos Distribuído
Abordagens de classificação binária no auxílio do problema de reconhecimento de expressões faciais
TIAGO LUIZ FERREIRA DE CARVALHO
Resumo
Algoritmos de aprendizado profundo têm sido cada vez mais utilizados para tarefas relacionadas à Visão Computacional, dada sua vasta aplicabilidade prática. Uma das aplicações eficazes dessa ferramenta é no problema de reconhecimento de expressões faciais, que consiste em, a partir de imagens de rostos humanos, classificar as expressões em categorias como felicidade, medo ou surpresa. Diversas técnicas já foram empregadas em tentativas de obter o modelo computacional mais eficaz possível nessa tarefa. Neste trabalho, é apresentado um estudo sobre o estado da arte desse problema e sobre as técnicas utilizadas, além de ser proposto o uso de rede neural especialistas em classificações binárias para mitigar erros específicos, visando maior acurácia nos testes.
Ano
2026
Orientador
SAULO MORAES VILLELA
Co-Orientador
Palavras-chave
Aprendizado de máquina, aprendizado profundo, visão computacional
Mapeamento do comportamento de usuários para identificar contas profissionais no Ethereum utilizando aprendizado semi supervisionado
JÚLIA ALMEIDA VALADARES
Resumo
Ethereum é uma das maiores plataformas blockchain atualmente que se tornou um ambiente de negócios digital. Esta plataforma permite transações descentralizadas entre usuários anônimos. Assim, o desenvolvimento de métodos para identificar os comportamentos dos usuários e mantê-los anônimos pode potencializar os negócios nesta plataforma. Neste trabalho, propomos uma combinação de abordagens de aprendizado de máquina de diferentes categorias, a saber, não supervisionado e semi supervisionado, para mapear os comportamentos das contas próprias dos usuários e identificar usuários com atividades profissionais no Ethereum. Essas são tarefas desafiadoras devido à pequena fração de dados rotulados publicamente referentes às contas de usuários que prestam serviços nesta plataforma, como troca, pagamento e entretenimento, entre os usuários de comportamento mais casual. Inicialmente, usamos técnicas de aprendizado não supervisionado para agrupar as contas dos usuários não rotulados e identificar um conjunto deles com comportamento casual. Como resultado, obtém-se um conjunto de dados contendo instâncias rotuladas (casuais ou profissionais) e não rotuladas. Métodos de aprendizado semi-supervisionado são então aplicados (i) para gerar modelos que classificam os comportamentos das contas em casuais ou profissionais e (ii) para descobrir contas com comportamentos profissionais entre as não rotuladas. Experimentos computacionais foram conduzidos, e os resultados obtidos pelo procedimento proposto são comparados aos obtidos por técnicas de aprendizado supervisionado da literatura. A proposta superou os da literatura e atingiu valores superiores a 95% para acurácia, precisão, reconvocação, F-beta-scores, MCC e AUC-ROC
Ano
2026
Orientador
ALEX BORGES VIEIRA
Co-Orientador
HEDER SOARES BERNARDINO
Palavras-chave
Criptomoeda, transações, Ethereum, aprendizado de Máquina, Blockchain
<< Anterior
<< Anterior
1
2
3
4
5
6
7
8
Próximo >>
