Agenda de Defesas
- UFPE/
- Research/Innovation/
- Defense Schedule/
- Pós-Graduação em Ciência da Computação promove duas defesas de tese na sexta-feira (16)
Events Events
Pós-Graduação em Ciência da Computação promove duas defesas de tese na sexta-feira (16)
As duas apresentações serão no formato virtual
O Programa de Pós-Graduação em Ciência da Computação da UFPE promove, nesta sexta-feira (16), duas defesas de tese de doutorado, ambas no formato virtual. Às 9h, o aluno Ozonias de Oliveira Brito Junior, orientado pelo professor Hermano Perrelli de Moura e coorientado pela professora Yuska Paola Costa Aguiar (UFPB/Departamento de Ciências Exatas), apresentará seu trabalho “Taxonomia para Avaliação Pluridimensional de Recursos Digitais de Aprendizagem”. Os interessados em assistir à defesa devem entrar em contato com o aluno enviando mensagem para oobj@cin.ufpe.br.
A banca examinadora será formada pelos docentes Alexandre Marcos Lins de Vasconcelos (UFPE/Centro de Informática), Pasqueline Dantas Scaico (UFPB/Departamento de Ciências Exatas), Dorgival Pereira da Silva Netto (UFCA/Centro de Ciências e Tecnologia), Alixandre Thiago Ferreira de Santana (Ufape) e Taciana Pontual da Rocha Falcão (UFRPE/Departamento de Computação).
Já às 14h, o aluno Antônio Correia de Sá Barreto Neto, que foi orientado pelo professor Paulo Romero Martins Maciel, fará a defesa da sua tese “Modelos de Machine Learning baseados no padrão de uso do usuário para estimar consumo energético e utilização de dispositivos do smartphone”. Quem quiser assistir deve enviar e-mail para acsbn@cin.ufpe.br.
A banca examinadora será composta pelos docentes Nelson Souto Rosa (UFPE/Centro de Informática), Germano Crispim Vasconcelos (UFPE/Centro de Informática), Eduardo Antonio Guimarães Tavares (UFPE/Centro de Informática), Jose Neuman de Souza (UFC/Departamento de Computação) e Patricia Takako Endo (UPE/Campus Caruaru).
Resumo 1
Recursos Digitais de Aprendizagem (RDAs) são projetados para implantar pedagogias baseadas no uso do computador e contribuir para o processo de ensino e aprendizagem. Diante da importância de garantir a qualidade desses recursos, a proposição de abordagens para sua avaliação é abundante na literatura nacional e internacional. A diversidade de abordagens para avaliação de RDAs e sua caracterização heterogênea dificultam a verificação da qualidade destes recursos. A inexistência de um consenso sobre os critérios a serem adotados, assim como da relação explícita entre estes e os arcabouços de qualidade, são barreiras para o processo de avaliação em si. Diante disso, o presente trabalho tem como objetivo favorecer a avaliação de Recursos Digitais de Aprendizagem a partir de uma metaorganização de dimensões, categorias e critérios em uma taxonomia que contempla a qualidade de software, de uso, pedagógica e híbrida. O processo de desenvolvimento da Taxonomia para Avaliação de Recursos Digitais de Aprendizagem (TaRDa) pautou-se no estudo e caracterização de 26 abordagens para avaliação de RDAs, selecionadas a partir de uma Revisão Exploratória e Sistemática de Literatura. Foram extraídos e analisados 724 critérios a partir do corpus de 172 publicações nacionais e internacionais contempladas no estudo. TaRDa foi concebida a partir de um processo iterativo e incremental, com validações cíclicas conduzidas com especialistas das áreas de Qualidade de Software, de Usabilidade e Educadores. A verificação da adequação de TaRDa considerou a opinião de um total de 102 especialistas com a aplicação de surveys on-line e grupos focais. Como resultado, TaRDa consiste em um instrumento para facilitar a avaliação de RDAs, sendo composta por 49 critérios e suas respectivas descrições, alocados em 17 categorias em consonância com quatro dimensões de qualidade (de uso, de software, pedagógica e híbrida).
Resumo 2
O crescente uso de smartphones nas tarefas cotidianas tem motivado muitos estudos sobre a caracterização do consumo de energia para melhorar a eficiência energética dos dispositivos presentes nos smartphones e aumentar o tempo de uso do usuário. Nesse cenário, é fundamental estudar mecanismos capazes de caracterizar o uso dos dispositivos com base nos padrões de uso do usuário, a fim de que os componentes dos smartphones possam ser adaptados para promover a melhor experiência do usuário com menor consumo de energia. Este estudo tem como objetivo construir modelos de uso de dispositivos e caracterizar seu consumo de energia por meio de um modelo de consumo de energia baseado em padrões de uso do usuário, para fornecer modelos mais precisos a serem usados por desenvolvedores de aplicativos e mecanismos de otimização automatizada. Com o intuito de desenvolver os modelos de uso dos dispositivos e seus respectivos consumos de energia, estabelecemos um método para identificar os componentes com maior influência no consumo de energia do smartphone. Assim sendo, identificamos as características dependentes de outras características para criar modelos responsáveis por estimar as características dependentes com base naquelas independentes. Estabelecemos, também, um método para comprovar a robustez dos modelos por meio de módulos construídos que realizam análises estatísticas, a fim de escolher os modelos mais adequados para cada dispositivo modelado e com o intuito de modelar o consumo de energia do smartphone mesmo na presença de hardware impreciso. Após treinar e testar cada estratégia para modelar o uso e consumo de energia dos dispositivos com base no uso do usuário e após realizar testes estatísticos para avaliar o modelo mais adequado usando esta estratégia, mostramos que é possível obter um erro quadrático médio de 248,37mW quando a média da potência do smartphone é de 1480,68mW, representando um erro da ordem de 16,77\% da média da potência instantânea. Desenvolvemos modelos de uso e de consumo de energia dos dispositivos que consideram o uso do usuário e chegamos às considerações de que podemos adotar estratégias para minimizar o uso de componentes que drenam a bateria com os modelos desenvolvidos.