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 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.

Resumo Este trabalho aborda o problema de agendamento em máquina única com tempos de configuração dependentes da sequência e atrasos de precedência, cujo objetivo é a minimização do \textit{makespan}.Uma abordagem metaheurística baseada no Algoritmo Genético de Chave Aleatória Tendencioso (BRKGA), integrada a decodificadores especificamente desenvolvidos para o problema, é investigada. São considerados dois decodificadores: um método simples de inserção ao final da sequência e um decodificador mais elaborado baseado em uma adaptação da heurística construtiva NEH, controlada por um parâmetro que define o número de posições avaliadas durante a inserção. Experimentos computacionais realizados em instâncias de diferentes portes demonstram que a abordagem proposta é competitiva com o algoritmo estado da arte da literatura, apresentando desempenho superior em instâncias médias e grandes. Os resultados evidenciam o papel central do decodificador na eficiência do BRKGA e indicam que a combinação entre busca populacional e heurísticas construtivas adaptadas constitui uma estratégia eficaz para o problema considerado.

Ano 2026

Orientador LUCIANA BRUGIOLO GONCALVES Co-Orientador LORENZA LEAO OLIVEIRA MORENO Palavras-chave Otimização, Algoritmos Genéticos, Problemas de Agendamento de Tarefas

Resumo A interoperabilidade entre blockchains é uma demanda crescente diante da fragmentação do ecossistema distribuído, que compromete a liquidez entre redes e limita o desenvolvimento de aplicações descentralizadas. Este trabalho apresenta uma pesquisa da literatura sobre soluções de interoperabilidade blockchain, com ênfase no protocolo LayerZero. São discutidos aspectos técnicos, como mecanismos de verificação, comunicação entre cadeias e abstração de camadas, além de perspectivas arquiteturais, como classificações de soluções, padrões emergentes e estratégias de segurança. Entre os principais resultados, destacam-se o papel do LayerZero como infraestrutura de baixo nível para aplicações cross-chain, a diversidade de abordagens técnicas propostas para eliminar intermediários confiáveis, a predominância de soluções voltadas à liquidez e à composição de contratos inteligentes entre cadeias, bem como lacunas relacionadas à padronização, mensuração de desempenho e desafios de escalabilidade.

Ano 2026

Orientador ALEX BORGES VIEIRA Co-Orientador Palavras-chave Interoperabilidade Blockchain; Cross-Chain; Protocolo LayerZero; Omnichain; Trustless.

Resumo Este trabalho apresenta um estudo sobre análise de sensibilidade e quantificação de incertezas de um modelo matemático de interação entre células-citocinas e cortisol, acoplado ao modelo de glicose-insulina. O estudo visa entender melhor a dinâmica do sistema imunológico e sua resposta a diferentes estímulos, considerando a influência do cortisol no metabolismo da glicose e na resposta imune. Para isso, são aplicadas técnicas de análise de sensibilidade que identificam os parâmetros mais influentes no comportamento do modelo, e a quantificação de incertezas fornece uma medida da robustez das previsões do modelo diante de variações nos parâmetros. Os resultados obtidos podem contribuir para o desenvolvimento de estratégias terapêuticas mais eficazes, considerando tanto a resposta imunológica quanto o controle glicêmico.

Ano 2026

Orientador BARBARA DE MELO QUINTELA Co-Orientador Palavras-chave Análise de Sensibilidade, Quantificação de Incertezas, Modelo de Células-Citocinas, Cortisol, Sistema Imunológico

Resumo A Esclerose Múltipla (EM) é uma doença neurodegenerativa cuja avaliação clínica depende fundamentalmente da identificação e quantificação de lesões em exames de Ressonância Magnética (RM). Embora a segmentação automática baseada em Aprendizado Profundo (\textit{Deep Learning}) tenha alcançado o estado da arte, sua eficácia é frequentemente limitada pela escassez de dados médicos anotados e pela complexidade da obtenção de novos exemplos. Este trabalho propõe e avalia um \textit{pipeline} de \textit{Data Augmentation} generativo para mitigar esse problema, investigando o impacto de imagens sintéticas na qualidade de modelos de segmentação. O método desenvolvido combina um \textit{Variational Autoencoder} (VAE) para a geração probabilística de máscaras de lesões e uma Rede Generativa Adversarial Condicional (CGAN) para a síntese de texturas de RM realistas a partir dessas máscaras. As imagens geradas foram integradas ao treinamento de uma rede SegResNet para a tarefa de segmentação supervisionada. Os resultados demonstraram que a inclusão de dados sintéticos promoveu um aumento significativo na métrica Dice em comparação ao uso exclusivo de dados reais. Observou-se que a adição de 750 imagens sintéticas proporcionou o melhor ganho de desempenho, havendo saturação do aprendizado em volumes superiores devido a limitações na síntese de lesões de pequenas dimensões. Conclui-se que o uso de modelos generativos adversariais é uma estratégia promissora para enriquecer bases de dados médicas e aprimorar a generalização de diagnósticos automatizados.

Ano 2026

Orientador BARBARA DE MELO QUINTELA Co-Orientador Marcelo Lobosco Palavras-chave sclerose Múltipla; Ressonância Magnética; Segmentação de Imagens Médicas; Redes Neurais Convolucionais; Aprendizado Profundo; Data Augmentation; Modelos Generativos; U-Net; UNETR; Variational Autoencoder (VAE); Modelos de Difusão.

Resumo A utilização crescente de Jogos Educacionais Digitais (JEDs) para apoiar o ensino de Computação tem sido observada ao longo dos anos, visando melhorar o engajamento e a motivação dos alunos. No entanto, muitos desses JEDs enfrentam desafios em captar o interesse dos alunos, resultando em desmotivação e desinteresse. Nesse contexto, este trabalho propõe uma Arquitetura de Referência (AR) para apoiar o desenvolvimento de JEDs voltados à Educação em Computação. A AR busca promover a reutilização de componentes e facilitar a evolução e a manutenção dos JEDs, além de equilibrar os aspectos pedagógicos e de entretenimento, proporcionando uma experiência educacional mais envolvente e eficaz para os estudantes. Para o estabelecimento dessa AR, foi utilizado o ProSA-RA (Process based on Software Architecture – Reference Architecture), um processo que sistematiza o projeto, representação e avaliação de ARs. Os resultados alcançados por meio da avaliação utilizando o checklist FERA Framework for Evaluation of Reference Architectures e o método ATAM (Architecture Tradeoff Analysis Method) indicaram que a AR está bem alinhada com os interesses dos stakeholders e considera diversos atributos de qualidade essenciais para o desenvolvimento de JEDs. No entanto, foram constatadas necessidades de refinamento devido aos riscos não identificados previamente, de modo que ajustes sejam realizados para aumentar a eficiência da AR no desenvolvimento dos JEDs.

Ano 2026

Orientador ALESSANDREIA MARTA DE OLIVEIRA JULIO Co-Orientador PEDRO HENRIQUE DIAS VALLE Palavras-chave Arquitetura de Referência, Jogos Educacionais Digitais, Educação em Computação

Resumo A indústria da construção civil é um dos maiores contribuintes para as emissões de gases de efeito estufa (GEE) e consumo de recursos naturais. A seleção de materiais de construção é uma etapa crucial no ciclo de vida de uma edificação, impactando diretamente seu custo, desempenho energético e pegada de carbono. Este projeto propõe o desenvolvimento de um modelo de otimização multi-objetivo para a seleção de materiais de construção, visando o equilíbrio entre múltiplos critérios. Para isso, o projeto avaliará o desempenho de edificações em três cidades de climas distintos no Brasil (Belém-PA, Curitiba-PR e São Paulo-SP), utilizando dados climáticos atuais e projeções para o futuro (2080). Modelos de aprendizado de máquina (machine learning) serão desenvolvidos para prever rapidamente o impacto de cada material. Em seguida, será aplicado um algoritmo de otimização multi-objetivo que funciona de forma interativa: ele permite que o usuário final (como um arquiteto ou engenheiro) aponte suas prioridades - como preferir custos mais baixos ou maior eficiência energética. A partir dessas preferências, o sistema foca a busca em encontrar as melhores combinações de materiais. Os objetivos principais são minimizar os custos de construção e operação, reduzir a emissão de gases de efeito estufa e maximizar o conforto e a resiliência das edificações às variações do clima.

Ano 2026

Orientador LUCIANA CONCEICAO DIAS CAMPOS Co-Orientador JULIA CASTRO MENDES Palavras-chave Machine learning; Aprendizado de máquina; Multi-objective optimization; Otimização multiobjetivo; Regression; Thermal performance; Energy efficiency; Thermal load; Degree-hours; Energy simulation; Seleção de materiais de construção.

Resumo A crescente adoção de ambientes virtuais de aprendizagem tem gerado um grande volume de interações textuais entre estudantes e docentes, tornando inviável o acompanhamento manual do feedback discente em larga escala. Nesse contexto, a análise de sentimentos surge como uma ferramenta promissora para apoiar intervenções pedagógicas proativas. Este trabalho realiza um estudo comparativo entre diferentes técnicas de análise de sentimento aplicadas ao domínio educacional, confrontando abordagens léxicas consolidadas (TextBlob e VADER), um modelo especialista treinado especificamente para esse domínio (Pred-inter) e um modelo discriminativo baseado em Transformers disponibilizado pela biblioteca Hugging Face. O estudo utiliza o dataset Stanford MOOCPosts, composto por mensagens de fóruns educacionais rotuladas manualmente em uma escala de sentimento. As saídas das ferramentas foram normalizadas para permitir comparações diretas, sendo avaliadas por meio de métricas quantitativas, como acurácia global e erro médio absoluto, além de uma análise qualitativa das divergências. Os resultados demonstram desempenho amplamente superior do modelo especialista, confirmando a relevância da adaptação de domínio. As abordagens léxicas apresentaram resultados intermediários, enquanto o modelo baseado em Transformers, apesar de seu sucesso em domínios gerais, mostrou desempenho insatisfatório no contexto educacional analisado. Por fim, discute-se a viabilidade do uso de grandes modelos de linguagem, destacando limitações práticas e desafios para sua aplicação efetiva.

Ano 2026

Orientador VICTOR STROELE DE ANDRADE MENEZES Co-Orientador Palavras-chave Análise de Sentimentos; Educação; Processamento de Linguagem Natural; Learning Analytics; Adaptação de Domínio.

Resumo Software Architecture education presents significant pedagogical challenges, primarily due to the abstract nature of its concepts and the difficulty students face in connecting theory to practice. To understand this, we first conducted a Systematic Mapping Study between 2005 and 2025, analyzing 45 primary studies. The results revealed that while educational games exist, they often fail to address the specific skill of identifying architectural patterns from narrative-based problem descriptions. To bridge this gap, we propose Architectural Stories, a non-digital card game based on deductive reasoning mechanics. The game requires players to investigate Architectural situations, analyze symptoms, and deduce the appropriate architectural pattern to solve the enigma. To evaluate the proposed approach, we conducted a case study with 34 undergraduate students using three validated instruments: the Model for the Evaluation of Educational Game (MEEGA+), the Intrinsic Motivation Inventory (IMI), and the Instructional Materials Motivation Survey (IMMS). The results were highly positive, indicating that the game promotes strong social interaction, engagement, and intrinsic motivation. Furthermore, the evaluation confirmed that Architectural Stories is an effective instructional tool for developing diagnostic reasoning and reinforcing the understanding of architectural patterns in a collaborative environment.

Ano 2026

Orientador ALESSANDREIA MARTA DE OLIVEIRA JULIO Co-Orientador PEDRO HENRIQUE DIAS VALLE Palavras-chave Software Architecture Education, Game-Based Learning, Architectural Patterns, Educational Games.

Resumo Este trabalho de conclusão de curso investiga o uso de modelos de aprendizado de máquina para a predição de insuficiência cardíaca em tempo real, com foco na realidade do sistema de saúde brasileiro. O objetivo principal é treinar e avaliar modelos preditivos utilizando uma base de dados que reflita os parâmetros clínicos adotados nacionalmente. A solução considera o uso de computação de borda para realizar o processamento local dos sinais vitais, reduzindo a dependência de conexão contínua com a internet e a latência na geração de alertas. Os resultados demonstraram que o modelo \textit{XGBoost} obteve o melhor desempenho geral, com acurácia de 82\% e \textit{F1-Score} de 83\%, enquanto o modelo SVM destacou-se pela maior sensibilidade (86\% de \textit{recall}). A implementação em dispositivos móveis validou a eficiência da computação de borda, reduzindo a latência de inferência em 99,3\% em comparação ao processamento remoto e garantindo respostas imediatas para o monitoramento de pacientes.

Ano 2026

Orientador LUCIANA CONCEICAO DIAS CAMPOS Co-Orientador VICTOR STROELE DE ANDRADE MENEZES Palavras-chave Heart failure prediction, Edge computing, Machine learning, Internet of Things (IoT), Health monitoring, Mobile applications, Real-time systems, Privacy and security in healthcare

Resumo O timbre é um atributo multidimensional cuja análise puramente espectral muitas vezes obscurece a dinâmica temporal dos transientes, decisiva para a identificação da fonte sonora. Neste contexto, este trabalho foca na análise do modelo ADSR (Attack, Decay, Sustain, Release) do envelope de amplitude, explorando sistematicamente formulações matemáticas para sua construção. A metodologia proposta envolve a extração do envelope via Transformada de Hilbert e sua parametrização através de uma competição de modelos ajustados por Mínimos Quadrados, permitindo a criação de perfis de amplitude temporal para cada som. Estes perfis foram utilizados para treinar um classificador Random Forest, que alcançou uma acurácia global de 81,0% na distinção entre famílias de instrumentos. Os resultados demonstram que o envelope de amplitude, especialmente através dos coeficientes de curvatura das fases, oferece informações distintivas robustas, validando sua eficácia para a diferenciação de fontes sonoras e contribuindo para pesquisas futuras em Recuperação de Informação Musical (MIR) e síntese sonora.

Ano 2026

Orientador MARCOS DE MENDONCA PASSINI Co-Orientador Palavras-chave Timbre, Modelo ADSR, Identificação de sons, Síntese sonora, Reconhecimento de Áudio

Trabalho	Autor	PDF	Extras
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
Algoritmo Genético de Chave Aleatória Tendencioso para o Problema de Agendamento de Tarefas em Máquina Única com Tempos de Configuração Dependentes de Sequência e Atrasos de Precedência	IGOR CORREA RODRIGUES
Interoperabilidade Omnichain em Blockchain: uma análise do protocolo LayerZero	MARIA CECILIA ROMÃO SANTOS
Análise de Sensibilidade e Quantificação de Incertezas de um Modelo Computacional do Sistema Imuno-Endocrino	PAULA RINCO RODRIGUES PEREIRA
Data Augmentation de datasets de Segmentação de Ressonâncias Magnéticas de pacientes com Esclerose Múltipla utilizando Redes Neurais	GUSTAVO GONÇALVES SILVA
Uma Arquitetura de Referência para Jogos Educacionais Digitais de Apoio ao Ensino de Computação	NIKOLAS OLIVER SALES GENESIO
Otimização multiobjetivo para seleção de materiais de construção	ALEMILSON FABIANO SILVA
Técnicas de Análise de Sentimento no Contexto Educacional: um Estudo Comparativo	RAFAEL GOMES LOPES
Architectural Stories: A Card Game for Architectural Patterns Education	MARIA CLARA RIBEIRO DE MENEZES
Predição de Insuficiência Cardíaca em Tempo Real: Uma Abordagem para Ambientes de Vida Assistida	LUCAS DUARTE CHAVES
Identificação de Timbres utilizando o Envelope de Ondas Sonoras	ALVARO DOMINGUES DE FREITAS

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