Número do Painel
Autor
Instituição
UFSC
Tipo de Bolsa
PIBIC/CNPq
Orientador
CHRISTIANE ANNELIESE GRESSE VON WANGENHEIM
Depto
DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA / INE/CTC
Centro
CENTRO TECNOLOGICO
Laboratório
Grande Área / Área do Conhecimento
Ciências Exatas e da Terra /Ciências Exatas e da Terra
Sub-área do Conhecimento
Ciência da Computação
Titulo
Modelos de Avaliação de Qualidade de Software utilizando Técnicas de Inteligência Artificial
Resumo

O cotidiano da sociedade moderna encontra-se fortemente atrelado à tecnologia de informação e comunicação. Enquanto nota-se a transformação de muitas profissões por meio da automação de serviços, o conceito de sociedade criativa aparece em evidência por meio da constante geração de inovações. Em um mundo permeado de inovações tecnológicas é imprescindível ter uma compreensão clara não apenas dos princípios e práticas da computação, mas também de como apropriar-se da tecnologia para criar produtos originais e úteis para resolver problemas na comunidade. Neste contexto, uma das formas de preparar já os alunos da Educação Básica para esses desafios é por meio do ensino de computação, disso surgem propostas para o desenvolvimento da criatividade por meio da criação de aplicativos móveis. Considerando a importância de avaliar esses aplicativos para o desenvolvimento progressivo do aluno, essa pesquisa busca propor um modelo de avaliação da criatividade por meio da originalidade de aplicativos móveis, usando técnicas de Machine Learning. A pesquisa foi desenvolvida sistematicamente, incluindo a análise do estado da arte, criação e análise do conjunto de dados e definição, avaliação e teste do modelo. Como resultados foi desenvolvido um modelo de avaliação utilizando duas abordagens. Para a abordagem por medidas de similaridade/distância os resultados indicam que a representação via vetor de features binário usando tanto cosseno quanto distância euclidiana apresenta bons resultados e pode ajudar na avaliação dos alunos, os resultados relacionados a abordagem por clustering ainda não são bons, contudo já indicam que neste caso o vetor de features TF-IDF conduz aos melhores resultados. Além disso, foi elaborado um relatório técnico e um artigo submetido.

Link do Video https://repositorio.ufsc.br/handle/123456789/226289
Palavras-chave
Avaliação, Criatividade, Aplicativo Movel, Machine Learning, App Inventor, Ensino
ColaboradoresNathalia da Cruz Alves

Pró-Reitoria de Pesquisa(PROPESQ) | Central Telefônica - (48) 3721-9332 | Email - piict@contato.ufsc.br