DECSI - Trabalhos apresentados em eventos

URI Permanente para esta coleção

http://www.repositorio.ufop.br/handle/123456789/5265

Navegar

Navegando DECSI - Trabalhos apresentados em eventos por Título

Agora exibindo 1 - 5 de 5
  • Nenhuma Miniatura disponível
    Item
    Análise das publicações de mídias alternativas compartilhadas em paginas políticas do Facebook.
    (2024) Fermano, Sabrina Gonçalves; Ribeiro, Filipe Nunes
    Este estudo propõe uma análise das publicações de links em páginas de mídias alternativas no Facebook, compartilhadas no período de janeiro a outubro de 2022, ano das eleições presidenciais brasileiras. O estudo foca em páginas de orientação política de esquerda e direita, utilizando dados coletados por meio do CrowdTangle. A metodologia envolve coleta, pré-processamento e modelagem de tópicos com o algoritmo Latent Dirichlet Allocation (LDA). Os resultados revelam mudanças nos temas mais discutidos antes do período eleitoral (janeiro a julho de 2022) e durante (agosto a outubro de 2022), com destaque para o significativo aumento do tópico Eleições durante o período eleitoral.do eleitoral (janeiro a julho de 2022) e durante (agosto a outubro de 2022), com destaque para o significativo aumento do topico Eleic¸ ´ oes durante o per ˜ ´ıodo eleitoral.
  • Nenhuma Miniatura disponível
    Item
    Caracterização das publicações e relações entre mídias alternativas polarizadas no Facebook.
    (2022) Laurett, Natan Siller; Ribeiro, Filipe Nunes
    O presente trabalho desenvolve a caracterização de publicações e de relações entre páginas de mídias alternativas de direita e esquerda no Facebook ao longo de um período de 4 anos. Essa caracterização é realizada por meio de estatísticas de engajamento, referências externas nas publicações e detecção de comunidades através de semelhanças de publicações, modeladas como um grafo. Para esta última, foi utilizada extração de backbone utilizando o método do filtro de disparidade e detecção de comunidade por meio do algoritmo de Louvain. Os resultados mostram a predominancia das paginas de direita em termos de engajamento, e evidenciam fortes relaçoes de comunidades em 2018.
  • Nenhuma Miniatura disponível
    Item
    Enhancing SSVEP-based BCI performance with GAN-generated EEG signals.
    (2023) Silva, Isac Lopes; Vargas, Guilherme Vettorazzi; Leite, Sarah Negreiros de Carvalho
  • Nenhuma Miniatura disponível
    Item
    Large language models on solving integral calculus problems.
    (2024) Silva, Jonatas Araujo; Medeiros, Talles Henrique de; Goes, Fabrıcio
    This article evaluates the ability of language models (LLMs), such as GPT-4 and GPT-3.5 Turbo, to support learning, especially in solving mathematical problems. A comparative experiment was carried out, including models with and without fine-tuning, where GPT-4 obtained the best performance, solving 94% of the questions. The results indicate challenges in algebraic expressions and fractions, highlighting the importance of personalized training for specific tasks.
  • Nenhuma Miniatura disponível
    Item
    Utilizando aprendizado por representação para a classificação de laços sociais da IoT
    (2022) Pereira Júnior, Jamisson Jader Moraes; Figueiredo, Thiago Silva; Lopes, Ramon; Torres, Luiz Carlos Bambirra; Santos, Bruno P
    A Internet of Things (IoT) tem sido marcada pelas interações entre dispositivos que cooperam para realizar atividades. A partir deste ambiente cibernético e conectado, um possível paradigma derivado é o Social IoT (SIoT), onde múltiplos tipos de relacionamentos e confiabilidade podem ser estabelecidos entre dispositivos. Neste cenário, abordamos as questões de como modelar lac¸os sociais em IoT e na proposição de modelos para, automaticamente, classificar e predizer relações em SIoT. Este artigo propõe a utilização de aprendizado por representação para classificar diferentes tipos de lac¸os sociais em SIoT. Para isso, utiliza-se como estratégias para classificação Graph Neural Networks (GNN) ou Algoritmos Tradicionais de Classificação (ATC). Em nossos experimentos, GNN é rápido na etapa de treinamento e apresenta métricas F1-{macro, micro} de 0.61 e 0.88, respectivamente. Ao usar ATC, o treinamento ´e 121× at´e 11.235× mais lento que GNN, ao passo que as métricas F1-score alcançam 0.86 e 0.95, respetivamente.