Mestrado em Informática Aplicada
URI permanente para esta coleção:
Navegar
Entradas recentes
- Integração de Sistemas Orientados à Deteção de Fogos NoturnosOliveira, Wilson Cristiano; Marques, Artur; Almeida, Joel ParenteEste relatório descreve o estágio no INOV em Computer Vision, focado na deteção de fogos noturnos em florestas, tema crucial face aos riscos das alterações climáticas. O objetivo foi desenvolver um sistema de redes neuronais integrado na produção do INOV, em formato compatível. A metodologia incluiu pré-processamento, treino e avaliação de modelos. Um contributo central foi a anotação manual de um dataset de 17 443 imagens, adaptando dados inários para o treino do algoritmo YOLOv8, com as arquiteturas ResNet-50 e Vision Transformer (ViT). O treino foi “orgânico”, mantendo distorções reais para garantir a robustez da solução. Apesar dos desafios técnicos na conversão do ViT para o formato pretendido, a solução final integrou classificação e deteção com sucesso. O sistema alcançou uma exatidão de 99,78%, sendo validado em ambiente de produção através de deteções em condições reais
- Padrões principais do Abandono Escolar no Ensino Superior:Estudo de caso no IPSantarémOliveira, Guilherme Ribeiro de; Madeira, FilipeO abandono escolar no ensino superior é um problema complexo que afeta os estudantes, as instituições de ensino e a sociedade (Sosu & Pheunpha, 2019). Muitos estudantes enfrentam dificuldades que os levam a interromper os estudos, seja por razões económicas, falta de adaptação ao ambiente académico ou outros fatores pessoais e institucionais. Este estudo, de natureza quantitativa e baseado num estudo de caso, centra-se na análise dos padrões de abandono no Instituto Politécnico de Santarém (IPSantarém), recorrendo aos dados administrativos provenientes do Sistema de Informação para Gestão Agregada dos Recursos e dos Registos Académicos (SIGARRA). Através de processos de ETL (Extract, Transform and Load) e da utilização de ferramentas de Business Intelligence (BI), nomeadamente o Power BI, foram desenvolvidas visualizações e análises que permitem identificar tendências, perfis de risco e variáveis associadas ao abandono. Foram ainda testadas abordagens analíticas complementares, incorporando técnicas de Inteligência Artificial (IA) para apoiar a previsão de tendências. Os resultados obtidos através da análise dos dados do SIGARRA e das visualizações construídas no Power BI permitem identificar padrões claros de abandono no IPSantarém. Observou-se que o abandono tende a concentrar-se em determinados ciclos de estudo, cursos e faixas etárias sendo também influenciado por outros fatores tais como o facto de o estudante estar ou não deslocado. A incorporação de técnicas de Inteligência Artificial permitiu aprofundar a compreensão das relações entre variáveis, contribuindo para a identificação de perfis de risco e reforçando a utilidade de abordagens preditivas. Com base nos resultados obtidos, recomenda-se o desenvolvimento de estratégias institucionais direcionadas aos grupos de maior risco, nomeadamente os estudantes deslocados, os que apresentam baixo desempenho académico e os que “desaparecem” do instituto sem anular a matrícula. A criação de programas de acolhimento mais estruturados, acompanhamento pedagógico contínuo e sistemas de alerta precoce suportados por modelos preditivos de IA poderão contribuir para a redução das taxas de abandono. Sugere-se ainda que o IPSantarém invista na melhoria contínua da recolha e consolidação dos dados administrativos, de forma a permitir análises mais robustas e o desenvolvimento de mecanismos automáticos de monitorização.