https://repositorio.ufsc.br/handle/123456789/274857 2026-10-18T18:13:59Z 2026-10-18T18:13:59Z Soares, Felipe Cidade https://repositorio.ufsc.br/handle/123456789/276730 2026-09-22T10:24:37Z 2026-09-21T00:00:00Z

Dados do Moodle para identificar sinais de risco acadêmico Soares, Felipe Cidade A pesquisa Modelagem temporal de comportamento para alerta precoce de risco acadêmico em educação a distância investigou como registros de interação do Moodle podem apoiar a identificação antecipada e a priorização de estudantes com trajetórias associadas à reprovação ou à evasão. Foram analisados sete cursos da Universidade Estadual do Ceará ofertados em 2024, abrangendo 72 estudantes e 820 históricos estudante-semana. Os registros foram organizados por dia e acumulados semanalmente, sem incorporar informações futuras. Compararam-se nove algoritmos de classificação por meio de validação cruzada estratificada, com cinco dobras e três repetições, mantendo cada estudante exclusivamente no conjunto de treino ou de teste e aplicando o balanceamento SMOTE apenas aos dados de treino. O desempenho foi avaliado por AUC-ROC, acurácia, precisão, revocação e F1; a contribuição das variáveis foi interpretada com SHAP; e a sequência de alertas foi sintetizada em perfis temporais para orientar a priorização do acompanhamento. O AdaBoost alcançou a maior AUC-ROC agregada, de 0,839, enquanto a regressão logística apresentou a maior acurácia, de 0,854, e o maior F1, de 0,842. Os resultados tornaram-se mais estáveis a partir da quarta semana. Na oitava semana, o CatBoost identificou 14 dos 15 casos de não sucesso, com revocação de 0,933, precisão de 0,778 e F1 de 0,849; 14 dos 18 alertas emitidos corresponderam a casos de não sucesso. Em análise retrospectiva, a fila formada pelos perfis persistente, recorrente e novo reuniu 22 matrículas e cobriu 20 dos 23 casos de não sucesso. Os resultados indicam que sinais de regularidade, intensidade de acesso e inatividade podem apoiar equipes pedagógicas na definição de prioridades, mas não demonstram efeito causal sobre a redução da evasão ou da reprovação. A generalização também é limitada pelo número de estudantes, pelos sete cursos e pelo uso de dados de um único ano. As atividades resultaram em um método reprodutível, tabelas de desempenho, perfis temporais e um artigo aceito para publicação, além de formação em ciência de dados educacionais. O trabalho se relaciona ao eixo Tecnologia e inovação ao aplicar aprendizado de máquina a um problema educacional e oferecer subsídios para futuras intervenções avaliadas em contexto real. Tecnologia e inovação

2026-09-21T00:00:00Z Santos, Bruna Leticia Matos dos https://repositorio.ufsc.br/handle/123456789/276248 2026-09-14T10:14:03Z 2026-09-10T00:00:00Z

Análise e exploração de recursos educacionais do Moodle utilizando processamento de linguagem natural e RAG Santos, Bruna Leticia Matos dos O crescimento dos recursos educacionais digitais tem ampliado as possibilidades de acesso a materiais voltados ao ensino e à aprendizagem. Entretanto, fatores como a heterogeneidade e a estrutura de armazenamento de backups de ambientes virtuais, que são voltados para restauração do sistema e não para consulta, podem representar barreiras para a localização e a exploração direta desses conteúdos. Nesse contexto, este trabalho teve como objetivo desenvolver um método para organizar, recuperar e explorar recursos educacionais extraídos de backups do Moodle referentes à plataforma IntecEdu e ao RExLab. O desenvolvimento foi conduzido com base na Design Science Research Methodology, por meio da reconstrução de arquivos, filtragem, deduplicação por conteúdo e fragmentação textual de documentos em múltiplos formatos. O artefato produzido integra um pipeline documental a uma aplicação web, contendo busca semântica baseada em banco de dados vetorial e Geração Aumentada por Recuperação (RAG). Como resultado, o sistema teve sua estrutura consolidada indexando 672 documentos educacionais reais, incorporando respostas com rastreabilidade de fontes, organização temática gerada automaticamente por LLM e visualizações visuais interativas. Dessa forma, a aplicação busca contribuir para a redução das dificuldades na localização de informações em repositórios fechados e para a ampliação do reuso de materiais educacionais de maneira eficiente. Tecnologia e inovação

2026-09-10T00:00:00Z Matar, Felipe Rigueira https://repositorio.ufsc.br/handle/123456789/276032 2026-09-11T18:41:49Z 0026-09-10T00:00:00Z

Aplicação de modelos de linguagem natural e aprendizado de máquina integrados para apoiar a gestão de ideias. Matar, Felipe Rigueira Plataformas de inovação aberta acumulam grandes volumes de ideias textuais, tornando a triagem manual um processo complexo e pouco escalável. Este estudo apresenta um pipeline computacional para apoiar a análise e a organização automatizada de 14.442 ideias provenientes de plataformas de tendências de mercado. A abordagem combina técnicas de representação semântica, agrupamento, recuperação vetorial e geração de conteúdo por modelo de linguagem de grande escala executado localmente. Foram comparadas estratégias de agrupamento baseadas em densidade e modelagem de tópicos, evidenciando diferentes níveis de coesão e abrangência na identificação de padrões temáticos. Os agrupamentos obtidos foram posteriormente utilizados em um mecanismo de recuperação semântica para subsidiar a geração de Matrizes SWOT e Planos de Negócios. Os resultados demonstram o potencial da abordagem para reduzir o esforço de triagem e ampliar a exploração de oportunidades presentes em grandes coleções de ideias. Entretanto, a análise das respostas geradas identificou inconsistências, especialmente em informações financeiras sem respaldo no contexto recuperado. Dessa forma, o pipeline mostra-se adequado como ferramenta de apoio à análise e à priorização de ideias, mas suas saídas devem ser submetidas à validação humana antes de serem utilizadas em processos de tomada de decisão. Tecnologia e inovação

0026-09-10T00:00:00Z Fiabani, Luís Antônio Scarabelot https://repositorio.ufsc.br/handle/123456789/275554 2026-09-09T14:11:59Z 2026-09-08T00:00:00Z

Mentoria individual como alternativa para evasão em cursos pré-vestibular Fiabani, Luís Antônio Scarabelot A evasão constitui um dos problemas mais persistentes da educação brasileira e manifesta-se tanto nos cursos de graduação quanto nos cursos preparatórios para os exames de ingresso. O presente projeto nasceu da constatação de uma taxa de evasão próxima a 70% no curso pré-vestibular ofertado pelo Projeto Educação Solidária (PES), da Universidade Federal de Santa Catarina, campus Araranguá, e propôs a mentoria individual, mediada por tecnologia, como alternativa para o enfrentamento desse índice. Ao longo do ciclo 2025/2026, o escopo de validação da pesquisa foi redefinido: em vez de iniciar a aplicação no curso preparatório, optou-se por validar o artefato tecnológico no contexto do ensino superior, sob o formato de mentoria por pares, no qual um estudante veterano acompanha um estudante ingressante. A alteração decorre de razões operacionais e metodológicas, sobretudo da maior estabilidade da população universitária, da existência de registros institucionais de matrícula e de evasão e da possibilidade de acompanhamento longitudinal dos participantes, condições que tornam a avaliação do artefato mais confiável. Metodologicamente, o trabalho seguiu a Design Science Research Methodology (DSRM), tendo sido concluídas as etapas de identificação do problema, definição dos objetivos da solução e design e desenvolvimento. Como resultado principal, apresenta-se o VETOR, aplicação web que realiza o autocadastro do estudante por meio da API de autenticação do Google, gerencia a candidatura e a habilitação de mentores pela coordenação de curso, promove o pareamento entre mentores e mentorandos a partir de preferências declaradas, disponibiliza canal de comunicação por chat e oferece à gestão um painel de acompanhamento das mentorias. Complementarmente, conduziu-se uma revisão sistemática sobre tecnologias digitais aplicadas à mentoria por pares e à permanência estudantil. As etapas de demonstração e avaliação não foram executadas neste ciclo e estão previstas para 2026, condicionadas à aprovação do projeto pelo Comitê de Ética em Pesquisa com Seres Humanos. Tecnologia e inovação

2026-09-08T00:00:00Z