https://repositorio.ufsc.br/handle/123456789/7455 Sistemas de Informação 2026-09-05T07:30:42Z https://repositorio.ufsc.br/handle/123456789/274484 Análise de acessibilidade no módulo de visitas do aplicativo e-SUS Território para pessoas com limitações de visão. Nascimento, Lumi Scartezini do; Machado, Bruno Rafael Leal A acessibilidade configura-se como a garantia de autonomia e segurança para que qualquer indivíduo possa utilizar espaços, tecnologias e meios de comunicação, sejam eles públicos ou privados. Apenas 2,9% dos 26,3 milhões de sites Brasileiros operam de forma acessível e diante desse déficit, a Lei 13.146/2015 traz respaldo jurídico para a inclusão. Este trabalho analisa os módulos de visitas do aplicativo e-SUS Território para usuários cegos ou com baixa visão, utilizando como base os critérios de sucesso das Diretrizes de Acessibilidade para Conteúdo Web, Web Content Accessibility Guidelines (WCAG), 2.2 de nível A. Os resultados da inspeção técnica revelaram falhas em doze critérios de sucesso da WCAG 2.2 de nível A aplicáveis a limitações de visão, com maior criticidade nos princípios de Perceptibilidade e Operabilidade, evidenciando barreiras significativas para usuários cegos e com baixa visão. TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Sistemas de Informação. 2026-07-07T00:00:00Z https://repositorio.ufsc.br/handle/123456789/274475  A dual-stage detection pipeline for metaphor annotation: using llm-based proposal generation and linguistic verification Gabriel, Avila A anotação de metáforas é relevante para linguística, análise do discurso, humani­ dades digitais e NLP, mas a identificação manual exige conhecimento especializado e não escala facilmente para grandes corpora. Este trabalho apresenta metaphoriq- detector, um pipeline de detecção de metáforas em duas etapas que combina geração de propostas baseada em LLM com verificação linguística determinística. A etapa de proposta identifica possíveis trechos metafóricos e produz explicações estruturadas baseadas em MIP/SPV. A etapa de verificação avalia essas propostas por meio de evidências lexicais, sintáticas e semânticas, incluindo análise de classes gramaticais, proxies de contraste entre sentido básico e contextual derivados da WordNet e sinais de violação de preferência semântica. O detector foi avaliado nos conjuntos VUA20, TroFi e MOH-X em comparação com XLM-R, CreativeLang RoBERTa, FrameBERT e MelBERT. Nesse benchmark, metaphoriq-detector não superou o melhor baseline acadêmico, mas apresentou alta revocação e menor precisão após uma etapa de retentativa acionada por incerteza. Os resultados indicam que separar a geração de propostas por LLM da verificação externa produz um pipeline inspecionável de geração de candidatos, ao mesmo tempo em que expõe os limites de precisão da estratégia atual de adjudicação.; Metaphor annotation is useful for linguistics, discourse analysis, digital humanities, and Natural Language Processing (NLP), but manual identification requires specialized knowledge and does not scale easily to large corpora. This thesis presents metaphoriq- detector, a dual-stage metaphor detection pipeline that combines Large Language Model (LLM) based proposal generation with deterministic linguistic verification. The proposal stage identifies candidate metaphorical spans and produces structured MIP/ SPV-based explanations. The verification stage checks those proposals using lexical, syntactic, and semantic evidence, including part-of-speech analysis, WordNet-derived basic-contextual contrast proxies, and semantic-preference signals. The detector was evaluated on VUA20, TroFi, and MOH-X against XLM-R, CreativeLang RoBERTa, FrameBERT, and MelBERT. In this benchmark, metaphoriq-detector did not surpass the strongest academic baseline, but it showed a high-recall profile with lower precision after an uncertainty-triggered retry step. The results indicate that separating LLM proposal generation from external verification yields an inspectable candidate-gener­ ation pipeline, while also exposing the precision limits of the implemented adjudication strategy. TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Sistemas de Informação. 2026-07-17T00:00:00Z https://repositorio.ufsc.br/handle/123456789/274473 Extração e decomposição da seção "Objeto" em acordos de não persecução civil por meio de LLMs e RAG Domenegato, Fernando Carlos Pereira O uso de técnicas de inteligência artificial tem se mostrado relevante para apoiar tarefas de análise documental na área jurídica, especialmente em contextos que envolvem documentos extensos, heterogêneos e com baixa padronização textual. Nesse cenário, este trabalho tem como objetivo desenvolver e avaliar uma abordagem baseada em grandes modelos de linguagem, do inglês Large Language Models (LLMs), e geração aumentada por recuperação, do inglês Retrieval-Augmented Generation (RAG), para a extração literal da seção denominada “Objeto” em documentos em formato PDF relacionados a Acordos de Não Persecução Civil. Em etapa complementar, a abordagem também é utilizada para decompor o conteúdo extraído em duas variáveis de interesse jurídico: o enquadramento legal do fato e a descrição do fato concreto, quando presentes. Para isso, foi organizada uma base documental oriunda do Ministério Público de Santa Catarina e construído um dataset de referência, manualmente curado e normalizado, utilizado para a avaliação dos experimentos. A solução foi implementada em Python e organizada como uma pipeline que combina extração do conteúdo textual dos arquivos PDF, recuperação semântica, uso de prompts especializados e execução de LLMs. Os resultados da extração da seção “Objeto” e da sua decomposição em variáveis de interesse foram comparados com o dataset de referência por meio de métricas de igualdade e de similaridade textual, complementadas por análise qualitativa de erros e casos divergentes. Os resultados indicaram elevada similaridade textual nas melhores configurações avaliadas, demonstrando a viabilidade da abordagem nas condições experimentais e no conjunto documental analisados. Ao todo, foram avaliados 530 documentos, dos quais 470 continham a seção “Objeto” no dataset de referência. Considerando apenas os documentos com conteúdo de referência para essa seção, a melhor configuração alcançou 99,11% de similaridade média na extração da seção “Objeto”, com 96,17% dos registros apresentando similaridade igual ou superior a 95%. Em uma avaliação binária complementar da melhor configuração sobre os 530 documentos, foram obtidos 96,23% de acurácia, 95,92% de precisão, 100% de sensibilidade e 66,67% de especificidade na identificação da presença ou ausência da seção. Os resultados devem ser interpretados como evidência exploratória restrita ao conjunto documental analisado, uma vez que não houve conjunto independente de teste. TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Sistemas de Informação. 2026-07-09T00:00:00Z https://repositorio.ufsc.br/handle/123456789/274357 Um Estudo Comparativo sobre o Uso de LLMs na Criação de Testes de Integração de Software Guglielmi Kirtschig, Gabriel Com o avanço da inteligência artificial, ferramentas baseadas em Large Language Models (LLMs) vêm transformando diversas etapas do desenvolvimento de software, especial- mente por meio da automação de tarefas repetitivas. No entanto, algumas áreas ainda são pouco exploradas por essas tecnologias, como é o caso da geração automatizada de testes de integração. Considerando a importância desse tipo de teste na garantia da quali- dade de sistemas complexos, este trabalho propõe a realização de um estudo comparativo sobre o uso de LLMs na geração de testes de integração de software. A pesquisa é con- duzida com base em um estudo de caso real, o sistema Jornada do Estudante, no qual diferentes modelos de LLM são avaliados por meio de técnicas de prompt engineering e métricas consolidadas na literatura. A metodologia adotada inclui a seleção das ferramen- tas mais indicadas, o planejamento e aplicação dos prompts e a análise dos testes gerados, buscando identificar os principais desafios, limitações e potencialidades dos LLMs nesse contexto. Os resultados obtidos revelaram que, com a aplicação de one-shot prompting, os modelos avaliados alcançaram alta conformidade aos padrões arquiteturais do projeto. O modelo GPT-5.4 destacou-se por apresentar o melhor equilíbrio e maior capacidade de propor novos cenários úteis. O DeepSeek-V4-Flash obteve a maior eficiência compu- tacional, sacrificando a eficácia funcional, enquanto o Gemini 2.5 Pro apresentou maior instabilidade na geração de código compilável. TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Sistemas de Informação. 2026-07-06T00:00:00Z