Escolar Documentos
Profissional Documentos
Cultura Documentos
Editora Chefe
Profª Drª Antonella Carvalho de Oliveira
Assistentes Editoriais
Natalia Oliveira
Bruno Oliveira
Flávia Roberta Barão
Bibliotecário
Maurício Amormino Júnior
Projeto Gráfico e Diagramação
Natália Sandrini de Azevedo
Camila Alves de Cremo
Karine de Lima Wisniewski
Luiza Alves Batista
Maria Alice Pinheiro
Imagens da Capa 2020 by Atena Editora
Shutterstock Copyright © Atena Editora
Edição de Arte Copyright do Texto © 2020 Os autores
Luiza Alves Batista Copyright da Edição © 2020 Atena Editora
Revisão Direitos para esta edição cedidos à Atena Editora
Os Autores pelos autores.
Todo o conteúdo deste livro está licenciado sob uma Licença de Atribuição Creative
Commons. Atribuição 4.0 Internacional (CC BY 4.0).
O conteúdo dos artigos e seus dados em sua forma, correção e confiabilidade são de responsabilidade
exclusiva dos autores, inclusive não representam necessariamente a posição oficial da Atena Editora.
Permitido o download da obra e o compartilhamento desde que sejam atribuídos créditos aos autores,
mas sem a possibilidade de alterá-la de nenhuma forma ou utilizá-la para fins comerciais.
A Atena Editora não se responsabiliza por eventuais mudanças ocorridas nos endereços convencionais
ou eletrônicos citados nesta obra.
Todos os manuscritos foram previamente submetidos à avaliação cega pelos pares, membros do
Conselho Editorial desta Editora, tendo sido aprovados para a publicação.
Conselho Editorial
Ciências Humanas e Sociais Aplicadas
Prof. Dr. Álvaro Augusto de Borba Barreto – Universidade Federal de Pelotas
Prof. Dr. Alexandre Jose Schumacher – Instituto Federal de Educação, Ciência e Tecnologia de Mato
Grosso
Prof. Dr. Américo Junior Nunes da Silva – Universidade do Estado da Bahia
Prof. Dr. Antonio Carlos Frasson – Universidade Tecnológica Federal do Paraná
Prof. Dr. Antonio Gasparetto Júnior – Instituto Federal do Sudeste de Minas Gerais
Prof. Dr. Antonio Isidro-Filho – Universidade de Brasília
Prof. Dr. Carlos Antonio de Souza Moraes – Universidade Federal Fluminense
Profª Drª Cristina Gaio – Universidade de Lisboa
Prof. Dr. Edson da Silva – Universidade Federal dos Vales do Jequitinhonha e Mucuri
Profª Drª Eleuza Rodrigues Machado – Faculdade Anhanguera de Brasília
Profª Drª Elane Schwinden Prudêncio – Universidade Federal de Santa Catarina
Profª Drª Eysler Gonçalves Maia Brasil – Universidade da Integração Internacional da Lusofonia Afro-
Brasileira
Prof. Dr. Ferlando Lima Santos – Universidade Federal do Recôncavo da Bahia
Profª Drª Gabriela Vieira do Amaral – Universidade de Vassouras
Prof. Dr. Gianfábio Pimentel Franco – Universidade Federal de Santa Maria
Prof. Dr. Helio Franklin Rodrigues de Almeida – Universidade Federal de Rondônia
Profª Drª Iara Lúcia Tescarollo – Universidade São Francisco
Prof. Dr. Igor Luiz Vieira de Lima Santos – Universidade Federal de Campina Grande
Prof. Dr. Jesus Rodrigues Lemos – Universidade Federal do Piauí
Prof. Dr. Jônatas de França Barros – Universidade Federal do Rio Grande do Norte
Prof. Dr. José Max Barbosa de Oliveira Junior – Universidade Federal do Oeste do Pará
Prof. Dr. Luís Paulo Souza e Souza – Universidade Federal do Amazonas
Profª Drª Magnólia de Araújo Campos – Universidade Federal de Campina Grande
Prof. Dr. Marcus Fernando da Silva Praxedes – Universidade Federal do Recôncavo da Bahia
Profª Drª Mylena Andréa Oliveira Torres – Universidade Ceuma
Profª Drª Natiéli Piovesan – Instituto Federacl do Rio Grande do Norte
Prof. Dr. Paulo Inada – Universidade Estadual de Maringá
Profª Drª Regiane Luz Carvalho – Centro Universitário das Faculdades Associadas de Ensino
Profª Drª Renata Mendes de Freitas – Universidade Federal de Juiz de Fora
Profª Drª Vanessa Lima Gonçalves – Universidade Estadual de Ponta Grossa
Profª Drª Vanessa Bordin Viera – Universidade Federal de Campina Grande
Prof. Dr. Fabiano Tadeu Grazioli – Universidade Regional Integrada do Alto Uruguai e das Missões
Prof. Dr. Gilmei Fleck – Universidade Estadual do Oeste do Paraná
Profª Drª Keyla Christina Almeida Portela – Instituto Federal de Educação, Ciência e Tecnologia de Mato
Grosso
Profª Drª Miranilde Oliveira Neves – Instituto de Educação, Ciência e Tecnologia do Pará
Profª Drª Sandra Regina Gardacho Pietrobon – Universidade Estadual do Centro-Oeste
Profª Drª Sheila Marta Carregosa Rocha – Universidade do Estado da Bahia
Formato: PDF
Requisitos de sistema: Adobe Acrobat Reader
Modo de acesso: World Wide Web
Inclui bibliografia
ISBN 978-65-5706-317-0
DOI 10.22533/at.ed.170201808
Atena Editora
Ponta Grossa – Paraná – Brasil
Telefone: +55 (42) 3323-5493
www.atenaeditora.com.br
contato@atenaeditora.com.br
APRESENTAÇÃO
CAPÍTULO 1........................................................................................................................... 1
AUTOMAÇÃO DE PROCESSOS DA SECRETARIA GERAL DE UNIVERSIDADES VISANDO A
SUSTENTABILIDADE
Beatriz da Mota Bonanno
Daniela Vieira Cunha
Fabio Kawaoka Takase
DOI 10.22533/at.ed.1702018081
CAPÍTULO 2......................................................................................................................... 15
CLASSIFICAÇÃO DE IMAGENS MÉDICAS EM MODALIDADES USANDO VISÃO COMPUTACIONAL
Sara Conceição de Sousa Araújo Silva
Glauco Vitor Pedrosa
DOI 10.22533/at.ed.1702018082
CAPÍTULO 3......................................................................................................................... 26
CLUBE DE PROGRAMAÇÃO E ROBÓTICA: EXPERIMENTOS EDUCACIONAIS NO ENSINO
FUNDAMENTAL NO INTERIOR DA AMAZÔNIA
Ruan Carlos Tavares Reis
Endrew Pedreiro Amorim
Angel Pena Galvão
Andrik Guimarães Ferreira
Juarez Benedito da Silva
Clayton André Maia dos Santos
DOI 10.22533/at.ed.1702018083
CAPÍTULO 4......................................................................................................................... 36
ESTRATÉGIAS PARA SINCRONIZAÇÃO E PROTEÇÃO DE DADOS EM APLICAÇÕES WEB REAL-TIME
UTILIZANDO METEORJS
Renan Gomes Barreto
Lucas Oliveira Costa Aversari
DOI 10.22533/at.ed.1702018084
CAPÍTULO 5......................................................................................................................... 48
IDENTIFICAÇÃO AUTOMÁTICA DE PERFIS DE MOTORISTAS USANDO APRENDIZADO DE MÁQUINA
Ricardo Roberto Carlos da Silva Júnior
Hilário Tomaz Alves de Oliveira
DOI 10.22533/at.ed.1702018085
CAPÍTULO 6......................................................................................................................... 60
INTEGRAÇÃO DE APLICATIVOS: ESTRATÉGIA, ARQUITETURA E METODOLOGIA
Francisco Carlos Paletta
DOI 10.22533/at.ed.1702018086
CAPÍTULO 7......................................................................................................................... 70
ISLANDTEST: JOGO EDUCATIVO PARA APOIAR O PROCESSO ENSINO-APRENDIZAGEM DE TESTES
DE SOFTWARE
Rafael Jesus de Queiroz
Fabrício de Sousa Pinto
Paulo Caetano da Silva
DOI 10.22533/at.ed.1702018087
SUMÁRIO
CAPÍTULO 8......................................................................................................................... 82
MÉTODO BASEADO NOS REFERENCIAIS DE FORMAÇÃO DA SBC PARA REESTRUTURAÇÃO DE
DESCRITIVOS DE DISCIPLINAS DE CIÊNCIA DA COMPUTAÇÃO EM CONFORMIDADE COM AS DCN
DE 2016
Alcides Calsavara
Ana Paula Gonçalves Serra
Francisco de Assis Zampirolli
Leandro Silva Galvão de Carvalho
Miguel Jonathan
Ronaldo Celso Messias Correia
DOI 10.22533/at.ed.1702018088
CAPÍTULO 9......................................................................................................................... 95
ML-SAI: UM MODELO PEDAGÓGICO PARA ATIVIDADES DE M-LEARNING QUE INTEGRA A ABORDAGEM
DA SALA DE AULA INVERTIDA
Ernane Rosa Martins
Luís Manuel Borges Gouveia
DOI 10.22533/at.ed.1702018089
SUMÁRIO
Irley Monteiro Araújo
Juarez Benedito da Silva
Aloísio Costa Barros
Pablo Nunes de Oliveira
Brenda da Silva Nunes
DOI 10.22533/at.ed.17020180813
1 | INTRODUÇÃO
2 | SOLUÇÃO PROPOSTA
Com os dados do veículo coletados pelos rastreadores é possível ter acesso aos
dados gerados durante os trajetos e rotas percorridas pelos veículos, como: velocidade,
quilômetros percorridos, status de ignição ligada ou desligada, identificação do motorista,
latitude, longitude, data e hora do momento da informação. Além desses, os rastreadores
geram eventos através do seu acelerômetro, como excesso de velocidade, aceleração
brusca, freada brusca e curva acentuada.
Inicialmente, o módulo proposto realiza a leitura dos dados armazenados no banco
de dados e executa a extração das características (atributos) que, posteriormente, são
usadas para a construção do modelo de predição proposto. Os atributos investigados
neste trabalho são:
3 | EXPERIMENTOS
Nesta seção, são apresentados dois experimentos realizados para avaliar o módulo
de identificação proposto. Na subseção 3.1, são apresentadas algumas informações
importantes relacionadas ao ambiente experimental utilizado. O primeiro experimento,
apresentado na subseção 3.2, compara a execução de diferentes algoritmos de AM
para a identificação do perfil de condução. Nesse experimento, a tarefa de identificação
do motorista foi tratada, como um problema de classificação binária. Na subseção 3.3,
são apresentados os resultados do segundo experimento, cujo o objetivo é comparar
o desempenho de diferentes algoritmos de AM, mas neste caso, tratando a tarefa de
identificação do perfil de condução como um problema de classificação de uma única
classe.
Como o processo de classificação adotado foi binário, para cada exemplo analisado,
os 1.512 usados para o treinamento do modelo foram alterados da seguinte forma: Caso
o exemplo de treinamento seja do mesmo motorista do exemplo de teste, esse rótulo do
motorista permanece; caso contrário o rótulo do exemplo fica como sendo ‘Outro’. Ou
seja, o algoritmo é treinado para classificar um exemplo como sendo da classe motorista
‘X’, onde X é o identificador do motorista, ou da classe ‘Outro’.
Para comparar os algoritmos de AM investigados, ao final das 1.513 execuções,
computou-se a acurácia global de cada algoritmo. São apresentados na Tabela 1 os
resultados obtidos na execução dos experimentos. O melhor resultado com base na
medida de acurácia está destacado em negrito.
Tabela 1. Resultados da comparação dos algoritmos de AM na tarefa de classificação binária com base
na medida de acurácia.
REFERÊNCIAS
AHA, D.; KIBLER, D. Instance-based learning algorithms. Machine Learning, v. 6, p.37–66, 1991.
BREUNIG, M.; KRIEGEL, H.; NG, R.; SANDER, J. LOF: identifying density-based local outliers. In
International conference on Management of data. Dallas, Texas, USA, pp. 93-104, 2000.
CORTES, C.; VAPNIK, V. Support-vector networks. Machine Learning, v. 20, nº 3, pp 273–297, 1995.
FACELI, K., LORENA, A. C., GAMA, J. CARVALHO, A. C. P. L. F. Inteligência Artificial: Uma Abordagem
de Aprendizagem de Máquina. Rio de Janeiro: LTC, 2011.
JOHN, G. H.; LANGLEY, P. Estimating continuous distributions in bayesian classifers. In: Eleventh
Conference on Uncertainty in Artificial Intelligence. San Mateo: Morgan Kaufmann, p. 338–345, 1995.
ROUSSEEUW, P.; VAN DRIESSEN, K. A fast algorithm for the minimum covariance determinant
estimator. Technometrics, v. 41, nº 3, pp. 212-223, 1999.
SCHOLKOPF, B.; WILLIAMSON, R.; SMOLA, A.; TAYLOR, J.; PLATT, J. Support vector method for novelty
detection. In Neural Information Processing Systems, pp. 582–588, 2000.
SILVA, L. L. A., OLIVEIRA, P. A. Métodos de depreciação de veículos nacionais de até mil cilindradas:
Um estudo de caso. Tekhne e Logos, Botucatu, SP, v.9, n.2, set., 2018.
STAIRS, R. M., REYNOLDS, G. W. Princípios de Sistemas de Informação. 3ª ed. São Paulo: Cengage
Learning, 2015.
Banco de dados 4, 8, 10, 20, 36, 37, 40, 41, 42, 43, 44, 46, 51, 52, 54, 70, 74, 93, 156, 167, 174,
175, 176, 207
Bateria 76, 121, 124, 125, 126, 127, 129, 130
Blockchain 183, 184, 185, 186, 187, 188, 190, 191, 194, 195, 196
BPMN 4, 9, 13, 14, 151, 152, 153, 154, 155, 156, 158, 160, 161, 164, 165
Digital 1, 2, 60, 61, 62, 68, 69, 80, 104, 123, 129, 133, 134, 143, 144, 146, 173, 182, 187, 190, 193
Diretrizes curriculares 82, 83, 94
Disciplina 72, 75, 76, 77, 80, 82, 83, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 102, 103, 104,
160
Dispersão criptográfica 172, 173
Educação 3, 4, 5, 6, 7, 14, 27, 28, 33, 34, 35, 82, 83, 96, 104, 105, 107, 173, 183, 194, 195, 198,
206, 207
Elicitação de requisitos 151, 152, 154, 156, 164, 165
Engenharia de software 70, 71, 72, 80, 81, 165
Ensino 5, 7, 26, 27, 28, 29, 34, 35, 70, 71, 72, 74, 75, 77, 78, 80, 84, 85, 87, 88, 91, 93, 94, 95,
96, 97, 98, 99, 104, 105, 106, 143, 160, 197, 198, 199, 200, 206
Formação 13, 25, 34, 72, 82, 83, 84, 86, 87, 91, 92, 94, 105, 119, 200
Framework 5, 8, 36, 37, 40, 41, 43, 46, 47, 156, 182
Front-end 37, 39, 40, 43
Full-stack 36, 37, 40, 43
Programação 19, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 37, 38, 39, 51, 82, 85, 86, 87, 88, 89, 90,
91, 92, 93, 95, 96, 99, 102, 103, 104, 105, 124, 137, 168, 173, 201, 203, 205, 207
Protótipo 54, 129, 203, 205
Python 52, 87, 88, 137, 173, 181
Sala de aula invertida 95, 96, 98, 99, 100, 104, 105, 106
Scratch 26, 28, 29, 30, 31, 32, 33
Segurança 42, 48, 76, 107, 120, 122, 126, 134, 143, 144, 145, 146, 149, 150, 172, 173, 174, 181,
185, 186, 187, 190, 192, 194
Simulador 197, 199, 200, 201, 202, 203, 204, 205, 206
Sincronização de dados 36, 37, 44, 46
Técnica REMO 151, 152, 154, 155, 156, 158, 160, 161, 162, 163, 164, 165
Tecnologia 3, 4, 5, 7, 1, 2, 14, 27, 28, 29, 33, 49, 51, 60, 61, 62, 63, 66, 67, 68, 69, 77, 82, 98, 99,
100, 105, 107, 123, 129, 132, 137, 150, 151, 152, 162, 183, 184, 185, 186, 187, 188, 189, 190,
192, 194, 195, 196, 197, 199, 200, 201, 204, 207
Tecnologia da informação 2, 14, 60, 61, 62, 63, 68, 184, 188, 204, 207
Testes de software 70, 71, 72, 74, 75, 76, 77, 79, 80
XPDL 151, 152, 153, 154, 156, 157, 158, 161, 164, 165