Banca de DEFESA: ADRIANO MADUREIRA DOS SANTOS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: ADRIANO MADUREIRA DOS SANTOS
DATA: 18/01/2024
HORA: 09:30
LOCAL: Auditório do PCT
TÍTULO:

APRENDIZADO PROFUNDO NA EUDCAÇÃO 5.0: PROPONDO UM MODELO DE CLASSIFICAÇÃO DE FORMAS GEOMÉTRICAS 3D PARA MELHORAR O APRENDIZADO EM UM APLICATIVO DE METAVERSO

PALAVRAS-CHAVES:

Metaverso, Aprendizado Profundo, Visão Computacional, Educação 5.0, Matemática

PÁGINAS: 65
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
RESUMO:

O sistema educacional brasileiro enfrenta desafios significativos, conforme evidenciado pelos baixos índices de avaliação do desenvolvimento educacional. Devido ao modelo educacional tradicional empregado no país, há dificuldades na transmissão efetiva de conteúdos complexos, levando a altos índices de fracasso escolar e consequente evasão escolar. A falta de inovação, especialmente nos ambientes da educação básica, contribui para um cenário de baixa proficiência matemática entre os estudantes brasileiros. Neste contexto, este trabalho surge como resultado de uma inovação desenvolvida para aprimorar a aplicação Geometa, desenvolvida pela empresa Inteceleri, através da integração das tecnologias Metaverso e Inteligência Artificial para criar um ambiente educacional imersivo e interativo. A intenção é afinar a Inteligência Artificial para o reconhecimento em tempo real de formas geométricas tridimensionais de objetos reais. A proposta visa mitigar desafios enfrentados no ensino básico de Matemática no Brasil por meio da adoção de abordagens tecnológicas inovadoras alinhadas à Educação 5.0, que possam ser replicadas para tecnologias similares envolvendo o Metaverso. Além disso, pretende-se também criar um ambiente educativo dinâmico e sustentável que não só facilite a compreensão de conceitos matemáticos, mas também promova a participação ativa dos alunos, incentivando a sua criatividade e autonomia no processo de aprendizagem. Como contribuições deste trabalho foram realizados: (i) o treinamento de modelos definidos para a classificação de formas geométricas tridimensionais; (ii) a avaliação dos modelos através de métricas de desempenho, tempo de inferência e dimensão; e (iii) a seleção do modelo com melhor desempenho com base na precisão e eficiência de inferência. De acordo com os resultados obtidos, o modelo ResNet exibiu a precisão de 84%, apresentando o maior desempenho obtido entre os modelos avaliados, além de 9 inferências por segundo, o que reflete no menor consumo de recursos computacionais para a tarefa.

MEMBROS DA BANCA:
Presidente - 1768614 - MARCOS CESAR DA ROCHA SERUFFO
Interno - 1153173 - ROBERTO CELIO LIMAO DE OLIVEIRA
Externo ao Programa - 2378314 - JEFFERSON MAGALHAES DE MORAIS