Representação social de ciência de estudantes do ensino fundamental da rede municipal de Belém

Este trabalho relata uma pesquisa descritiva quanti-qualitativa realizada entre estudantes do ensino fundamental da rede municipal de Belém, com os objetivos de identificar a representação social de Ciência desses alunos, além de compreender os conteúdos e identificar as tendências de núcleo central reveladas nessas representações. A pesquisa teve como sujeitos 124 estudantes de uma escola da rede municipal de Belém, dos quais 65 encontravam-se cursando 3o ciclo e 59 o 4o ciclo do ensino fundamental. Dos 124, 52 são do sexo masculino e 72 são do sexo feminino, distribuídos entre as faixas etárias de 10 a 17 anos. Tais representações são discutidas tendo como referências teórico-metodológicas a teoria das representações sociais de Serge Moscovici, e suas teorias complementares, como a Teoria do Núcleo Central de Jean-Claude Abric. Os dados coletados através de questionários, compostos por uma questão aberta e uma de evocação livre foram analisados utilizando-se a técnica de análise de conteúdo e de Vergès, respectivamente. A análise dos dados nos revelou a vinculação restrita da Ciência à disciplina escolar Ciências e a alguns de seus conteúdos, como corpo humano e meio ambiente, entre outros. Esses resultados nos fazem concluir que tais representações estão fortemente vinculadas à abordagem adotada pelo ensino de Ciências, ainda predominantemente prescritivo e propedêutico. Com essa conclusão evidencia-se a necessidade de incentivo à formação dos professores de Ciências, na expectativa de se viabilizar a implementação de propostas de ensino que pretendam romper, com esse modelo tradicional, como Alfabetização Científica e Ciência, Tecnologia e Sociedade (CTS), dessa forma contribuindo para formação de cidadãos atuantes de maneira crítica e criativa em nossa sociedade.

Modelos para previsão de carga a curto prazo através de redes neurais artificiais com treinamento baseado na teoria da informação

O conhecimento prévio do valor da carga é de extrema importância para o planejamento e operação dos sistemas de energia elétrica. Este trabalho apresenta os resultados de um estudo investigativo da aplicação de Redes Neurais Artificiais do tipo Perceptron Multicamadas com treinamento baseado na Teoria da Informação para o problema de Previsão de Carga a curto prazo. A aprendizagem baseada na Teoria da Informação se concentra na utilização da quantidade de informação (Entropia) para treinamento de uma rede neural artificial. Dois modelos previsores são apresentados sendo que os mesmos foram desenvolvidos a partir de dados reais fornecidos por uma concessionária de energia. Para comparação e verificação da eficiência dos modelos propostos um terceiro modelo foi também desenvolvido utilizando uma rede neural com treinamento baseado no critério clássico do erro médio quadrático. Os resultados alcançados mostraram a eficiência dos sistemas propostos, que obtiveram melhores resultados de previsão quando comparados ao sistema de previsão baseado na rede treinada pelo critério do MSE e aos sistemas previsores já apresentados na literatura.

Rede social e papéis de gênero de casais ribeirinhos de uma comunidade amazônica

Este estudo descreve as redes sociais de dois casais de uma comunidade ribeirinha (Rio Araraiana, Município de Ponta de Pedras, Ilha do Marajó/Pará). Os dados foram coletados com um inventário sócio-demográfico, um inventário de rotina e diários de campo e, analisados pelo mapa de rede de Sluzki. Constatou-se que os vínculos dos casais são baseados em alianças de ajuda econômica e de trabalho, companhia para lazer ou atividade religiosa. Verificou-se que as relações são marcadas por padrões de gênero que delimitam os ambientes das atividades cotidianas, definem o status ocupado na família e condicionam a formação de vínculos na rede social.

Detecção de refletores sísmicos por rede neural discreta

As redes neurais artificiais têm provado serem uma poderosa técnica na resolução de uma grande variedade de problemas de otimização. Nesta dissertação é desenvolvida uma nova rede neural, tipo recorrente, sem realimentação (self-feedback loops) e sem neurônios ocultos, para o processamento do sinal sísmico, para fornecer a posição temporal, a polaridade e as amplitudes estimadas dos refletores sísmicos, representadas pelos seus coeficientes de reflexão. A principal característica dessa nova rede neural consiste no tipo de função de ativação utilizada, a qual permite três possíveis estados para o neurônio. Busca-se estimar a posição dos refletores sísmicos e reproduzir as verdadeiras polaridades desses refletores. A idéia básica desse novo tipo de rede, aqui denominada rede neural discreta (RND), é relacionar uma função objeto, que descreve o problema geofísico, com a função de Liapunov, que descreve a dinâmica da rede neural. Deste modo, a dinâmica da rede leva a uma minimização local da sua função de Liapunov e consequentemente leva a uma minimização da função objeto. Assim, com uma codificação conveniente do sinal de saída da rede tem-se uma solução do problema geofísico. A avaliação operacional da arquitetura desta rede neural artificial é realizada em dados sintéticos gerados através do modelo convolucional simples e da teoria do raio. A razão é para explicar o comportamento da rede com dados contaminados por ruído, e diante de pulsos fonte de fases mínima, máxima e misturada.

Identificação automática das primeiras quebras em traços sísmicos por meio de uma rede neural direta

Apesar do avanço tecnológico ocorrido na prospecção sísmica, com a rotina dos levantamentos 2D e 3D, e o significativo aumento na quantidade de dados, a identificação dos tempos de chegada da onda sísmica direta (primeira quebra), que se propaga diretamente do ponto de tiro até a posição dos arranjos de geofones, permanece ainda dependente da avaliação visual do intérprete sísmico. O objetivo desta dissertação, insere-se no processamento sísmico com o intuito de buscar um método eficiente, tal que possibilite a simulação computacional do comportamento visual do intérprete sísmico, através da automação dos processos de tomada de decisão envolvidos na identificação das primeiras quebras em um traço sísmico. Visando, em última análise, preservar o conhecimento intuitivo do intérprete para os casos complexos, nos quais o seu conhecimento será, efetivamente, melhor aproveitado. Recentes descobertas na tecnologia neurocomputacional produziram técnicas que possibilitam a simulação dos aspectos qualitativos envolvidos nos processos visuais de identificação ou interpretação sísmica, com qualidade e aceitabilidade dos resultados. As redes neurais artificiais são uma implementação da tecnologia neurocomputacional e foram, inicialmente, desenvolvidas por neurobiologistas como modelos computacionais do sistema nervoso humano. Elas diferem das técnicas computacionais convencionais pela sua habilidade em adaptar-se ou aprender através de uma repetitiva exposição a exemplos, pela sua tolerância à falta de alguns dos componentes dos dados e pela sua robustez no tratamento com dados contaminados por ruído. O método aqui apresentado baseia-se na aplicação da técnica das redes neurais artificiais para a identificação das primeiras quebras nos traços sísmicos, a partir do estabelecimento de uma conveniente arquitetura para a rede neural artificial do tipo direta, treinada com o algoritmo da retro-propagação do erro. A rede neural artificial é entendida aqui como uma simulação computacional do processo intuitivo de tomada de decisão realizado pelo intérprete sísmico para a identificação das primeiras quebras nos traços sísmicos. A aplicabilidade, eficiência e limitações desta abordagem serão avaliadas em dados sintéticos obtidos a partir da teoria do raio.