A música nos currículos específicos individuais

Tendo como suporte a revisão bibliográfica, pretende-se com este estudo de caso de carater interpretativo, compreender qual o papel da música inserida nos currículos específicos individuais (CEI). O estudo pretende contribuir para uma maior compreensão acerca da inclusão da disciplina de Educação Musical nos CEI, conhecer as práticas pedagógicas desenvolvidas com alunos ao abrigo de um CEI e caraterizar e promover o desenvolvimento musical dos três alunos participantes. O trabalho empírico no qual foi delineada a investigação assenta numa metodologia qualitativa. Nos instrumentos de recolha de dados saliento, as entrevistas, as notas de campo e o círculo de desenvolvimento musical “Sound of Intent”. Os resultados reforçam a importância da formação docente na intervenção com crianças com NEE e a clara valorização do papel da música nestes currículos. Observa-se que os três alunos, embora caraterizados com perturbações de grau e patologia diferenciadas, e com manifestações variadas, mostram níveis de musical dos alunos, corresponde ao perfil descrito na literatura o que nos permite sugerir que as atividades e estratégias utilizadas contribuíram para o desenvolvimento das diferentes dimensões analisadas promovendo o desenvolvimento de competências musicais e extra musicais.

Conceção e desenvolvimento de produto, ferramenta e célula de produção

O trabalho apresentado descreve todo o processo de conceção e desenvolvimento de um produto, ferramenta e célula de fabrico, realizado numa empresa de moldes situada na zona da Marinha Grande e denominada por Moldes RP – Indústria Moldes, Sociedade Unipessoal, Lda. Com o desenvolvimento deste novo produto, a empresa pretende atingir novos mercados, alargando a sua cadeia de valor a jusante do fabrico de moldes, integrando a componente de moldação por injeção e sopro, como forma de cimentar a sua posição no mercado global e assumir a conceção e desenvolvimentos de produtos como um eixo estratégico de negócios. Uma das formas de despoletar processos de desenvolvimento de produtos reside na identificação de oportunidades. Neste âmbito, e no respeitante ao produto em foco neste trabalho, verifica-se uma tendência para a proibição de utilização de copos de vidro em espaços públicos, nomeadamente concertos, eventos desportivos e praias, entre outros, o que força os promotores e consumidores a consumir bebidas em copos que respeitem estas condições.Neste contexto, foi identificada como oportunidade o desenvolvimento e produção de um copo de formas complexas e que respeite as condições descritas, tendo por base uma metodologia de conceção e desenvolvimento de produto eficaz. Para tal, o processo adotado como suporte ao desenvolvimento deste produto envolveu, desde os conceitos iniciais de identificação da ideia, pesquisa do estado da arte, análise do meio envolvente e a identificação de vantagens competitivas, até à definição clara de requisitos do produto para a geração do modelo. Complementarmente, e ao nível da produção do produto desenvolvido foi desenvolvida uma tecnologia que permite a obtenção do produto idealizado, através da integração da moldação por injeção sobreposta e moldação por sopro. De destacar que este desenvolvimento culminou num pedido de patente. Por último, e tendo em consideração a análise da viabilidade financeira do produto e processo de produção, é ainda efetuada uma estimativa inicial do custo do produto e o cálculo final do produto tendo em conta as condicionantes relativas ao processo de fabrico.

Evolution of classifiers for pitch estimation of piano music using cartesian genetic programming

Pitch Estimation, also known as Fundamental Frequency (F0) estimation, has been a popular research topic for many years, and is still investigated nowadays. The goal of Pitch Estimation is to find the pitch or fundamental frequency of a digital recording of a speech or musical notes. It plays an important role, because it is the key to identify which notes are being played and at what time. Pitch Estimation of real instruments is a very hard task to address. Each instrument has its own physical characteristics, which reflects in different spectral characteristics. Furthermore, the recording conditions can vary from studio to studio and background noises must be considered. This dissertation presents a novel approach to the problem of Pitch Estimation, using Cartesian Genetic Programming (CGP).We take advantage of evolutionary algorithms, in particular CGP, to explore and evolve complex mathematical functions that act as classifiers. These classifiers are used to identify piano notes pitches in an audio signal. To help us with the codification of the problem, we built a highly flexible CGP Toolbox, generic enough to encode different kind of programs. The encoded evolutionary algorithm is the one known as 1 + , and we can choose the value for . The toolbox is very simple to use. Settings such as the mutation probability, number of runs and generations are configurable. The cartesian representation of CGP can take multiple forms and it is able to encode function parameters. It is prepared to handle with different type of fitness functions: minimization of f(x) and maximization of f(x) and has a useful system of callbacks. We trained 61 classifiers corresponding to 61 piano notes. A training set of audio signals was used for each of the classifiers: half were signals with the same pitch as the classifier (true positive signals) and the other half were signals with different pitches (true negative signals). F-measure was used for the fitness function. Signals with the same pitch of the classifier that were correctly identified by the classifier, count as a true positives. Signals with the same pitch of the classifier that were not correctly identified by the classifier, count as a false negatives. Signals with different pitch of the classifier that were not identified by the classifier, count as a true negatives. Signals with different pitch of the classifier that were identified by the classifier, count as a false positives. Our first approach was to evolve classifiers for identifying artifical signals, created by mathematical functions: sine, sawtooth and square waves. Our function set is basically composed by filtering operations on vectors and by arithmetic operations with constants and vectors. All the classifiers correctly identified true positive signals and did not identify true negative signals. We then moved to real audio recordings. For testing the classifiers, we picked different audio signals from the ones used during the training phase. For a first approach, the obtained results were very promising, but could be improved. We have made slight changes to our approach and the number of false positives reduced 33%, compared to the first approach. We then applied the evolved classifiers to polyphonic audio signals, and the results indicate that our approach is a good starting point for addressing the problem of Pitch Estimation.