Contributos das percepções de auto-eficácia e de instrumentalidade para a promoção da aprendizagem auto-regulada no ensino profissional

Assumindo a teoria sociocognitiva de Bandura como marco teórico, o presente estudo aborda as percepções de auto-eficácia e de instrumentalidade enquanto preditoras da auto-regulação da aprendizagem e as influências que as variáveis sexo, idade, habilitações escolares e profissão do pai e da mãe, ano de escolaridade, curso profissional, quantidade de módulos em atraso e quantidade de horas de estudo semanais poderão ter. A amostra é constituída por 521 formandos de ambos os sexos de uma escola profissional privada. Os instrumentos utilizados foram a Ficha de Dados Pessoais e Escolares, o Questionário de Auto-Eficácia da Auto-Regulação da Aprendizagem e o Questionário de lnstrumentalidade da Auto-Regulação da Aprendizagem. Os resultados corroboram a literatura ao verificar-se que as raparigas são mais auto-reguladas na sua aprendizagem, estudam mais tempo e têm menos módulos em atraso do que os rapazes. Verificou-se também a influência do curso profissional sobre as percepções de auto-eficácia e instrumentalidade percebidas. /ABSTRACT: Assuming Bandura’s social-cognitive theory as our framework, the present study refers to the perspectives of self-efficacy and instrumentality as predictors of self­regulated learning and the influence that the variables sex, age, parents school degree and profession, grade and vocational course, the number of modules in which the students weren't successful at and the amount of study hours per week might have on them. The sample is formed by 521 students of both genders from a private vocational school. The instruments used were the FDPE (Sociodemographic data file), QSEsrl (Questionnaire of Self-Efficacy of Self-Regulated Learning) and and Qlsrl (Questionnaire of lnstrumentality of Self-Regulated Learning). The results corroborate previous studies and reveal that female students have higher perceptions of self-efficacy and instrumentality, possess fewer non-successful modules and study more time than the male students. There are significant differences throughout the vocational courses for the perceived self-efficacy and instrumentality.

Avaliação e controlo da qualidade da água de albufeiras com base em modelos dinâmicos

A problemática relacionada com a modelação da qualidade da água de albufeiras pode ser abordada de diversos pontos de vista. Neste trabalho recorre-se a metodologias de resolução de problemas que emanam da Área Cientifica da Inteligência Artificial, assim como a ferramentas utilizadas na procura de soluções como as Árvores de Decisão, as Redes Neuronais Artificiais e a Aproximação de Vizinhanças. Actualmente os métodos de avaliação da qualidade da água são muito restritivos já que não permitem aferir a qualidade da água em tempo real. O desenvolvimento de modelos de previsão baseados em técnicas de Descoberta de Conhecimento em Bases de Dados, mostrou ser uma alternativa tendo em vista um comportamento pró-activo que pode contribuir decisivamente para diagnosticar, preservar e requalificar as albufeiras. No decurso do trabalho, foi utilizada a aprendizagem não-supervisionada tendo em vista estudar a dinâmica das albufeiras sendo descritos dois comportamentos distintos, relacionados com a época do ano. ABSTRACT: The problems related to the modelling of water quality in reservoirs can be approached from different viewpoints. This work resorts to methods of resolving problems emanating from the Scientific Area of Artificial lntelligence as well as to tools used in the search for solutions such as Decision Trees, Artificial Neural Networks and Nearest-Neighbour Method. Currently, the methods for assessing water quality are very restrictive because they do not indicate the water quality in real time. The development of forecasting models, based on techniques of Knowledge Discovery in Databases, shows to be an alternative in view of a pro-active behavior that may contribute to diagnose, maintain and requalify the water bodies. ln this work. unsupervised learning was used to study the dynamics of reservoirs, being described two distinct behaviors, related to the time of year.