As aprendizagens não formais e informais no ingresso à Escola Secundária Padre António Macedo: possíveis parcerias com outras instituições de Vila Nova de Santo André

Esta investigação teve como principal objectivo avaliar da presença dos contextos institucionais não formais e informais no conjunto das aprendizagens reveladas pelos estudantes que ingressaram, na Escola Secundária Padre António Macedo, no ano lectivo 2009-2010, e averiguar qual o contributo das instituições locais no seu percurso de aprendizagem. A abordagem metodológica assentou num dispositivo de matriz quantitativa, com o recurso ao inquérito por questionário a uma amostra de alunos. Observámos um potencial educativo na cidade proporcionado por instituições, onde se destacaram amigos, familiares e clubes desportivos, procurados pelos jovens para satisfazer a sua necessidade de conhecimento e ocupar tempos livres. Sendo as áreas com mais episódios de aprendizagens, extra escolares: saúde, cidadania, desporto e artes, os jovens reconheceramse detentores de conhecimentos propiciados pela comunidade e instituições locais; ABSTRACT: This research had, as main aim, to assess the presence of formal and informal institutional contexts in all the learnings revealed by the students who enrolled Escola Secundária Padre António Macedo in the year 2009-2010, and also to determine what contribution local institutions had in their learning. The methodological approach was based on a quantitative matrix device, by applying a questionnaire survey to a sample of students. We saw an educational potential offered by institutions in the city, where the highlights were friends, family and sports clubs, popular among young people to satisfy their need for knowledge and to occupy their free time. The areas with more episodes of extra school learning were: health, citizenship, sport and arts. Young people recognized themselves in possession of knowledge provided by the community and local institutions.

Previsão da Classificação da qualidade dos efluentes da indústria petrolífera com recurso a sistemas inteligentes

O presente trabalho realizou-se na Refinaria de Sines e teve como principal objectivo a utilização de ferramentas oriundas da Área Científica da Inteligência Artificial no desenvolvimento de modelos de previsão da classificação da Água Residual Industrial de acordo com a Legislação em vigor, com vista à minimização dos impactes ambientais e das tarifas aplicadas pela Concessionária (Águas de Santo André) à Refinaria. Actualmente a avaliação da qualidade do efluente é realizada através de métodos analíticos após colheita de uma amostra do efluente final. Esta abordagem é muito restritiva já que não permite actuar sobre o efluente em questão pois apenas pode evitar que, no futuro, uma mistura semelhante volte a ser refinada. Devido a estas limitações, o desenvolvimento de modelos de previsão baseados em Data Mining mostrou ser uma alternativa para uma questão pró-activa da qualidade dos efluentes que pode contribuir decisivamente para o cumprimento das metas definidas pela Empresa. No decurso do trabalho, foram desenvolvidos dois modelos de previsão da qualidade do efluente industrial com desempenhos muito semelhantes. Um deles utiliza a composição das misturas processadas e o outro, utiliza informações relativas ao crude predominante na mistura. ABSTRACT; This study has taken place at the Sines Refinery and its main objective is the use of Artificial Intelligence tools for the development of predictive models to classify industrial residual waters according with the Portuguese Law, based on the characteristics of the mixtures of crude oil that arrive into the Refinery to be processed, to minimize the Environmental impacts and the application of taxes. Currently, the evaluation of the quality of effluent is performed by analytical methods after harvesting a sample of the final effluent. This approach is very restrictive since it does not act on the intended effluent; it can only avoid that in the future a similar mixture is refined. Duet these limitations, the development of forecasting models based on Data Mining has proved to be an alternative on the important issue which is the quality of effluent, which may contribute to the achievement of targets set by the Company. During this study, two models were developed to predict the quality of industrial effluents with very similar performances. One uses the composition of processed mixtures and the other uses information regarding the predominant oil in the mixture.