A organização do espaço: o seu impacto na aprendizagem das crianças

Relatório da Prática Profissional Supervisionada Mestrado em Educação Pré-Escolar

A participação das crianças na planificação e gestão da rotina diária

Relatório da Prática Profissional Supervisionada Mestrado em Educação Pré-Escolar

Diz-me as letras e eu escrevo: a descoberta da escrita no Jardim de Infância

Relatório da Prática Profissional Supervisionada Mestrado em Educação Pré-Escolar

A importância e o impacto das rotinas na creche e no jardim de infância

Relatório da Prática Profissional Supervisionada Mestrado em Educação Pré-Escolar

Emergência da escrita na educação infantil: de pequenino…de muito pequenino…

Relatório da Prática Profissional Supervisionada Mestrado em Educação Pré-Escolar

A Metodologia de trabalho de projeto na prática profissional supervisionada em Jardim de Infância

Relatório da Prática Profissional Supervisionada Mestrado em Educação Pré-Escolar

Learning by doing e curva de aprendizagem. Uma aplicação na esfera da Microeconomia

Trabalho apresentado no âmbito dos artigos 11º e 14º do Regulamento de Prestação de Serviço Docente do ISCAL

Learning by doing e Curva de aprendizagem. Um estudo empírico aplicado em Microeconomia

Trabalho apresentado no âmbito dos artigos 11º e 14º do Regulamento de Prestação de Serviço Docente do ISCAL

Práticas de ensino supervisionadas do 1º e 2º ciclo do ensino básico: a prática de resolução de problemas na aquisição do conceito de comprimento e de perímetro no 3.º ano de escolaridade

Relatório final apresentado à Escola Superior de Educação de Lisboa para obtenção de grau de mestre em Ensino do 1.º e 2.º Ciclos do Ensino Básico

Prática de ensino supervisionadas do 1º e 2º ciclo do ensino básico: o desenvolvimento de noções de cidadania através da prática de uma metodologia de trabalho ativa a partir da área disciplinar de Estudo do Meio (1.º Ciclo do Ensino Básico)

Relatório de Estágio apresentado à Escola Superior de Educação de Lisboa para obtenção de grau de mestre em Ensino do 1.º e do 2.º Ciclo do Ensino Básico

A interdisciplinaridade como estratégia de ensino e aprendizagem no 1.º CEB

Relatório de Estágio apresentado à Escola Superior de Educação de Lisboa para obtenção de grau de mestre em Ensino do 1.º e do 2.º Ciclo do Ensino Básico 2014

O desenvolvimento de um modelo de ensino virtual num contexto de investimento incipiente em e - learning: progressos e desafios

Este artigo relata o desenvolvimento de um modelo de ensino virtual em curso na Universidade dos Açores. Depois de ter sido adotado na lecionação de disciplinas da área da Teoria e Desenvolvimento Curricular em regime de e-learning e b-learning, o modelo foi, no ano académico de 2014/15, estendido à lecionação de outras disciplinas. Além de descrever o modelo e explicar a sua evolução, o artigo destaca a sua adoção no contexto particular de uma disciplina cuja componente online foi lecionada em circunstâncias especialmente desafiadoras. Neste sentido, explica o processo de avaliação da experiência, discute os seus resultados e sugere pistas de melhoria. Essa avaliação enquadra-se num processo de investigação do design curricular – a metodologia que tem sido usada para estudar o desenvolvimento do modelo.

Dançar em Português : a interdisciplinaridade entre as disciplinas Expressão Criativa e Português na Escola de Dança Ana Luísa Mendonça no ano letivo de 2013/2014

Relatório Final de Estágio apresentado à Escola Superior de Dança, com vista à obtenção do grau de Mestre em Ensino de Dança.

Enhancing Multimodal Silent Speech Interfaces With Feature Selection

In research on Silent Speech Interfaces (SSI), different sources of information (modalities) have been combined, aiming at obtaining better performance than the individual modalities. However, when combining these modalities, the dimensionality of the feature space rapidly increases, yielding the well-known "curse of dimensionality". As a consequence, in order to extract useful information from this data, one has to resort to feature selection (FS) techniques to lower the dimensionality of the learning space. In this paper, we assess the impact of FS techniques for silent speech data, in a dataset with 4 non-invasive and promising modalities, namely: video, depth, ultrasonic Doppler sensing, and surface electromyography. We consider two supervised (mutual information and Fisher's ratio) and two unsupervised (meanmedian and arithmetic mean geometric mean) FS filters. The evaluation was made by assessing the classification accuracy (word recognition error) of three well-known classifiers (knearest neighbors, support vector machines, and dynamic time warping). The key results of this study show that both unsupervised and supervised FS techniques improve on the classification accuracy on both individual and combined modalities. For instance, on the video component, we attain relative performance gains of 36.2% in error rates. FS is also useful as pre-processing for feature fusion. Copyright © 2014 ISCA.

Incremental filter and wrapper approaches for feature discretization

Discrete data representations are necessary, or at least convenient, in many machine learning problems. While feature selection (FS) techniques aim at finding relevant subsets of features, the goal of feature discretization (FD) is to find concise (quantized) data representations, adequate for the learning task at hand. In this paper, we propose two incremental methods for FD. The first method belongs to the filter family, in which the quality of the discretization is assessed by a (supervised or unsupervised) relevance criterion. The second method is a wrapper, where discretized features are assessed using a classifier. Both methods can be coupled with any static (unsupervised or supervised) discretization procedure and can be used to perform FS as pre-processing or post-processing stages. The proposed methods attain efficient representations suitable for binary and multi-class problems with different types of data, being competitive with existing methods. Moreover, using well-known FS methods with the features discretized by our techniques leads to better accuracy than with the features discretized by other methods or with the original features. (C) 2013 Elsevier B.V. All rights reserved.