Intervenção em situações de violência e indisciplina em alunos do ensino básico: Estudo de Caso

A indisciplina e a violência em contexto escolar têm sido uma preocupação social crescente e um assunto amplamente discutido sob diversas perspetivas. Pela complexidade de que se revestem e amplitude de implicações que acarretam, nomeadamente o insucesso escolar e as consequências psicossociais e individuais inerentes, os problemas ao nível do comportamento exigem cada vez mais uma resposta eficaz da comunidade escolar, que vê o seu funcionamento diário ser prejudicado. A acumulação de processos disciplinares evidencia a ineficácia dos sistemas punitivos, pelo que se impõe uma alternativa eficaz. Neste trabalho procuramos apresentar um programa de intervenção comportamental de caráter preventivo e que tem revelado eficácia em diversos contextos escolares. Pelo seu carácter proativo e cientificamente fundamentado, o sistema PBIS (Positive Behavioral Interventions and Supports) apoia-se em princípios da Psicologia Positiva e em dados empíricos e oferece um quadro operacional adaptável a qualquer instituição escolar. O estudo de caso apresentado apresenta intervenções de nível dois e três que, mesmo sem a implementação do nível um de base, revelaram resultados bastante positivos, pelo que há evidências de que seria benéfico para as escolas a introdução destes sistemas no combate diário, constante e preocupante à indisciplina.

Case-based reasoning for self-optimizing behavior

In this paper we present a Self-Optimizing module, inspired on Autonomic Computing, acquiring a scheduling system with the ability to automatically select a Meta-heuristic to use in the optimization process, so as its parameterization. Case-based Reasoning was used so the system may be able of learning from the acquired experience, in the resolution of similar problems. From the obtained results we conclude about the benefit of its use.

Derivative-free optimization and filter methods to solve nonlinear constrained problems

In real optimization problems, usually the analytical expression of the objective function is not known, nor its derivatives, or they are complex. In these cases it becomes essential to use optimization methods where the calculation of the derivatives, or the verification of their existence, is not necessary: the Direct Search Methods or Derivative-free Methods are one solution. When the problem has constraints, penalty functions are often used. Unfortunately the choice of the penalty parameters is, frequently, very difficult, because most strategies for choosing it are heuristics strategies. As an alternative to penalty function appeared the filter methods. A filter algorithm introduces a function that aggregates the constrained violations and constructs a biobjective problem. In this problem the step is accepted if it either reduces the objective function or the constrained violation. This implies that the filter methods are less parameter dependent than a penalty function. In this work, we present a new direct search method, based on simplex methods, for general constrained optimization that combines the features of the simplex method and filter methods. This method does not compute or approximate any derivatives, penalty constants or Lagrange multipliers. The basic idea of simplex filter algorithm is to construct an initial simplex and use the simplex to drive the search. We illustrate the behavior of our algorithm through some examples. The proposed methods were implemented in Java.