Plataforma para o suporte de blended peer assisted learning

Este projecto foi realizado na Universidade da Madeira, no âmbito do Mestrado em Engenharia Informática e tem como título “Plataforma para o suporte de Blended Peer Assisted Learning”. Ao longo da nossa pesquisa sobre os vários métodos de aprendizagem online, deparamo-nos com uma grande lacuna que abrange a maior parte dos sistema de ensino assistidos por computador, ou seja, todas elas preocupam-se com a passagem de conhecimentos, mas raras são aquelas que têm em atenção o tipo de utilizador, qual a seu percurso académico e profissional, qual a metodologia que fará com que o mesmo capte melhor os conteúdos, etc. Com este objectivo em mente, e tendo em atenção as diversas plataformas e metodologias de ensino existentes, optou-se por elaborar uma arquitectura de uma plataforma capaz de centralizar na mesma, um conjunto de funcionalidades e metodologias que possibilitassem um acompanhamento mais específico do utilizador, proporcionando um maior conhecimento, através do qual poderia encaminhar o utilizador para a estratégia de aprendizagem que mais se adequasse a um utilizador com as suas características. Como se poderá constatar no decorrer desta dissertação, a plataforma desenhada e o módulo desenvolvido têm como base teórica o Peer Assisted Learning (PAL) e as suas estratégias de aprendizagem. O PAL é um conceito relativamente novo, que se encontra em plena ascensão, sendo cada vez maior o número de instituições/organizações que adoptam o PAL como metodologia de ensino para a formação dos seus membros. Este crescimento deve-se em grande parte às várias estratégias PAL que visam uma maior adequação ao tipo de utilizador, contribuindo assim para uma aprendizagem mais rápida e eficaz. Uma vez que a implementação da plataforma na sua totalidade seria de todo impossível, optouse por desenvolver apenas um dos módulos referente à estratégia de PAL – Peer Tutoring (PT). No final, o objectivo principal, passa não só por fornecer as bases necessárias ao desenvolvimento da referida plataforma, mas também pela disponibilização do módulo de PT que servirá de referência para o desenvolvimento das restantes estratégias. Tendo em atenção toda a investigação efectuada, facilmente se depreende as inúmeras vantagens que podem advir da utilização do PAL, das quais se salienta, a adequação da estratégia PAL mais indicada para cada tipo de utilizador.

Using Neo4J geospatial data storage and integration

Online geographic-databases have been growing increasingly as they have become a crucial source of information for both social networks and safety-critical systems. Since the quality of such applications is largely related to the richness and completeness of their data, it becomes imperative to develop adaptable and persistent storage systems, able to make use of several sources of information as well as enabling the fastest possible response from them. This work will create a shared and extensible geographic model, able to retrieve and store information from the major spatial sources available. A geographic-based system also has very high requirements in terms of scalability, computational power and domain complexity, causing several difficulties for a traditional relational database as the number of results increases. NoSQL systems provide valuable advantages for this scenario, in particular graph databases which are capable of modeling vast amounts of inter-connected data while providing a very substantial increase of performance for several spatial requests, such as finding shortestpath routes and performing relationship lookups with high concurrency. In this work, we will analyze the current state of geographic information systems and develop a unified geographic model, named GeoPlace Explorer (GE). GE is able to import and store spatial data from several online sources at a symbolic level in both a relational and a graph databases, where several stress tests were performed in order to find the advantages and disadvantages of each database paradigm.

OpenDataHub: an open dataset management system

This thesis presents a cloud-based software platform for sharing publicly available scientific datasets. The proposed platform leverages the potential of NoSQL databases and asynchronous IO technologies, such as Node.JS, in order to achieve high performances and flexible solutions. This solution will serve two main groups of users. The dataset providers, which are the researchers responsible for sharing and maintaining datasets, and the dataset users, that are those who desire to access the public data. To the former are given tools to easily publish and maintain large volumes of data, whereas the later are given tools to enable the preview and creation of subsets of the original data through the introduction of filter and aggregation operations. The choice of NoSQL over more traditional RDDMS emerged from and extended benchmark between relational databases (MySQL) and NoSQL (MongoDB) that is also presented in this thesis. The obtained results come to confirm the theoretical guarantees that NoSQL databases are more suitable for the kind of data that our system users will be handling, i. e., non-homogeneous data structures that can grow really fast. It is envisioned that a platform like this can lead the way to a new era of scientific data sharing where researchers are able to easily share and access all kinds of datasets, and even in more advanced scenarios be presented with recommended datasets and already existing research results on top of those recommendations.