Construção da maternidade contemporânea e a participação em um grupo de suporte online no Facebook

Este estudo buscou contribuições da psicologia do desenvolvimento, pela perspectiva da psicologia evolucionista e sociocultural, para compreender a construção da maternidade contemporânea com uso do Facebook como suporte online. No último século ocorreram muitas transformações no papel social da mulher, o mercado de trabalho a incorporou, o nível de escolaridade aumentou, a taxa de natalidade caiu. Entretanto, a diminuição no número de filhos não reduziu o trabalho materno. Em contextos urbanos de grandes cidades, as famílias estendidas são menos frequentes. Em contraste, o uso de redes sociais, tipo Facebook, aumenta. O percentual de brasileiras (30-39 anos) que utiliza a internet supera 50%. Hipotetizou-se que redes sociais online podem complementar o apoio demandado pelas mães. Desse modo, entendendo que mulheres precisam de apoio para cuidar das crianças e que o mundo atual está interconectado através da internet, buscou-se abordar a maternidade contemporânea em sociedade urbana e a internet no contexto do suporte online à parentalidade. Foram feitos dois estudos com amostra de um grupo de suporte online para gestantes/mães no Facebook: 1) Análise de postagens coletadas (30 meses), objetivando compreender discurso materno e principais temas abordados; 2) Investigação da percepção sobre rede de apoio geral e online, como o apoio online pode ser conseguido, o que interessa às mães neste tipo de apoio e perfil sociodemográfico. O Estudo 1, analisou conteúdo de 2.510 postagens apontando dois grupos de categorias: psicológicas (45%) e não-psicológicas (55%). No primeiro, o discurso enquadra-se na teoria da constelação da maternidade de Daniel Stern: 1) vida crescimento (50%); 2) relacionar-se primário (8%); 3) matriz de apoio (40%); 4) reorganização da identidade (2%). O segundo indicou quatro categorias: 5) negócios/divulgação (54%); 6) desenvolvimento gestacional/parto (9%); 7) pós-parto (5%); 8) indicações/pedidos práticos (32%). O Estudo 2 apontou que as participantes têm idade média de 31,86 anos, 88,6% possui graduação completa, a maioria mora com companheiro, exerce atividade profissional remunerada e tem renda familiar mensal superior a 10 salários mínimos (48%). Os principais interesses estão nos temas relacionados à saúde e cuidados com bebê. A maioria indica que lê as postagens com mais frequência do que expõem suas dúvidas. Grande parte percebe o grupo online como uma ajuda importante no exercício da sua maternidade. A escala de apoio social (presencial) apresenta escores maiores do que a escala de apoio social online com diferença em todas as dimensões. A escala de apoio social online aponta que as dimensões apoio informacional e emocional apresentam escores maiores, revelando que a troca de informações e o encorajamento em momentos difíceis da vida parecem ser os mais relevantes, apontando, principalmente, que há diferença significativa entre a dimensão emocional e as demais dimensões da escala. Resumindo, o grupo de suporte online se mostrou uma importante ferramenta para compartilhar informações entre mulheres que estão passando pelo mesmo momento do ciclo vital, e o suporte online um instrumento relevante ao suporte à parentalidade, prestando-se a um serviço que não poderia ser imaginado décadas atrás. Novos estudos poderão aprofundar e ampliar os resultados desta investigação

Online multiple classifier boosting for object tracking

This paper presents a new online multi-classifier boosting algorithm for learning object appearance models. In many cases the appearance model is multi-modal, which we capture by training and updating multiple strong classifiers. The proposed algorithm jointly learns the classifiers and a soft partitioning of the input space, defining an area of expertise for each classifier. We show how this formulation improves the specificity of the strong classifiers, allowing simultaneous location and pose estimation in a tracking task. The proposed online scheme iteratively adapts the classifiers during tracking. Experiments show that the algorithm successfully learns multi-modal appearance models during a short initial training phase, subsequently updating them for tracking an object under rapid appearance changes. © 2010 IEEE.

Report of the MPA Atlas and the interactive online database portal of the Bay of Bengal Large Marine Ecosystem

This report describes the process and details of developing an interactive online database portal for the BOBLME region.The MPA (Marine Protected Area) Atlas website, created by WorldFish was designed to provide public access to the latest information relevant to marine scientists, managers and conservationists. The main features include; BOBLME MPA database;interactive geospatial maps;and information about important habitats such as coral reefs,BOBLME boundaries and bathymetry.

An Online Expectation-Maximization Algorithm for Changepoint Models

Changepoint models are widely used to model the heterogeneity of sequential data. We present a novel sequential Monte Carlo (SMC) online Expectation-Maximization (EM) algorithm for estimating the static parameters of such models. The SMC online EM algorithm has a cost per time which is linear in the number of particles and could be particularly important when the data is representable as a long sequence of observations, since it drastically reduces the computational requirements for implementation. We present an asymptotic analysis for the stability of the SMC estimates used in the online EM algorithm and demonstrate the performance of this scheme using both simulated and real data originating from DNA analysis.

An Online Expectation-Maximization Algorithm for Changepoint Models

Changepoint models are widely used to model the heterogeneity of sequential data. We present a novel sequential Monte Carlo (SMC) online Expectation-Maximization (EM) algorithm for estimating the static parameters of such models. The SMC online EM algorithm has a cost per time which is linear in the number of particles and could be particularly important when the data is representable as a long sequence of observations, since it drastically reduces the computational requirements for implementation. We present an asymptotic analysis for the stability of the SMC estimates used in the online EM algorithm and demonstrate the performance of this scheme using both simulated and real data originating from DNA analysis.

Forecasting high-frequency futures returns using online langevin dynamics

Forecasting the returns of assets at high frequency is the key challenge for high-frequency algorithmic trading strategies. In this paper, we propose a jump-diffusion model for asset price movements that models price and its trend and allows a momentum strategy to be developed. Conditional on jump times, we derive closed-form transition densities for this model. We show how this allows us to extract a trend from high-frequency finance data by using a Rao-Blackwellized variable rate particle filter to filter incoming price data. Our results show that even in the presence of transaction costs our algorithm can achieve a Sharpe ratio above 1 when applied across a portfolio of 75 futures contracts at high frequency. © 2011 IEEE.

Integrated online speaker clustering and adaptation

For many applications, it is necessary to produce speech transcriptions in a causal fashion. To produce high quality transcripts, speaker adaptation is often used. This requires online speaker clustering and incremental adaptation techniques to be developed. This paper presents an integrated approach to online speaker clustering and adaptation which allows efficient clustering of speakers using the same accumulated statistics that are normally used for adaptation. Using a consistent criterion for both clustering and adaptation should yield gains for both stages. The proposed approach is evaluated on a meetings transcription task using audio from multiple distant microphones. Consistent gains over standard clustering and adaptation were obtained. Copyright © 2011 ISCA.

An online expectation-maximisation algorithm for nonnegative matrix factorisation models

In this paper we formulate the nonnegative matrix factorisation (NMF) problem as a maximum likelihood estimation problem for hidden Markov models and propose online expectation-maximisation (EM) algorithms to estimate the NMF and the other unknown static parameters. We also propose a sequential Monte Carlo approximation of our online EM algorithm. We show the performance of the proposed method with two numerical examples. © 2012 IFAC.