A Prática como Componente Curricular em licenciaturas de Letras: um estudo discursivo das relações entre teoria e prática

O objetivo deste trabalho foi investigar, a partir da reforma das licenciaturas nas universidades ocorrida em 2001, a constituição do eixo disciplinar Prática como Componente Curricular (PCC) nos currículos de licenciatura de cursos de Letras, Português / Espanhol da região sudeste brasileira, focando-nos na relação entre teoria e prática. Para tal discussão, utilizamo-nos das reflexões de Deleuze (1968) a fim de problematizar as possibilidades de repetição total ou de diferenciação total; Vázquez (1977), ao trazer sua discussão de práxis que trata da indissociabilidade da teoria e da prática e Schwartz (2010), para incorporar a discussão sobre o âmbito do trabalho, em particular no que concerne a impossibilidade de antecipação completa da atividade a ser realizada por um profissional. Operamos, também, com os preceitos da Análise do Discurso de base enunciativa (MAINGUENEAU, 1998, 2003) quando tratamos os enunciados como socio-historicamente situados em nossas análises. Para atingirmos nosso fim, realizamos uma contextualização documental que contou com a análise do Parecer CNE/CP 28/2001, no qual estão as determinações sobre carga horária e definição dos eixos de disciplinas da licenciatura, sendo eles: Acadêmico Científico, Prática como Componente Curricular e Estágio Supervisionado. Voltamo-nos, também, para os Projetos Políticos Pedagógicos das universidades analisadas, a fim de investigar qual o entendimento de prática construído nesses documentos. Por fim, recorremos às ementas das disciplinas obrigatórias de PCC oferecidas pelas universidades que compuseram o córpus, buscando identificar as marcas que aproximam a temática da disciplina com o trabalho que considere a prática docente, já que o eixo em questão pressupõe essa discussão. Como critérios de seleção de córpus, consideramos: contemplar uma universidade de cada estado da Região Sudeste; duas universidades que possuem disciplinas que contenham exclusivamente horas de PCC e outras duas que contenham, em uma mesmo disciplina, horas dos eixos de PCC e Acadêmico Científico. Com isso, as universidades analisadas são: UERJ, UFSCar, UFES e UFTM.

Frequência cardíaca e exercício: aspectos prognósticos e interações com tônus vagal cardíaco

A frequência cardíaca (FC) no repouso (FC Rep), no exercício máximo (FC Max) e após o exercício (FC Rec) traz importantes informações para a saúde, e parte dessas respostas é modulada pelo tônus vagal cardíaco (TVC), que também oferece proteção cardíaca. Para uma melhor compreensão dos aspectos prognósticos da FC e de suas interações com o TVC, foram realizados três estudos: dois retrospectivos e um ensaio clínico randomizado. O primeiro testou se o TVC, estimado utilizando o índice vagal cardíaco (IVC), contribui para a FC Max (% do previsto: 208-0,7 x idade (anos)) em 1000 indivíduos saudáveis (39 14 anos; 719 homens). Regressão linear identificou que TVC explica apenas 1% da variabilidade da FC Max (% do previsto), com erro padrão da estimativa alto (~ 6,3%), indicando potencial papel complementar clínico para essas duas variáveis relacionadas ao exercício. O segundo estudo verificou se a análise de mortalidade utilizando FC de reserva (FC Res) e FC Rec de forma combinada descriminaria melhor a mortalidade que a análise de um destes itens e forma isolada. Dados de FC Res e FC Rec de 1.476 indivíduos (41 a 79 anos, 937 homens) foram calculados e divididos em quintis, os quais somados forneceram categorias de 2 a 10, produzindo um gradiente da FC (FC Grad) e refletindo a magnitude dos transientes iniciais e finais do exercício máximo. Análises de sobrevida foram realizadas usando os quintis mais baixos (Q1) dos escores do Grad FC, FC Res e FC Rec. Em um seguimento médio de 7,3 anos, 44 participantes morreram (3,1%). Houve uma tendência inversa entre os escores do Grad FC e a taxa de mortalidade (p<0,05), que passou de 1,2% para 13,5%, respectivamente, para os escores 10 e 2. Uma pontuação no Grad FC de 2 foi melhor preditor de mortalidade por todas as causas, quando comparado ao Q1 da FC Res e da FC Rec, com riscos relativos ajustados pela idade de 3,53 (p=0,01); 2,52 (p<0,05) e 2,57(p<0,05), respectivamente. Conclusão: Grad FC é um preditor de risco de mortalidade por todas as causas com desempenho superior ao das medidas isoladas de FC Res e FC Rec. Por último verificou-se a hipótese do aumento do TVC em participantes de um programa de exercício supervisionado (PES) com IVC baixo (≤ 1,30), através de um treinamento específico, utilizando a transição repouso-exercício no protocolo denominado treinamento vagal (TV). Estes foram randomizados num delineamento cruzado (duas etapas de oito semanas), com ou sem três sessões semanais de TV. Houve discreta melhora no IVC em 16 semanas (1,19 vs 1,22; p=0,02) dos 44 pacientes (64% homens; 65,5 11,4 anos) que finalizaram o estudo, mas não se pôde afirmar que a diferença no IVC se deveu ao período em que foi realizado o TV (p=0,36). Portanto, 16 semanas de PES, incluindo oito semanas com TV, aumentam a resposta vagal à transição repouso-exercício, embora não tenha sido possível atribuir os resultados exclusivamente ao TV. Os três estudos realizados contribuem para melhor compreensão da relevante interação entre FC, TVC e exercício

Aspectos da condição aeróbica e da flexibilidade em futebolistas profissionais e em participantes de programas de exercício supervisionado

As melhorias funcionais após uma rotina regular de exercícios físicos nem sempre se traduzem em uma idêntica melhoria da condição aeróbica (AER). O objetivo foi identificar se uma rotina regular de exercícios é capaz de manter ou atenuar a queda do condicionamento aeróbico e funcional, bem como se a diferença nas melhorias nestas variáveis, em indivíduos idosos, pode ser explicada por variações em flexibilidade e força/potência muscular. No primeiro estudo, 176 jogadores profissionais de futebol foram divididos em tercis em relação à idade. Obtivemos o consumo de oxigênio (VO2) e frequência cardíaca (FC), além do perfil de flexibilidade global utilizando o Flexiteste (FLX). Dados de pré-temporada (2005-2011) dos tercis extremos (n=54), mais jovem (17-22 anos) e mais velhos (27-36 anos), foram comparados. Os efeitos do envelhecimento foram avaliados pela comparação do VO2, da FC e de regressões lineares de FLX versus valores previstos para a idade. Os resultados foram semelhantes para VO2max, 62,76,1 vs 63,26,2 mL.(kg.min)-1, (p=0,67), e para FLX, 435,9 vs 416,0, respectivamente (p=0,11), o tercil mais jovem apresentou valores mais altos de FCmáx, 1948,1 vs 1898,8 bpm, (p<0,01). Os jogadores não apresentaram a diminuição prevista no VO2max, enquanto FCmax e FLX diminuiram. No segundo estudo utilizou-se dados de 144 pacientes com idade de 6212 anos submetidos a testes de FLX, força/potência muscular e cardiopulmonar de exercício máximo em cicloergômetro de membros inferiores, após pelo menos 3 meses de participação em um programa de exercício supervisionado (PES). A correlação de Pearson foi calculada para avaliar as associações entre a diferença nas melhorias funcional e aeróbica (DEMFA) e as variações de FLX, força de preensão manual (FPM) e potência muscular (POT) e também entre os valores da primeira avaliação de AER e capacidade funcional (FUN) e as respectivas melhorias e o DEMFA. Após uma média de 32 meses de PES, houve aumento da FLX em 11,6% (p<0,01) e da POT em 14,7% (p<0,01), ajustadas para a idade, com preservação da FPM (p=0,47). Houve uma relação inversa entre os resultados da primeira avaliação e a melhoria AER (r=-0,28; p<0,01). Considerando os valores previstos, a AER aumentou menos do que a FUN - 21% versus 25% (p<0,01). A melhoria na FLX associou-se ao DEMFA (r=0,24; p<0,01). Assim, os estudos mostraram: a) ao manter uma rotina regular de exercícios, principalmente aeróbicos, o VO2 não reduz com a idade em futebolistas entre os 16 e 36 anos, apesar de uma redução na FCmax. b) a participação regular em um PES proporciona melhorias de componentes da aptidão física de pacientes promovendo a restauração dos resultados para equivalentes aos previstos para indivíduos saudáveis. c) uma melhoria da FLX contribui para uma maior melhoria da FUN do que da AER

A sala de aula no contexto da cibercultura: formação docente e discente em atos de currículo

Este trabalho de tese tem como temática a formação docente situada no contexto da cibercultura. Parte do pressuposto de que professores formadores e em formação precisam dialogar com saberes/fazeres que potencializem suas aprendizagens em um novo espaço/tempo da sala de aula e que a pesquisa no ensino superior se tece no exercício da reflexão sobre/na prática em um processo plural de auto-hetero-ecoformação. Tem como objetivo construir atos de currículo, utilizando as potencialidades dos ambientes virtuais, das redes sociais e da internet para ressignificar o aprender/ensinar situado nas vivências dos praticantes culturais dentro/fora da universidade. Como problemáticas central e secundária da pesquisa-formação na cibercultura, temos, respectivamente: como a criação de atos de currículo com o uso das tecnologias digitais em espaços multirreferencias de aprendizagem podem potencializar as práticas formativas docente e discente no Curso de Pedagogia da UERN no contexto da cibercultura? Quais dispositivos engendram práticas formativas autorais, no presencial e no online, com o uso das tecnologias digitais em rede? Como construir uma relação pedagógica de interação colaborativa, docente e discente, mediada pelo uso das tecnologias digitais? A criação de atos de currículo utilizando as tecnologias digitais contribui com novos letramentos digitais dos praticantes na cibercultura? Tomamos como inspirações teórico-metodológicas a pesquisa-formação (SANTOS; MACEDO; NÓVOA) multirreferencial (ARDOINO, BARBOSA, MACEDO) com os cotidianos (CERTEAU, ALVES, FERRAÇO, OLIVEIRA), situada no contexto da cibercultura (SANTOS, SILVA, LEMOS, SANTAELLA, LEVY), entrelaçadas aos sentidos dos autores da pesquisa deste trabalho de tese. A pesquisa foi desenvolvida no cenário formativo do Curso de Pedagogia da Universidade do Estado do Rio Grande do Norte UERN nas disciplinas de Didática e Estágio Supervisionado I. Como resultado, apresentamos que as ambiências formativas criadas nos atos de currículo no ensino presencial e online, apontam perspectivas que vão ao encontro de uma formação docente e discente do ciberautorcidadão, uma postura em processo, em devir, que se constrói na relação cidade/ciberespaço, em espaços/tempos de aprendizagens plurais, referenciadas nas experiências tecidas nesses contextos.

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.

Incremental Linear Discriminant Analysis Using Sufficient Spanning Sets and Its Applications

This paper presents an incremental learning solution for Linear Discriminant Analysis (LDA) and its applications to object recognition problems. We apply the sufficient spanning set approximation in three steps i.e. update for the total scatter matrix, between-class scatter matrix and the projected data matrix, which leads an online solution which closely agrees with the batch solution in accuracy while significantly reducing the computational complexity. The algorithm yields an efficient solution to incremental LDA even when the number of classes as well as the set size is large. The incremental LDA method has been also shown useful for semi-supervised online learning. Label propagation is done by integrating the incremental LDA into an EM framework. The method has been demonstrated in the task of merging large datasets which were collected during MPEG standardization for face image retrieval, face authentication using the BANCA dataset, and object categorisation using the Caltech101 dataset. © 2010 Springer Science+Business Media, LLC.

Cross-Lingual spoken language understanding from unaligned data using discriminative classification models and machine translation

This paper investigates several approaches to bootstrapping a new spoken language understanding (SLU) component in a target language given a large dataset of semantically-annotated utterances in some other source language. The aim is to reduce the cost associated with porting a spoken dialogue system from one language to another by minimising the amount of data required in the target language. Since word-level semantic annotations are costly, Semantic Tuple Classifiers (STCs) are used in conjunction with statistical machine translation models both of which are trained from unaligned data to further reduce development time. The paper presents experiments in which a French SLU component in the tourist information domain is bootstrapped from English data. Results show that training STCs on automatically translated data produced the best performance for predicting the utterance's dialogue act type, however individual slot/value pairs are best predicted by training STCs on the source language and using them to decode translated utterances. © 2010 ISCA.

The infinite HMM for unsupervised PoS tagging

We extend previous work on fully unsupervised part-of-speech tagging. Using a non-parametric version of the HMM, called the infinite HMM (iHMM), we address the problem of choosing the number of hidden states in unsupervised Markov models for PoS tagging. We experiment with two non-parametric priors, the Dirichlet and Pitman-Yor processes, on the Wall Street Journal dataset using a parallelized implementation of an iHMM inference algorithm. We evaluate the results with a variety of clustering evaluation metrics and achieve equivalent or better performances than previously reported. Building on this promising result we evaluate the output of the unsupervised PoS tagger as a direct replacement for the output of a fully supervised PoS tagger for the task of shallow parsing and compare the two evaluations. © 2009 ACL and AFNLP.

Unsupervised intra-lingual and cross-lingual speaker adaptation for HMM-based speech synthesis using two-pass decision tree construction

Hidden Markov model (HMM)-based speech synthesis systems possess several advantages over concatenative synthesis systems. One such advantage is the relative ease with which HMM-based systems are adapted to speakers not present in the training dataset. Speaker adaptation methods used in the field of HMM-based automatic speech recognition (ASR) are adopted for this task. In the case of unsupervised speaker adaptation, previous work has used a supplementary set of acoustic models to estimate the transcription of the adaptation data. This paper first presents an approach to the unsupervised speaker adaptation task for HMM-based speech synthesis models which avoids the need for such supplementary acoustic models. This is achieved by defining a mapping between HMM-based synthesis models and ASR-style models, via a two-pass decision tree construction process. Second, it is shown that this mapping also enables unsupervised adaptation of HMM-based speech synthesis models without the need to perform linguistic analysis of the estimated transcription of the adaptation data. Third, this paper demonstrates how this technique lends itself to the task of unsupervised cross-lingual adaptation of HMM-based speech synthesis models, and explains the advantages of such an approach. Finally, listener evaluations reveal that the proposed unsupervised adaptation methods deliver performance approaching that of supervised adaptation.

Perceptual learning, roving and the unsupervised bias

Perceptual learning improves perception through training. Perceptual learning improves with most stimulus types but fails when . certain stimulus types are mixed during training (roving). This result is surprising because classical supervised and unsupervised neural network models can cope easily with roving conditions. What makes humans so inferior compared to these models? As experimental and conceptual work has shown, human perceptual learning is neither supervised nor unsupervised but reward-based learning. Reward-based learning suffers from the so-called unsupervised bias, i.e., to prevent synaptic " drift" , the . average reward has to be exactly estimated. However, this is impossible when two or more stimulus types with different rewards are presented during training (and the reward is estimated by a running average). For this reason, we propose no learning occurs in roving conditions. However, roving hinders perceptual learning only for combinations of similar stimulus types but not for dissimilar ones. In this latter case, we propose that a critic can estimate the reward for each stimulus type separately. One implication of our analysis is that the critic cannot be located in the visual system. © 2011 Elsevier Ltd.

Derivative Kernels for Noise Robust ASR

Recently there has been interest in combined gen- erative/discriminative classifiers. In these classifiers features for the discriminative models are derived from generative kernels. One advantage of using generative kernels is that systematic approaches exist how to introduce complex dependencies beyond conditional independence assumptions. Furthermore, by using generative kernels model-based compensation/adaptation tech- niques can be applied to make discriminative models robust to noise/speaker conditions. This paper extends previous work with combined generative/discriminative classifiers in several directions. First, it introduces derivative kernels based on context- dependent generative models. Second, it describes how derivative kernels can be incorporated in continuous discriminative models. Third, it addresses the issues associated with large number of classes and parameters when context-dependent models and high- dimensional features of derivative kernels are used. The approach is evaluated on two noise-corrupted tasks: small vocabulary AURORA 2 and medium-to-large vocabulary AURORA 4 task.

Derivative kernels for noise robust ASR

Recently there has been interest in combining generative and discriminative classifiers. In these classifiers features for the discriminative models are derived from the generative kernels. One advantage of using generative kernels is that systematic approaches exist to introduce complex dependencies into the feature-space. Furthermore, as the features are based on generative models standard model-based compensation and adaptation techniques can be applied to make discriminative models robust to noise and speaker conditions. This paper extends previous work in this framework in several directions. First, it introduces derivative kernels based on context-dependent generative models. Second, it describes how derivative kernels can be incorporated in structured discriminative models. Third, it addresses the issues associated with large number of classes and parameters when context-dependent models and high-dimensional feature-spaces of derivative kernels are used. The approach is evaluated on two noise-corrupted tasks: small vocabulary AURORA 2 and medium-to-large vocabulary AURORA 4 task. © 2011 IEEE.

MCBoost: Multiple classifier boosting for perceptual co-clustering of images and visual features

We present a new co-clustering problem of images and visual features. The problem involves a set of non-object images in addition to a set of object images and features to be co-clustered. Co-clustering is performed in a way that maximises discrimination of object images from non-object images, thus emphasizing discriminative features. This provides a way of obtaining perceptual joint-clusters of object images and features. We tackle the problem by simultaneously boosting multiple strong classifiers which compete for images by their expertise. Each boosting classifier is an aggregation of weak-learners, i.e. simple visual features. The obtained classifiers are useful for object detection tasks which exhibit multimodalities, e.g. multi-category and multi-view object detection tasks. Experiments on a set of pedestrian images and a face data set demonstrate that the method yields intuitive image clusters with associated features and is much superior to conventional boosting classifiers in object detection tasks.

Making a shallow network deep: Conversion of a boosting classifier into a decision tree by boolean optimisation

This paper presents a novel way to speed up the evaluation time of a boosting classifier. We make a shallow (flat) network deep (hierarchical) by growing a tree from decision regions of a given boosting classifier. The tree provides many short paths for speeding up while preserving the reasonably smooth decision regions of the boosting classifier for good generalisation. For converting a boosting classifier into a decision tree, we formulate a Boolean optimization problem, which has been previously studied for circuit design but limited to a small number of binary variables. In this work, a novel optimisation method is proposed for, firstly, several tens of variables i.e. weak-learners of a boosting classifier, and then any larger number of weak-learners by using a two-stage cascade. Experiments on the synthetic and face image data sets show that the obtained tree achieves a significant speed up both over a standard boosting classifier and the Fast-exit-a previously described method for speeding-up boosting classification, at the same accuracy. The proposed method as a general meta-algorithm is also useful for a boosting cascade, where it speeds up individual stage classifiers by different gains. The proposed method is further demonstrated for fast-moving object tracking and segmentation problems. © 2011 Springer Science+Business Media, LLC.

Augmented attribute representations

We propose a new learning method to infer a mid-level feature representation that combines the advantage of semantic attribute representations with the higher expressive power of non-semantic features. The idea lies in augmenting an existing attribute-based representation with additional dimensions for which an autoencoder model is coupled with a large-margin principle. This construction allows a smooth transition between the zero-shot regime with no training example, the unsupervised regime with training examples but without class labels, and the supervised regime with training examples and with class labels. The resulting optimization problem can be solved efficiently, because several of the necessity steps have closed-form solutions. Through extensive experiments we show that the augmented representation achieves better results in terms of object categorization accuracy than the semantic representation alone. © 2012 Springer-Verlag.