Autorregulando e autodeterminando: duas formas de alunos de pós-graduação aprenderem a aprender contabilidade

O uso assertivo e eficiente das estratégias de aprendizagem depende, muitas vezes, da compreensão e consideração de aspectos psicológicos e motivacionais. O adequado emprego de estratégias de aprendizagem se reflete no desempenho acadêmico, no domínio de construtos e modelos e no amadurecimento crítico e científico. A presente tese defende que há uma relação entre as estratégias de aprendizagem autorregulada e as estratégias de aprendizagem autodeterminada predominantes em alunos de mestrado e doutorado em Contabilidade. O estudo se justifica, porquanto, porque além de inaugurar uma linha de pesquisa ainda inédita no contexto da Contabilidade Humana, seus resultados destacam um original entendimento da relação da aprendizagem com a regulação e a motivação pessoal. Tem como objetivo principal apresentar diagnóstico, dimensões e correlações das estratégias de aprendizagem autorregulada e aprendizagem autodeterminada de alunos de programas de pós-graduação stricto sensu em Contabilidade no Brasil. Participaram do survey 516 respondentes, sendo 383 mestrandos e 133 doutorandos. Foram aplicados dois instrumentos psicométricos: Self-Regulated Learning Strategies (SRLS) e Motivated Strategies for Learning Questionnaire (MSLQ). O modelo operacional de pesquisa delineou a formulação de oito hipóteses, sendo que a primeira delas sustenta a defesa da tese, enquanto as demais defendem a influência das variáveis idade, gênero, tipo de curso, estágio no curso, tipo de instituição de graduação, nota do curso atribuída pela Capes e graus de instrução dos pais nos níveis de Self-Regulated Learning (SRL) e Self-Determination Theory (SDT). A partir da análise multivariada dos dados, os resultados corroboraram a tese e a influência do gênero no nível de SRL. A metaconclusão desta tese ratifica os estudos referenciados, confirmando que a aprendizagem pode ser dominada e controlada pelo indivíduo, ao se adotar estratégias individuais de regulação e motivação. Uma importante contribuição desta pesquisa consiste em oferecer conclusões empíricas que podem ajudar docentes, discentes, pesquisadores, instituições de ensino e programas de pós-graduação a compreender mais sistematicamente os aspectos da aprendizagem autorregulada e da aprendizagem autodeterminada que caracterizam o aluno de Contabilidade. Limitações importantes deste estudo podem ser vistas como oportunidades para pesquisas futuras: a amostra envolve um público específico, a pesquisa survey pode apresentar vieses de método comum e a baixa participação de alunos de mestrado profissional. Estudos futuros poderão adotar outras estratégias metodológicas e/ou envolver amostras mais diversificadas ou em maior lastro temporal

Análise de grandezas cinemáticas e dinâmicas inerentes à hemiparesia através da descoberta de conhecimento em bases de dados

Em virtude de uma elevada expectativa de vida mundial, faz-se crescente a probabilidade de ocorrer acidentes naturais e traumas físicos no cotidiano, o que ocasiona um aumento na demanda por reabilitação. A terapia física, sob o paradigma da reabilitação robótica com serious games, oferece maior motivação e engajamento do paciente ao tratamento, cujo emprego foi recomendado pela American Heart Association (AHA), apontando a mais alta avaliação (Level A) para pacientes internados e ambulatoriais. No entanto, o potencial de análise dos dados coletados pelos dispositivos robóticos envolvidos é pouco explorado, deixando de extrair informações que podem ser de grande valia para os tratamentos. O foco deste trabalho consiste na aplicação de técnicas para descoberta de conhecimento, classificando o desempenho de pacientes diagnosticados com hemiparesia crônica. Os pacientes foram inseridos em um ambiente de reabilitação robótica, fazendo uso do InMotion ARM, um dispositivo robótico para reabilitação de membros superiores e coleta dos dados de desempenho. Foi aplicado sobre os dados um roteiro para descoberta de conhecimento em bases de dados, desempenhando pré-processamento, transformação (extração de características) e então a mineração de dados a partir de algoritmos de aprendizado de máquina. A estratégia do presente trabalho culminou em uma classificação de padrões com a capacidade de distinguir lados hemiparéticos sob uma precisão de 94%, havendo oito atributos alimentando a entrada do mecanismo obtido. Interpretando esta coleção de atributos, foi observado que dados de força são mais significativos, os quais abrangem metade da composição de uma amostra.

Contribuições de experiências de estágio em CAPS III para a formação interdisciplinar em Saúde Mental na perspectiva da Reforma Psiquiátrica

Introdução: A formação dos profissionais da área da saúde é fundamental para a transformação das práticas de cuidado e consolidação dos princípios e diretrizes do Sistema Único de Saúde (SUS). Sendo um desafio do SUS, esta questão também está presente no campo da Saúde Mental e é necessária para a consolidação da Reforma Psiquiátrica e construção e fortalecimento da Rede de Atenção Psicossocial. Proposição: Investigar e refletir sobre as experiências dos estudantes que realizaram estágio no Centro de Atenção Psicossocial (CAPS) III Itaim Bibi entre 2009 e 2014, no tocante à formação profissional em Saúde Mental na perspectiva da Reforma Psiquiátrica. Materiais e Métodos: Estudo qualitativo, com construção dos dados a partir da leitura de relatórios dos estudantes e de questionários com perguntas referentes à experiência dos estágios, que foram apresentadas aos participantes conforme orientações do método Delphi. As questões abordaram: motivos; expectativas; forma e qualidade de participação nas atividades; temas e estudos; trabalho em equipe; situações vivenciadas; influência na atuação profissional; apresentação do estágio e sugestões de alterações. As informações foram trabalhadas por meio de Análise de Conteúdo Temática. Resultados: Dos 52 convidados, 28 participaram da primeira rodada (53,85%), sendo: 14 terapeutas ocupacionais, 9 enfermeiros, 3 psicólogos e 2 estudantes de Serviço Social. O segundo questionário foi composto por afirmativas presentes nas respostas recebidas para que os participantes as avaliassem conforme grau de concordância da escala Likert. Nesta fase foram recebidas 26 respostas. Conclusões: Apesar das dificuldades vivenciadas, avaliou-se que a maior parte das experiências dos estágios foi positiva e possibilitou aprendizagens significativas sobre o modelo de atenção psicossocial, o funcionamento e dinâmica da instituição, o trabalho em equipe interdisciplinar e as produções de convivência, principalmente aos sujeitos que realizaram estágios com maior carga horária. Identificaram como importantes aprendizados as experiências de acompanhamento individual e grupal dos usuários, a construção de Projeto Terapêutico Singular e de redes, o trabalho territorial e intersetorial. A participação em reuniões, supervisões clínico-institucionais, multiprofissionais e em oficinas de reflexão com as docentes das Universidades foi considerada importante para a formação. O aprendizado de manejo de situações de crise e de conflitos e de técnicas de contenção foi considerado superficial. Identificou-se que modelo de gestão e o trabalho da equipe influenciam no desenvolvimento de autonomia e protagonismo dos estagiários. O fortalecimento da integração ensino-serviço-comunidade é necessário e a flexibilização das propostas instituídas poderia facilitar a construção conjunta dos planos de estágios. Como produtos desta pesquisa foram elaboradas propostas de modificações para melhor organização dos estágios no CAPS e para a integração ensino-serviço e de Plano de Estágio Supervisionado em Terapia Ocupacional para os estágios extracurriculares. Realizou-se também uma Revisão Integrativa das publicações científicas brasileiras sobre a formação de estudantes de graduação em Saúde Mental na perspectiva da Reforma Psiquiátrica. Por fim, compreendeu-se que as experiências ressoam nas práticas profissionais dos graduados de modo positivo. Os participantes que não atuam neste campo, disseram levar consigo a experiência do trabalho em equipe e de formas éticas e humanizadas de cuidado.

Electroencephalogram based Causality Graph Analysis in Behavior Tasks of Parkinson’s Disease Patients

Electroencephalographic (EEG) signals of the human brains represent electrical activities for a number of channels recorded over a the scalp. The main purpose of this thesis is to investigate the interactions and causality of different parts of a brain using EEG signals recorded during a performance subjects of verbal fluency tasks. Subjects who have Parkinson's Disease (PD) have difficulties with mental tasks, such as switching between one behavior task and another. The behavior tasks include phonemic fluency, semantic fluency, category semantic fluency and reading fluency. This method uses verbal generation skills, activating different Broca's areas of the Brodmann's areas (BA44 and BA45). Advanced signal processing techniques are used in order to determine the activated frequency bands in the granger causality for verbal fluency tasks. The graph learning technique for channel strength is used to characterize the complex graph of Granger causality. Also, the support vector machine (SVM) method is used for training a classifier between two subjects with PD and two healthy controls. Neural data from the study was recorded at the Colorado Neurological Institute (CNI). The study reveals significant difference between PD subjects and healthy controls in terms of brain connectivities in the Broca's Area BA44 and BA45 corresponding to EEG electrodes. The results in this thesis also demonstrate the possibility to classify based on the flow of information and causality in the brain of verbal fluency tasks. These methods have the potential to be applied in the future to identify pathological information flow and causality of neurological diseases.

Evaluating the robustness of EmotiBlog for sentiment analysis and opinion mining

Preliminary research demonstrated the EmotiBlog annotated corpus relevance as a Machine Learning resource to detect subjective data. In this paper we compare EmotiBlog with the JRC Quotes corpus in order to check the robustness of its annotation. We concentrate on its coarse-grained labels and carry out a deep Machine Learning experimentation also with the inclusion of lexical resources. The results obtained show a similarity with the ones obtained with the JRC Quotes corpus demonstrating the EmotiBlog validity as a resource for the SA task.

Evaluating knowledge-based approaches to the multilingual extension of a temporal expression normalizer

The extension to new languages is a well known bottleneck for rule-based systems. Considerable human effort, which typically consists in re-writing from scratch huge amounts of rules, is in fact required to transfer the knowledge available to the system from one language to a new one. Provided sufficient annotated data, machine learning algorithms allow to minimize the costs of such knowledge transfer but, up to date, proved to be ineffective for some specific tasks. Among these, the recognition and normalization of temporal expressions still remains out of their reach. Focusing on this task, and still adhering to the rule-based framework, this paper presents a bunch of experiments on the automatic porting to Italian of a system originally developed for Spanish. Different automatic rule translation strategies are evaluated and discussed, providing a comprehensive overview of the challenge.

Evaluating EmotiBlog robustness for sentiment analysis tasks

EmotiBlog is a corpus labelled with the homonymous annotation schema designed for detecting subjectivity in the new textual genres. Preliminary research demonstrated its relevance as a Machine Learning resource to detect opinionated data. In this paper we compare EmotiBlog with the JRC corpus in order to check the EmotiBlog robustness of annotation. For this research we concentrate on its coarse-grained labels. We carry out a deep ML experimentation also with the inclusion of lexical resources. The results obtained show a similarity with the ones obtained with the JRC demonstrating the EmotiBlog validity as a resource for the SA task.

3D model based map building

Comunicación presentada en el IX Workshop de Agentes Físicos (WAF'2008), Vigo, 11-12 septiembre 2008.

Aplicaciones de procesamiento de lenguaje natural

El campo de procesamiento de lenguaje natural (PLN), ha tenido un gran crecimiento en los últimos años; sus áreas de investigación incluyen: recuperación y extracción de información, minería de datos, traducción automática, sistemas de búsquedas de respuestas, generación de resúmenes automáticos, análisis de sentimientos, entre otras. En este artículo se presentan conceptos y algunas herramientas con el fin de contribuir al entendimiento del procesamiento de texto con técnicas de PLN, con el propósito de extraer información relevante que pueda ser usada en un gran rango de aplicaciones. Se pueden desarrollar clasificadores automáticos que permitan categorizar documentos y recomendar etiquetas; estos clasificadores deben ser independientes de la plataforma, fácilmente personalizables para poder ser integrados en diferentes proyectos y que sean capaces de aprender a partir de ejemplos. En el presente artículo se introducen estos algoritmos de clasificación, se analizan algunas herramientas de código abierto disponibles actualmente para llevar a cabo estas tareas y se comparan diversas implementaciones utilizando la métrica F en la evaluación de los clasificadores.

Recognition of online handwritten music symbols

Paper submitted to MML 2013, 6th International Workshop on Machine Learning and Music, Prague, September 23, 2013.

Aplicación de tecnologías de procesamiento de lenguaje natural y tecnología semántica en Brand Rain y Anpro21

Este artículo presenta la aplicación y resultados obtenidos de la investigación en técnicas de procesamiento de lenguaje natural y tecnología semántica en Brand Rain y Anpro21. Se exponen todos los proyectos relacionados con las temáticas antes mencionadas y se presenta la aplicación y ventajas de la transferencia de la investigación y nuevas tecnologías desarrolladas a la herramienta de monitorización y cálculo de reputación Brand Rain.

El proceso de enseñanza-aprendizaje en la formación interuniversitaria: una experiencia a nivel de máster universitario

La incorporación del EEES provocó una infinidad de desafíos y retos a las Universidades que a día de hoy aún están siendo solucionados. Además, ha conllevado nuevas oportunidades para la formación de estudiantes pero también para las Universidades. Entre ellas, la formación interuniversitaria entre estados miembro de la UE. El EEES permite unificar a través del sistema ECTS la carga de trabajo de los estudiantes facilitando la propuesta de planes de estudios interuniversitarios. Sin embargo, surgen desafíos a la hora de llevarlos a la práctica. Independientemente de los retos en la propuesta de los planes de estudio, es necesario implementar procesos de enseñanza-aprendizaje que salven la distancia en el espacio físico entre el alumnado y el profesorado. En este artículo se presenta la experiencia docente de la asignatura e-home del Máster Machine Learning and Data Mining de la Universidad de Alicante y la Universidad Jean Monnet (Francia). En este caso, se combina la formación en aula presencial con formación en aula virtual a través de videoconferencia. La evaluación del método de enseñanza-aprendizaje propuesto utiliza la propia experiencia docente y encuestas realizadas a los alumnos para poner de manifiesto la ruptura de barreras espaciales y un éxito a nivel docente.

Recursos Informáticos para la Investigación Literaria. Tema 6 (curso 2014-2015)

Tema 6. Text Mining con Topic Modeling.

Detección precoz de dificultades en el aprendizaje. Herramienta para la predicción del rendimiento de los estudiantes

Inspirados por las estrategias de detección precoz aplicadas en medicina, proponemos el diseño y construcción de un sistema de predicción que permita detectar los problemas de aprendizaje de los estudiantes de forma temprana. Partimos de un sistema gamificado para el aprendizaje de Lógica Computacional, del que se recolectan masivamente datos de uso y, sobre todo, resultados de aprendizaje de los estudiantes en la resolución de problemas. Todos estos datos se analizan utilizando técnicas de Machine Learning que ofrecen, como resultado, una predicción del rendimiento de cada alumno. La información se presenta semanalmente en forma de un gráfico de progresión, de fácil interpretación pero con información muy valiosa. El sistema resultante tiene un alto grado de automatización, es progresivo, ofrece resultados desde el principio del curso con predicciones cada vez más precisas, utiliza resultados de aprendizaje y no solo datos de uso, permite evaluar y hacer predicciones sobre las competencias y habilidades adquiridas y contribuye a una evaluación realmente formativa. En definitiva, permite a los profesores guiar a los estudiantes en una mejora de su rendimiento desde etapas muy tempranas, pudiendo reconducir a tiempo los posibles fracasos y motivando a los estudiantes.

Teaching as a fractal: from experience to model

The aim of this work is to improve students’ learning by designing a teaching model that seeks to increase student motivation to acquire new knowledge. To design the model, the methodology is based on the study of the students’ opinion on several aspects we think importantly affect the quality of teaching (such as the overcrowded classrooms, time intended for the subject or type of classroom where classes are taught), and on our experience when performing several experimental activities in the classroom (for instance, peer reviews and oral presentations). Besides the feedback from the students, it is essential to rely on the experience and reflections of lecturers who have been teaching the subject several years. This way we could detect several key aspects that, in our opinion, must be considered when designing a teaching proposal: motivation, assessment, progressiveness and autonomy. As a result we have obtained a teaching model based on instructional design as well as on the principles of fractal geometry, in the sense that different levels of abstraction for the various training activities are presented and the activities are self-similar, that is, they are decomposed again and again. At each level, an activity decomposes into a lower level tasks and their corresponding evaluation. With this model the immediate feedback and the student motivation are encouraged. We are convinced that a greater motivation will suppose an increase in the student’s working time and in their performance. Although the study has been done on a subject, the results are fully generalizable to other subjects.