Rio de Janeiro, 25 de setembro de 2025 — A Sokrates.ai, projeto de inovação desenvolvido no Programa de Engenharia de Sistemas e Computação, da COPPE/UFRJ, em parceria com o InoveLab Ateliê da Inovação, foi a vencedora da competição de pitches do IEEE AI Pioneer Summit 2025 (AIPS) e avançará para a etapa regional latino-americana do programa IEEE Entrepreneurship.
Os professores Daniel Schneider e Jano de Souza apresentarão o curso de Prospecção Tecnológica, quarta-feira, de 13 às 17h.
O professor Xexéo apresentará o curso Tópicos Especiais em Engenharia de Dados e Conhecimento, cujo o tema será O que é, por que fazemos e como fazemos Ciência, onde será feita uma introdução a epistemologia e as metodologias científicas usadas pela linha.
Os professores Zimbrão, Braida e Leandro Alvim vão apresentar um curso sobre LLMs.
Eduardo Vieira Marques Pereira do Valle é o novo mestre de Engenharia de Sistemas e Computação, pela linha de Engenharia de Dados e Conhecimento, orientado pelo prof. Geraldo Xexéo.
Título: Modelo de Predição de Vitória para Partidas de MOBA
Data da defesa: 8/9/2025
Ler mais
Gabriel de Sapienza Luna é o novo mestre em Engenharia de Sistemas e Computação, orientado pelo professor Geraldo Xexéo
Título
Integrando o Ensino Socrático com LLMS: Um Framework Multi-Agente para Inovação no Ensino de Programação
Data da defesa
25/8/2025
Ler mais
Douglas Castro da Silva é o novo mestre em Engenharia de Sistemas e Computação, da linha de Engenharia de Dados e Conhecimento, orientado pelo prof. Geraldo Xexéo
Título
Desempenho de Modelos de Linguagem para Classificação de Fake News
Data da defesa
30/6/2025
Ler mais
Caio Silva Azeredo é o novo mestre em Engenharia de Sistemas e Computação, da Linha de Engenharia de Dados e Conhecimento, orientado pelo professor Geraldo Xexéo
Título
Uma Abordagem com Multiagentes Baseados em LLMS para o Design de Jogos Educativos
Data da defesa
27/6/2025
Resumo
Este estudo desenvolveu um sistema multiagente baseado em Grandes Modelos de Linguagem (LLMs) para otimizar o processo de design de jogos educacionais endógenos. A pesquisa foi conduzida por meio da metodologia Design Science Research, seguindo as etapas de conscientização do problema, proposição do artefato, desenvolvimento, avaliação e comunicação dos resultados. O sistema integra quatro módulos funcionais especializados: Brainstorming assistido por IA, Agente Socrático para refinamento conceitual, preenchimento assistido do Endo-GDC (Game Design Canvas para Jogos Educativos Endógenos), e classificação de objetivos educacionais baseada na Taxonomia de Bloom Revisada. Foram analisados 26 estudos de caso abrangendo diferentes contextos educacionais, desde ensino fundamental até formação corporativa, contemplando disciplinas como matemática, ciências, idiomas. Os agentes foram categorizados em quatro tipos: Coordenador, Especialista em Mecânicas, Especialista em Narrativa e Especialista em Engajamento. Os resultados evidenciaram alta aceitação tecnológica, com utilidade percebida de 6.23 em escala de 7 pontos, adequação tarefa-tecnologia de 5.95, experiência algorítmica satisfatória de 5.80 e efetividade processual de 5.89. Como parte da validação, foram aplicados quatro frameworks estabelecidos (TAM, TTF, AX e ADDIE), que confirmaram a eficácia do sistema em reduzir tempo de desenvolvimento mantendo qualidade pedagógica. Concluiu-se que a abordagem multiagente baseada em LLMs representa uma ferramenta robusta para democratizar o acesso ao design de jogos educacionais, mostrando-se promissora para acelerar a inovação pedagógica e ampliar o uso de metodologias ativas na educação.
Rafael Batista dos Santos é o novo mestre em Engenharia de Sistemas e Computação, da Linha de Engenharia de Dados e Conhecimento, orientado pelo professor Geraldo Xexéo
Título
Modelagem de Monetização de Aplicativos Móveis via Sistemas Dinâmicos
Data da defesa
28/5/2025
Resumo
Este estudo desenvolveu um modelo de Sistemas Dinâmicos para investigar cenários de monetização em aplicativos móveis. A pesquisa foi conduzida por meio de um estudo de caso de um jogo freemium monetizado por anúncios e compras no aplicativo. O modelo seguiu as etapas de conceituação, formulação, teste e implementação, de acordo com a metodologia desenvolvida pelo MIT. Foram analisadas diferentes estratégias de monetização, marketing e desenvolvimento de produto, avaliando seu impacto no lucro e no comportamento dos usuários. Os usuários foram categorizados em três grupos: ativos, inativos e não usuários. Os resultados evidenciaram que o modelo proposto consegue replicar as curvas de crescimento descritas na literatura científica e que ajustes estratégicos em variáveis operacionais podem influenciar significativamente o lucro dos produtos analisados. Como parte da validação, foram realizadas entrevistas com especialistas, que propuseram simplificações no modelo para aumentar sua usabilidade e sugeriram a integração com APIs para melhorar sua eficiência. Concluiu-se que a teoria de Sistemas Dinâmicos representa uma ferramenta analítica robusta para prever comportamentos de usuários e orientar decisões estratégicas, mostrando-se promissora para a sustentabilidade e o crescimento de empresas de aplicativos móveis.
Débora Barbosa Pina é a nova doutora em Engenharia de Sistemas e Computação, da linha de Engenharia de Dados e Conhecimento, orientada pela professora Marta Mattoso e pelo professor Daniel Cardoso Moraes de Oliveira.
Título
Provenance Data as a First-Class Citizen for Deep Learning Workflow Analyses
Data da defesa
24/3/2025
Resumo
Workflows de aprendizado profundo (AP) consistem em várias etapas conectadas e repetitivas, incluindo preparação de dados, treinamento, avaliação e implantação de modelos. Cada etapa envolve decisões que impactam o desempenho e a aplicabilidade do modelo final. É essencial rastrear as etapas do workflow que geraram o modelo de AP, para oferecer qualidade e confiabilidade ao modelo. No entanto, as soluções de rastreabilidade existentes frequentemente não oferecem o encadeamento do workflow de AP, dependem de formatos proprietários ou não geram documentos de proveniência que acompanhem os modelos em produção. Essas limitações comprometem os benefícios da rastreabilidade. Apresentamos o DLProv, um conjunto de serviços de proveniência para apoiar a rastreabilidade em workflows de AP. DLProv apoia consultas em SQL durante o treinamento e gera documentos de proveniência que registram a preparação de dados, o treinamento e a avaliação do modelo. Esses documentos seguem o padrão W3C PROV, garantindo interoperabilidade. O DLProv possui uma arquitetura independente de framework de AP, mas também inclui instâncias especializadas para Keras e Redes Neurais Informadas por Física (PINNs). Avaliamos o DLProv em estudos de caso, desde arquiteturas consolidadas de AP até PINNs, mostrando sua capacidade de capturar e gerenciar dados de proveniência, assegurando rastreabilidade em conformidade com o W3C PROV. Os experimentos também analisam o uso do documento de proveniência gerado, permitindo identificar problemas no modelo de AP implantado. Nossos experimentos também mostraram que a integração dos serviços do DLProv não comprometem o tempo de execução do workflow.
Daiane Evangelista Santos da Silva é a nova doutora em Engenharia de Sistemas e Computação, da linha de Engenharia de Dados e Conhecimento, orientada pelo professor Jano de Souza
ítulo
Interoperabilidade e Modelagem de Dados Clínicos no Brasil: Aplicação dos Padrões OpenEHR e HL7 FHIR
Data da defesa
18/2/2025
Resumo
Este trabalho apresenta a aplicação dos padrões openEHR e HL7 FHIR em dois estudos de caso reais, com o objetivo de aprimorar a interoperabilidade e modelagem de dados clínicos no Brasil. A pesquisa foi conduzida nas empresas ProntLife e Lemobs, onde a autora atua profissionalmente, validando na prática os processos de modelagem de dados desenvolvidos e investigando os desafios e benefícios da adoção desses padrões no contexto da saúde brasileira. A metodologia Design Science foi utilizada para guiar a criação de soluções tecnológicas inovadoras, com base em uma fundamentação teórica sobre modelagem de dados clínicos e os padrões openEHR e HL7 FHIR. A análise do cenário regulatório da saúde no Brasil também foi abordada, com ênfase na Rede Nacional de Dados em Saúde (RNDS). Nos estudos de caso, a autora desenvolveu um formulário de avaliação física em otorrinolaringologia e um módulo de autoavaliação para sintomas do coronavírus, utilizando openEHR e HL7 FHIR, respectivamente. Os resultados mostraram a eficácia desses padrões na criação de soluções adaptáveis às necessidades do sistema de saúde brasileiro. A pesquisa conclui que a adoção desses padrões é essencial para melhorar a interoperabilidade e a qualidade dos dados clínicos, destacando a importância da colaboração multidisciplinar para o sucesso dessas implementações.
O professor Geraldo Xexéo (PESC) e seus co-autores do coletivo “Ludus Magisterium”, convidam para o lançamento do livro “Jogos de Tabuleiro na Educação”, na Livraria Leitura, sábado, dia 21 de maio, de 11 às 14h – Rua do Ouvidor, 98 – Centro.
Este livro fala sobre a exploração do vasto mundo dos jogos de tabuleiro pelo viés educacional.
Nos diversos segmentos formais da educação, professores começam a levar esses jogos para o ambiente em que atuam, a elaborar estratégias de uso e a pesquisar sobre o tema. Esses educadores ainda são poucos, mas suas ações, muitas vezes “solitárias” em suas instituições, fazem a diferença. Profissionais de diferentes áreas do saber se propõem a pesquisar, desenvolver e compartilhar aquilo que lhes parece ser uma tendência: a cultura do jogar veio para ficar, e os jogos de tabuleiro ocupam um espaço vital em uma educação para a sociedade do século XXI, com seus avanços e contradições.
A obra traz seus capítulos organizados em três partes:
– Porque usar jogos de tabuleiro na educação?
– Como usar jogos de tabuleiro na educação?
– Como criar jogos de tabuleiro na educação?
Organizadores: Paula Piccolo e Arnaldo V. Carvalho
Autores: Kate Batista, Leonardo E. O. Costa, Suellen de Oliveira, Luciano Bastos, Pedro Marins, Laíse Lima, Carolina Spiegel, Isabel Butcher, Pedro Vitiello, Renata Palheiros, Karin Quast, Odair de Paula Jr., Geraldo Xexéo, Felipe Neri.