@MASTERSTHESIS{ 2023:704251962,
 	title = {Catalogação de Objetos Educacionais Auxiliado por Aprendizado de Máquina para o Ambiente Virtual de Aprendizado do AlfaCon Concursos Públicos},
 	year = {2023},
 	url = "https://tede.unioeste.br/handle/tede/6941",
 	abstract = "A pesquisa, conduzida com dados do Ambiente Virtual de Aprendizado do AlfaCon Con cursos Públicos, teve como principal objetivo desenvolver e otimizar um classificador para
 auxiliar na catalogação de seus Objetos Educacionais. O método adotado iniciou-se com
 uma pesquisa exploratória detalhada em dois conjuntos de dados distintos. Para atingir
 os objetivos propostos, foram testados diversos algoritmos de classificação, abrangendo
 desde técnicas tradicionais até abordagens mais contemporâneas de aprendizado de má quina e deep learning. Dentre os algoritmos avaliados, foram explorados o Rocchio, Boos ting, Bagging, Naïve Bayes, K-Nearest Neighbors, Support Vector Machine, Decision Tree,
 Random Forest, Recurrent Neural Network, Convolutional Neural Network, Deep Neural
 Network, Recurrent Convolutional Neural Network, X-Class e PECOS. Em adição, houve
 uma ênfase particular no uso do Support Vector Machine, devido ao desempenho do al goritmo alinhado a requisitos não-funcionais destacados pela empresa. O estudo também
 se beneficiou da adaptação de códigos previamente estabelecidos, construindo sobre a
 pesquisa seminal de outros acadêmicos na área. Os resultados, no entanto, apresentaram
 desafios que precisam ser solucionados para a utilização dos classificadores para auxiliar
 no processo de catalogação. Entre estes destacamos principalmente as classificações reali zadas nos diferentes níveis das taxonomias que representam a organização dos conteúdos
 das disciplinas estudados pelos alunos e nos quais os Objetos Educacionais devem ser
 catalogadas. Além disso, a pesquisa identificou que a quantidade limitada de documentos
 disponíveis para certos rótulos teve um impacto direto na precisão do classificador. Em
 conclusão, enquanto a pesquisa forneceu insights valiosos sobre o potencial e as limita ções de várias técnicas de classificação no ambiente do AlfaCon, ela também destacou a
 necessidade de investigações e otimizações. Por meio de uma abordagem ampla, o estudo
 explorou múltiplas técnicas e métodos, fornecendo uma base sólida para melhorar a pre cisão e robustez da classificação no contexto específico do AlfaCon Concursos Públicos e
 para entender os desafios ao utilizá-las em um ambiente aplicado.",
 	publisher = {Universidade Estadual do Oeste do Paraná},
 	scholl = {Programa de Pós-Graduação em Ciência da Computação},
 	note = {Centro de Ciências Exatas e Tecnológicas}
}