DSpace Communidade:http://hdl.handle.net/11690/1322026-04-10T13:39:13Z2026-04-10T13:39:13ZO impacto da IA generativa na produtividade dos alunos de TIXavier, Henrique Alveshttp://hdl.handle.net/11690/43782025-07-28T22:11:36Z2025-01-01T00:00:00ZTítulo: O impacto da IA generativa na produtividade dos alunos de TI
Autor(es): Xavier, Henrique Alves
Resumo: A crescente presença da Inteligência Artificial generativa no ambiente acadêmico
tem provocado transformações significativas nos métodos de estudo e nas formas
de produção do conhecimento. Nesse contexto, este artigo teve como objetivo
investigar o impacto da IA generativa na produtividade, inovação e qualidade do
aprendizado de estudantes da área de Tecnologia da Informação (TI). A pesquisa foi
realizada por meio de um questionário aplicado através da plataforma Google
Forms, escolhido por sua agilidade, alcance e praticidade. O público-alvo foi
composto por estudantes de cursos de TI, totalizando 31 participantes, número que
valida o critério mínimo exigido para estudos dessa natureza. Os resultados
revelaram que os estudantes utilizam frequentemente ferramentas de IA generativa,
principalmente para apoio na produção textual, organização de estudos, revisão de
conteúdos e resolução de problemas técnicos. Além disso, identificou-se que uma
parcela significativa dos participantes já aplica a IA em projetos inovadores, como
desenvolvimento de sistemas e protótipos. Contudo, também foram relatados
desafios, como a necessidade de validação das informações fornecidas pela IA, falta
de domínio técnico e receio de dependência tecnológica. Conclui-se que a IA
generativa tem contribuído de forma positiva para o desempenho acadêmico dos
estudantes de TI, promovendo maior produtividade e estímulo à criatividade.
Entretanto, seu uso exige uma postura crítica e consciente, de modo a equilibrar os
benefícios da tecnologia com a preservação da autonomia intelectual. O estudo
sugere a importância de uma formação acadêmica que inclua a capacitação ética e
técnica para o uso responsável dessas ferramentas.
Título: O impacto da IA generativa na produtividade dos alunos de TI
Autor(es): Xavier, Henrique Alves
Orientador(es): Riva, Aline Duarte
Resumo: A crescente presença da Inteligência Artificial generativa no ambiente acadêmico
tem provocado transformações significativas nos métodos de estudo e nas formas
de produção do conhecimento. Nesse contexto, este artigo teve como objetivo
investigar o impacto da IA generativa na produtividade, inovação e qualidade do
aprendizado de estudantes da área de Tecnologia da Informação (TI). A pesquisa foi
realizada por meio de um questionário aplicado através da plataforma Google
Forms, escolhido por sua agilidade, alcance e praticidade. O público-alvo foi
composto por estudantes de cursos de TI, totalizando 31 participantes, número que
valida o critério mínimo exigido para estudos dessa natureza. Os resultados
revelaram que os estudantes utilizam frequentemente ferramentas de IA generativa,
principalmente para apoio na produção textual, organização de estudos, revisão de
conteúdos e resolução de problemas técnicos. Além disso, identificou-se que uma
parcela significativa dos participantes já aplica a IA em projetos inovadores, como
desenvolvimento de sistemas e protótipos. Contudo, também foram relatados
desafios, como a necessidade de validação das informações fornecidas pela IA, falta
de domínio técnico e receio de dependência tecnológica. Conclui-se que a IA
generativa tem contribuído de forma positiva para o desempenho acadêmico dos
estudantes de TI, promovendo maior produtividade e estímulo à criatividade.
Entretanto, seu uso exige uma postura crítica e consciente, de modo a equilibrar os
benefícios da tecnologia com a preservação da autonomia intelectual. O estudo
sugere a importância de uma formação acadêmica que inclua a capacitação ética e
técnica para o uso responsável dessas ferramentas.2025-01-01T00:00:00ZTurismo inteligente: inteligência artificial para personalização de roteiros de viagem baseada em interesses do usuárioFinger, Vinícius Machadohttp://hdl.handle.net/11690/43772025-07-28T22:03:02Z2025-01-01T00:00:00ZTítulo: Turismo inteligente: inteligência artificial para personalização de roteiros de viagem baseada em interesses do usuário
Autor(es): Finger, Vinícius Machado
Resumo: O presente trabalho tem como objetivo apresentar um estudo sobre o desenvolvimento de um sistema multi-agentes de inteligência artificial generativa aplicada ao turismo, onde o usuário informa o destino, o período da viagem e tópicos de interesse pré-definidos. A partir dessas informações, os agentes de IA são responsáveis por montar um cronograma de viagem personalizado, combinando técnicas de web scraping com dados provenientes de large language models (LLMs), promovendo experiências mais relevantes, adaptadas às preferências individuais e com maior eficiência no planejamento.
Título: Turismo inteligente: inteligência artificial para personalização de roteiros de viagem baseada em interesses do usuário
Autor(es): Finger, Vinícius Machado
Orientador(es): Riva, Aline Duarte
Resumo: O presente trabalho tem como objetivo apresentar um estudo sobre o desenvolvimento de um sistema multi-agentes de inteligência artificial generativa aplicada ao turismo, onde o usuário informa o destino, o período da viagem e tópicos de interesse pré-definidos. A partir dessas informações, os agentes de IA são responsáveis por montar um cronograma de viagem personalizado, combinando técnicas de web scraping com dados provenientes de large language models (LLMs), promovendo experiências mais relevantes, adaptadas às preferências individuais e com maior eficiência no planejamento.2025-01-01T00:00:00ZAvaliação sobre a inteligência artificial generativa em escrita acadêmica: uma abordagem computacionalVasconcelos, Guilherme Ayreshttp://hdl.handle.net/11690/43762025-07-28T22:01:31Z2025-01-01T00:00:00ZTítulo: Avaliação sobre a inteligência artificial generativa em escrita acadêmica: uma abordagem computacional
Autor(es): Vasconcelos, Guilherme Ayres
Resumo: Este trabalho avalia a potência e as implicações técnicas do uso de modelos de linguagem natural, no suporte à escrita acadêmica, com foco na análise de suas funcionalidades, desempenho, limitações e dilemas éticos. Nas últimas décadas, a inteligência artificial (IA) tem se expandido para diversas áreas do conhecimento, transformando práticas cotidianas e processos produtivos. Com o avanço recente dos modelos de linguagem, observou-se uma intensificação do uso de IA generativa em ambientes acadêmicos. O estudo justifica-se pela crescente presença dessas ferramentas no cotidiano universitário, tornando essencial compreender seu impacto real. A metodologia adotada é de natureza aplicada, com abordagem mista, envolvendo revisão bibliográfica, testes padronizados com modelos como ChatGPT, Copilot e Gemini, e aplicação de questionários a estudantes de cursos de graduação. Os objetivos específicos são: analisar o uso prático dessas tecnologias, identificar seus pontos fortes e limitações, verificar a confiabilidade das informações, comparar sua performance e investigar os riscos éticos associados. Espera-se, com isso,
oferecer uma análise técnica e crítica sobre o funcionamento e as possibilidades dessas ferramentas no contexto acadêmico.
Título: Avaliação sobre a inteligência artificial generativa em escrita acadêmica: uma abordagem computacional
Autor(es): Vasconcelos, Guilherme Ayres
Orientador(es): Backes, Luciana
Resumo: Este trabalho avalia a potência e as implicações técnicas do uso de modelos de linguagem natural, no suporte à escrita acadêmica, com foco na análise de suas funcionalidades, desempenho, limitações e dilemas éticos. Nas últimas décadas, a inteligência artificial (IA) tem se expandido para diversas áreas do conhecimento, transformando práticas cotidianas e processos produtivos. Com o avanço recente dos modelos de linguagem, observou-se uma intensificação do uso de IA generativa em ambientes acadêmicos. O estudo justifica-se pela crescente presença dessas ferramentas no cotidiano universitário, tornando essencial compreender seu impacto real. A metodologia adotada é de natureza aplicada, com abordagem mista, envolvendo revisão bibliográfica, testes padronizados com modelos como ChatGPT, Copilot e Gemini, e aplicação de questionários a estudantes de cursos de graduação. Os objetivos específicos são: analisar o uso prático dessas tecnologias, identificar seus pontos fortes e limitações, verificar a confiabilidade das informações, comparar sua performance e investigar os riscos éticos associados. Espera-se, com isso,
oferecer uma análise técnica e crítica sobre o funcionamento e as possibilidades dessas ferramentas no contexto acadêmico.2025-01-01T00:00:00ZRedes neurais artificiais aplicadas à previsão e operação no mercado financeiro: um estudo para fins de otimização de carteiras de investimentosEuzébio, Renan Auréliohttp://hdl.handle.net/11690/43752025-07-28T22:04:37Z2025-01-01T00:00:00ZTítulo: Redes neurais artificiais aplicadas à previsão e operação no mercado financeiro: um estudo para fins de otimização de carteiras de investimentos
Autor(es): Euzébio, Renan Aurélio
Resumo: O mercado de ações apresenta desafios analíticos e de volatilidade para
investidores. Visando apoiar a tomada de decisão, este trabalho explora a aplicação
de redes neurais profundas para identificar padrões em dados financeiros e prever o
comportamento de ativos. Para tal, desenvolve-se um pipeline que compara três
arquiteturas de redes neurais — MLP, CNN e LSTM — na previsão de ativos do
Índice Bovespa, utilizando dados históricos enriquecidos com indicadores técnicos.
A avaliação dos modelos emprega uma metodologia de validação cruzada
Walk-Forward Analysis, com a Acurácia Direcional como métrica primária e um
sistema de backtesting para aferir a eficácia financeira de uma estratégia de
otimização de carteira. O objetivo é, portanto, investigar a viabilidade de tal
abordagem e consolidar a pesquisa em uma plataforma de aplicação prática e
educacional para a análise de investimentos com Inteligência Artificial.
Título: Redes neurais artificiais aplicadas à previsão e operação no mercado financeiro: um estudo para fins de otimização de carteiras de investimentos
Autor(es): Euzébio, Renan Aurélio
Orientador(es): Siqueira, Mozart Lemos de
Resumo: O mercado de ações apresenta desafios analíticos e de volatilidade para
investidores. Visando apoiar a tomada de decisão, este trabalho explora a aplicação
de redes neurais profundas para identificar padrões em dados financeiros e prever o
comportamento de ativos. Para tal, desenvolve-se um pipeline que compara três
arquiteturas de redes neurais — MLP, CNN e LSTM — na previsão de ativos do
Índice Bovespa, utilizando dados históricos enriquecidos com indicadores técnicos.
A avaliação dos modelos emprega uma metodologia de validação cruzada
Walk-Forward Analysis, com a Acurácia Direcional como métrica primária e um
sistema de backtesting para aferir a eficácia financeira de uma estratégia de
otimização de carteira. O objetivo é, portanto, investigar a viabilidade de tal
abordagem e consolidar a pesquisa em uma plataforma de aplicação prática e
educacional para a análise de investimentos com Inteligência Artificial.2025-01-01T00:00:00Z