Percorrer por data de Publicação, começado por "2026-01-09"
A mostrar 1 - 2 de 2
Resultados por página
Opções de ordenação
- Qualidade do ar em zonas urbanas: recolha de dados e o seu reflexo no comportamento onlinePublication . Candeias, Antonino Carlos Gonçalves; Ribeiro, Fernando Reinaldo da Silva Garcia; Dionísio, Rogério PaisEsta dissertação tem como objetivo analisar a relação entre qualidade do ar e os sentimentos expressos nas redes sociais, com foco no episódio de poeiras do deserto do Saara que afetou Lisboa em março de 2022. Para isto, foram recolhidos dados ambientais da plataforma QualAR, e dados meteorológicos do Meteomanz, complementados com a recolha de publicações do Twitter (plataforma atualmente conhecida como X) geolocalizadas em Lisboa. Os textos das publicações foram traduzidos e analisados com o algoritmo Valence Aware Dictionary and sEntiment Reasoner (VADER), permitindo identificar padrões emocionais e avaliar possíveis correlações com a variação dos poluentes atmosféricos. Foi também realizada uma análise preditiva no estudo, usando algoritmos de Machine Learning, nomeadamente Decision Tree e Random Forest, de forma a explorar relações entre os diferentes parâmetros e apoiar a interpretação dos resultados. Os resultados mostram que, apesar de o evento ter provocado níveis excecionalmente elevados de partículas inaláveis com diâmetro < 10 μm (PM10), não se verificou uma alteração significativa nos sentimentos expressos online, que permaneceram maioritariamente neutros ou ligeiramente positivos. Estes resultados sugerem que a perceção ambiental da população não se reflete de forma clara nas redes sociais, possivelmente devido a fatores culturais, sociais ou ao reduzido impacto do Twitter no contexto português. Conclui-se que a integração entre dados ambientais e sociais é metodologicamente viável e relevante, mas requer mais investigação, com períodos mais longos, diferentes cidades e técnicas de análise mais avançadas. Este estudo contribuiu para a compreensão da relação entre poluição atmosférica e perceções públicas em Portugal, colmatando uma lacuna existente na literatura.
- Melhoria contínua do desenvolvimento ágil de software utilizando análise de feedbackPublication . Marçal, Diogo Fernandes; Metrôlho, José Carlos Meireles Monteiro; Ribeiro, Fernando Reinaldo da Silva GarciaAs metodologias ágeis são atualmente das mais utilizadas em projetos de desenvolvimento de software. Estas divergem entre si através de diferentes especificidades. No entanto, existem várias, como o caso do Scrum e do Kanban, que defendem que os elementos das equipas devem adotar determinados comportamentos e valores para melhorar aspetos como processos, atividades ou a comunicação. Esses comportamentos podem ser a coragem, o compromisso e uma busca incessante pelo aperfeiçoamento, a qual se denomina por melhoria contínua. Os elementos das equipas, com a utilização das metodologias ágeis, são incentivados a colaborar na identificação de pontos de melhoria. São, por isso, encorajados a fornecer feedback aos seus colegas e responsáveis dos projetos sobre vários aspetos. O feedback tem várias formas e origens e a maneira como contribui para promover a melhoria contínua é alvo de uma das pesquisas presentes neste trabalho. A análise do feedback pode ocorrer de forma manual e empírica por uma pessoa, embora esta não seja uma forma escalável de a realizar, para além de se poder tornar parcial e pouco precisa. A inteligência artificial e o processamento de linguagem natural são tecnologias com crescente desenvolvimento e utilização que podem ser usadas para analisar, de forma automatizada, o feedback presente num formato de texto. Por esta razão, neste trabalho, foi também realizado um estudo sobre formas como estas tecnologias já estão a ser utilizadas no apoio às atividades da gestão de projetos de desenvolvimento de software. Este trabalho também apresenta a modelação e implementação de um sistema, sobre a forma de uma web app, de acompanhamento de tarefas num quadro Kanban que recolhe e analisa o feedback de developers sobre a qualidade da escrita das tarefas. O feedback é recolhido sobre a forma de respostas a um conjunto de perguntas que incidem sobre a forma como uma determinada tarefa estava descrita. O sistema desenvolvido, denominado TaskIT, realiza a análise do feedback utilizando a análise de sentimentos com inteligência artificial. Posteriormente os dados dessa análise são disponibilizados ao responsável do projeto para que este possua uma forma de acompanhar o impacto das ações corretivas que venham a ser adotadas. De forma a validar a utilidade da forma como o TaskIT recolhe, processa e apresenta o feedback gerado por developers sobre a escrita das tarefas, foi realizada uma série de entrevistas de validação deste protótipo com profissionais da área. O principal contributo do presente trabalho consiste em expor como o feedback pode ser utilizado para promover a melhoria contínua em ambientes de desenvolvimento de software e, em concreto, apresentar um protótipo que o faça para melhorar a forma como são escritas as tarefas a executar.