2024/2 http://dspace.uniube.br:8080/jspui/handle/123456789/3113 2026-04-12T23:55:56Z 2026-04-12T23:55:56Z Araújo, Gabriel Duarte Petermann, Messias Valente, Mateus de Sousa http://dspace.uniube.br:8080/jspui/handle/123456789/3116 2025-08-22T13:36:20Z 2024-11-01T00:00:00Z

Título: Mapa de acessibilidade e navegação - UNIMAP Autor(es): Araújo, Gabriel Duarte; Petermann, Messias; Valente, Mateus de Sousa Resumo: A promoção da acessibilidade em ambientes educacionais é crucial para garantir a inclusão de todos os estudantes. Este estudo propõe a criação de um mapa universitário que identifica os blocos de aulas e destaca recursos de acessibilidade por comando de voz. O objetivo é facilitar a locomoção e o acesso à informação para estudantes com deficiência visual e novos estudantes, promovendo uma experiência acadêmica inclusiva. A metodologia adotada envolve o desenvolvimento de um aplicativo móvel utilizando a linguagem Flutter, escolhida por sua versatilidade e facilidade de manutenção. O mapa da universidade foi elaborado com coordenadas geográficas, e o aplicativo integra APIs do Google, como Google Maps e Google Speech-to-Text, para fornecer funcionalidades avançadas de geolocalização e comandos de voz. A análise dos resultados será realizada por meio de testes de usabilidade com estudantes, incluindo aqueles com deficiência visual, para avaliar a facilidade de uso, precisão das informações e eficácia das funcionalidades de acessibilidade. Os dados coletados serão analisados para identificar possíveis melhorias na aplicação. Espera-se que este recurso promova uma experiência acadêmica mais inclusiva e eficiente, atendendo às necessidades de acessibilidade e contribuindo para a autonomia dos estudantes.

2024-11-01T00:00:00Z Ribeiro, Thiago Barbosa Conceição, Cauana Salviano da Cruz, João Vinicius Batista da Assis, Leonardo Campos de Assis http://dspace.uniube.br:8080/jspui/handle/123456789/3115 2025-08-22T13:33:10Z 2024-11-01T00:00:00Z

Título: Solidário: aplicativo facilitador de doações para ONGs Autor(es): Ribeiro, Thiago Barbosa; Conceição, Cauana Salviano da; Cruz, João Vinicius Batista da; Assis, Leonardo Campos de Assis Resumo: O desenvolvimento do aplicativo Solidário, uma plataforma digital para promover doações a Organizações Não Governamentais (ONGs), surge como uma iniciativa de integrar a tecnologia ao bem-estar coletivo e contribuir com a participação da comunidade em ações sociais, fortalecendo o estímulo ao voluntariado, ao alcance das ONGs e ao engajamento comunitário. A aplicação foi desenvolvida utilizando a linguagem de programação Java, por meio do software Android Studio, com integrações ao Firebase Authentication para autenticação de login dos usuários, ao banco de dados SQLite para armazenamento local de informações, e ao Google Maps para a identificação geográfica do usuário e exibição de mapas interativos das organizações cadastradas. Além de exibir a localização das ONGs em tempo real, a API do Google Maps permite que os usuários calculem rotas até o destino desejado, contribuindo para uma experiência de uso agradável e acessível. As ferramentas digitais integradas ao aplicativo aumentam a visibilidade das ONGs e a comunicação entre voluntários e doadores, facilitando a arrecadação de recursos através de doações e campanhas. O Solidário busca, dessa forma, contribuir para o fortalecimento do voluntariado e da interação contínua entre a comunidade e as ONGs locais, promovendo ações de impacto social e engajamento contínuo.

2024-11-01T00:00:00Z Maeda, Alex Satoru Silva, Gabriel Alexandre Souza e Ribeiro, Humberto Patrick Lacerda http://dspace.uniube.br:8080/jspui/handle/123456789/3114 2025-08-22T13:28:40Z 2024-11-01T00:00:00Z

Título: Metodologia para redução de alucinações em IAs generativas Autor(es): Maeda, Alex Satoru; Silva, Gabriel Alexandre Souza e; Ribeiro, Humberto Patrick Lacerda Resumo: Este artigo apresenta o desenvolvimento de uma metodologia de treinamento para reduzir alucinações em sistemas de Inteligência Artificial (IA) generativa, aplicada aos casos do sistema de RPG Tormenta 20 e do setor agropecuário com a assistente IAgro. O fenômeno da alucinação, em que a IA gera respostas incorretas ou sem fundamento, é um dos maiores desafios em IAs generativas. A proposta deste trabalho é implementar técnicas como a engenharia de prompts e ajustes nos parâmetros de chunk size e chunk overlap para minimizar esses erros. As IAs foram treinadas com base em dados especializados – livros de regras e materiais de Tormenta 20, e relatórios técnicos agrícolas – e integradas ao Telegram, tornando a interação acessível e eficiente. O projeto também originou a ideia do IAdapt, uma iniciativa para adaptar IAs a diferentes contextos e necessidades. Os resultados esperados incluem a melhoria da capacidade de adaptação das IAs a diferentes domínios, a redução consistente de alucinações em contextos diversos e o aumento da precisão nas respostas, possibilitando a replicação da metodologia em outros setores.

2024-11-01T00:00:00Z