Browsing by Issue Date, starting with "2022-11-11"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
- Knowledge Base for MENTAL AI, in Data Science ContextPublication . Muetunda, Faustino Paulo; Pais, Sebastião Augusto Rodrigues Figueiredo; Cordeiro, João Paulo da CostaGlobally, 1 in 7 people has some kind of mental or substance use disorder that affects their thinking, feelings, and behaviour in everyday life. Mental well-being is vital for physical health. No Health Without Mental Health! People with mental health disorders can carry on with normal life if they get the proper treatment and support. Mental disorders are complex to diagnose due to similar and common symptoms for numerous types of mental illnesses, with a minute difference among them. In the era of big, the challenge stays to make sense of the huge amount of health research and care data. Computational methods hold significant potential to enable superior patient stratification approaches to the established clinical practice, which in turn are a pre-requirement for the development of effective personalized medicine approaches. Personalized psychiatry also plays a vital role in predicting mental disorders and improving diagnosis and optimized treatment. The use of intelligent systems is expected to grow in the medical field, and it will continue to pose abundant opportunities for solutions that can help save patients’ lives. As it does for many industries, Artificial Intelligence (AI) systems can support mental health specialists in their jobs. Machine learning algorithms can be applied to find different patterns in the most diverse sets of data. This work aims to examine and compare different machine learning classification methodologies to predict different mental disorders and, from that, extract knowledge that can help mental health professionals in their tasks. Our algorithms were trained using a total dataset of 3353 patients from different hospital units. These data are divided into three subsets of data, mainly by the characteristics that the pathologies present. We evaluate the performance of the algorithms using different metrics. Among the metrics applied, we chose the F1 score to compare and analyze the algorithms, as it is the most suitable for the data we have since they found themselves imbalances. In the first evaluation, we trained our models, using all the patient’s symptoms and diagnoses. In the second evaluation, we trained our models, using only the symptoms that were somehow related to each other and that influenced the other pathologies.
- Realidade Aumentada na sala de aula: desafios, limitações e caso de estudoPublication . Branco, Joana Catarina Afonso; Pombo, Nuno Gonçalo Coelho CostaA tecnologia de realidade aumentada tem vindo a ser cada vez mais uma ferramenta vantajosa em muitas áreas. No ensino permite novas formas de interação e de aprendizagem, através da sobreposição de 25% de conteúdo digital em 75% da realidade. O objetivo da dissertação é avaliar o impacto que a realidade aumentada tem no processo de aprendizagem e medir a sua eficácia no mesmo, bem como responder as seguintes questões: Será que a utilização da tecnologia de realidade aumentada é capaz de promover novos contextos que permitam a aquisição de melhores resultados de aprendizagens nos alunos?; O uso de realidade aumentada mostra-se mais eficaz do que a aprendizagem tradicional?; Os ganhos da aprendizagem são maiores ao usar as aplicações de realidade aumentada quando comparados com outros recursos educacionais?. Para tal foi realizado um estudo bibliográfico e uma experiência que utilizou uma aplicação desenvolvida ao longo da dissertação. O estudo bibliográfico permitiu obter um conhecimento cientifico sobre o uso da realidade aumentada no ensino e responder as questões presentes nos objetivos. Ele revelou que a inserção da realidade aumentada em ambientes educativos é bastante auspiciosa, uma vez que os múltiplos benefícios que ela apresenta para o ensino contribuem para o aumento do ganho da aprendizagem dos alunos. A aquisição do conhecimento por meio da visualização de objetos de três dimensões permite uma melhor envolvência do aluno na aprendizagem, provocando desta forma uma melhor retenção e compreensão de conceitos complexos e abstratos, bem como numa redução da carga de trabalho dos professores e no auxilio da lecionação de conceitos. Porém, a tecnologia de realidade aumentada apresenta algumas limitações e desafios em ambientes educacionais, como a falta de conhecimento da área de informática por parte dos professores, custos elevados de alguns equipamentos que dão suporte a realidade aumentada e adversidades com a rede da internet. A experiência realizada avaliou a aplicação desenvolvida e recolheu um parecer sobre a realidade aumentada no ensino. Os seus resultados mostraram que para a maioria dos participantes o uso da realidade aumentada no ensino tem um enorme potencial para a aprendizagem de conteúdos educativos. Eles reconhecem que quando a tecnologia é aplicada em contexto educativo torna-se numa nova forma de potenciar a aprendizagem dos alunos, permite o enriquecimento da lecionação do professor, proporciona práticas de ensino mais realista, aumenta o interesse do aluno e é mais eficaz que o ensino tradicional. Por outro lado, para a maioria dos participantes a aplicação desenvolvida é bastante frutífera para a aprendizagem de competências de programação de linguagem Python, uma vez que o conteúdo que ela transmite é claro e esclarecedor, é apelativa, dispõe de um design atrativo e é de fácil utilização. Em suma, apesar da tecnologia de realidade aumentada apresentar alguns desafios e limitações em contexto de sala aula ela mostra que é bastante eficiente para o processo de ensino, uma vez que proporciona uma melhor experiência para os professores e alunos. Ela permite a transformação de conceitos complexos em algo que é próximo a realidade do aluno, contribuindo desta forma para numa maior motivação e interesse do aluno pelo conteúdo.