Apresentação na UNESCO Digital Learning Week 2023
Agradecemos a todos que contribuíram na pesquisa e a Natalie Lao da App Inventor Foundation.
Vídeo da apresentação
Agradecemos a todos que contribuíram na pesquisa e a Natalie Lao da App Inventor Foundation.
Vídeo da apresentação
Os avanços nas aplicações móveis que fornecem classificação de imagens possibilitadas pelo Deep Learning exigem soluções inovadoras de Experiência de Usuário para garantir seu uso adequado pelos usuários. Para auxiliar o processo de design, as heurísticas de usabilidade são normalmente personalizadas para um tipo específico de aplicativo. Portanto, com base em uma revisão da literatura e na análise de aplicativos móveis existentes com classificação de imagens, propomos um conjunto inicial de heurísticas AIX para aplicativos móveis baseados em Deep Learning com classificação de imagens decomposta em uma lista de verificação. Esses resultados desta pesquisa podem ser usados para orientar o design das interfaces de tais aplicativos, bem como apoiar a condução de avaliações heurísticas suportando o desenvolvimento de aplicativos de classificação de imagens que as pessoas possam entender, confiar e interagir de maneira eficaz.
Curso online
Para facilitar o uso do checklist também desenvolvemos um curso online apresentando os conceitos e heurísticas disponível online gratuitamente em português do Brasil.
![]() |
Ferramenta on-line
Para facilitar as avaliações utilizando as heurísticas e o checklist, também desenvolvemos uma ferramenta web que orienta a avaliação apresentando cada item do checklist pelo seu nome, breve explicação, imagem com exemplo e suas alternativas de resposta correspondentes. Ao final, a ferramenta sintetiza os resultados apresentando uma lista dos itens do checklist indicando visualmente os itens não atendidos, bem como o percentual geral dos itens atendidos. O relatório também pode ser baixado em formato pdf. A ferramenta foi desenvolvida em javascript e está disponível online gratuitamente em inglês e português do Brasil.
Mais informações
C. Gresse von Wangenheim, G. Dirschschnabel. UX Heuristics and Checklist for Deep Learning powered Mobile Applications with Image Classification. arXiv:2307.05513 [cs.HC], 2023.
G. Dirschnabel. Desenvolvimento de um checklist de avaliação de heurísticas de experiência de usuário de aplicativos com Inteligência Artificial. 2023. Trabalho de Conclusão de Curso. (Graduação em Ciência da Computação) – Universidade Federal de Santa Catarina.
Mais informações aqui
App desenvolvido pela equipe da iniciativa Computação na Escola/INCoD/INE/UFSC como caso exemplo de desenvolvimento de apps com Inteligência Artificial para classificação de imagens ganha menção honrosa no App of the Season Appathon organizado pela App Inventor Foundation/EUA.
O app foi desenvolvido em cooperação com o LTH/UFSC e o CRLAB/LACEN/SC.
O app foi desenvolvido com App Inventor utilizando a extensão TMIC (criado por Fabiano Oliveira durante o seu TCC no SIN/INE) e treinando o modelo de Deep Learning com Google Teachable Machine. Atualmente o app está em fase de teste.
Mais informações
Parabéns ao Marcelo e todos os co-autores pelo artigo premiado como melhor artigo de pesquisa do EduComp 2023:
Marcelo F. Rauber, Christiane Gresse von Wangenheim, Adriano F. Borgatto, Ramon M. Martins. Análise do desempenho de aprendizagem de Machine Learning na Educação Básica aplicando a Teoria de Resposta ao Item. In: Anais do III Simpósio Brasileiro de Educação em Computação, online, Brasil, 2023.
O artigo apresenta resultados da pesquisa realizada no doutorado do Marcelo no PPGCC/INE/UFSC no contexto da iniciativa Computação na Escola/INCoD/INE/UFSC.
Como parte do programa inovador de educação tecnológica Pode Crer no Instituto Vilson Groh, mais de 175 estudantes foram apresentados ao mundo da Inteligência Artificial e aprenderam conceitos básicos de Machine Learning de forma prática. Além de criar seus próprios modelos de Machine Learning, eles foram capazes de desenvolver aplicações inteligentes para resolver problemas criativamente e discutir criticamente questões éticas e seus impactos, fortalecendo sua participação ativa em um mundo cada vez mais influenciado pela Inteligência Artificial.
Curso | Duração | Conteúdo | Metas de desenvolvimento sustentável | Estágio do ciclo de aprendizagem | Ferramentas |
Curso 1: Machine Learning (ML) para Todos! | 8h | Conceitos básicos de ML, Desenvolvimento de um modelo de ML para classificação de imagens (aprendizagem profunda), Ética e impacto social | Consumo e produção responsável: Lixo reciclável | Desenvolver um modelo pré-definido de ML | Google Teachable Machine |
Curso 2: App Selfie | 4h | Desenvolvimento de um app com App Inventor, Desenvolvimento de interface de usuário, Algorítmo e programação | — | Desenvolver um app pré-definido | App Inventor |
Curso 3: Machine Learning em apps móveis | 4h | Implantação de um modelo de ML em um app no App Inventor | Consumo e produção responsável: Lixo reciclável | Implantar um modelo de ML em um app | App Inventor/TMIC, Google Teachable Machine |
Curso 4: Crie seu próprio aplicativo inteligente (nível avançado) | 24h | Processo de desenvolvimento de aplicativos, Design Thinking, Machine Learning, Design da interface de usuário, Algoritmo e Programação | Relacionado a qualquer uma das metas | Criar um novo aplicativo inteligente | App Inventor/TMIC, Google Teachable Machine |
Os cursos 1 – 3 estão disponíveis gratuitamente em Português do Brasil.
Como resultado, os estudantes aprenderam como desenvolver suas próprias aplicações inteligentes e discutir criticamente os impactos da Inteligência Artificial dentro de sua realidade. Observar o interesse e a dedicação dos participantes e ver os resultados alcançados em tão pouco tempo foi impressionante e demonstra a importância de um programa de educação tecnológica tão inovador, preparando os estudantes para participar ativamente em um mundo cada vez mais influenciado pela Inteligência Artificial e inspirando-os a seguir uma carreira neste campo com tantas oportunidades.
Exemplos dos aplicativos App Inventor criados pelos estudantes usando o reconhecimento de imagem para a classificação de resíduos orgânicos, cores para usuários daltônicos e plantas tóxicas.
Os códigos dos aplicativos App Inventor criados estão disponíveis online.
Os cursos têm sido oferecidos pela iniciativa Computação na Escola do Departamento de Informática e Estatística da Universidade Federal de Santa Catarina que se dedica ao ensino de computação no ensino fundamental e médio.
Como parte dos cursos, os estudantes também visitaram o Departamento de Informática e Estatística da Universidade Federal de Santa Catarina. Durante a visita, os estudantes tomaram conhecimento dos cursos de graduação em informática e das pesquisas que estão sendo realizadas utilizando o Machine Learning, também como parte do projeto Ampera Racing utilizando detecção de objetos por um carro de corrida autônomo.
Os cursos fazem parte do programa Pode Crer, um novo programa educacional que mistura tecnologia, cidadania e comunicação para jovens de 11 a 24 anos através do desenvolvimento de liderança, criatividade, pensamento crítico e resolução de problemas no contexto social desafiador das comunidades marginalizadas brasileiras. Pode Crer é gratuito e aberto a todos os jovens de famílias de baixa renda, atualmente em curso na região da grande Florianópolis, no sul do Brasil, no Instituto Vilson Groh.
O Instituto Vilson Groh é uma organização sem fins lucrativos brasileira que se concentra na justiça social e na elevação das comunidades marginalizadas no Brasil através da educação. O objetivo da rede Vilson Groh é abrir caminhos para que os jovens menos favorecidos assumam a liderança em suas próprias vidas e tenham a oportunidade de acessar as universidades e o mercado de trabalho, lutar por seus direitos, viver uma vida com dignidade e permitir que os jovens sonhem e que esses sonhos se tornem realidade.
A doutoranda do PPGCC/INE/UFSC Nathalia da Cruz Alves, orientanda da Profa. Dra. Christiane Gresse von Wangenheim, iniciou em janeiro o doutorado sanduíche na University of Connecticut, Estados Unidos, sob supervisão do Prof. Dr. James Kaufman.
O projeto de tese da Nathalia da Cruz Alves visa o desenvolvimento e validação do modelo Creassessment para a avaliação da criatividade de aplicativos móveis criados com App Inventor por estudantes da Educação Básica no contexto da iniciativa Computação na Escola/INCoD/INE/UFSC. A pesquisadora foi contemplada com bolsa pelo programa PrInt/Capes-UFSC para realização de doutorado sanduíche no exterior.
Veja a importância do ensino de Inteligência Artificial na Educação Básica nessa apresentação da Profa. Christiane Gresse von Wangenheim na roda de conversas sobre Desenvolvimento e Avaliação de Plataformas, Aplicativos e Jogos para uso em práticas de ensino no IV SIGATEC – Simpósio Internacional sobre Games, Gamificação, e Tecnologias na Educação, online, 2021.
Está disponível o minicurso Aprendendo a criar jogos interdisciplinares na Educação Básica ministrado pela Nathalia da Cruz Alves no Simpósio Internacional sobre Games, Gamification e Tecnologias na Educação (SIGATEC).
Vídeo no youtube: https://www.youtube.com/watch?v=kT7s8eoni6o
ALVES, N. da C. Aprendendo a criar jogos interdisciplinares na Educação Básica. Minicurso no IV SIGATEC – Simpósio Internacional sobre Games, Gamificação, e Tecnologies na Educação, online, 2021.
#computacaonaescola #incod #ine #ppgcc #ufsc #sigatec #sigatec21