• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 3
  • Tagged with
  • 3
  • 3
  • 3
  • 3
  • 3
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

[en] MODELING LEARNING OBJECTS COMPOSITION / [pt] MODELAGEM DE COMPOSIÇÃO DE OBJETOS DE APRENDIZAGEM

DIVA DE SOUZA E SILVA 12 July 2006 (has links)
[pt] O desenvolvimento de conteúdos instrucionais utilizando as novas tecnologias de informação é um processo caro, demorado e complexo, que aponta para o estabelecimento de novas metodologias. É neste contexto que surge o conceito de Objeto de Aprendizagem (LO), cujo enfoque está em promover a reutilização do conteúdo. Entretanto, ao considerar o reuso de conteúdo, também se observa uma necessidade de seqüência - lo para formar conteúdos mais elaborados ou mais complexos. Nesta tese adota-se uma estratégia de representar LOs cada vez menores, representando separadamente conteúdo e prática, aqui denominados Objetos Componentes (OCs). Para a estruturação do conteúdo, adaptou-se uma proposta já existente e definiu-se um esquema conceitual adequado à representação de atividades (ou práticas) de aprendizagem. Com vista à composição dos OCs, foi igualmente definido um esquema conceitual envolvendo conteúdos e práticas. Assim, com base em um algoritmo de seqüenciamento de OCs, um professor pode compreender melhor a forma de implementar um objeto complexo, como uma aula ou um curso, reduzindo erros e eventuais omissões na implementação da solução. Este seqüenciamento deve seguir uma metodologia e deve ser especificado de modo não ambíguo. É neste contexto que também é apresentada uma linguagem para especificação de seqüências de objetos de aprendizagem, com uma sintaxe adequada à descrição das possíveis formas de seqüenciamento de LOs. Finalmente, descreve-se um estudo de caso ilustrando a utilização dos esquemas conceituais desenvolvidos, do algoritmo proposto e da linguagem de especificação de seqüências OCs. / [en] The development of instructional content using new Information Technologies is an expensive, time-consuming and complex process that leads to the development of new methodologies. It was in this context that the concept of Learning Objects (LOs) was proposed as an approach that promotes content reuse. However, if content is expressed as small LOs, it is also necessary to sequence them in order to build more elaborated and complex content. In this thesis we adopt a strategy to represent smaller LOs, modeling not only content but also practice, called Component Objects (COs) herein. In order to structure content we adapted an existing proposal and defined a conceptual schema to structure learning practices (or activities). We also defined a conceptual schema for composing these COs. Then, based on these conceptual schemas it was possible to propose an algorithm for sequencing COs, which supports a teacher/professor to better control the implementation of a complex content such as a class or a course, thus reducing errors and eventual omissions in its implementation. The sequencing process must follow a methodology and must be specified in a nonambiguous way. It is in this context that we also present a specification language for sequences of LOs, with a syntax that is adequate to the description of the possible ways of sequencing LOs. Finally, we describe a case study that shows the conceptual schemas that were proposed and the use of the sequencing algorithm and the specification language.
2

[en] QEEF: AN EXTENSIBLE QUERY EXECUTION ENGINE / [pt] QEEF: UMA MÁQUINA DE EXECUÇÃO DE CONSULTAS

FAUSTO VERAS MARANHAO AYRES 30 June 2004 (has links)
[pt] O processamento de consultas em Sistemas de Gerência de Banco de Dados tradicionais tem sido largamente estudado na literatura e utilizado comercialmente com enorme sucesso. Isso é devido, em parte, à eficiência das Máquinas de Execução de Consultas (MEC) no suporte ao modelo de execução tradicional. Porém, o surgimento de novos cenários de aplicação, principalmente em conseqüência do modelo computacional da web, motivou a pesquisa de novos modelos de execução, tais como: modelo adaptável e modelo contínuo, além da pesquisa de modelos de dados semi-estruturados, tal como o XML, ambos não suportados pelas MEC tradicionais. O objetivo desta tese consiste no desenvolvimento de uma MEC extensível frente a diferentes modelos de execução e de dados. Adicionalmente, esta proposta trata de maneira ortogonal o modelo de execução e o modelo de dados, o que permite a avaliação de planos de execução de consultas (PEC) com fragmentos em diferentes modelos. Utilizou-se a técnica de framework de software para a especificação da MEC extensível, produzindo o framework QEEF (Query Execution Engine Framework). A extensibilidade da solução reflete-se em um meta-modelo, denominado QUEM (QUery Execution Meta-model), capaz de exprimir diferentes modelos em um meta-PEC. O framework QEEF pré-processa um meta-PEC e produz um PEC final a ser avaliado pela MEC instanciada. Como parte da validação desta proposta, instanciou-se o QEEF para diferentes modelos de execução e de dados. / [en] Querying processing in traditional Database Management Systems (DBMS) has been extensively studied in the literature and adopted in industry. Such success is, in part, due to the performance of their Query Execution Engines (QEE) for supporting the traditional query execution model. The advent of new query scenarios, mainly due to the web computational model, has motivate the research on new execution models such as: adaptive and continuous, and on semistructured data models, such as XML, both not natively supported by traditional query engines. This thesis proposes the development of an extensible QEE adapted to the new execution and data models. Achieving this goal, we use a software design approach based on framework technique to produce the Query Execution Engine Framework (QEEF). Moreover, we address the question of the orthogonality between execution and data models, witch allows for executing query execution plans (QEP) with fragments in different models. The extensibility of our solution is specified by in a QEP by an execution meta- model named QUEM (QUery Execution Meta-model) used to express different models in a meta-QEP. During query evaluation, the latter is pre-processed by the QEEF producing a final QEP to be evaluated by the running QEE. The QEEF is instantiated for different execution and data models as part of the validation of this proposal.
3

[en] METHODOLOGY FOR DETERMINING REGULATORY NON-TECHNICAL LOSSES OF ELECTRICITY CONSIDERING AREAS WITH SEVERE OPERATING RESTRICTION / [pt] METODOLOGIA PARA DETERMINAÇÃO DE METAS DE PERDAS NÃO TÉCNICAS DE ENERGIA ELÉTRICA CONSIDERANDO ÁREAS COM SEVERAS RESTRIÇÕES OPERATIVAS

LINDEMBERG NUNES REIS 11 November 2024 (has links)
[pt] Em dezembro de 2021, a ANEEL homologou uma nova metodologia para estabelecimento das Perdas Não Técnicas (PNT) regulatórias para o segmento de distribuição de energia elétrica. Pela primeira vez no histórico da regulamentação das perdas comerciais, a ANEEL estabeleceu tratamento específico para concessionárias que atuassem em regiões com presença de Áreas com Severas Restrições Operativas (ASRO). As ASRO, ou simplesmente Áreas de Risco, são locais dominados pelo poder paralelo – tráfico e/ou milícia – onde o Estado pleno de direito é cerceado. Sendo mais claro, sequer a polícia consegue atuar com efetividade nestas regiões. Acontece que nesta revisão metodológica, válida a partir de janeiro de 2022, o tratamento dispensado às ASRO é limitado, raso e com elevado grau de discricionariedade. Além disso, os modelos econométricos obtidos pelo Regulador sofrem de inconsistências metodológicas. Estes dois fatores em comunhão ocasionam, por consequência, no estabelecimento de metas/alvos regulatórios ineficientes em muitos casos, em especial para concessionárias que atuam na presença de ASRO. Este trabalho se dedica a buscar cobrir esta lacuna metodológica, isto é, propõe-se o desenvolvimento de metodologia baseada em dados em painel para o estabelecimento de metas regulatórias de PNT em concessões de distribuição de energia elétrica que tenham presença de ASRO. Para tanto, propõe-se a desagregação do alvo regulatório entre áreas de risco e áreas normais, por meio do recálculo do Índice de Complexidade da concessão. / [en] In December 2021, ANEEL approved a new methodology for establishing regulatory Non-Technical Losses (NTL) for the power distribution segment. For the first time in the history of regulating commercial losses, ANEEL established specific treatment for concessionaires that operate in regions with the presence of Areas with Severe Operating Restrictions (ASRO). ASROs, or simply Risk Areas, are gang-controlled territories – drug trafficking and/or militia – where the rule of law is curtailed. To be more specific, not even the official police can act effectively in these regions. To be clearer, not even the police can act effectively in these regions. It turns out that in this methodological review, valid from January 2022, the treatment given to ASROs is limited, shallow and with a high degree of discretion. Furthermore, the econometric models obtained by the Regulator present methodological inconsistencies. These two factors together lead, consequently, to the establishment of inefficient regulatory targets in many cases, especially for concessionaires that operate in the presence of ASROs. This work seeks to fill this methodological gap, that is, it proposes the development of a methodology based on panel data for the establishment of PNT regulatory targets in electricity distribution concessions that have ASRO. To this end, it is proposed to disaggregate the regulatory target between risk areas and normal areas, by recalculating the Complexity Index of the original concession.

Page generated in 0.0362 seconds