Made available in DSpace on 2014-06-12T15:53:57Z (GMT). No. of bitstreams: 2 arquivo6411_1.pdf: 5236344 bytes, checksum: eb8f36005a668c44d22d18f4691ce07e (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2007 / As interações realizadas através de Ambientes de Aprendizagem Colaborativa suportados por Computador (AAC) são um dos aspectos visíveis mais importantes da colaboração. A análise dessas interações pode dar suporte aos processos de reflexão e autoavaliação dos estudantes e às atividades dos professores. Porém, para executar o processo de análise, é importante descobrir e registrar o contexto onde cada interação ocorreu, a fim de entender o verdadeiro significado das interações dos usuários. Entretanto, faltam métodos e ferramentas para a Análise de Interações em AAC que considerem: (1) o contexto onde as interações ocorreram; (2) a diferença de necessidades do ponto de vista do professor e do estudante; e (3) a necessidade de informações históricas contextualizadas, para produzir relatórios mais completos para estudantes e professores. Neste cenário, objetivando prover suporte de boa qualidade para estudantes e professores, essa tese apresenta um Processo para Análise de Interações baseado em Contexto, que estrutura as interações, levando em consideração o contexto onde elas ocorreram. Depois disso, ele armazena as interações em um repositório multidimensional chamado LIM (Memória de Interações de Aprendizagem) e, finalmente, usa consultas analíticas para explorar e analisar as informações armazenadas sob diferentes perspectivas (dimensões), de acordo com as necessidades dos usuários. Essa tese também apresenta um Ambiente Analítico baseado em Contexto chamado SmartChat+: um ambiente para discussões colaborativas de assuntos específicos que segue o Processo baseado em Contexto definido. A experimentação inicial desse ambiente é detalhada e os resultados dos experimentos são discutidos, indicando a viabilidade do processo proposto e seu potencial para apoiar ao aprendizado

Made available in DSpace on 2014-06-12T15:58:09Z (GMT). No. of bitstreams: 2 arquivo3261_1.pdf: 7030961 bytes, checksum: 5670933aaec0374078d72b528e337ada (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2011 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Após a conclusão do projeto Genoma Humano uma quantidade enorme de informação digital tornou-se disponível para a análise, propiciando novos questionamentos e conjecturas. Alterações específicas em nucleotídeos localizados no DNA genômico foram detectadas e chamadas de polimorfismo de nucleotídeo único (SNP). Até o momento cerca de 3 milhões de SNPs foram detectados no genoma humano dentre os quais 1.42 milhões já foram identificados e depositados em bancos de dados públicos Consortium2007 tornando-se o principal tipo de polimorfismo. A presença dessas pequenas modificações no genoma influencia na susceptibilidade de diversas doenças, como asma, hipertensão, diabetes, desordens neurológicas, alguns tipos de câncer, assim como também provocam alterações na resposta a medicamentos. As informações oriundas dos SNPs são de grande importância e podem ser empregadas nas mais diversas áreas, como medicina forense, antropologia molecular, evolução, definição de marcadores de predisposição a determinadas patologias e de prognóstico a diferentes tratamentos, genética de populações, conservação e manejo de recursos genéticos, farmacogenética e desenvolvimento de vacinas. Devido à sua alta influência sobre a expressão do fenótipo, vários estudos vêm sendo realizados para detectar não só os SNPs presentes no genoma, como também as interações epistáticas entre eles que alteram a predisposição a certas doenças. Nesta dissertação foi desenvolvido um estudo extensivo de diversas abordagens computacionais que avaliam conjuntos de dados com informações de genótipos de pacientes casos e controles, na tentativa de identificar as interações entre os SNPs que mais influenciam na ocorrência de uma doença. Para o estudo foram selecionadas metodologias com mecanismos distintos para identificar as interações existentes. Abordagens exaustivas, gulosas e estocásticas foram analisadas quando executadas em conjuntos de dados com diferentes combinações de parâmetros genéticos. Dentre os resultados obtidos após a análise das abordagens computacionais, constatamos que características genéticas introduzidas no conjunto de dados como a herdabilidade e a frequência do alelo menos frequente na população influenciam de forma significativa sobre o desempenho das diversas ferramentas. A diminuição no valor da herdabilidade causa nas abordagens uma influência negativa reduzindo o desempenho. Outros fatores como o tamanho da população e a quantidade de SNPs analisados também influenciam no desempenho das abordagens, ambas aumentando e reduzindo o número de acertos, respectivamente, e também no tempo de processamento utilizado para avaliar os conjuntos de dados. Ao final apresentamos nossas conclusões e conjecturamos o que poderia levar a uma detecção de interações entre SNPs de melhor qualidade