Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-05-10T19:56:09Z No. of bitstreams: 1 YasminMakhamidMakhamed_DISSERT.pdf: 1697986 bytes, checksum: 5f89a8bb91a996706a6dba289af41454 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-05-11T23:23:16Z (GMT) No. of bitstreams: 1 YasminMakhamidMakhamed_DISSERT.pdf: 1697986 bytes, checksum: 5f89a8bb91a996706a6dba289af41454 (MD5) / Made available in DSpace on 2016-05-11T23:23:16Z (GMT). No. of bitstreams: 1 YasminMakhamidMakhamed_DISSERT.pdf: 1697986 bytes, checksum: 5f89a8bb91a996706a6dba289af41454 (MD5) Previous issue date: 2015-07-28 / O empreendedorismo surge no contexto atual como um gerador de emprego e renda e uma alternativa ao desemprego. Discute-se ainda, a import?ncia da forma??o empreendedora no ensino superior, de modo a possibilitar o desenvolvimento de compet?ncias para diferentes possibilidades de empregabilidade. O fomento ao empreendedorismo ? um dos objetivos do Movimento Empresa J?nior, sendo o Brasil o pa?s que concentra o maior n?mero de empresas juniores no mundo. O objetivo do estudo foi investigar o desenvolvimento de compet?ncias empreendedoras de estudantes universit?rios participantes do Movimento Empresa J?nior no Brasil. Participaram da pesquisa 796 estudantes universit?rios das cinco regi?es brasileiras que estivessem vinculados a uma empresa j?nior no momento da pesquisa. Os instrumentos utilizados foram o Invent?rio de Compet?ncias Empreendedoras de Man adaptado e a Escala de Suporte ? Aprendizagem Informal no Trabalho, o primeiro foi adaptado semanticamente para o portugu?s brasileiro e passou por uma valida??o cruzada e o segundo foi revalidado. Foi realizada uma regress?o linear m?ltipla, a partir da qual foi poss?vel identificar os fatores de suporte da empresa j?nior e suporte dos colegas como vari?veis preditoras dos cinco fatores de compet?ncias empreendedoras encontrados nesse estudo (compet?ncias de gest?o estrat?gica, compet?ncias conceituais, compet?ncias de gest?o de pessoas, compet?ncias de relacionamento e compet?ncias de oportunidade). Esses resultados podem contribuir para o reconhecimento das empresas juniores como um poss?vel campo de forma??o empreendedora e para uma avalia??o cr?tica do pr?prio movimento sobre o seu papel no desenvolvimento de compet?ncias dos estudantes universit?rios brasileiros. Al?m disso, pode contribuir metodologicamente com os estudos de compet?ncias empreendedoras no pa?s. / This research aimed to investigate the development of entrepreneurial competencies of college students who participate of junior enterprises in Brazil. These companies present themselves as college students? initiatives for practical application of theoretical knowledge of the graduation by providing services in the acting area allowing learning and skills development. This scenario brings us to the following question: beyond the professional development, the junior enterprises allow a relative development to entrepreneurship? In order to tailor the questionnaire on the format and understanding among the respondents a face pretest was conducted with 20 junior entrepreneurs and egresses of the movement. Then 796 junior entrepreneurs of the five Brazilian regions were investigated, they responded to an online survey containing a four dimensions questionnaire: demographic and contextual data of the junior entrepreneur, junior enterprise data, learning support and entrepreneurial competencies. Factorial analysis to validate the instruments and correlational analysis to identify relationships between the main constructs were conducted. It was found that the junior enterprises play an important supportive role for the development of entrepreneurial competencies and that these competencies, in turn, are developed primarily from the daily practical implementation of activities in the junior enterprise. With the results of this study it is expected to contribute at four levels: the forming agents, the junior enterprise movement it self, the students and literature on junior enterprises and the entrepreneurial competencies.

Made available in DSpace on 2014-12-17T14:56:07Z (GMT). No. of bitstreams: 1 NaiyanHCL_DISSERT.pdf: 1452285 bytes, checksum: 018fb1e8fa51e8f7094cce68a18c6c73 (MD5) Previous issue date: 2012-08-13 / Reinforcement learning is a machine learning technique that, although finding a large number of applications, maybe is yet to reach its full potential. One of the inadequately tested possibilities is the use of reinforcement learning in combination with other methods for the solution of pattern classification problems. It is well documented in the literature the problems that support vector machine ensembles face in terms of generalization capacity. Algorithms such as Adaboost do not deal appropriately with the imbalances that arise in those situations. Several alternatives have been proposed, with varying degrees of success. This dissertation presents a new approach to building committees of support vector machines. The presented algorithm combines Adaboost algorithm with a layer of reinforcement learning to adjust committee parameters in order to avoid that imbalances on the committee components affect the generalization performance of the final hypothesis. Comparisons were made with ensembles using and not using the reinforcement learning layer, testing benchmark data sets widely known in area of pattern classification / A aprendizagem por refor?o ? uma t?cnica de aprendizado de m?quina que, embora j? tenha encontrado uma grande quantidade de aplica??es, talvez ainda n?o tenha alcan?ado seu pleno potencial. Uma das possibilidades que n?o foi devidamente testada at? hoje foi a utiliza??o da aprendizagem por refor?o em conjunto com outros m?todos para a solu??o de problemas de classifica??o de padr?es. ? bem documentada na literatura a problem?tica que ensembles de m?quinas de vetor de suporte encontram em termos de capacidade de generaliza??o. Algoritmos como Adaboost n?o lidam apropriadamente com os desequil?brios que podem surgir nessas situa??es. V?rias alternativas j? foram propostas, com margens variadas de sucesso. Esta disserta??o apresenta uma nova abordagem para a constru??o de comit?s de m?quinas de vetor de suporte. O algoritmo apresentado combina o algoritmo Adaboost com uma camada de aprendizagem por refor?o, para ajustar par?metros do comit? evitando que desequil?brios nos classificadores componentes do comit? prejudiquem o desempenho de generaliza??o da hip?tese final. Foram efetuadas compara??es de comit?s com e sem essa camada adicional de aprendizagem por refor?o, testando conjuntos de dados benchmarks amplamente conhecidos na ?rea de classifica??o de padr?es