The technological progress has enabled a frequent use of videos by educators in the teaching-learning process. In order to conduct this work, a study on digital video (characteristics, formats, patterns, video conversions) was made, as well as a collection of data from different repositories of digital videos available. The analysis allowed the definition of improvements to be implemented in ReviMobile, and a study on conversational agents and m-learning was also conducted. This work consists in developing a repository of videos that adapts to the technological resource, that is, to the model of mobile device being used, performing all the necessary conversions (for example, from mp4 to wmv) in a transparent and automated way. This turns out to be a viable solution to the problems of execution of videos due to different video formats and languages of development, using the process of finding a conversational agent as information recommender. Therefore, the results benefit mainly teachers and students in the process of searching and viewing educational videos; that is, showing videos in the format that is compatible with the mobile device being used in a transparent and dynamic way. This work differs in relation to other video repositories in three factors: providing mobility, adaptation to different video formats of mobile devices and conversational agent as recommender of information. / O avanço tecnológico tem proporcionado utilização frequente de vídeos pelos educadores no processo de ensino-aprendizagem. Para viabilizar o presente trabalho, foi realizado um estudo sobre vídeos digitais (características, formatos, padrões, conversões de vídeo), bem como um levantamento de dados dos diferentes repositórios de vídeos digitais existentes. A análise permitiu definir melhorias a serem aplicadas no ReviMobile, sendo também realizado um estudo sobre agentes conversacionais e m-learning. Este trabalho consiste no desenvolvimento de um repositório de vídeos, que se adapta ao recurso tecnológico, isto é, ao modelo de dispositivo móvel utilizado pelo usuário realizando todas as conversões necessárias, (por exemplo, de wmv para mp4) de forma transparente e automatizada. Apresenta-se como uma solução viável aos problemas de execução de vídeos devido aos diferentes formatos e linguagens de desenvolvimento, utilizando-se no processo de busca de um agente conversacional como recomendador de informação. Logo, os resultados inferidos beneficiam principalmente professores e alunos no processo de busca e visualização de vídeos educacionais, ou seja, apresentando vídeos no formato compatível aos dispositivos móveis de forma transparente e dinâmica. Este trabalho diferencia-se em relação aos demais repositórios de vídeo por três fatores: propiciar mobilidade, adaptação aos diferentes formatos de vídeos dos dispositivos móveis e agente conversacional como recomendador de informações.

Submitted by Geandra Rodrigues (geandrar@gmail.com) on 2018-01-29T16:52:29Z No. of bitstreams: 0 / Rejected by Adriana Oliveira (adriana.oliveira@ufjf.edu.br), reason: on 2018-01-30T14:50:12Z (GMT) / Submitted by Geandra Rodrigues (geandrar@gmail.com) on 2018-01-30T16:08:06Z No. of bitstreams: 0 / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2018-03-21T19:26:08Z (GMT) No. of bitstreams: 0 / Made available in DSpace on 2018-03-21T19:26:08Z (GMT). No. of bitstreams: 0 Previous issue date: 2017-08-31 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Com o acúmulo de informações digitais armazenadas ao longo do tempo, alguns esforços precisam ser aplicados para facilitar a busca e indexação de conteúdos. Recursos como vídeos e áudios, por sua vez, são mais difíceis de serem tratados por mecanismos de busca. A anotação de vídeos é uma forma considerável de resumo do vídeo, busca e classificação. A parcela de vídeos que possui anotações atribuídas pelo próprio autor na maioria das vezes é muito pequena e pouco significativa, e anotar vídeos manualmente é bastante trabalhoso quando trata-se de bases legadas. Por esse motivo, automatizar esse processo tem sido desejado no campo da Recuperação de Informação. Em repositórios de videoaulas, onde a maior parte da informação se concentra na fala do professor, esse processo pode ser realizado através de anotações automáticas de transcritos gerados por sistemas de Reconhecimento Automático de Fala. Contudo, essa técnica produz textos ruidosos, dificultando a tarefa de anotação semântica automática. Entre muitas técnicas de Processamento de Linguagem de Natural utilizadas para anotação, não é trivial a escolha da técnica mais adequada a um determinado cenário, principalmente quando trata-se de anotar textos com ruídos. Essa pesquisa propõe analisar um conjunto de diferentes técnicas utilizadas para anotação automática e verificar o seu impacto em um mesmo cenário, o cenário de similaridade entre vídeos. / With the accumulation of digital information stored over time, some efforts need to be applied to facilitate search and indexing of content. Resources such as videos and audios, in turn, are more difficult to handle with by search engines. Video annotation is a considerable form of video summary, search and classification. The share of videos that have annotations attributed by the author most often is very small and not very significant, and annotating videos manually is very laborious when dealing with legacy bases. For this reason, automating this process has been desired in the field of Information Retrieval. In video lecture repositories, where most of the information is focused on the teacher’s speech, this process can be performed through automatic annotations of transcripts gene-rated by Automatic Speech Recognition systems. However, this technique produces noisy texts, making the task of automatic semantic annotation difficult. Among many Natural Language Processing techniques used for annotation, it is not trivial to choose the most appropriate technique for a given scenario, especially when writing annotated texts. This research proposes to analyze a set of different techniques used for automatic annotation and verify their impact in the same scenario, the scenario of similarity between videos.