With the rise of Deep Learning the field of Artificial Intelligence (AI) Research has entered a new era. Together with an increasing amount of data and vastly improved computing capabilities, Machine Learning builds the backbone of AI, providing many of the tools and algorithms that drive development and applications. While we have already achieved many successes in the fields of image recognition, language processing, recommendation engines, robotics, or autonomous systems, most progress was achieved when the algorithms were focused on learning only a single task with little regard to effort and reusability. Since learning a new task from scratch often involves an expensive learning process, in this work, we are considering the use of previously acquired knowledge to speed up the learning of a new task. For that, we investigated the application of Transfer Learning methods for Deep Reinforcement Learning (DRL) agents and propose a novel framework for knowledge preservation and reuse. We show, that the knowledge transfer can make a big difference if the source knowledge is chosen carefully in a systematic approach. To get to this point, we provide an overview of existing literature of methods that realize knowledge transfer for DRL, a field which has been starting to appear frequently in the relevant literature only in the last two years. We then formulate the Case-based Reasoning methodology, which describes a framework for knowledge reuse in general terms, in Reinforcement Learning terminology to facilitate the adaption and communication between the respective communities. Building on this framework, we propose Deep Case-based Policy Inference (DECAF) and demonstrate in an experimental evaluation the usefulness of our approach for sequential task learning with knowledge preservation and reuse. Our results highlight the benefits of knowledge transfer while also making aware of the challenges that come with it. We consider the work in this area as an important step towards more stable general learning agents that are capable of dealing with the most complex tasks, which would be a key achievement towards Artificial General Intelligence. / Com a evolução da Aprendizagem Profunda (Deep Learning), o campo da Inteligência Artificial (IA) entrou em uma nova era. Juntamente com uma quantidade crescente de dados e recursos computacionais cada vez mais aprimorados, o Aprendizado de Máquina estabelece a base para a IA moderna, fornecendo muitas das ferramentas e algoritmos que impulsionam seu desenvolvimento e aplicações. Apesar dos muitos sucessos nas áreas de reconhecimento de imagem, processamento de linguagem natural, sistemas de recomendação, robótica e sistemas autônomos, a maioria dos avanços foram feitos focando no aprendizado de apenas uma única tarefa, sem muita atenção aos esforços dispendidos e reusabilidade da solução. Como o aprendizado de uma nova tarefa geralmente envolve um processo de aprendizado despendioso, neste trabalho, estamos considerando o reúso de conhecimento para acelerar o aprendizado de uma nova tarefa. Para tanto, investigamos a aplicação dos métodos de Transferência de Aprendizado (Transfer Learning) para agentes de Aprendizado por Reforço profundo (Deep Reinforcement Learning - DRL) e propomos um novo arcabouço para preservação e reutilização de conhecimento. Mostramos que a transferência de conhecimento pode fazer uma grande diferença no aprendizado se a origem do conhecimento for escolhida cuidadosa e sistematicamente. Para chegar a este ponto, nós fornecemos uma visão geral da literatura existente de métodos que realizam a transferência de conhecimento para DRL, um campo que tem despontado com frequência na literatura relevante apenas nos últimos dois anos. Em seguida, formulamos a metodologia Raciocínio baseado em Casos (Case-based Reasoning), que descreve uma estrutura para reutilização do conhecimento em termos gerais, na terminologia de Aprendizado por Reforço, para facilitar a adaptação e a comunicação entre as respectivas comunidades. Com base nessa metodologia, propomos Deep Casebased Policy Inference (DECAF) e demonstramos, em uma avaliação experimental, a utilidade de nossa proposta para a aprendizagem sequencial de tarefas, com preservação e reutilização do conhecimento. Nossos resultados destacam os benefícios da transferência de conhecimento e, ao mesmo tempo, conscientizam os desafios que a acompanham. Consideramos o trabalho nesta área como um passo importante para agentes de aprendizagem mais estáveis, capazes de lidar com as tarefas mais complexas, o que seria um passo fundamental para a Inteligência Geral Artificial.

Machine learning enables machines to learn automatically from data. In literature, graph-based methods have received increasing attention due to their ability to learn from both local and global information. In these methods, each data instance is represented by a vertex and is linked to other vertices according to a predefined affinity rule. However, they usually have unfeasible time cost for large problems. To overcome this problem, techniques can employ a heuristic to find suboptimal solutions in a feasible time. Early heuristic optimization methods exploit nature-inspired collective processes, such as ants looking for food sources and swarms of bees. Nowadays, advances in the field of complex systems provide powerful tools to assess and to understand dynamical systems. Complex networks, which are graphs with nontrivial topology, are among these theoretical tools capable of describing the interplay of topology, structure, and dynamics of complex systems. Therefore, machine learning methods based on complex networks and collective dynamics have been proposed. They encompass three steps. First, a complex network is constructed from the input data. Then, the simulation of a distributed collective system in the network generates rich information. Finally, the collected information is used to solve the learning problem. The coordination of the individuals in the system permit to achieve dynamics that is far more complex than the behavior of single individuals. In this research, I have explored collective dynamics in machine learning tasks, both in unsupervised and semi-supervised scenarios. Specifically, I have proposed a new collective system of competing particles that shifts the traditional vertex-centric dynamics to a more informative edge-centric one. Moreover, it is the first particle competition system applied in machine learning task that has deterministic behavior. Results show several advantages of the edge-centric model, including the ability to acquire more information about overlapping areas, a better exploration behavior, and a faster convergence time. Also, I have proposed a new network formation technique that is not based on similarity and has low computational cost. Since addition and removal of samples in the network is cheap, it can be used in real-time application. Finally, I have conducted analytical investigations of a flocking-like system that was needed to guarantee the expected behavior in community detection tasks. In conclusion, the result of the research contributes to many areas of machine learning and complex systems. / Aprendizado de máquina permite que computadores aprendam automaticamente dos dados. Na literatura, métodos baseados em grafos recebem crescente atenção por serem capazes de aprender através de informações locais e globais. Nestes métodos, cada item de dado é um vértice e as conexões são dadas uma regra de afinidade. Todavia, tais técnicas possuem custo de tempo impraticável para grandes grafos. O uso de heurísticas supera este problema, encontrando soluções subótimas em tempo factível. No início, alguns métodos de otimização inspiraram suas heurísticas em processos naturais coletivos, como formigas procurando por comida e enxames de abelhas. Atualmente, os avanços na área de sistemas complexos provêm ferramentas para medir e entender estes sistemas. Redes complexas, as quais são grafos com topologia não trivial, são uma das ferramentas. Elas são capazes de descrever as relações entre topologia, estrutura e dinâmica de sistemas complexos. Deste modo, novos métodos de aprendizado baseados em redes complexas e dinâmica coletiva vêm surgindo. Eles atuam em três passos. Primeiro, uma rede complexa é construída da entrada. Então, simula-se um sistema coletivo distribuído na rede para obter informações. Enfim, a informação coletada é utilizada para resolver o problema. A interação entre indivíduos no sistema permite alcançar uma dinâmica muito mais complexa do que o comportamento individual. Nesta pesquisa, estudei o uso de dinâmica coletiva em problemas de aprendizado de máquina, tanto em casos não supervisionados como semissupervisionados. Especificamente, propus um novo sistema de competição de partículas cuja competição ocorre em arestas ao invés de vértices, aumentando a informação do sistema. Ainda, o sistema proposto é o primeiro modelo de competição de partículas aplicado em aprendizado de máquina com comportamento determinístico. Resultados comprovam várias vantagens do modelo em arestas, includindo detecção de áreas sobrepostas, melhor exploração do espaço e convergência mais rápida. Além disso, apresento uma nova técnica de formação de redes que não é baseada na similaridade dos dados e possui baixa complexidade computational. Uma vez que o custo de inserção e remoção de exemplos na rede é barato, o método pode ser aplicado em aplicações de tempo real. Finalmente, conduzi um estudo analítico em um sistema de alinhamento de partículas. O estudo foi necessário para garantir o comportamento esperado na aplicação do sistema em problemas de detecção de comunidades. Em suma, os resultados da pesquisa contribuíram para várias áreas de aprendizado de máquina e sistemas complexos.

[pt] O presente trabalho se propõe a desenvolver um modelo de aprendizado do consumidor que contemple as dimensões do aprendente, do processo de aprendizagem e dos resultados obtidos neste aprendizado como melhor forma de entender e gerenciar estes consumidores. Para tal conduziu-se uma revisão bibliográfica e seguindo uma perspectiva interdisciplinar e multidisciplinar, recorreu-se às disciplinas de pedagogia, psicologia e marketing para formular tal modelo. Para avaliar o modelo multidisciplinar de aprendizagem, foi desenvolvida uma ferramenta em ambiente de internet que pudesse avaliar de maneira consistente e objetiva, todas as variáveis do modelo. Como resultado surgiram proposições que foram avaliadas em entrevistas com especialistas e correlacionadas a literatura existente. É objetivo deste trabalho entender melhor estes usuários, quer sejam consumidores de e- commerce ou não e poder melhor gerir o processo de aprendizado dos mesmos, algo novo e que terá impacto significativo no sucesso das organizações neste novo milênio. / [en] The purpose of the present dissertation is to develop a consumer learning model that involves multidimensional aspects, considering the learner, the process of learning and the result of learning. This model also should allow to understand and manage these consumers. In this sense, the literature review was provided and according to a standpoint which is both inter and multidisciplinary, contributions from several disciplines like Pedagogy, Psychology and Marketing oriented the construction of the model. In order to evaluate the multidimensional model, a tool was developed in internet environment, considering all variables of the model, consistently and objectively. As result, propositens were originated and evaluated by specialists, in qualitative interviews, and related to the literature review. As result of this dissertation, the better understanding of internet users, consumers or not, can be provided in order to manage their learning process, which is something new and can promote significant impact in organizational success in this new millennium.

[pt] O monitoramento de integridade estrutural tem sido o foco de desenvolvimentos recentes no campo da avaliação baseada em vibração e, mais recentemente, no escopo da internet das coisas à medida que medição e computação se tornam distribuídas. Os dados se tornaram abundantes, embora a transmissão nem sempre seja viável em frequências mais altas especialmente em aplicações remotas. Portanto, é importante conceber fluxos de trabalho de modelo orientados por dados que garantam a melhor relação entre a precisão do modelo para avaliação de condição e os recursos computacionais necessários para soluções incorporadas, tópico que não tem sido amplamente utilizado no contexto de medições baseadas em vibração. Neste contexto, a presente pesquisa propõe abordagens para duas aplicações: na primeira foi proposto um fluxo de trabalho de modelagem capaz de reduzir a dimensão dos parâmetros de modelos autorregressivos usando análise de componentes principais e classificar esses dados usando algumas técnicas de aprendizado de máquina como regressão logística, máquina de vetor de suporte, árvores de decisão, k-vizinhos próximos e floresta aleatória. O exemplo do prédio de três andares foi usado para demonstrar a eficácia do método. No segundo caso, é utilizado um equipamento de teste composto por inércias rotativas onde a solução de monitoramento foi testada em uma plataforma baseada em GPU embarcada. Os modelos implementados para distinguir eficazmente os diferentes estados de atrito foram análise de componentes principais, deep autoencoders e redes neurais artificiais. Modelos rasos têm melhor desempenho em tempo de execução e precisão na detecção de condições de falha. / [en] Structural health monitoring has been the focus of recent developments in vibration-based assessment and, more recently, in the scope of the internet of things as measurement and computation become distributed. Data has become abundant even though the transmission is not always feasible, especially in remote applications. It is thus essential to devise data-driven model workflows that ensure the best compromise between model accuracy for condition assessment and the computational resources needed for embedded solutions. This topic has not been widely used in the context of vibration-based measurements. In this context, the present research proposes two approaches for two applications, a static and a rotating one. In case one, a modeling workflow capable of reducing the dimension of autoregressive model features using principal component analysis and classifying this data using some of the main machine learning techniques such as logistic regression, support vector machines, decision tree classifier, k-nearest neighborhood and random forest classifier was proposed. The three-story building example was used to demonstrate the method s effectiveness, together with ways to assess the best compromise between accuracy and model size. In case two, a test rig composed of rotating inertias and slender connecting rods is used, and the monitoring solution was tested in an embedded GPU-based platform. The models implemented to effectively distinguish between different friction states were principal component analysis, deep autoencoder and artificial neural networks. Shallow models perform better concerning running time and accuracy in detecting faulty conditions.

A satisfação dos clientes é fundamental para a manutenção do relacionamento com a empresa. Quando eles precisam resolver algum problema, a empresa necessita proporcionar bom atendimento e ter capacidade de resolutividade. No entanto, o atendimento massificado, muitas vezes, impossibilita soluções sensíveis às necessidades dos clientes. A metodologia estatística pode ajudar a empresa na priorização de clientes com perfil a reclamar em um órgão de defesa ao consumidor (ODC), evitando assim uma situação de atrito. Neste projeto, foi realizada a modelagem do comportamento do cliente com relação à propensão ao atrito. Foram testadas as técnicas de Regressão Logística, Random Forest e Algoritmos Genéticos. Os resultados mostraram que os Algoritmos Genéticos são uma boa opção para tornar o modelo mais simples (parcimonioso), sem perda de performance, e que o Random Forest possibilitou ganho de performance, porém torna o modelo mais complexo, tanto do ponto de vista computacional quanto prático no que tange à implantação em sistemas de produção da empresa. / Customer satisfaction is key to maintaining the relationship with the company. When these need to solve some problem, the company needs to provide good service and have resolving capacity. However, the mass service often makes it impossible. The statistical methodology can help the company in the prioritization of clients with profile to complain in ODC, thus avoiding a situation of attrition. In this project was carried out the modeling of the behavior of the client in relation to the propensity to attrition. Logistic Regression, Random Forest and Genetic Algorithms were tested. The results showed that the Genetic Algorithms are a good option to make the model simpler (parsimonious) without loss of performance and that Random Forest allowed performance gain, but it makes the model more complex, both from the point of view computational and practical in relation to the implantation in production systems of the company.

Orientador: Mario Leandro Aolita / Banca:Alexandre Reily Rocha / Banca: Juan Felipe Carrasquilla / Resumo: Usamos métodos de aprendizagem supervisionada para estudar a decodificação de erros em códigos tóricos de diferentes tamanhos. Estudamos múltiplos modelos de erro, e obtemos figuras da eficácia de decodificação como uma função da taxa de erro de um único qubit. Também comentamos como o tamanho das redes neurais decodificadoras e seu tempo de treinamento aumentam com o tamanho do código tórico. / Abstract: We use supervised learning methods to study the error decoding in toric codes ofdifferent sizes. We study multiple error models, and obtain figures of the decoding efficacyas a function of the single qubit error rate. We also comment on how the size of thedecoding neural networks and their training time scales with the size of the toric code / Mestre

Videogames são um prolífico negócio no dias de hoje, rivalizando diretamente em cifras com indústrias muito mais antigas, como Hollywood. Tamanha aceitação do público é um indicio de que videogames não podem mais ser julgados como meros joguinhos, mas sim um novo meio comunicativo, com sua própria estética e linguagem. Neste trabalho, será explorado brevemente como se caracteriza a linguagem dos videogames, sua evolução em relação a dos jogos e sua atual formatação. Parte essencial da linguagem contemporânea dos jogos digital diz respeito a sua dependência na interação do jogador e, assim sendo, partiremos para o principal estudo deste trabalho: a análise dos elementos de design que mediam esta interação. Observouse a existência de seis elementos mais recorrentes e explica-se, em mais detalhes, quais suas características e seu funcionamento. Estes elementos são: objetivos claros, feedback, nível de dificuldade, interação e sensação de controle, narrativa e estética, e socialização e imagem pessoal. / Videogames are a prolific business nowadays, catching up and even surpassing figures with much more traditional industries, as Hollywood. Such a public renown is a clear evidence that videogames are not to be judged anymore as silly games, but as a new communicative media, equipped with its own aesthetics and language. In this research, there is a brief exploration on videogames language, its evolution and its contemporary format. As an essential part of videogames language is intimately connected to player\'s interaction, the elements behind such interaction are outlined and studied as the main corpus of this research. Six elements marked themselves more recurring on the studied literature and, as so, were analyzed on more details both their composition and functionality. This elements are: clear goals, feedback, difficulty level, interaction and sensation of empowerment, narrative and aesthetics, and socialization and self image.

Nos últimos anos tem-se verificado uma expansão na área de conhecimento denominada Gestão de Projetos. Esta área busca reunir as melhores práticas administrativas e gerenciais aplicáveis a projetos, com foco em cumprimento de prazos, do orçamento e com a qualidade prevista para suas entregas. Em virtude dos bons resultados que se tem obtido com a adoção dessas práticas, há uma crescente demanda por profissionais capacitados a atuar na área. Essa capacitação de profissionais tem sido suprida por meio de diversos cursos disponíveis no mercado, a maioria deles associados a algum processo de certificação. Tais processos, no entanto, tem o foco muito concentrado nos aspectos teóricos dos conhecimentos envolvidos. Neste contexto, surge a simulação computacional como ferramenta de treinamento com o objetivo de oferecer aos profissionais uma experiência prática. Esta ferramenta se insere num contexto mais amplo de treinamento, no qual os alunos serão incentivados a exercitar os conhecimentos teóricos já estudados e, dessa forma, consolidá-los. Neste trabalho é descrito o processo de desenvolvimento de um Software Simulador voltado para o ambiente e o propósito exposto. Uma importante contribuição deste trabalho é a demonstração da viabilidade de construção de um simulador com tal propósito, materializada no software apresentado. Outra contribuição é de, num único texto, reunir, adequar e documentar um conjunto de conceitos e modelos que se encontram esparsos em um grande número de referências bibliográficas. São também apresentados os paradigmas, recursos, funcionalidades e características do Simulador, bem como uma aplicação criada para teste e validação do mesmo. Uma versão operacional do software produzido acompanha este texto. / In recent years we have seen the growth of Project Management best practices and techniques used as an effort to achieve project goals resumed as the release its deliverables on time and on budget with the specified quality. Due to the success reported by the practicioners in real situations, there has been an increasing demand for professionals with Knowledge and skills on such project management practices and techniques. As a consequence, to supply this increasing demand, there is a strong need to prepare new professionals. Courses and certification processes have been the answer to this demand, but their methods almost rely upon project management theories. In this context, the computer simulation emerges as a training tool to be used to offer the trainees a practical experience without the real life risks. Used as a business game, its goal is the practice of already learned theory. The purpose of this text is to present the work done on the simulation software development including the literature review as a background, the elicitation of software requirements, the definition and adoption of models and data structure used. Also, the Simulator characteristics, functionalities and resources are presented and described, using an application developed to test the software. This text main contribution is the documentation of many concepts and models used to build tte simulation software, as well as the working software itself. At the end, conclusions are pointed out and further work are recommended.

A elevada quantidade e variedade de informações adquirida e armazenada em meio eletrônico e a incapacidade humana de analizá-las, têm motivado o desenvolvimento da área de Mineracão de Dados - MD - que busca, de maneira semi-automática, extrair conhecimento novo e útil de grandes bases de dados. Uma das fases do processo de MD é o pré-processamento dessas bases de dados. O pré-processamento de dados tem como alguns de seus principais objetivos possibilitar que o usuário do processo obtenha maior compreensão dos dados utilizados, bem como tornar os dados mais adequados para as próximas fases do processo de MD. Uma técnica que busca auxiliar no primeiro objetivo citado é a geracão de gráficos de dados, a qual consiste na representação gráfica dos registros (exemplos) de uma base de dados. Existem diversos métodos de geracão de gráficos, cada qual com suas características e objetivos. Ainda na fase de pré-processamento, de modo a tornar os dados brutos mais adequados para as demais fases do processo de MD, diversas técnicas podem ser aplicadas, promovendo transformações nesses dados. Uma delas é a discretização de dados, que transforma um atributo contínuo da base de dados em um atributo discreto. Neste trabalho são abordados alguns métodos de geração de gráficos e de discretização de dados freqüentemente utilizados pela comunidade. Com relação aos métodos de geração de gráficos, foi projetado e implementado o sistema DISCOVERGRAPHICS que provê interfaces para a geração de gráficos de dados. As diferentes interfaces criadas permitem a utilização do sistema por usuários avançados, leigos e por outros sistemas computacionais. Com relação ao segundo assunto abordado neste trabalho, discretização de dados, foram considerados diversos métodos de discretização supervisionados e não-supervisionados, freqüentemente utilizados pela comunidade, e foi proposto um novo método não-supervisionado denominado K-MeansR. Esses métodos foram comparados entre sí por meio da realização de experimentos e analise estatística dos resultados, considerando-se diversas medidas para realizar a avaliação. Os resultados obtidos indicam que o método proposto supera vários dos métodos de discretização considerados / The great quantity and variety of information acquired and stored electronically and the lack of human capacity to analyze it, have motivated the development of Data Mining - DM - a process that attempts to extract new and useful knowledge from databases. One of the steps of the DM process is data preprocessing. The main goals of the data preprocessing step are to enable the user to have a better understanding of the data being used and to transform the data so it is appropriate for the next step of the DM process related to pattern extraction. A technique concerning the first goal consists of the graphic representation of records (examples) of databases. There are various methods to generate these graphic representations, each one with its own characteristics and objectives. Furthermore, still in the preprocessing step, and in order to transform the raw data into a more suitable form for the next step of the DM process, various data discretization technique methods which transform continuous database attribute values into discrete ones can be applied. This work presents some frequently used methods of graph generation and data discretization. Related to the graph generation methods, we have developed a system called DISCOVERGRAPHICS, which offers different interfaces for graph generation. These interfaces allow both advanced and beginner users, as well as other systems, to access the DISCOVERGRAPHICS system facilities. Regarding the second subject of this work, data discretization, we considered various supervised and unsupervised methods and proposed a new unsupervised data discretization method called K-MeansR. Using different evaluation measures and databases, all these methods were experimentally compared to each other and statistical tests were run to analyze the experimental results. These results showed that the proposed method performed better than many of the other data discretization methods considered in this work

O Programa Institucional de Bolsas de Iniciação à Docência (PIBID), tem como objetivo o aperfeiçoamento da formação docente nas licenciaturas. Isto é previsto através da parceria estabelecida entre a universidade e a escola de educação básica. O programa foi alvo de um estudo avaliativo no ano de 2014 que revelou diversas contribuições proporcionadas pelo programa. As contribuições abrangiam todos os sujeitos participantes do processo, no entanto, apenas algumas apontavam os alunos das escolas públicas. Nessa pesquisa, buscamos compreender e caracterizar as contribuições que os licenciandos, ou pibidianos, possibilitaram aos alunos de uma escola pública. Para isso, além de ouvir o supervisor e os pibidianos, entrevistamos os alunos de uma escola pública. Para esse estudo, acompanhamos uma professora supervisora e alguns dos pibidianos orientados por ela. A observação foi realizada durante o segundo semestre de 2015 e durante o ano de 2016. Para caracterizar as contribuições, fundamentamos nosso trabalho nas ideias de Vygotsky sobre mediação e aprendizado. Os dados coletados foram divididos em quatro eixos: Cultura escolar, Aprendizado, Linguagem e Afetividade. As contribuições foram denominadas mediações e dos quatro eixos emergiram sete categorias: mediação científica, mediação científica, mediação assistencial, mediação problematizadora, mediação comunicativa, mediação afetivo-vivencial e mediação afetivo-científica. As categorias foram construídas no decorrer da análise dos dados, com exceção das categorias afetivo-vivencial e afetivo-científica que nos baseamos no trabalho desenvolvido por Pereira (2014). Inicialmente esperávamos resultados mostrando que a contribuição dos pibidianos para a educação científica dos alunos seria uma complementação da contribuição da supervisora. De fato, encontramos uma mudança dos alunos bastante diversificada e de longo prazo, envolvendo a cultura, a linguagem, a própria comunicação, a afetividade e também a Alfabetização Científica, que não seria possível sem a colaboração dos pibidianos, e que resultou também numa mudança da atuação deles e da supervisora. / The Institutional Scholarship for Teaching Initiation Program (Programa Institucional de Bolsas de Iniciação à Docência - PIBID) aims to improve teacher education in undergraduate programs. This is provided through the partnership established between the university and the school of basic education. The program was the subject of an evaluative study in the year 2014 that revealed several contributions provided by the program. The contributions covered all the subjects participating in the process, however, only a few contributions referred to students of the public school. In this research, we seek to understand and characterize the contributions that the undergraduate student enable to the students of a public school. For this, in addition to listening to the supervisor and the pibidianos, we interview the students of a public school. For this study, we accompanied a supervising teacher and some of the undergraduate students guided by her. The observation was made during the second half of 2015 and during the year 2016. To characterize the contributions, we base our work on Vygotsky\'s ideas on mediation and learning. The data collected were divided into four axes: School Culture, Learning, Language and Affectivity. The contributions were denominated mediations and seven categories emerged from the four axes: cultural-scientific mediation, scientific mediation, assistance mediation, problematizing mediation, communicative mediation, affective-experiential mediation and affective-scientific mediation. The categories were constructed during the analysis of the data, with the exception of the affective-experiential and affective-scientific categories based on the work developed by Pereira (2014). Initially we expected results showing that the contribution of the pibidians to students\' scientific education would complement the contribution of the supervisor. In fact, we find a rather diffuse and long-term change of students, involving culture, language, communication itself, affectivity and also Scientific Literacy, which would not be possible without the collaboration of the undergraduate students, and which also resulted in a change their work and the supervisor.