Muitos problemas de classificação descritos na literatura de aprendizado de máquina e mineração de dados dizem respeito à classificação em que cada exemplo pertence a um único rótulo. Porém, vários problemas de classificação, principalmente no campo de Bioinformática são associados a mais de um rótulo; esses problemas são conhecidos como problemas de classificação multirrótulo. O princípio básico da classificação multirrótulo é similar ao da classificação tradicional (que possui um único rótulo), sendo diferenciada no número de rótulos a serem preditos, na qual há dois ou mais rótulos. Na área da Bioinformática muitos problemas são compostos por uma grande quantidade de rótulos em que cada exemplo pode estar associado. Porém, algoritmos de classificação tradicionais são incapazes de lidar com um conjunto de exemplos mutirrótulo, uma vez que esses algoritmos foram projetados para predizer um único rótulo. Uma solução mais simples é utilizar o método conhecido como método Binary Relevance. Porém, estudos mostraram que tal abordagem não constitui uma boa solução para o problema da classificação multirrótulo, pois cada classe é tratada individualmente, ignorando as possíveis relações entre elas. Dessa maneira, o objetivo dessa pesquisa foi propor uma nova adaptação do método Binary Relevance que leva em consideração relações entre os rótulos para tentar minimizar sua desvantagem, além de também considerar a capacidade de interpretabilidade do modelo gerado, não só o desempenho. Os resultados experimentais mostraram que esse novo método é capaz de gerar árvores que relacionam os rótulos correlacionados e também possui um desempenho comparável ao de outros métodos, obtendo bons resultados usando a medida-F. / Many classification problems described in the literature on Machine Learning and Data Mining relate to the classification in which each example belongs to a single class. However, many classification problems, especially in the field of Bioinformatics, are associated with more than one class; these problems are known as multi-label classification problems. The basic principle of multi-label classification is similar to the traditional classification (single label), and distinguished by the number of classes to be predicted, in this case, in which there are two or more labels. In Bioinformatics many problems are composed of a large number of labels that can be associated with each example. However, traditional classification algorithms are unable to cope with a set of multi-label examples, since these algorithms are designed to predict a single label. A simpler solution is to use the method known as Binary Relevance. However, studies have shown that this approach is not a good solution to the problem of multi-label classification because each class is treated individually, ignoring possible relations between them. Thus, the objective of this research was to propose a new adaptation of Binary Relevance method that took into account relations between labels trying to minimize its disadvantage, and also consider the ability of interpretability of the model generated, not just its performance. The experimental results show that this new method is capable of generating trees that relate labels and also has a performance comparable to other methods, obtaining good results using F-measure.

A crescente capacidade de computação dos componentes multiprocessados como processadores e unidades de processamento gráfico oferecem novas oportunidades para os campos de pesquisa relacionados computação embarcada e de alto desempenho (do inglês, high-performance computing). A crescente capacidade de computação progressivamente dos sistemas baseados em multicores permite executar eficientemente aplicações complexas com menor consumo de energia em comparação com soluções tradicionais de núcleo único. Essa eficiência e a crescente complexidade das cargas de trabalho das aplicações incentivam a indústria a integrar mais e mais componentes de processamento no mesmo sistema. O número de componentes de processamento empregados em sistemas grande escala já ultrapassa um milhão de núcleos, enquanto as plataformas embarcadas de 1000 núcleos estão disponíveis comercialmente. Além do enorme número de núcleos, a crescente capacidade de processamento, bem como o número de elementos de memória interna (por exemplo, registradores, memória RAM) inerentes às arquiteturas de processadores emergentes, está tornando os sistemas em grande escala mais vulneráveis a erros transientes e permanentes. Além disso, para atender aos novos requisitos de desempenho e energia, os processadores geralmente executam com frequências de relógio agressivos e múltiplos domínios de tensão, aumentando sua susceptibilidade à erros transientes, como os causados por efeitos de radiação. A ocorrência de erros transientes pode causar falhas críticas no comportamento do sistema, o que pode acarretar em perdas de vidas financeiras ou humanas. Embora tenha sido observada uma taxa de 280 erros transientes por dia durante o voo de uma nave espacial, os sistemas de processamento que trabalham à nível do solo devem experimentar pelo menos um erro transiente por dia em um futuro próximo. A susceptibilidade crescente de sistemas multicore à erros transientes necessariamente exige novas ferramentas para avaliar a resiliência à erro transientes de componentes multiprocessados em conjunto com pilhas complexas de software (sistema operacional, drivers) durante o início da fase de projeto. O objetivo principal abordado por esta Tese é desenvolver um conjunto de técnicas de injeção de falhas, que formam uma ferramenta de injeção de falha. O segundo objetivo desta Tese é estabelecer as bases para novas disciplinas de gerenciamento de confiabilidade considerando erro transientes em sistemas emergentes multi/manycore utilizando aprendizado de máquina. Este trabalho identifica multiplicas técnicas que podem ser usadas para fornecer diferentes níveis de confiabilidade na carga de trabalho e na criticidade do aplicativo. / The increasing computing capacity of multicore components like processors and graphics processing unit (GPUs) offer new opportunities for embedded and high-performance computing (HPC) domains. The progressively growing computing capacity of multicore-based systems enables to efficiently perform complex application workloads at a lower power consumption compared to traditional single-core solutions. Such efficiency and the ever-increasing complexity of application workloads encourage industry to integrate more and more computing components into the same system. The number of computing components employed in large-scale HPC systems already exceeds a million cores, while 1000-cores on-chip platforms are available in the embedded community. Beyond the massive number of cores, the increasing computing capacity, as well as the number of internal memory cells (e.g., registers, internal memory) inherent to emerging processor architectures, is making large-scale systems more vulnerable to both hard and soft errors. Moreover, to meet emerging performance and power requirements, the underlying processors usually run in aggressive clock frequencies and multiple voltage domains, increasing their susceptibility to soft errors, such as the ones caused by radiation effects. The occurrence of soft errors or Single Event Effects (SEEs) may cause critical failures in system behavior, which may lead to financial or human life losses. While a rate of 280 soft errors per day has been observed during the flight of a spacecraft, electronic computing systems working at ground level are expected to experience at least one soft error per day in near future. The increased susceptibility of multicore systems to SEEs necessarily calls for novel cost-effective tools to assess the soft error resilience of underlying multicore components with complex software stacks (operating system-OS, drivers) early in the design phase. The primary goal addressed by this Thesis is to describe the proposal and development of a fault injection framework using state-of-the-art virtual platforms, propose set of novel fault injection techniques to direct the fault campaigns according to with the software stack characteristics, and an extensive framework validation with over a million of simulation hours. The second goal of this Thesis is to set the foundations for a new discipline in soft error reliability management for emerging multi/manycore systems using machine learning techniques. It will identify and propose techniques that can be used to provide different levels of reliability on the application workload and criticality.

Sistemas de Recomendação (SR) vêm se apresentando como poderosas ferramentas para portais web tais como sítios de comércio eletrônico. Para fazer suas recomendações, os SR se utilizam de fontes de dados variadas, as quais capturam as características dos usuários, dos itens e suas transações, bem como de modelos de predição. Dada a grande quantidade de dados envolvidos, é improvável que todas as recomendações possam ser bem representadas por um único modelo global de predição. Um outro importante aspecto a ser observado é o problema conhecido por cold-start, que apesar dos avanços na área de SR, é ainda uma questão relevante que merece uma maior atenção. O problema está relacionado com a falta de informação prévia sobre novos usuários ou novos itens do sistema. Esta tese apresenta uma abordagem híbrida de recomendação capaz de lidar com situações extremas de cold-start. A abordagem foi desenvolvida com base no algoritmo SCOAL (Simultaneous Co-Clustering and Learning). Na sua versão original, baseada em múltiplos modelos lineares de predição, o algoritmo SCOAL mostrou-se eficiente e versátil, podendo ser utilizado numa ampla gama de problemas de classificação e/ou regressão. Para melhorar o algoritmo SCOAL no sentido de deixá-lo mais versátil por meio do uso de modelos não lineares, esta tese apresenta uma variante do algoritmo SCOAL que utiliza modelos de predição baseados em Máquinas de Aprendizado Extremo. Além da capacidade de predição, um outro fator que deve ser levado em consideração no desenvolvimento de SR é a escalabilidade do sistema. Neste sentido, foi desenvolvida uma versão paralela do algoritmo SCOAL baseada em OpenMP, que minimiza o tempo envolvido no cálculo dos modelos de predição. Experimentos computacionais controlados, por meio de bases de dados amplamente usadas na prática, comprovam que todos os desenvolvimentos propostos tornam o SCOAL ainda mais atraente para aplicações práticas variadas. / Recommender Systems (RS) are powerful and popular tools for e-commerce. To build its recommendations, RS make use of multiple data sources, capture the characteristics of items, users and their transactions, and take advantage of prediction models. Given the large amount of data involved in the predictions made by RS, is unlikely that all predictions can be well represented by a single global model. Another important aspect to note is the problem known as cold-start that, despite that recent advances in the RS area, it is still a relevant issue that deserves further attention. The problem arises due to the lack of prior information about new users and new items. This thesis presents a hybrid recommendation approach that addresses the (pure) cold start problem, where no collaborative information (ratings) is available for new users. The approach is based on an existing algorithm, named SCOAL (Simultaneous Co-Clustering and Learning). In its original version, based on multiple linear prediction models, the SCOAL algorithm has shown to be efficient and versatile. In addition, it can be used in a wide range of problems of classification and / or regression. The SCOAL algorithm showed impressive results with the use of linear prediction models, but there is still room for improvements with nonlinear models. From this perspective, this thesis presents a variant of the SCOAL based on Extreme Learning Machines. Besides improving the accuracy, another important issue related to the development of RS is system scalability. In this sense, a parallel version of the SCOAL, based on OpenMP, was developed, aimed at minimizing the computational cost involved as prediction models are learned. Experiments using real-world datasets has shown that all proposed developments make SCOAL algorithm even more attractive for a variety of practical applications.

As Interfaces Cérebro-Computador (do inglês Brain-Computer Interfaces BCI) são sistemas que visam permitir a interação entre usuários e máquinas por meio do monitoramento das atividades cerebrais. Sistemas de BCI são considerados como uma alternativa para que pessoas com perda severa ou total do controle motor, tais como as que sofrem de Esclerose Lateral Amiotrófica, possam contar com algum controle sobre o ambiente externo. Para mapear intenções individuais em operações de máquina, os sistemas de BCI empregam um conjunto de etapas que envolvem a captura e pré-processamento dos sinais cerebrais, a extração e seleção de suas características mais relevantes e a classificação das intenções. O projeto e a implementação de sistemas de BCI viáveis ainda são questões em aberto devido aos grandes desafios encontrados em cada uma de suas etapas. Esta lacuna motivou este trabalho de mestrado o qual apresenta uma avaliação dos principais extratores de características utilizados para classificar ensaios de imagética motora, cujos dados foram obtidos por meio de eletroencefalografia (EEG) e apresentam influências de artefatos, mais precisamente daqueles produzidos por interferências provenientes de atividades oculares (monitoradas por eletrooculografia EOG). Foram considerados sinais coletados pela BCI Competition IV-2b, os quais contêm informações sobre três canais de EEG e três outros de EOG. Como primeira etapa, foi realizado o pré-processamento desses canais utilizando a técnica de Análise de Componentes Independentes (ICA) em conjunto com um limiar de correlação para a remoção de componentes associados a artefatos oculares. Posteriormente, foram avaliadas diferentes abordagens para a extração de características, a mencionar: i) Árvore Diádica de Bandas de Frequências (ADBF); ii) Padrões Espaciais Comuns (CSP); iii) Padrões Espectro-Espaciais Comuns (CSSP); iv) Padrões Esparsos Espectro-Espaciais Comuns (CSSSP); v) CSP com banco de filtros (FBCSP); vi) CSSP com banco de filtros (FBCSSP); e, finalmente, vii) CSSSP com banco de filtros (FBCSSSP). Contudo, como essas técnicas podem produzir espaços de exemplos com alta dimensionalidade, considerou-se, também, a técnica de Seleção de Características baseada em Informação Mútua (MIFS) para escolher os atributos mais relevantes para o conjunto de dados adotado na etapa de classificação. Finalmente, as Máquinas de Vetores de Suporte (SVM) foram utilizadas para a classificação das intenções de usuários. Experimentos permitem concluir que os resultados do CSSSP e FBCSSSP são equiparáveis àqueles produzidos pelo estado da arte, considerando o teste de significância estatística de Wilcoxon bilateral com confiança de 0, 95. Apesar disso o CSSSP tem sido negligenciado pela área devido ao fato de sua parametrização ser considerada complexa, algo que foi automatizado neste trabalho. Essa automatização reduziu custos computacionais envolvidos na adaptação das abordagens para indivíduos específicos. Ademais, conclui-se que os extratores de características FBCSP, CSSP, CSSSP, FBCSSP e FBCSSSP não necessitam da etapa de remoção de artefatos oculares, pois efetuam filtragens por meio de modelos autoregressivos. / Brain-Computer Interfaces (BCI) employ brain imaging to enable human-machine interaction without physical control. BCIs are an alternative so that people suffering from severe or complete loss of motor control, like those with Amyotrophic Lateral Sclerosis (ALS), may have some interaction with the external environment. To transform individual intentions onto machine operations, BCIs rely on a series of steps that include brain signal acquisition and preprocessing, feature extraction, selection and classification. A viable BCI implementation is still an open question due to the great challenges involved in each one of these steps. This gap motivated this work, which presents an evaluation of themain feature extractors used to classify Motor Imagery trials, whose data were obtained through Electroencephalography (EEG) influenced by ocular activity, monitored by Electrooculography (EOG). In this sense, signals acquired by BCI Competition IV-2b, were considered. As first step the preprocessing was performed through Independent Component Analysis (ICA) together with a correlation threshold to identify components associated with ocular artifacts. Afterwards, different feature extraction approaches were evaluated: i) Frequency Subband Dyadic Three; ii) Common Spatial Patterns (CSP); iii) Common Spectral-Spatial Patterns (CSSP); iv) Common Sparse Spectral-Spatial Patterns (CSSSP); v) Filter Bank Common Spatial Patterns (FBCSP); vi) Filter Bank Common Sectral-Spatial Patterns (FBCSSP); and, finally, vii) Filter Bank Sparse Spectral- Spatial Patterns (FBCSSSP). These techniques tend to produce high-dimensional spaces, so a Mutual Information-based Feature Selection was considered to select signal attributes. Finally, Support Vector Machines were trained to tackle the Motor Imagery classification. Experimental results allow to conclude that CSSSP and FBCSSSP are statistically equivalent the state of the art, when two-sided Wilcoxon test with 0, 95 confidence is considered. Nevertheless, CSSSP has been neglected by this area due to its complex parametrization, which is addressed in this work using an automatic approach. This automation reduced computational costs involved in adapting the BCI system to specific individuals. In addition, the FBCSP, CSSP, CSSSP, FBCSSP and FBCSSSP confirm to be robust to artifacts as they implicitly filter the signals through autoregressive models.

A segmentação é um passo importante em praticamente todas as tarefas que envolvem processamento de imagens digitais. Devido à variedade de imagens e diferentes necessidades da segmentação, a automação da segmentação não é uma tarefa trivial. Em muitas situações, abordagens interativas, nas quais o usuário pode intervir para guiar o processo de segmentação, são bastante úteis. Abordagens baseadas na transformação watershed mostram-se adequadas para a segmentação interativa de imagens: o watershed a partir de marcadores possibilita que o usuário marque as regiões de interesse na imagem; o watershed hierárquico gera uma hierarquia de partições da imagem sendo analisada, hierarquia na qual o usuário pode navegar facilmente e selecionar uma particular partição (segmentação). Em um trabalho prévio, propomos um método que integra as duas abordagens de forma que o usuário possa combinar os pontos fortes dessas duas formas de interação intercaladamente. Apesar da versatilidade obtida ao se integrar as duas abordagens, as hierarquias construídas dificilmente contêm partições interessantes e o esforço de interação necessário para se obter um resultado desejado pode ser muito elevado. Nesta tese propomos um método, baseado em aprendizagem computacional, que utiliza imagens previamente segmentadas para tentar adaptar uma dada hierarquia de forma que esta contenha partições mais próximas de uma partição de interesse. Na formulação de aprendizagem computacional, diferentes características da imagem são associadas a possíveis contornos de regiões, e esses são classificados como contornos que devem ou não estar presentes na partição final por uma máquina de suporte vetorial previamente treinada. A hierarquia dada é adaptada de forma a conter uma partição que seja consistente com a classificação obtida. Essa abordagem é particularmente interessante em cenários nos quais lotes de imagens similares ou sequências de imagens, como frames em sequências de vídeo ou cortes produzidas por exames de diagnóstico por imagem, precisam ser segmentadas. Nesses casos, é esperado que, a cada nova imagem a ser segmentada, o esforço de interação necessário para se obter a segmentação desejada seja reduzido em relação ao esforço que seria necessário com o uso da hierarquia original. Para não dependermos de experimentos com usuários na avaliação da redução no esforço de interação, propomos e utilizamos um modelo de interação que simula usuários humanos no contexto de segmentação hierárquica. Simulações deste modelo foram comparadas com sequências de interação observadas em experimentos com usuários humanos. Experimentos com diferentes lotes e sequências de imagens mostram que o método é capaz de reduzir o esforço de interação. / Segmentation is an important step in nearly all tasks involving digital image processing. Due to the variety of images and segmentation needs, automation of segmentation is not a trivial task. In many situations, interactive approaches in which the user can intervene to guide the segmentation process, are quite useful. Watershed transformation based approaches are suitable for interactive image segmentation: the watershed from markers allows the user to mark the regions of interest in the image; the hierarchical watershed generates a hierarchy of partitions of the image being analyzed, hierarchy in which the user can easily navigate and select a particular partition (segmentation). In a previous work, we have proposed a method that integrates the two approaches so that the user can combine the strong points of these two forms of interaction interchangeably. Despite the versatility obtained by integrating the two approaches, the built hierarchies hardly contain interesting partitions and the interaction effort needed to obtain a desired outcome can be very high. In this thesis we propose a method, based on machine learning, that uses images previously segmented to try to adapt a given hierarchy so that it contains partitions closer to the partition of interest. In the machine learning formulation, different image features are associated to the possible region contours, and these are classified as ones that must or must not be present in the final partition by a previously trained support vector machine. The given hierarchy is adapted to contain a partition that is consistent with the obtained classification. This approach is particularly interesting in scenarios where batches of similar images or sequences of images, such as frames in video sequences or cuts produced by imaging diagnosis procedures, need to be segmented. In such cases, it is expected that for each new image to be segmented, the interaction effort required to achieve the desired segmentation is reduced relative to the effort that would be required when using the original hierarchy. In order to do not depend on experiments with users in assessing the reduction in interaction effort, we propose and use an interaction model that simulates human users in the context of hierarchical segmentation. Simulations of this model were compared with interaction sequences observed in experiments with humans users. Experiments with different bacthes and image sequences show that the method is able to reduce the interaction effort.

Esta pesquisa tem por objetivo realizar uma reflexão teórico-filosófica sobre a inserção da hipermídia no cotidiano do aprendizado humano. Partimos da hipótese de que essa inserção é essencial em vias de uma mudança no paradigma escolar tradicional no contexto da pós-modernidade. Entendemos aqui, com base na filosofia hermenêutica de Hans-Georg Gadamer e sua crítica à epistemologia moderna e na crítica construtivista pelas vozes de Jean Piaget e Paulo Freire, que o conhecimento se constrói a partir da experiência cotidiana, da realidade do ser no mundo, e não pela inserção dos paradigmas científicos por eles mesmos, sem abertura ao diálogo com os saberes prévios. Sob essa ótica, desenvolvemos a noção da hipermídia como uma abertura a esse diálogo entre o senso comum cotidiano e os saberes científicos por meio de recursos como o hibridismo de linguagens, a organização hipertextual, a alinearidade e a interatividade, como conceituou a pesquisadora brasileira Lúcia Santaella. Entendemos aqui que a exploração dessas possibilidades leva a uma realocação do papel do sujeito na produção do conhecimento. Dessa forma, reposiciona-se o papel do professor, do estudante e das instituições escolares no contexto das novas tecnologias em uma estratégia descrita por J. J. Brunner que passa pela necessidade de ofertar à população uma educação contínua ao longo da vida e uma aprendizagem distribuída, que pode ser realizada a distância, para todos. Como metodologia para desenvolver esta tese, lançamos mão da análise de alguns fenômenos da atualidade, como hipermídias, experiências no âmbito artístico e científico e cursos a distância. / The purpose of this research was a theoretical and phylosophical pondering on the use of hypermedia in everyday learning, Our hypothesis considered such use as essential for a shift in the traditional education paradigm in a post-modern context. Based on Hans-Georg Gadamer\'s hermeneutics and his critic to modern epistemology, as well as on Jean Piaget\'s and Paulo Freire\'s contributions, we assume that knowledge is constructed by everyday experience, by a person\'s environment and being in the world, and not by their incorporation of scientific paradigm with no opening for dialogue with previous knowledges. Thus, we understand hypermedia as a manner of opening for such dialogue between common sense and scientific knowledge through resources such as hybrydization of languages, hypertextual organization, nonlinearity and interactivity, as defined by Brazilian researcher Lúcia Santaella. We believe that the exploration of these possibilities allows for a repositioning of the subject\'s role in the production of knowledge. Thus, there is a repositioning of the roles of teachers, students and schools in the context of the new technologies in a strategy described by J. J. Brunner as one that is based on the need of offering to all people a continuous education throughout their lives, which may be offered as distance education. We also analyze some recent phenomena, such as hypermedia, digital artistic and scientific experiences and distance courses

Esta tese resulta de pesquisa que teve como objetivo verificar e analisar as dimensões relativas à gestão e à estrutura da escola no ensino de leitura literária nos anos iniciais do ensino fundamental. Os dados empíricos foram coletados em uma escola da rede estadual paulista, na periferia da zona sul de São Paulo. Tendo a perspectiva sócio-histórica como base conceitual, partiu-se da concepção de educação como formação e atualização do ser humanohistórico por meio da apropriação da cultura (FREIRE, 2011a, 2011b; PARO, 2012a, 2012b, 2011, 2010). A linguagem verbal é compreendida como instrumento cultural, criado pelo ser humano em meio às necessidades de interlocução da convivência e do trabalho, constituidora do sujeito e do conhecimento (VIGOTSKI, 2009a, 2009b, 2007; BAKHTIN, 2014; SMOLKA, 2012, 2013; GERALDI, 2013, 2009). A leitura também é vista como constituidora de subjetividades pela interlocução entre sujeitos por meio da escrita; entendida como atividade de produção de sentidos pelo leitor, inserido no contexto linguístico e sociocultural mais amplo (CHARTIER, 2009; GOULEMOT, 2009; GERALDI, 2013, 2009). Tomada como prática social, influenciada por fatores econômicos, políticos, sociais e culturais (CHARTIER, 2009; LAJOLO e ZILBERMAN, 2003; ABREU, 1999), pressupõe-se que a leitura pode ser ensinada e aprendida na escola (JOLIBERT, 1994; CHARTIER, A-M., 2005, 2011; SOARES, 2006; REZENDE, 2013a, 2013b, 2012), com potencial de ampliação, transformação e ressignificação de repertórios culturais (HÉBRARD, 2009). Como resultados da pesquisa, foram identificadas cinco dimensões que devem estar conjugadas para garantir um trabalho pedagógico consistente de ensino da leitura literária ao longo de todo o ciclo dos anos iniciais: formação de professores; planejamento e gestão pedagógica; objetos de leitura e seus usos; avaliação; interlocução para a produção de sentidos. Verificou-se que, apesar de alguns avanços, essas cinco dimensões não são consideradas em seu conjunto no âmbito do sistema estadual de ensino e tampouco na escola. / This thesis is the result of a research that aimed to verify and analyze the dimensions related to management and structure of school regarding teaching of literary reading at primary level. The data were collected in public school located at south zone of São Paulo. From a sociohistorical perspective, education was conceived as formation of historical-human being through culture appropriation (FREIRE, 2011a, 2011b; PARO, 2012a, 2012b, 2011, 2010). Speech language was taken as a cultural tool, created by humans facing the needs of interaction for common life and work; it is also constituent of selves and knowledge (VIGOTSKI, 2009a, 2009b, 2007; BAKHTIN, 2014; SMOLKA, 2012, 2013; GERALDI, 2013, 2009). Reading is also seen as constituent of selves as interaction through written language; at the same time it is understood as activity of production of meaning: readers build meaning, situated on a broader linguistic and social context (CHARTIER, 2009; GOULEMOT, 2009; GERALDI, 2013, 2009). Reading is also a social practice, influenced by economic, political, social and cultural factors (CHARTIER, 2009; LAJOLO e ZILBERMAN, 2003; ABREU, 1999). As a social practice reading can be taught and learnt at school (JOLIBERT, 1994; CHARTIER, A-M., 2005, 2011; SOARES, 2006; REZENDE, 2013a, 2013b, 2012), helping to enlarge, change and reshape cultural background of learners (HÉBRARD, 2009). As result of the research, we identified five dimensions which should be put together to warranty a consistent pedagogical work of teaching literary reading throughout primary school: teachers training; pedagogical management and planning; reading objects and its uses; assessment of teaching and learning processes; interaction for production of meaning. Although some positive aspects were found, we verified that such five dimensions have not been considered as equal parts of the same project neither at state administrative level nor at school level.

O objetivo deste trabalho é estudar como a distribuição de investidores entre aleatórios, grafistas, fundamentalistas e híbridos afeta a dinâmica de um mercado de ações representada por fatos estilizados. Para realização desse trabalho, foi desenvolvido um simulador de mercado de ações baseado em agentes, no qual são incorporadas regras e características do mercado de ações da BM&FBOVESPA. Os agentes grafistas, fundamentalistas e híbridos aprendem com a experiência. O simulador foi executado um número de vezes para diversas distribuições de perfis e os resultados foram analisados com o objetivo de identificar relações entre tais distribuições e os fatos estilizados estudados / The objective of this work is to study how the distribution of investors among random, chartists, fundamentalists and hybrids affects the dynamics of a stock market represented by stylized facts. To carry out this work, we developed a stock market simulator based on agents, which incorporates rules and characteristics of the BM&FBOVESPA stock market. Chartists, fundamentalists and hybrids agents can learn from experience. The simulation was performed a number of times for various profiles distributions and the results were analyzed in order to identify relationships between these distributions and the stylized facts studied

Aprender conceitos provenientes de fluxos de dados é uma tarefa significamente diferente do aprendizado tradicional em lote. No aprendizado em lote, existe uma premissa implicita que os conceitos a serem aprendidos são estáticos e não evoluem significamente com o tempo. Por outro lado, em fluxos de dados os conceitos a serem aprendidos podem evoluir ao longo do tempo. Esta evolução é chamada de mudança de conceito, e torna a criação de um conjunto fixo de treinamento inaplicável neste cenário. O aprendizado incremental é uma abordagem promissora para trabalhar com fluxos de dados. Contudo, na presença de mudanças de conceito, conceitos desatualizados podem causar erros na classificação de eventos. Apesar de alguns métodos incrementais baseados no modelo de misturas gaussianas terem sido propostos na literatura, nota-se que tais algoritmos não possuem uma política explicita de descarte de conceitos obsoletos. Nesse trabalho um novo algoritmo incremental para fluxos de dados com mudanças de conceito baseado no modelo de misturas gaussianas é proposto. O método proposto é comparado com vários algoritmos amplamente utilizados na literatura, e os resultados mostram que o algoritmo proposto é competitivo com os demais em vários cenários, superando-os em alguns casos. / Learning concepts from data streams differs significantly from traditional batch learning. In batch learning there is an implicit assumption that the concept to be learned is static and does not evolve significantly over time. On the other hand, in data stream learning the concepts to be learned may evolve over time. This evolution is called concept drift, and makes the creation of a fixed training set be no longer applicable. Incremental learning paradigm is a promising approach for learning in a data stream setting. However, in the presence of concept drifts, out dated concepts can cause misclassifications. Several incremental Gaussian mixture models methods have been proposed in the literature, but these algorithms lack an explicit policy to discard outdated concepts. In this work, a new incremental algorithm for data stream with concept drifts based on Gaussian Mixture Models is proposed. The proposed methodis compared to various algorithms widely used in the literature, and the results show that it is competitive with them invarious scenarios, overcoming them in some cases.

A pesquisa investiga as concepções e teorias subjacentes às práticas didáticas propostas por professores em uma classe de 1º ano do Ensino Fundamental em uma escola bilíngüe. O trabalho parte de uma desconstrução do mito de monolingüismo no Brasil, apontando para a pluralidade lingüística e cultural que constitui a sociedade brasileira apesar das políticas de planificação lingüística. Define os conceitos de bilingüismo, educação bilíngüe e escola bilíngüe apoiando-se nas definições multidimensionais propostas por Hamers, Blanc, Mackey, Valdés e Figueroa, que levam em conta não apenas a proficiência nas duas línguas, mas o uso das línguas em situações de comunicação, e o bilingüismo visto como um processo em construção ao invés de um produto acabado. Os contextos bilíngües presentes no Brasil são enumerados em escolas bilíngües indígenas, escolas LIBRAS-português para surdos, escolas de fronteiras nos países do MERCOSUL, escolas internacionais e escolas bilíngües de prestígio, apresentando alguns aspectos históricos e sociais relativos à presença de cada um desses contextos na sociedade, sobretudo a conscientização dos direitos de terceira geração, como os direitos lingüísticos. Adota uma metodologia de pesquisa etnográfica, analisando em nível micro-sociológico um contexto específico, uma sala de aula de 1º ano do Ensino Fundamental em uma escola bilíngüe de prestígio, levantando dados por meio de observações e entrevistas. Analisa as práticas didáticas propostas por professores encontradas no trabalho de campo e as teorias a elas subjacentes, identificando um programa de imersão baseado na teoria de aquisição natural das línguas proposta por Krashen (natural approach), que propõe uma aquisição inconsciente da língua, semelhante à língua materna, valorizando os aspectos afetivos, lúdicos e comunicativos da língua. Encontra uma ambigüidade nas práticas de alfabetização expressa por uma visão mais ampla de alfabetização em língua portuguesa do que na língua inglesa, e relaciona-a a aspectos culturais presentes na assimetria entre metodologia de ensino e na concepção de material didático em cada língua. Relaciona a realidade encontrada em sala de aula com aspectos macro-sociais em uma perspectiva de mútua influência entre escola e sociedade, observando que o aumento do interesse pelo ensino-aprendizagem de línguas hegemônicas pode tanto constituir uma forma de aprofundamento das desigualdades sociais quanto instrumentalizar os indivíduos para terem acesso a uma amplitude maior de conhecimentos historicamente construídos. / This research investigates the conceptions and theories underlying didactic practices proposed by teachers in a first year Elementary Education class at a bilingual school. This work stems from a deconstruction of the monolinguism myth in Brazil, pointing to the linguistic and cultural plurality which constitutes Brazilian society in spite of the policies on linguistic standardization. Defines the concepts of bilingualism, bilingual education and bilingual school, basing itself on the multidimensional definitions proposed by Hamers, Blanc, Mackey, Valdés and Figueroa, which take into consideration not only proficiency in the two languages, but the use of these languages in situations of communication, and bilingualism seen as a work-in-progress and not a finished product. The bilingual contexts present in Brazil are enumerated in indigenous bilingual schools, LIBRAS-Portuguese schools for the deaf, schools on the borders of MERCOSUL countries, international schools and bilingual schools of prestige, presenting some historical and social aspects relative to the presence of each of these contexts in society, above all the awareness of the rights of the third generation, such as linguistic rights. The research adopts an ethnographic research methodology, analyzing at a micro-sociological level a specific context a classroom of a first year Elementary School Education group at a prestigious bilingual school, gathering data through observations and interviews. Analyzes the didactic practices proposed by teachers found in the field of work and the underlying theories; identifying a program of immersion based on the theory of the natural acquisition of languages proposed by Krashen (natural approach), which considers an unconscious acquisition of language, similar to mother language, valuing the affective, playful and communicative aspects of the language. Finds an ambiguity in the practice of the literacy process expressed by a more ample view of literacy in the Portuguese language than in the English language that might be regarded to diverse cultural features present in the methodology of education and the conception of didactic material in each language. Relates the reality found in the classroom with macro-social aspects, in a perspective of mutual influence between the school and society, observing that the increase in interest for the learning of hegemonic languages can constitute a form of deepening social inequality, as well as provide individuals with tools to have access to a greater amplitude of knowledge historically constructed.