Resumo: A voz é uma das faculdades essenciais à comunicação humana; é adquirida e vai se formando através de nosso crescimento físico e emocional. Os profissionais da voz, em especial o professor, devido ao uso intensivo e por estar, em geral, despreparado para a gande demanda vocal diária, utilizam-na de forma inadequada em seu ofício, podendo produzir os chamados distúrbios vocais. Desta forma, é importante que esses profissionais sejam orientados a desenvolverem medidas preventivas visando a manter a qualidade da própria voz. Este trabalho tem como objetivo fazer a classificação quanto a gravidade de distúrbios vocais de docentes de uma escola localizada no município de Curitiba, PR. O interesse da escola com relação a esta classificação está no fato de que o docente com distúrbio classificado como leve poderá aumentar a sua carga horária, se assim o desejar; já o docente com distúrbio classificado como grave, terá que reduzir a sua carga horária, visando a sua saúde e bem-estar. Para tanto, foram utilizados dados de 100 docentes desta escola, com 10 informações (atributos) de cada um deles e, também, as suas respectivas classificações, fornecidos pela especialista da área, a fonoaudióloga da escola. Para alcançar o objetivo proposto, foi aqui utilizado o processo KDD (Knowledge Disco ery in Databases ou Descoberta de Conhecimento em Bases de Dados), usando na etapa de Data Mining (ou Mineração de Dados), duas técnicas de Reconhecimento de Padrões, Redes Neurais Artificiais (RNAs) e a Função Discriminante Linear de Fisher (FDLF) para realizar a classificação dos padrões (docentes). As referidas técnicas (RNAs e FDLF) foram treinadas, comparativamente, para que forneçam com a máxima acurácia possível, a classificação para cada um dos padrões. Assim, dado um novo padrão (novo docente) com seus atributos, pode-se utilizar a técnica treinada que tenha apresentado o melhor desempenho (RNAs ou FDLF) para classificar este novo padrão, sendo que, desta forma, a especialista terá um respaldo adicional para o seu diagnóstico. As técnicas utilizadas mostraram-se de grande eficiência, visto que apresentaram uma margem de erro aceitável e resultados consistentes. Nesta comparação, as RNAs mostraram um maior desempenho, apresentando um resultado de 100% de acerto, no teste IV, contra 84,61% de acerto, no teste VI, da FDLF.
| Identifer | oai:union.ndltd.org:IBICT/oai:dspace.c3sl.ufpr.br:1884/24908 |
| Date | 01 December 2010 |
| Creators | Oliveira, Divanete Maria Bitdinger de |
| Contributors | Steiner, Maria Teresinha Arns, 1957-, Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduaçao em Métodos Numéricos em Engenharia |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFPR, instname:Universidade Federal do Paraná, instacron:UFPR |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.002 seconds