O documento discute a metodologia de pesquisa para monografias na área de Ciência da Computação. Ele fornece orientações sobre como estruturar a monografia, incluindo a organização dos capítulos, a escrita do resumo e introdução, a revisão bibliográfica e o desenvolvimento. Também dá dicas sobre como escrever cada parte da monografia de forma clara e objetiva para comunicar a contribuição científica de maneira eficaz.
Realização de um projecto de investigaçãogoncalopes
Uma base para o teu trabalho, agora aproveita e só tens que fazer um excelente trabalho, seguir isto não te dá positiva, ajuda-te a ter um trabalho organizado e bem estruturado, o conteúdo é teu.
Mini-seminários da disciplina de Teste Formal de Usabilidade, Pós-graduação em Ergodesign de Interfaces da PUC-Rio / Laboratório de Ergonomia e Usabilidade de Interfaces / LEUI. Prof. Luiz Agner, 2010.
Realização de um projecto de investigaçãogoncalopes
Uma base para o teu trabalho, agora aproveita e só tens que fazer um excelente trabalho, seguir isto não te dá positiva, ajuda-te a ter um trabalho organizado e bem estruturado, o conteúdo é teu.
Mini-seminários da disciplina de Teste Formal de Usabilidade, Pós-graduação em Ergodesign de Interfaces da PUC-Rio / Laboratório de Ergonomia e Usabilidade de Interfaces / LEUI. Prof. Luiz Agner, 2010.
Informações sobre as oportunidade de estudo e carreira promovidos pelo curso de Ciências de Computação da Universidade de São Paulo, campus de São Carlos.
Introdução às ferramentas de Business Intelligence do ecossistema Hadoop:
Business Intelligence e Big Data
Big Data warehousing
Arquitetura de um data warehouse
Hadoop e Apache Hive
Extract Transform Load
Data warehouse vs Banco de dados operacional
OLAP – Online Analytical Processing
Apache Kylin
Soluções OLAP convencionais
Advanced Analytics com o Apache Mahout
On the Support of a Similarity-Enabled Relational Database Management System ...Universidade de São Paulo
Crowdsourcing solutions can be helpful to extract information from disaster-related data during crisis management. However, certain information can only be obtained through similarity operations. Some of them also depend on additional data stored in a Relational Database Management System (RDBMS). In this context, several works focus on crisis management supported by data. Nevertheless, none of them provides a methodology for employing a similarity-enabled RDBMS in disaster-relief tasks. To fill this gap, we introduce a similarity-enabled methodology together with a supporting architecture named Data-Centric Crisis Management (DCCM), which employs our methods over a RDBMS. We evaluate our proposal through three tasks: classification of incoming data regarding current events, identifying relevant information to guide rescue teams; filtering of incoming data, enhancing the decision support by removing near-duplicate data; and similarity retrieval of historical data, supporting analytical comprehension of the crisis context. To make it possible, similarity-based operations were implemented within one popular, open-source RDBMS. Results using real data from Flickr show that the proposed methodology over DCCM is feasible for real-time applications. In addition to high performance, accurate results were obtained with a proper combination of techniques for each task. At last, given its accuracy and efficiency, we expect our work to provide a framework for further developments on crisis management solutions.
Effective and Unsupervised Fractal-based Feature Selection for Very Large Dat...Universidade de São Paulo
Given a very large dataset of moderate-to-high di-
mensionality, how to mine useful patterns from it? In such
cases, dimensionality reduction is essential to overcome the
“curse of dimensionality”. Although there exist algorithms to
reduce the dimensionality of Big Data, unfortunately, they
all fail to identify/eliminate non-linear correlations between
attributes. This paper tackles the problem by exploring con-
cepts of the Fractal Theory and massive parallel processing
to present Curl-Remover, a novel dimensionality reduction
technique for very large datasets. Our contributions are: Curl-
Remover eliminates linear and non-linear attribute correlations
as well as irrelevant ones; it is unsupervised and suits for
analytical tasks in general – not only classification; it presents
linear scale-up; it does not require the user to guess the
number of attributes to be removed, and; it preserves the
attributes’ semantics. We performed experiments on synthetic
and real data spanning up to 1.1 billion points and Curl-
Remover outperformed a PCA-based algorithm, being up to
8% more accurate.
Fire Detection on Unconstrained Videos Using Color-Aware Spatial Modeling and...Universidade de São Paulo
The semantic segmentation of events on emergency contexts involves the identification of previously defined events of interest. In this work, the focused semantic event is the presence of fire in videos. The literature presents several methods for automatic video fire detection, but these methods were built under assumptions, such as stationary cameras and controlled lightening conditions that are often in contrast to the videos acquired by hand-held devices. To fulfill this gap, we propose a fire detection method, called SPATFIRE. Our method innovates on three aspects: (1) it relies on a specifically tailored color model named Fire-like Pixel Detector able to improve the accuracy of fire detection, (2) it employs a new technique for motion compensation, diminishing the problems observed in videos captured with non-stationary cameras, and, (3) it defines a segmentation method able to identify, not only the presence of fire in a video, but also the segments in the video where fire occurs. We experimented our proposal on two video datasets with different characteristics and summarize the results to demonstrate the superior efficacy, in terms of true positives and negatives, as compared to state-of-the-art methods.
Can we use information from social media and crowdsourced images to detect smoke and assist rescue forces? While there are computer vision methods for detecting smoke, they require movement information extracted from video data. In this paper we propose SmokeBlock: a method that is able to segment and detect smoke in still images. SmokeBlock uses superpixel segmentation and extracts local color and texture features from images to spot smoke. We used real data from Flickr and compared SmokeBlock against state-of-the-art methods for feature extraction. Our method achieved performance superior than the competitors, for the task of smoke detection. Our findings shall support further investigations in the field of image analysis, in particular, concerning images captured with mobile devices.
Vertex Centric Asynchronous Belief Propagation Algorithm for Large-Scale GraphsUniversidade de São Paulo
Inference problems on networks and their algorithms were always important subjects, but more so now with so much data available and so little time to make sense of it.
Common applications range from product recommendation to social networks and protein interaction.
One of the main inferences in this types of networks is the guilty-by-association method, where labeled nodes propagate their information throughout the network, towards unlabeled nodes.
While there is a widely used algorithm for this context, called Belief Propagation, it lacks the necessary convergence guarantees for loopy-networks.
More recently, a new alternative method was proposed, called LinBP and while it solved the convergence issue, the scalability for large graphs that do not fit memory remains a challenge.
Additionally, most works that try to use BP considering large scale graphs rely on specific infrastructure such as supercomputers and computational clusters.
Therefore we propose a new algorithm, that leverages state-of-the-art asynchronous vertex-centric parallel processing techniques in conjunction with the state-of-the-art BP alternative LinBP, to provide a scalable framework for large graph inference that runs on a single commodity machine.
Our results show that our algorithm is up to 200 times faster than LinBP's SQL implementation on tested networks, while achieving the same accuracy rate.
We also show that due to the asynchronous processing, our algorithm actually needs less iterations to converge when compared to LinBP when using the same parameters.
Finally, we believe that our methodology highlights the yet not fully explored parallelism available on commodity machines, leaning towards a more cost-efficient computational paradigm.
Fast Billion-scale Graph Computation Using a Bimodal Block Processing ModelUniversidade de São Paulo
Recent graph computation approaches have demonstrated that a single PC can perform efficiently on billion-scale graphs. While these approaches achieve scalability by optimizing I/O operations, they do not fully exploit the capabilities of modern hard drives and processors. To overcome their performance, in this work, we introduce the Bimodal Block Processing (BBP), an innovation that is able to boost the graph computation by minimizing the I/O cost even further. With this strategy, we achieved the following contributions: (1) \mflash, the fastest graph computation framework to date; (2) a flexible and simple programming model to easily implement popular and essential graph algorithms, including the \textit{first} single-machine billion-scale eigensolver; and (3) extensive experiments on real graphs with up to 6.6 billion edges, demonstrating M-Flash's consistent and significant speedup.
StructMatrix: large-scale visualization of graphs by means of structure detec...Universidade de São Paulo
Given a large-scale graph with millions of nodes and edges, how to reveal macro patterns of interest, like cliques, bi-partite cores, stars, and chains? Furthermore, how to visualize such patterns altogether getting insights from the graph to support wise decision-making? Although there are many algorithmic and visual techniques to analyze graphs, none of the existing approaches is able to present the structural information of graphs at large-scale. Hence, this paper describes StructMatrix, a methodology aimed at high-scalable visual inspection of graph structures with the goal of revealing macro patterns of interest. StructMatrix combines algorithmic structure detection and adjacency matrix visualization to present cardinality, distribution, and relationship features of the structures found in a given graph. We performed experiments in real, large-scale graphs with up to one million nodes and millions of edges. StructMatrix revealed that graphs of high relevance (e.g., Web, Wikipedia and DBLP) have characterizations that reflect the nature of their corresponding domains; our findings have not been seen in the literature so far. We expect that our technique will bring deeper insights into large graph mining, leveraging their use for decision making.
Several graph visualization tools exist. However, they are not able to handle large graphs, and/or they do not allow interaction. We are interested on large graphs, with hundreds of thousands of nodes. Such graphs bring two challenges: the first one is that any straightforward interactive manipulation will be prohibitively slow. The second one is sensory overload: even if we could plot and replot the graph quickly, the user would be overwhelmed with the vast volume of information because the screen would be too cluttered as nodes and edges overlap each other. GMine system addresses both these issues, by using summarization and multi-resolution. GMine offers multi-resolution graph exploration by partitioning a given graph into a hierarchy of com-munities-within-communities and storing it into a novel R-tree-like structure which we name G-Tree. GMine offers summarization by implementing an innovative subgraph extraction algorithm and then visualizing its output.
Techniques for effective and efficient fire detection from social media imagesUniversidade de São Paulo
Social media provides information, in the form of images, that is valuable to a vast set of human activities, including salvage and rescue in the case of crisis situations (such as accidents, explosions, and fire). However, these services produce images in a rate that is impossible for human beings to absorb and analyze; thus, it is a requirement to have methods for automatic analysis. However, despite the multiple works on image analysis, there are no studies on the specific topic of fire detection over social media. To fill this gap, this work describes the use and the evaluation of an ample set of content-based image retrieval and classification techniques in the task of fire detection. In our intent, we (1) built a ground-truth set of annotated images regarding fire occurrence; (2) engineered the Fast-Fire Detection and Retrieval ($\FFDnR$) architecture to combine configurations of feature extractors and distance functions to work with instance-based learning; and (3) evaluated 36 image descriptors in the task of fire detection. Our results demonstrated that, for fire detection, the best image descriptors concerning efficacy (F-measure, Precision-Recall, and ROC) and processing efficiency (wall-clock time) are achieved with MPEG-7 feature extractors Color Structure and Scalable Color, and with distance functions City-Block and Euclidean. Our work shall provide basis for further developments regarding monitoring of images from social media.
Multimodal graph-based analysis over the DBLP repository: critical discoverie...Universidade de São Paulo
The use of graph theory for analyzing network-like data has gained central importance with the rise of the Web 2.0. However, many graph-based techniques are not well-disseminated and neither explored at their full potential, what might depend on a complimentary approach achieved with the combination of multiple techniques. This paper describes the systematic use of graph-based techniques of different types (multimodal) combining the resultant analytical insights around a common domain, the Digital Bibliography & Library Project (DBLP). To do so, we introduce an analytical ensemble based on statistical (degree, and weakly-connected components distribution), topological (average clustering coefficient, and effective diameter evolution), algorithmic (link prediction/machine learning), and algebraic techniques to inspect non-evident features of DBLP at the same time that we interpret the heterogeneous discoveries found along the work. As a result, we have put together a set of techniques demonstrating over DBLP what we call multimodal analysis, an innovative process of information understanding that demands a wide technical knowledge and a deep understanding of the data domain. We expect that our methodology and our findings will foster other multimodal analyses and also that they will bring light over the Computer Science research.
Currently, link recommendation has gained more attention as networked data becomes abundant in several scenarios. However, existing methods for this task have failed in considering solely the structure of dynamic networks for improved performance and accuracy. Hence, in this work, we present a methodology based on the use of multiple topological metrics in order to achieve prospective link recommendations considering time constraints. The combination of such metrics is used as input to binary classification algorithms that state whether two pairs of authors will/should define a link. We experimented with five algorithms, what allowed us to reach high rates of accuracy and to evaluate the different classification paradigms. Our results also demonstrated that time parameters and the activity profile of the authors can significantly influence the recommendation. In the context of DBLP, this research is strategic as it may assist on identifying potential partners, research groups with similar themes, research competition (absence of obvious links), and related work.
Relational databases are rigid-structured data sources characterized by complex relationships among a set of relations (tables). Making sense of such relationships is a challenging problem because users must consider multiple relations, understand their ensemble of integrity constraints, interpret dozens of attributes, and draw complex SQL queries for each desired data exploration. In this scenario, we introduce a twofold methodology; we use a hierarchical graph representation to efficiently model the database relationships and, on top of it, we designed a visualization technique for rapidly relational exploration. Our results demonstrate that the exploration of databases is profoundly simplified as the user is able to visually browse the data with little or no knowledge about its structure, dismissing the need of complex SQL queries. We believe our findings will bring a novel paradigm in what concerns relational data comprehension.
proposta curricular para educação de jovens e adultos- Língua portuguesa- anos finais do ensino fundamental (6º ao 9º ano). Planejamento de unidades letivas para professores da EJA da disciplina língua portuguesa- pode ser trabalhado nos dois segmentos - proposta para trabalhar com alunos da EJA com a disciplina língua portuguesa.Sugestão de proposta curricular da disciplina português para turmas de educação de jovens e adultos - ensino fundamental. A proposta curricular da EJa lingua portuguesa traz sugestões para professores dos anos finais (6º ao 9º ano), sabendo que essa modalidade deve ser trabalhada com metodologias diversificadas para que o aluno não desista de estudar.
Slides Lição 10, CPAD, Desenvolvendo uma Consciência de Santidade, 2Tr24.pptxLuizHenriquedeAlmeid6
Slideshare Lição 10, CPAD, Desenvolvendo uma Consciência de Santidade, 2Tr24, Pr Henrique, EBD NA TV, Lições Bíblicas, 2º Trimestre de 2024, adultos, Tema, A CARREIRA QUE NOS ESTÁ PROPOSTA, O CAMINHO DA SALVAÇÃO, SANTIDADE E PERSEVERANÇA PARA CHEGAR AO CÉU, Coment Osiel Gomes, estudantes, professores, Ervália, MG, Imperatriz, MA, Cajamar, SP, estudos bíblicos, gospel, DEUS, ESPÍRITO SANTO, JESUS CRISTO, Com. Extra Pr. Luiz Henrique, de Almeida Silva, tel-What, 99-99152-0454, Canal YouTube, Henriquelhas, @PrHenrique, https://ebdnatv.blogspot.com/
Atividade - Letra da música "Tem Que Sorrir" - Jorge e MateusMary Alvarenga
A música 'Tem Que Sorrir', da dupla sertaneja Jorge & Mateus, é um apelo à reflexão sobre a simplicidade e a importância dos sentimentos positivos na vida. A letra transmite uma mensagem de superação, esperança e otimismo. Ela destaca a importância de enfrentar as adversidades da vida com um sorriso no rosto, mesmo quando a jornada é difícil.
Slides Lição 10, Central Gospel, A Batalha Do Armagedom, 1Tr24.pptxLuizHenriquedeAlmeid6
Slideshare Lição 10, Central Gospel, A Batalha Do Armagedom, 1Tr24, Pr Henrique, EBD NA TV, Revista ano 11, nº 1, Revista Estudo Bíblico Jovens E Adultos, Central Gospel, 2º Trimestre de 2024, Professor, Tema, Os Grandes Temas Do Fim, Comentarista, Pr. Joá Caitano, estudantes, professores, Ervália, MG, Imperatriz, MA, Cajamar, SP, estudos bíblicos, gospel, DEUS, ESPÍRITO SANTO, JESUS CRISTO, Com. Extra Pr. Luiz Henrique, 99-99152-0454, Canal YouTube, Henriquelhas, @PrHenrique
LIVRO MPARADIDATICO SOBRE BULLYING PARA TRABALHAR COM ALUNOS EM SALA DE AULA OU LEITURA EXTRA CLASSE, COM FOCO NUM PROBLEMA CRUCIAL E QUE ESTÁ TÃO PRESENTE NAS ESCOLAS BRASILEIRAS. OS ALUNOS PODEM LER EM SALA DE AULA. MATERIAL EXCELENTE PARA SER ADOTADO NAS ESCOLAS
4. 4
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia
Como organizar:
a) Resumo: do que se trata o trabalho
b) Introdução: objetivos, limitações, metodologia, e
contextualização dentro do estado da arte
c) Revisão Bibliográfica: outros trabalhos
semelhantes e conceitos necessários
d) Desenvolvimento: o que e como foi feito
e) Conclusões
f) Referências
Não necessariamente um único capítulo para cada parte
5. 5
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia
Como a banca, possivelmente, irá ler o trabalho:
a) Resumo: o novo conhecimento obtido, em poucas
palavras
b) Referências: deve possuir os principais trabalhos
relacionados, assim como trabalhos recentes
c) Introdução: mais detalhes do problema, da
técnica, e dos resultados
d) Conclusão: um parágrafo (ou mais) conclusivo a
cerca de cada objetivo introduzido
e) Desenvolvimento: deve demonstrar bases a
respeito de cada conclusão alcançada
f) Revisão bibliográfica: os principais conceitos e
técnicas devem ser bem descritos
6. 6
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia
Como escrever o trabalho:
A maneira mais fácil de construir uma dissertação é
de dentro para fora. Comece escrevendo os
capítulos que descrevem sua pesquisa
(desenvolvimento). Colecione termos à medida
que eles surgem e mantenha uma definição para
cada um deles. Defina cada termo técnico.
Iniciar a escrita apenas depois que grande parte dos
experimentos foi realizada, quando já se tem uma
boa idéia do que foi feito e de quais resultados foram
obtidos
7. 7
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia
Sugestão para a ordem de escrita:
a) Introdução: reescrita da proposta de trabalho
futuro se torna presente; com adequações e
ajustes da proposta original
b) Desenvolvimento: capítulo mais importante
c) Conclusões: remete ao desenvolvimento e a
cada um dos objetivos
d) Revisão Bibliográfica: focar nos trabalhos com
os quais se compara o trabalho realizado, e nos
conceitos necessários evitar excessos
e) Referências
f) Resumo: apenas no final, para evitar reescrita
8. 8
http://publicationslist.org/juniohttp://publicationslist.org/junio
Qualificação
Sugestão para a ordem de escrita:
a) Revisão Bibliográfica: focar nos trabalhos com os
quais se compara o trabalho realizado, e nos conceitos
necessários;
b) Introdução: escrita da proposta de trabalho futuro;
c) Metodologia: o que se pretende fazer e como;
provavelmente isto vai se alterar bastante até a defesa;
d) Desenvolvimento: relatar o que já se conseguiu fazer
bastante desejável que alguma coisa seja relatada;
e) Conclusões: remete ao desenvolvimento e a cada um
dos objetivos
f) Referências
g) Resumo: apenas no final, para evitar reescrita
9. 9
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia
Título
Deve descrever a principal contribuição de
maneira sintética motivar a leitura
Evitar generalidade, exemplos
“Um estudo sobre redes semânticas”
“XYZ: uma nova técnica de modelagem de
dados”
Exemplos de bons títulos:
“Abordagens formais para garantir a segurança
de software espacial”
“Simulador de cadeira de rodas elétrica para
reabilitação de pessoas com deficiência motora”
10. 10
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia
Resumo
Noção equivocada: o resumo é o trailer de um filme no
qual se começa a contar a história, mas não se conta o
final
Pelo contrário, o resumo deve contar o final da
história: qual o resultado científico alcançado
Esta orientação permite ao leitor mais bem decidir
qual trabalho ler e qual não ler
O resumo deve convidar à leitura, a se descobrir
mais a respeito do trabalho
Raramente (raríssimamente) pode conter referências
Se o autor não consegue descrever sua contribuição no
espaço destinado ao resumo, talvez exista algum
problema com seu trabalho
11. 11
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia
Resumo
Noção equivocada: o resumo é o trailer de um filme no
qual se começa a contar a história, mas não se conta o
final
Pelo contrário, o resumo deve contar o final da
história: qual o resultado científico alcançado
Esta orientação permite ao leitor mais bem decidir
qual trabalho ler e qual não ler
O resumo deve convidar à leitura, a se descobrir
mais a respeito do trabalho
Raramente (raríssimamente) pode conter referências
Se o autor não consegue descrever sua contribuição no
espaço destinado ao resumo, talvez exista algum
problema com seu trabalho
O resumo deve conter uma explicação
sobre o problema, seguida de um
esboço da solução deve abordar a
hipótese (tese) e os resultados
obtidos.
13. 13
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia
Resumo-Exemplo 1:
Current applications have produced graphs on the order of
hundreds of thousands of nodes and millions of edges. For
visualizing such graphs, though, there are some challenges:
the excessive processing requirements are prohibitive, and
drawing hundred-thousand nodes results in cluttered images
hard to comprehend. To cope with these problems, we propose
an innovative framework suited for any kind of tree-like graph
visual design. GMine integrates (a) a representation for graphs
organized as hierarchies of partitions - the concepts of
SuperGraph and Graph-Tree; and (b) a graph summarization
methodology - CEPS. Our graph representation deals with the
problem of tracing the connection aspects of a graph
hierarchy with sub linear complexity, allowing one to grasp
the neighborhood of a single node or of a group of nodes in
a single click. As a proof of concept, the visual environment of
GMine is instantiated as a system in which large graphs can be
investigated globally and locally.
14. 14
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia
Resumo-Exemplo 2:
We verify the hypothesis that Microsoft’s Kinect device is
tailored for defining more efficient interaction compared to
the commodity mouse device in the context of information
visualization. For this goal, we used Kinect during interaction
design and evaluation considering an application on data visual
exploration. The devices were tested over a visualization
technique based on clouds of points (multidimensional projection)
that can be manipulated by rotation, scaling, and translation. The
design was carried according to technique Participatory Design
(ISO 13407) and the evaluation answered to a vast set of
Usability Tests. In the tests, the users reported high
satisfaction scores (easiness and preference) but, also, they
signed out with low efficiency scores (time and precision).
Our conclusion is that, in respect to user acceptance, Kinect is a
device adequate for natural interaction; but, for desktop-based
production, it still cannot compete with the traditional long-term
mouse design.
16. 16
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia
Capítulo de revisão bibliográfica
Trabalhos de outros autores relacionados ao trabalho
sendo apresentado
Trabalhos correlatos com os quais se fará
comparação alguma discussão em torno da
hipótese
Objetividade: apenas trabalhos e conceitos
necessários à compreensão
Não citar uma única fonte (ou mesmo algumas
poucas), por mais importante que ela seja
demonstrar amplitude no estudo
Cuidado com práticas de plágio: sempre citar a fonte, e
usar aspas se houver reprodução
Trabalhos clássicos e atuais!
17. 17
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia
Capítulo de desenvolvimento
Início da contribuição
Evitar apresentações de outros trabalhos, apenas
comparações muito objetivas visando à elucidação dos
novos resultados
Apresentar:
A construção da teoria, modelo, ou proposta
Novos conceitos
Evidências da validade da hipótese: dados,
gráficos, testes, provas formais, estudos de casos,
transcrição de entrevistas, ou quaisquer outros
meios
Evitar:
Apresentar demasiados detalhes de um sistema
usado para demonstração e experimentação
18. 18
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia
Capítulo de desenvolvimento
“O propósito da sua monografia é documentar
claramente uma contribuição original ao
conhecimento. Você pode desenvolver programas de
computador, protótipos, e outras ferramentas como
forma de provar suas ideias, mas lembre-se, a
monografia não é sobre a ferramenta, é sobre a
contribuição ao conhecimento. Ferramentas tais como
programas de computador são produtos bons e úteis,
mas você não pode obter um título de pós-graduação
somente pela ferramenta. A ferramenta deve ser
usada para demonstrar que você fez uma
contribuição original ao conhecimento; por exemplo,
através de seu uso, ou pelas ideias que através dela
são materializadas.”
19. 19
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia
Capítulo de desenvolvimento
Usar definições operacionais dos termos, pois
definições constitutivas (de dicionário) não se aplicam
ou não existem
Exemplos:
“Facilidade: número de toques no teclado ou mouse
para realizar uma tarefa”
“Adequação: nota obtida em um teste padrão
aplicado por especialistas”
“Flexibilidade: tempo médio que um programador
leva para introduzir um conjunto de características”
Definições operacionais permitem que o fenômeno
associado a uma variável possa efetivamente ser
medido
20. 20
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia
Capítulo de conclusões
Descreve como o desenvolvimento apresentado
chegou aos objetivos propostos
Apresentar pontos positivos e negativos (ou não)
Lições aprendidas: aprendizado decorrente do
processo de pesquisa científica
Conclusão, contribuições, e trabalhos futuros:
Conclusão: referência concisa ao problema
examinado e resolvido, exemplo
“o problema descrito na seção x foi resolvido
como demonstrado nas sessões y a z, nas quais
um algoritmo foi desenvolvido para tratar as
situações mencionadas”
21. 21
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia
Capítulo de conclusões
Conclusão, contribuições, e trabalhos futuros:
Contribuições: resumo do que foi alcançado apenas no
que se refere a conhecimento, em ordem de
importância, exemplo:
a) Desenvolveu-se um algoritmo muito mais rápido
para problemas Zylon de grande porte
b) Demonstrou-se pela primeira vez o uso do
mecanismo de Grooty para os cálculos de Zylon
Conclusão, contribuições, e trabalhos futuros:
Trabalhos futuros: contribuição para que outros possam
continuar a pesquisa (e propor novos projetos de
pesquisa)
oportunidades de pesquisa observadas
evitar questões técnicas como por exemplo “migrar a
implementação em C para a plataforma Java”
22. 22
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia - Forma
A forma do texto científico
Como visto até aqui, o texto científico deve comunicar uma ideia
de pesquisa e seus resultados
Erros frequentes:
Uso de advérbios, exemplo: “A experiência demonstra bem os
resultados”, deve ser apenas “A experiência demonstra os
resultados”, pois bem é um conceito subjetivo a menos que tenha
sido definido operacionalmente
Brincadeiras, piadas, ou ironias
Julgamentos de valor (opiniões) que não contem com
demonstração, por exemplo “Programação orientada a objetos é
boa, e programação procedimental é ruim”
Expressões de tempo, como “Hoje em dia” e “Atualmente”; seria
melhor “No ano de 2001” ou na década de “2010”
Relatar impressões pessoais, como por exemplo “Foi uma
surpresa verificar que...”
Expressões como “nova proposta” ou “proposta diferente”, pois o
que se propõe, se é proposto, então é novo e diferente
23. 23
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia - Forma
A forma do texto científico
Erros frequentes:
Usar o termo “obviamente”
Usar o termo “na verdade”
Usar a primeira pessoa como se fosse uma narração
Usar expressões de quantidade sem a devida constatação
direta ou sem a devida referência, como todos, muitos,
alguns, ou nenhum
Usar a voz passiva
Negar quando se pode afirmar, exemplo “Nenhum
programa rodou em menos de dez segundos”, quando é
preferível “Todos os programas rodaram em dez segundos ou
mais”
24. 24
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia - Forma
A forma do texto científico
Recomendações segundo Chinneck, J. W., “How to
organize your thesis”, 1988:
Não detalhar conceitos demais e não deixar de
explicar conceitos necessários tendo em mente o
background dos leitores potenciais
Tornar a compreensão das questões fundamentais
(problema, justificativa, e solução) a mais clara possível
Trabalhar cada frase, verificando seu sentido, se
apresenta informação útil, se seus termos foram
explicados, e se não há ambiguidades
A monografia não é um texto livre, mas um relatório com
formato esperado
Evitar opiniões não fundamentadas (já mencionado)
25. 25
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia - Forma
A forma do texto científico
Recomendações segundo Mirela Moro, “A arte de escrever artigos
científicos”, 2009
Os sete pecados capitais do texto científico:
a) Frases longas deve-se quebrar em frases menores que façam
sentido e que obedeçam à gramática; com sujeito, verbo, e objeto
b) Erros ortográficos
c) Tradução literal e imbromation: a tradução a partir de outro idioma
deve ser feita apenas por quem possui habilidade neste idioma;
traduções literais de expressões idiomáticas, quase sempre levam a
conteúdo sem sentido
d) Imagens ou tabelas ilegíveis
e) Erros gramaticais: paralelismo, concordância, conjugação, crase,
entre outros
f) Cópia literal: sem uso de aspas, e sem mencionar a fonte plágio
g) Blábláblá (encher linguiça)
26. 26
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia - Forma
A forma do texto científico
Recomendações segundo Mirela Moro, “A arte de escrever artigos
científicos”, 2009.
Dicas:
1. Usar revisores automáticos de texto, e também não automáticos
(você, seu orientador, seus amigos)
2. Dividir os parágrafos cuidadosamente; um parágrafo deve possuir
uma idéia central e não deve ser muito longo
3. Seções ou capítulos: mais de um parágrado
4. Seções numeradas: texto; não se deve preencher uma seção com
uma lista, um algoritmo, ou uma tabela, sem adicionar texto
5. Cada frase deve ter um sujeito e um verbo, ao contrário do
coloquial, exemplo
“Seção 3.2.1 Testes
Foram realizados a contento.”
6. Definir todas as siglas ao primeiro uso*
*no entanto, o fato de uma expressão ter sido colocada como uma sigla,
não implica que a expressão não possa mais ser usada por extenso
27. 27
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia - Forma
A forma do texto científico
Recomendações segundo Hexsel, R. A., Pequeno manual de escrita
técnica, 2004. Dicas:
Em uma monografia ou artigo, destacar termos usando itálico,
não usar negrito
Usar gráficos planos, pois o efeito tridimensional pode ser ineficaz
em uma imagem estática
Evitar neologismos, exemplo link enlace, ou ligação
Colocar as referências bibliográficas de maneira que não
atrapalhem o fluxo do texto
Outras recomendações:
Nunca colocar espaço antes de um sinal de pontuação, e sempre
colocar espaço antes da palavra que se segue ao sinal
Nunca usar espaços na parte interna de parênteses, colchetes, e
chaves – apenas entre palavras
Usar maiúsculas em títulos apenas com substantivos, adjetivos, e
verbos (a maioria deles)
Título recebe pontuação apenas se for interrogação
28. 28
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia – Problemas comuns
Elementos pré-textuais
Título mal formulado, não alinhado com o tema;
Elaboração do Resumo faltando um dos seguintes
elementos: contextualização, problematização, objetivo, a
base teórica, a metodologia da pesquisa, incluindo a
técnica analítica, os principais resultados e a conclusão.
Por volta de 15 linhas;
Abstract com problemas, sem refinamento do inglês;
Palavras-chave ou key words genéricas demais.
Lembre-se que é por elas que se pesquisará o artigo em
bibliotecas e sites;
29. 29
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia – Problemas comuns
Gramática, Formatação e Lógica
Erros de concordância verbal e nominal;
Emprego errado de crase;
Problemas no emprego da vírgula;
Vírgula entre o sujeito e o predicado;
Uso indevido de próclise por ênclise e o inverso
também;
Uso de palavras sem o trema;
Uso de vírgula antes de etc, e de ponto final após etc,
quando no meio
de uma frase;
Início de parágrafo com a mesma expressão do título;
Utilização repetida de expressões (Ex.: "isto é", "o fato é
que”, “neste sentido”, “segundo”);
30. 30
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia – Problemas comuns
Gramática, Formatação e Lógica
Utilização de verbos e expressões erradas, a exemplo de
oportunizar, prospectar, deletar, a nível de, de formas que,
inusuais, intemporal, no sentido de, através de, onde (sem
conotação de lugar físico), verbo visar como transitivo direto com
o sentido de objetivar, junto a, pró-ativa, nesse ao invés de
neste, dentre outros. Consultar sempre o dicionário em caso de
dúvidas;
Uso de palavras repetidas no mesmo parágrafo;
Uso de palavras e expressões como as seguir: vários, muitos,
alguns, todos, realmente, na verdade, certamente, exatamente,
perfeitamente, plenamente, todos nós conhecemos, um ponto
definitivo, a questão crucial é.... O motivo é que uma pesquisa
científica precisa de comprovação e as expressões citadas
generalizam ou delimitam impropriamente;
31. 31
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia – Problemas comuns
Gramática, Formatação e Lógica
Iniciar frases com a conjunção adversativa, ou colocar vírgula após este
tipo de conjunção. (forma errada: Mas, a situação...); idem com as
expressões “Ou seja”, “E”, “Ou que”, “Pois;”; devem vir após uma vírgula;
Citação de expressões adjetivas no texto e para autores (ex: como o
renomado, o fantástico...);
Uso de expressões clichês como (No mundo moderno...);
Uso da 1a. pessoa do singular ou do plural, quando o recomendado é a
3a. pessoa do singular no texto;
Emprego de verbos no futuro, quando deveriam ser no passado ou no
máximo no presente;
Emprego em listagens de itens, sem ponto-e-vírgula ao final das linhas;
Colocação de ponto ao final dos títulos.
32. 32
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia – Problemas comuns
Gramática, Formatação e Lógica
Uso de linha solitária ao final da página;
Não observação de espaços em branco no texto. O Word avisa com um
sublinhado em verde;
Não normalização dos modelos de gráficos, tabelas e quadros;
Uso de dois pontos ao final de títulos e subtítulos;
Não colocar as palavras estrangeiras em itálico;
Uso de figuras sem numeração e sem fonte;
Uso de figuras, quadros ou tabelas ilegíveis;
Uso de siglas sem especificação;
33. 33
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia – Problemas comuns
Gramática, Formatação e Lógica
Usar a numeração, o título e a fonte em tamanho 12 e acima da
ilustração.
O correto é abaixo da ilustração em letra tamanho 10;
Utilização de numeração na Introdução, Conclusão, Referências
Bibliográficas, Glossário de Termos, Apêndices e Anexos;
Não normalização do tamanho, tipo e cores das letras;
Colocação de pontos após numeração de sub-tópicos (ex. 3.1.1. ,
quando o correto é 3.1.1 sem o ponto ao final). Outro exemplo: o correto
é 2.1 e não 2.1. , e ainda 2. e não apenas 2);
· Colocação de vírgula antes de apud;
· Uso de notas de rodapé (não se recomenda). Caso possa usar, colocar
a fonte;
· Dizer “Como se observa acima”, quando a ilustração está na página
anterior;
· Falta de interligação e de seqüência lógica entre as seguintes partes
(Introdução, tópicos teóricos, metodologia da pesquisa, análise e
conclusão).
34. 34
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia – Problemas comuns
Introdução
Numerar a Introdução;
Iniciar a Introdução com a mesma frase do Resumo;
Introdução subdimensionada, pequena;
Prolixidade. Existem muitas partes desnecessárias. Desenvolvem-se
muitos itens totalmente desnecessários ao tema;
Desenvolvimento de referencial teórico na Introdução. Devem-se guardar
as citações para o referencial teórico;
Baixo nível ou ausência de contextualização;
Problematização pobre de conteúdo ou uso de mais de um problema;
· Falta de clareza e pertinência dos objetivos;
· Explicitação do Objetivo Geral como uma etapa da pesquisa;
· Explicitação dos Objetivos Específicos como passos ou etapas do
Objetivo Geral;
35. 35
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia – Problemas comuns
Introdução
Dizer que não há nenhuma pesquisa no tema, quando se vasculhou
apenas as pesquisas nacionais, por exemplo;
Estabelecimento de hipóteses sem fundamentação ou discussão
anterior, ou seja, hipóteses provenientes “do nada”;
Hipóteses mal formuladas, sem interligação com os objetivos;
Formulação de muitas hipóteses, ou hipóteses com conectores aditivos
tipo “e” (caso de hipóteses múltiplas em uma mesma hipótese, prática
que não se recomenda);
Descrever a metodologia na Introdução;
O trecho da relevância do tema escrito de forma superdimensionada;
Relevância do tema mal fundamentada;
Falta de originalidade do trabalho.
36. 36
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia – Problemas comuns
Referencial Teórico
Baixa qualidade da revisão da literatura;
Elaborar um texto meramente descritivo ao invés de dissertativo. Não
discutir as idéias e pesquisas. Não desenvolver espírito crítico;
Fraco nível de consistência teórica para apoiar a pesquisa;
Uso da expressão Referencial Teórico. Recomenda-se de dois a quatro
tópicos numerados e nominados;
Divisão dos tópicos por assuntos. O mais adequado é dividir os tópicos
teóricos focados no tema. Deve-se levantar o estado da arte no tema e
as contribuições (pesquisas científicas) no tema;
Falta de pesquisas no tema. Observação: já existem muitas pesquisas
(dissertações e artigos) realizadas pelo mestrado do próprio programa
que ajudariam no desenvolvimento do tema em recentes em estudos;
37. 37
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia – Problemas comuns
Referencial Teórico
Pouco uso de periódicos científicos. Uso de bibliografia baseada em
livros do tipo manual de graduação e especialização. As pesquisas
científicas brasileiras levantam pouco o estado da arte. Deve-se
privilegiar o uso de periódicos de bom nível (ver Qualis da CAPES)
nacionais e internacionais;
Uso de conceitos, características, tipologias de forma agregada, do tipo
copiado/colado, sem uma dissertação, sem uma análise. Uma
dissertação não é um manual, uma apostila;
Pouco uso de bibliografia e papers estrangeiros (língua inglesa, por
exemplo);
Colocação da hipótese no Referencial Teórico;
Inserção de tópicos que não têm relevância ou conexão específica com o
trabalho;
Citações ou desenvolvimento teórico sem apoio de referência
bibliográfica, sem as fontes;
38. 38
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia – Problemas comuns
Referencial Teórico
Anos das obras citadas diferentes das mesmas obras colocadas nas
Referências Bibliográficas;
Citação do autor com o nome completo ou primeiro nome e sobrenome,
quando deveria ser pelo último sobrenome;
Referência bibliográfica citada no corpo do texto e não citada na
bibliografia final e o inverso também;
Copiar partes de textos de bibliografias, como se fosse do autor do
artigo, sem citar a fonte;
Inclusão de ilustração sem referenciar no texto e sem explicação ou
justificativa;
Descrições de “agregados” sobre um tópico como “conceitos”,
“características”, “processos”, dentre outros, sem uma análise
dissertativa do autor sobre semelhanças e diferenças por item, por autor
ou por grupo de autores. Recomenda-se fazer, ao final, quadros
comparativos;
Uso indevido do apud;
Não inclusão de outras pesquisas similares, correlatas, ou sobre o tema;
39. 39
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia – Problemas comuns
Referencial Teórico
Explicitação indevida das fontes. Há artigos que colocam como fonte o
nome de uma biblioteca, o que é inadimissível;
Uso de citação longa no corpo normal do texto sem fazer uso de recuo
(mais de 3 linhas deve-se usar o recuo);
Referenciar texto de autores citados em uma obra, como se o
pesquisador tivesse pesquisando a obra de origem, e de fato está
pesquisando de um artigo que cita essa obra (falta de ética e erro
gravíssimo);
Apresentações de bibliografias antigas quando já se têm edições mais
recentes;
Incluir a análise do caso no referencial teórico.
40. 40
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia – Problemas comuns
Metodologia de Pesquisa
Não justificativa do tipo de pesquisa;
Não justificar a escolha do modelo a testar;
Não referenciar autores de obras de Metodologia de Pesquisa ou de
Metodologia Científica;
Não descrição das variáveis de estudo. Confunde-se muito variáveis com
as questões do questionário. Caso não se tenham as variáveis, explicar
os itens componentes do questionário no tópico da Metodologia da
Pesquisa;
Não definição ou definição “frágil” dos critérios de estratificação;
Não justificativa ou justificativa frágil ou inconsistente do critério de
escolha da população ou amostra;
Estudos demasiadamente descritivos da situação atual. Pouca relevância
à questão do antes, do depois e da contextualização;
Não explicitação do período da pesquisa;
Não registro do método de coleta de dados;
41. 41
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia – Problemas comuns
Metodologia de Pesquisa
Não inclusão das informações de como foi o pré-teste;
Análise documental colocada como se fosse pesquisa primária;
Pouca priorização às razões dos acontecimentos, com ênfase na
descrição do que aconteceu, ou vem acontecendo, sem uma intenção de
se estudar os porquês;
Não explicitação do critério analítico. É preciso haver um modelo teórico
para se comparar e analisar os fenômenos estudados;
Nos estudos de caso, não inclusão do plano de pesquisa;
Elaboração do questionário da pesquisa, sem que as questões não
estejam apoiadas no Referencial Teórico;
Não haver perguntas no questionário que apóiem o problema, os
objetivos e as hipóteses da pesquisa;
Questionários mal formatados, que implicam em uma análise ruim.
Devese elaborar um questionário que possa ser bem relacionado com o
software ou a técnica de análise;
Não uso do item “Outros” nas perguntas.
42. 42
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia – Problemas comuns
Análise e Conclusão
Inclusão antes da metodologia ou não inclusão no artigo de um item do
tipo “Perfil da Empresa, Perfil do Setor, Ambiente do Estudo, Estudo de
Caso” que trata de uma análise de como está a ‘indústria” ou a empresa
do caso em que o tema está inserido;
Análises sem pré-testes;
Inexistência de análises cruzadas entre as questões do
questionário/roteiro;
Falta de análise comparativa entre estratos da amostra;
Fazer uma mera descrição de um quadro, figura, tabela, ou gráfico, sem
analisá-lo de acordo com o tema;
Realizar análises sem consonância com a base teórica utilizada;
Fazer conclusões sem haver a devida análise;
Não mencionar e não justificar no tópico da conclusão se os objetivos
foram atingidos e se as hipóteses foram validadas;
43. 43
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia – Problemas comuns
Análise e Conclusão
Não inclusão das limitações e recomendações ou sugestões para o
fenômeno estudado e para próximas pesquisas. Se possível deve-se
sugerir inclusive a metodologia dos próximos estudos;
Conclusão sem uma conclusão, ou ainda, várias conclusões sem uma
conclusão. Esta conclusão definitiva deve constar no Resumo.
44. 44
http://publicationslist.org/juniohttp://publicationslist.org/junio
Monografia – Problemas comuns
Referências Bibliográficas
Inclusão da expressão Editora. Ex. São Paulo: Editora Atlas, 2003. O
correto é São Paulo: Atlas, 2003;
A listagem das referências bibliográficas estar fora da ordem alfabética
pelas palavras de entrada, e, ainda desrespeito à ordem cronológica
(colocar em ordem crescente de ano) dentro da ordem alfabética. Caso
se tenham obras do mesmo autor e mesmo ano, incluir as letras
alfabéticas em ordem decrescente ao final dos anos. Exemplos 2003,
2003a, 2003b e assim por diante;
As referências estarem alinhadas de forma justificada. O correto é
alinhamento à esquerda;
As obras estarem separadas por espaços simples, quando o correto é
duplo;
Não destacar em itálico ou em sublinhado as obras citadas;
Referenciar bibliografias sem estarem referenciadas no corpo do texto;
Erros de citação nas pesquisas de internet;
Não observação da ABNT de agosto de 2002, NBR 6023.
46. 46
http://publicationslist.org/juniohttp://publicationslist.org/junio
BibliografiaFORTE, S. Manual de Elaboração de Tese, Dissertação e Monografia,
Universidade de Fortaleza, 2004 -
http://www.servcor.com/npg/NORMAS_Manual_de_elaboracao_de_tese_e_
monografia.pdf.
DAVIS, M. Scientific papers and presentations. San Diego: Academic Press,
1997.
ECO, H. Como se faz uma tese. São Paulo: Perspectiva, 1985.
GIL, A. C. Como elaborar projetos de pesquisa. 3. ed. São Paulo: Atlas, 1996.
GIL, A. C. Pesquisa Social. São Paulo: Atlas, 1994.
LAKATOS, E. M., MARCONI, M. de A. Fundamentos da metodologia científica.
São Paulo: Atlas, 1996.
MATTAR NETO, J. A.. Metodologia científica na era da informática. São Paulo:
Saraiva, 2002.
MEDEIROS, J. B.. Redação científica: a prática de fichamentos, resumos,
resenhas. 4.ed. São Paulo: Atlas, 2000.
OLIVEIRA, S. L.. Tratado de metodologia científica: projetos de pesquisas, TGI,
TCC, monografias, dissertações e teses. São Paulo: Pioneira, 2001.
SALOMON, D. Como fazer uma monografia. 4ªEdição. São Paulo: Martins
Fontes, 1996.
SEVERINO, A. J.. Metodologia do trabalho científico. 22 ed. São Paulo: Cortez,
2000.
www.bu.ufsc.br