Supervised machine learning and opinion lexicon are the most frequent approaches for opinion mining, but they require considerable effort to prepare the training data and to build the opinion lexicon, respectively. In this paper, a novel unsupervised clustering approach is proposed for opinion mining. Three swarm algorithms based on Particle Swarm Optimization are evaluated using three corpora with different levels of complexity with respect to size, number of opinions, domains, languages, and class balancing. K-means and Agglomerative clustering algorithms, as well as, the Artificial Bee Colony and Cuckoo Search swarm-based algorithms were selected for comparison. The proposed swarm-based algorithms achieved better accuracy using the word bigram feature model as the pre-processing technique, the Global Silhouette as optimization function, and on datasets with two classes: positive and negative. Although the swarm-based algorithms obtained lower result for datasets with three classes, they are still competitive considering that neither labeled data, nor opinion lexicons are required for the opinion clustering approach.

A Realidade Aumentada (RA) é definida como qualquer sistema que combine o real com o virtual, que seja interativo em tempo real e que esteja registrado em três dimensões. No ensino das ciências da natureza, ela pode proporcionar aos estudantes a visualização de conceitos abstratos. Este trabalho tem como objetivo investigar como a RA tem auxiliado no processo de ensino e aprendizagem das ciências naturais. Foi realizado um mapeamento sistemático que é um estudo secundário e tem como foco identificar as lacunas de pesquisas na literatura. Estudos primários publicados entre os anos de 2009 a 2018 foram analisados a fim de extrair dados que pudessem responder às questões de pesquisa e assim alcançar o objetivo deste trabalho.