Job-Shop Scheduling Problem Is considered as one of the hardest combinatorial optimization problem. Any known algorithm is not capable to find an optimum solution in polynomial time that characterizes it as NP-complete problem. There are many applications of this problem where considering the setup time is necessary (cost), which is the work to prepare the machines for the execution of jobs. This aspect has been neglected or considered as part of the processing time of the jobs. In fact, this is another difficulty to cope with this problem. Approximate resolution methods are extensively used as an interesting alternative. In this sense the genetic algorithms are suitable techniques. This work presents an innovative and efficient proposal based on genetic algorithms for the Flexible Job-Shop Scheduling Problem, an extension of this problem, which main aspects includes the separable sequence-dependent setup time and multicriteria optimization.

Este trabalho investigou o planejamento em Inteligência Artificial para o sequenciamento de ações pedagógicas, de acordo com o perfil do estudante. As ações representaram o processo cognitivo dado pela Taxonomia de Bloom (TB) e o perfil do estudante foi determinado conforme o Revised Approaches to Studying Inventory (RASI). A fim de medir a adequação de uma sequência ao perfil do estudante, foi necessário mapear estas duas teorias, sendo este mapeamento uma das contribuições deste estudo. Assim, o sequenciamento de ações foi formulado como um problema de otimização e implementado através de um algoritmo genético. A proposição da função a ser otimizada para este problema é também uma contribuição, desde que estabelecer critérios para avaliar aspectos pedagógicos tem sido um desafio para Informática na Educação. Experimentos realizados contaram com 41 participantes que responderam ao questionário RASI e, após terem recebido e analisado as respectivas sequências de ações determinadas pelo planejador proposto neste trabalho, também responderam a um questionário de satisfação em relação à sequência. Os resultados obtidos se mostraram promissores, demonstrando a viabilidade da pesquisa.

Agentes conversacionais têm sido usados para fornecer suporte à Educação a Distância. Estes podem sugerir interações entre estudantes em Ambiente Virtual de Aprendizagem (AVA), contribuindo à aprendizagem colaborativa, um aspecto importante para melhorar o ensino-aprendizagem on-line. Esta revisão sistemática de literatura pretende responder questões relacionadas a tais agentes, aprendizagem colaborativa e Análise Conversacional (AC). Os resultados indicaram que a área é promissora, apontando para aplicações da Inteligência Artificial na Educação, como uma estratégia de AC para identificar a colaboração em AVA e possibilidades de intervenção do chatbot em prol da aprendizagem colaborativa.

This study aimed to assess the energy performance of three different charcoal production systems: “encosta” kiln, “rectangular” kiln, and “fornalha” kiln. Data collection involved measuring carbonization product yields and essential process variables, enabling determination of material and energy flows, and evaluation of two main energy indicators: the EROI and the energy balance. The study found that all evaluated systems had a negative energy balance, indicating inefficiency. The encosta kiln system displayed the best energy performance with the highest EROI (0.90 ± 0.45) and the greatest energy intensity (264.50 MJ t⁻¹ ± 132.25), despite having faced technological, operational, and mechanization limitations that explained its limited use on a global scale. Research that evaluates the sustainable production of charcoal has grown in recent years, however, and it is necessary to invest in studies that evaluate the existing energy flow. Thus, the energy performance indicators presented in this study offer valuable insights for decision-making in charcoal production, potentially maximizing efficiency of the systems. Optimizing carbonization system energy performance can be achieved by implementing operational parameters focused on reducing avoidable energy losses, such as improving thermal insulation and introducing systems for heat recovery or combustion gas utilization.

The classification emotions through facial expressions in computing environments has been widely investigated because it allows you to enlarge and refine the interaction between user and system. In academia, this classification can be used in virtual learning environments in order to motivate the student to from his emotion. This paper presents a real-time system for the recognition of seven basic emotions (happiness, surprise, anger, fear, disgust, sadness, and neutral). For this, the detection of the facial expressions was made by inserting points on the face based on the motion units. After extraction of features found in the face, it used the technique Decision Tree for the precise classification of emotions. The developed tool has been integrated into Moodle and the recognition of emotions has been tested and validated with static and videos generated from the Cohn-Kanade database images. The results were satisfactory for all emotions, achieved an overall percentage of 86.4% accuracy for recognizing them.

Este trabalho propõe um modelo do estudante baseado em emoções e perfis de personalidade com intuito de desenvolver o perfil afetivo do estudante em Ambientes Virtuais de Aprendizagem. Através das informações contidas no modelo do estudante serão selecionadas as estratégias pedagógicas adequadas a cada perfil. Para validação desta proposta utilizou-se as técnicas de Redes Neurais Artificiais e Árvore de Decisão. Por meio de uma análise experimental, tem-se como resultados uma precisão geral de 97,28% na classificação dos nove perfis de personalidade, bem como a validação do conjunto ótimo de estratégias pedagógicas. Assim, ao detectar uma emoção prejudicial ao aprendizado o estudante receberá estímulos personalizados as suas características e, consequentemente, a aproximação da emoção que promova à aprendizagem.