A densidade básica da madeira é uma propriedade importante, pois está relacionada ao produto final nos diversos usos que a madeira possui. Porém, sua determinação demanda tempo e custos, o que justifica o emprego de técnicas mais refinadas para a sua estimação, como as redes neurais artificias (RNA). Objetivou-se avaliar a utilização das RNA para estimar a densidade básica de espécies do cerrado sensu stricto com o uso do aparelho Pilodyn e variáveis dendrométricas. Para comparação dos resultados obtidos pelas RNA, foram ajustados modelos de regressão. A rede neural com melhor desempenho foi a que utilizou como variáveis de entrada a profundidade de penetração (Pilodyn), espécie e o DAP, apresentando valores de R² de 0,72 e com raiz do erro quadrado médio em porcentagem (RMSE%) de 5,69. Já o modelo de regressão apresentou valor de R² de 0,72 e RMSE% de 9,19. As redes neurais artificiais conseguem estimar a densidade básica da madeira de espécies do cerrado stricto sensu com resultados satisfatórios.

Over the last decades, the number of Swarm Intelligence algorithms proposed in the literature has increased considerably. However, most algorithms do not follow an adequate scientific rigour neither the principles of Swarm Intelligence, reproducing similar computational procedures of many other approaches, but by means of a different metaphor. In this scenario, the aim of this paper is to propose a framework for the analysis and synthesis of Swarm Intelligence algorithms that can contribute to a structured understanding (analysis) and development (synthesis) of these algorithms. The main objective of the proposed framework is to guide the construction of Swarm Intelligence metaphors in a consistent and well-founded way, as well as to contribute with the analysis and development of new algorithms that had better encompass the features and abilities of insects’ societies.

O presente estudo teve como objetivo analisar os paradigmas, desafios e possibilidades da aplicação da Inteligência Artificial (IA) na educação, destacando suas implicações para o ensino, a aprendizagem e a prática docente. Para tanto, adotou-se a metodologia de revisão integrativa da literatura, seguindo as diretrizes do protocolo PRISMA, com critérios de inclusão definidos para artigos publicados entre 2022 e 2024, produzidos por pesquisadores brasileiros, redigidos em português, disponíveis gratuitamente e completos na íntegra. O processo de análise incluiu três etapas principais: identificação dos registros nas bases de dados, triagem baseada na relevância dos títulos e resumos e leitura integral dos textos selecionados para garantir sua aderência ao tema, resultando na seleção final de quatro artigos. A análise qualitativa dos estudos indicou que a IA tem potencial significativo para transformar a educação, permitindo personalização do ensino, feedback imediato, monitoramento do desempenho individual e suporte a decisões pedagógicas, promovendo ambientes de aprendizagem mais interativos e centrados no estudante. Por outro lado, os autores destacam desafios importantes, como a necessidade de formação docente contínua, adaptação às novas tecnologias, riscos de dependência excessiva da tecnologia, preservação da privacidade e proteção de dados, além da mitigação de vieses algorítmicos que podem reforçar desigualdades. Observou-se também que a introdução da IA redefine o papel do professor, exigindo competências digitais, habilidades de mediação tecnológica e integração crítica entre recursos digitais e práticas pedagógicas tradicionais, preservando a interação humana e o desenvolvimento do pensamento crítico. A conclusão evidencia que a implementação ética, planejada e responsável da IA na educação contribui para inovação pedagógica, maior engajamento dos alunos e potencialização do processo de aprendizagem, sendo imprescindível que políticas públicas, infraestrutura tecnológica e formação docente estejam alinhadas para maximizar os benefícios da IA e garantir equidade, inclusão e qualidade no ensino contemporâneo.

Este artigo tem como objetivo analisar as transformações provocadas pela inteligência artificial (IA) no processo de ensino e aprendizagem, compreendendo como tais inovações têm impactado a prática docente e a experiência dos alunos. Para alcançar esse objetivo, foi realizada uma pesquisa descritiva com abordagem qualitativa, envolvendo uma amostra de 12 profissionais da educação básica e superior. Os dados foram coletados por meio de entrevistas semiestruturadas e analisados à luz de referenciais teóricos sobre tecnologia educacional e inovação pedagógica. Os resultados indicam que a IA tem ampliado as possibilidades de personalização do ensino, otimização de tarefas administrativas e melhoria no acompanhamento do desempenho discente. Contudo, também foram observados desafios relacionados à formação docente, infraestrutura tecnológica e aspectos éticos. Conclui-se que a IA representa um avanço significativo para a educação, desde que acompanhada de políticas de capacitação e reflexão crítica sobre seu uso pedagógico.

Nanocrystalline NiFe2O4 particles prepared by chemical co-precipitation method were studied using magnetic measurements, 57Fe Mössbauer spectroscopy, X-ray diffraction, and transmission electron microscopy. Fits to Mössbauer spectra, in the range of 4.2 K – 300 K, were done using spin hamiltonians to describe both the electronic and nuclear interactions, a model of superparamagnetic relaxation of two levels (spin ½) and stochastic theory, a log-normal particle size distribution function as well as a dependency of the magnetic transition temperature and the anisotropy constant on particle diameter. We have used evolutionary strategies to fit the more complex Mössbauer spectra line shapes. The nanoparticles have an average size of 7 nm and exhibit superparamagnetism at room temperature. The saturation magnetization (Ms) at 4.2 K was determined from M vs. 1/H plots by extrapolating the value of magnetizations to infinite fields, to 24.21 emu/g and coercivity to 3.15 kOe. A magnetic anisotropy energy constant (K) 1.9´105 J/m3, at 4.2 K, were calculated from magnetization measurements. The synthesis, characterization, and functionalization of magnetic nanoparticles is a highly active area of current research located at the interface between materials science, biotechnology, and medicine. Superparamagnetic iron oxides nanoparticles have unique physical properties and have emerged as a new class of diagnostic probes for multimodal tracking and as contrast agents for magnetic resonance imaging (MRI).