This paper aims to evaluate and discuss the digital competence of academics at universities, to identify challenges and define recommendations for policy. This study was conducted through collaboration between the Joint Research Centre (JRC) of the European Commission and Metared of the Universia Foundation, surveying 30,407 participants who present the perceptions of their own digital competence levels. These self-reflections took place in universities in seven countries, namely Argentina, Brazil, Colombia, Chile, Peru, Mexico and Portugal, and used the Check-In tool, which consists of 22 questions based on the European Framework for the Digital Competence of Educators—or ‘DigCompEdu’ framework. A descriptive statistical analysis was performed, followed by a qualitative evaluation. Almost 70% of the academics have an average intermediate level of competence when the data is aggregated, with results varying in each DigCompEdu area according to the specific question asked. There is no significant difference between young and senior academics, as well as between men and women. The results present a discussion of whether the age and gender of educators and their work environment have an impact on their digital competence level, and at the same time highlights the areas in which educators perceive themselves to be most and least competent. It shows how the amount of institutional support that is offered affects the academics’ perceptions of their level of digital competence. On the basis of the results, recommendations are presented for higher-education institutions, with the aim of supporting the professional development of their academics.

Brain Imaging has been source of several studies in the literature, mostly due to its importanceboth to predict and to analyze certain diseases or conditions. Extracting the brain from patient images for medical analysis can provide useful diagnostic and prognostic information.To this end, digital image processing algorithms have been applied to medical tasks with a focus on the identification of the brain. This work proposes a brain extraction framework based on three major steps: 1) Dataset and Image Selection; 2) Preprocessing; and 3) Largest Connected Component extraction. Our data are obtained from the OASIS dataset.The preprocessing step is applied in order to enhance contrast and eliminate possible noise from the T1-weighted MRI. Largest Connected Component extraction is performed by initially detecting the largest element in the image (i.e. the brain gray matter) and then by extracting it through mathematical morphology operators. The unsupervised framework extracts the brain in different axial slices without adjustments. The main contribution of this work is a method using only digital image processing for automatically identifying the brain from several different slices, which differs from the literature since is performed without parameter resetting. Five metrics were applied to evaluate our results: Specificity, Recall, Accuracy, F-Measure, and Precision. In our first experiment, two metrics resulted in more than 90% in efficiency (Specificity and Precision), two of them surpassed 80% (F-Measure and Accuracy), and Sensitivity exceeded 70%. Our second experiment compares our results with those produced by related works, having been ranked in the top positions of Sensitivity and Specificity.

Este artigo relata a aplicação de técnicas de varredura digital 3D e Modelagem da Informação da Construção (BIM) para a preservação do patrimônio histórico. Na última década difundiu-se uma nova perspectiva de aplicação da tecnologia BIM para a documentação e gestão do patrimônio histórico, o denominado HBIM, que apesar da relevância para a interpretação e caracterização do estado de conservação do objeto histórico, ainda não alcançou o mesmo impacto que a modelagem inteligente aplicada a edificações novas. O artigo foca na criação de um modelo digital inteligente para uma obra singular da arquitetura moderna brasileira, a Igreja de São Francisco de Assis, na lagoa da Pampulha, a partir da utilização de duas técnicas de varredura digital. O modelo de nuvem de pontos obtido por dois sistemas de varredura (fotogrametria aérea e escaneamento a laser) fornece uma descrição detalhada da complexidade e irregularidade geométrica do edifício e é a base do modelo paramétrico preciso criado com ferramentas BIM. Neste artigo são abordados o manuseio de dois programas de processamento de dados, gerados pelos sensores, e os processos de manipulação da nuvem de pontos para otimizar a modelagem das formas complexas da igreja. São comparados o aspecto visual, os formatos de importação e exportação e o índice de sobreposição das nuvens de pontos. Este estudo demonstrou o potencial do levantamento digital, incluindo sensores de baixo custo, e o HBIM para a documentação e valorização do patrimônio construído.

Emotion recognition plays an essential role in human-computer interaction, spanning diverse domains from human-robot communication and virtual reality to mental health assessment and affective computing. Traditionally, this field has heavily relied on visual and auditory cues, such as facial expressions and speech analysis. However, these modalities alone may not comprehensively capture the full spectrum of human emotion and suffer limitations due to noise or occlusion. Human skeletons, derived from depth sensors or pose estimation algorithms, offer an alternative for facial expression, including valuable spatial and temporal cues. In this paper, we introduce a novel approach to emotion recognition by pre-training a transformer model on a large dataset of unsupervised human skeleton representations and subsequently fine-tuning it for emotion classification. By exposing the model to an extensive corpus of unlabeled human skeleton data, we can effectively learn to represent complex spatial and temporal dependencies inherent in body movements. Following this foundational knowledge acquisition, the model undergoes fine-tuning on a smaller, labeled dataset tailored for emotion classification tasks. We introduce SkelETT, an encoder-only transformer architecture for body emotion recognition. Comprising a series of encoder layers, SkelETT patches 2D body pose representations, it also includes multi-head self-attention mechanisms and position-wise feed-forward networks, providing a powerful framework for extracting hierarchical features from sequential body pose data. We propose and evaluate the impact of different fine-tuning strategies on pose data using the MPOSE action recognition dataset as a pre-training source. Transfer performance is measured on the BoLD body emotion recognition dataset. Compared to the state-of-the-art, we report significant gains in accuracy (≈ 34% higher), training time (≈ 50% less), and model complexity reduction (≈ 80% less trainable parameters).

Modelos pedagógicos são sistemas para organizar práticas de ensino e aprendizagem. Os modelos pedagógicos são baseados em teorias de aprendizagem, em leis e diretrizes educacionais e outros documentos balizadores. No entanto, nos dias atuais, elementos encontrados nos modelos pedagógicos tradicionais parecem não mais atender a sua finalidade, em virtude de um público cada vez mais conectado à Internet, familiarizado com tecnologias digitais e, portanto, com pouco engajamento e interesse nas atividades educativas tradicionais, mais centradas no professor e na transmissão e assimilação de conteúdos. O propósito deste trabalho é discutir e analisar diferentes tipos de modelos pedagógicos, denominados de modelos pedagógicos diversificados, identificando características importantes para a definição de um modelo pedagógico híbrido que seja voltado a orientar o docente no uso das tecnologias da informação e comunicação, das metodologias ativas e dos ambientes virtuais de aprendizagem nos currículos que desenvolvem o ensino híbrido. Para esse fim, optou-se por realizar uma revisão sistemática, onde foram selecionados e analisados 14 artigos escritos na língua inglesa e portuguesa. Por fim, verificou-se na literatura a presença de estudos sobre modelos pedagógicos diversificados, sendo possível identificar as características consideradas essenciais para a construção de modelos pedagógicos híbridos.

As competências digitais constituem um importante aspecto na formação de docentes e a sua avaliação e desenvolvimento tem fomentado diversas investigações nas áreas da educação e tecnologia. Este artigo objetiva discutir o conceito de competências digitais e seus principais referenciais, realizando um panorama da área por meio de uma revisão sistemática da literatura. Os resultados revelam a existência de iniciativas variadas de mapeamento de competências digitais em diversos países, mas ainda em estágio inicial de aplicação, tendo sido identificado que o nível básico-intermediário de proficiência digital é predominante entre os docentes participantes.