Adriana Camargo de Brito

Adriana Camargo de Brito

Auto-generated profile, based on publicly available information

Adriana Camargo de Brito

Instituto de Pesquisas Tecnológicas

Research Focus & Metrics

Academic Career Length

10Years (2017-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
1 March 2017 in Ambiente Construído
Verified
Journal Article
Open access
PDF file
ABAdriana Camargo de Brito
Adriana Camargo de Brito
MAMaria Akutsu
Maria Akutsu
ESElisa Morande Salles
Elisa Morande Salles
GCGuilherme Molnar Castro
Guilherme Molnar Castro
Resumo Materiais de mudança de fase - Phase Change Materials (PCMs) apresentam uma capacidade de armazenamento térmico substancialmente maior que os materiais convencionais. PCMs aplicados na envoltória de edificações contribuem para o aumento da inércia térmica de ambientes, proporcionando recintos com melhor desempenho térmico, dependendo do clima. Atualmente, há PCMs utilizados em edificações do hemisfério norte, especialmente, havendo poucas informações sobre seu uso em edificações em países tropicais. Neste artigo são apresentadas as características térmicas essenciais que estes materiais precisam ter, quanto à sua capacidade de armazenamento térmico latente e ponto de fusão, para contribuir para a melhoria do desempenho térmico de edificações brasileiras. Foram efetuadas simulações da resposta térmica de edificações com o programa EnergyPlus® em duas etapas: a) reproduziu-se o comportamento térmico de um modelo existente com PCMs verificando-se a similaridade entre dados medidos e simulados para indicar a confiabilidade das simulações; b) foram feitas simulações de modelos com fechamentos leves e pesados, com e sem PCMs em cidades brasileiras, variando-se as características do PCM original, quanto à capacidade de armazenamento térmico latente e o ponto de fusão. Os resultados apontam os intervalos dessas grandezas que proporcionaram melhor desempenho térmico dos recintos em função dos fechamentos e do clima do local, sendo uma referência inicial para o desenvolvimento de produtos mais adequados ao clima de regiões brasileiras.

4 May 2026 in IEEE Access
Verified
Journal Article
Open access
DEDenis Magalhães De Almeida Eiras
Denis Magalhães De Almeida Eiras
ABAdriana Camargo De Brito
Adriana Camargo De Brito
This study investigates the application of Large Language Models (LLMs) to Unsupervised Aspect-Based Sentiment Analysis (ABSA) in Portuguese, focusing on consumer reviews of Brazilian beers. We construct a novel domain-specific dataset comprising nearly 60,000 filtered reviews collected from a major Brazilian beer forum, along with a manually annotated gold-standard subset containing 1,712 labeled Beer Characteristics (BC), categories, and sentiment polarities. Two LLM families—one monolingual (Sabiá-3) and one multilingual (GPT-4o mini)—are systematically evaluated under zero-shot, one-shot, and few-shot prompting strategies. Results show that the best configuration achieves F1-scores of 0.857 for aspect extraction, 0.826 for category identification, and 0.552 for sentiment classification, with sentiment detection proving the most sensitive to prompt design. Using the optimal model and prompt configuration, a large-scale annotated dataset of over 880,000 extracted BC instances is generated, enabling longitudinal analysis of consumer perceptions from 2008 to 2025. Findings indicate that positive attributes such as refreshing mouthfeel and persistent foam dominate consumer praise. The proposed pipeline demonstrates that LLM-based ABSA can effectively uncover fine-grained consumer preferences in low-resource languages without extensive labeled data, offering a scalable and cost-effective tool for market intelligence and product development in the brewing industry.

17 March 2025
Verified
Conference Paper
Closed access
ABAdriana Camargo De Brito
Adriana Camargo De Brito
ALAdriano Galindo Leal
Adriano Galindo Leal
GCGustavo Torres Custódio
Gustavo Torres Custódio
EREdilson José Rodrigues
Edilson José Rodrigues
MMMichele Marcia Viana Martins
Michele Marcia Viana Martins
VGVinícius Monteiro De Paula Guirado
Vinícius Monteiro De Paula Guirado
The increasing demand for proactive patient out-reach and follow-up within health insurance providers and large hospital systems has led to the adoption of automated message classification systems. Although state-of-the-art tools like Azure and OpenAI o1 series are available, their costs are prohibitive for small companies. Therefore, using cost-effective traditional tools for text classification is still a valuable alternative. This study investigates how OpenAI's ChatGPT can generate synthetic data to balance class distributions in medical message datasets and improve the performance of binary classification models. The primary aim is to classify messages that indicate medical needs, aiding in patient outreach and efficient resource allocation. We applied Natural Language Processing (NLP) techniques, including Logistic Regression, Naive Bayes, Random Forest, XGBoost, and BERTimbau, a Portuguese transformer-based model. Models were trained on both original and augmented datasets, and results showed a significant increase in classification accuracy, particularly with BERTimbau, whose performance improved from 84% to 99%. Synthetic data also reduced overfitting by narrowing the gap between training and validation accuracies while improving model robustness on unseen data. Our findings demonstrate that synthetic data from ChatGPT effectively addresses class imbalance, improving the robustness and accuracy of medical message classification models. However, challenges remain in correctly classifying non-medical messages, indicating that further refinement in synthetic data generation is necessary for optimal performance in real-world scenarios. These results suggest that such approaches can significantly enhance automated patient engagement efforts.

7 November 2022 in Encontro Nacional de Tecnologia Do Ambiente ConstruÍdo
Verified
Conference Paper
Open access
PDF file
JCJulia Maria Crispiniano
Julia Maria Crispiniano
ABAdriana Camargo de Brito
Adriana Camargo de Brito
Devido ao ineditismo brasileiro, este artigo apresenta através de estudo de casos internacionais as práticas adotadas por alguns dos países detentores de tecnologia nuclear que ao passarem pela desativação de suas instalações nucleares de pesquisa optaram pela reabilitação dos edifícios e que após o processo de descontaminação passaram a disponibilizá-los para outros usos. Em paralelo, é feita a analise da legislação brasileira que aborda esse assunto e sua fragilidade em estabelecer diretrizes aos órgãos operadores, especialmente quanto ao processo de desativação e reutilização de instalações nucleares de pesquisa no Brasil, sendo predominantemente voltada para instalações tipo usina nuclear.

4 October 2017
Verified
Book Chapter
Closed access
UPUSP - Universidade de São Paulo
USP - Universidade de São Paulo
ABAdriana Camargo de Brito
Adriana Camargo de Brito
ESElisa Morandé Sales
Elisa Morandé Sales
FVFúlvio Vittorino
Fúlvio Vittorino
MAMarcelo de Mello Aquilino
Marcelo de Mello Aquilino
MAMaria Akutsu
Maria Akutsu

1 January 2017 in Revista IPT: Tecnologia e Inovação
Verified
Journal Article
Closed access
PDF file
ABAdriana Camargo de Brito
Adriana Camargo de Brito
ESElisa Morande Salles
Elisa Morande Salles
FVFulvio Vittorino
Fulvio Vittorino
MAMarcelo de Mello Aquilino
Marcelo de Mello Aquilino
MAMaria Akutsu
Maria Akutsu
Avaliação de desempenho térmico de habitações segundo a Norma ABNT NBR 15575: proposta para aprimoramento do método detalhado