Utilize este identificador para referenciar este registo:
https://hdl.handle.net/1822/79959
Título: | Análise de padrões biométricos para otimização do desempenho académico |
Autor(es): | Noivo, João Miguel Amorim |
Orientador(es): | Novais, Paulo |
Palavras-chave: | Learning management system Stress Machine learning Sistema de gestão da aprendizagem |
Data: | 23-Dez-2019 |
Resumo(s): | Nowadays the demand for better results both academically and professionally has been
increasing, causing people to have to deal with this tension daily. The fact that they leave
the zone of tranquility does not mean that it is harmful, but when they are exposed to this
type of situations for an extended time usually leads to health degradation. In this way,
it can compromise the performance in the accomplishment of the tasks and influence in a
negative way the desired productivity.
Although there are already some techniques to help control stress, it is difficult to have
an exact idea of when it appears and its influence on the final results. With the study focus
on the academic environment, the goal is to collect the most information from the students
during the exams. After the collection process, it is necessary to treat the data to later apply
machine learning, using the most appropriate algorithm, to establish a pattern that allows
to perceive the impact of the stress in the students.
However, linking the different stages of the process can be an adversity to the progress of
the study of stress, compromising the quality of the results and the time to achieve them. In
order to solve this problem, in this dissertation project was developed a platform, Learning
Management System (LMS), where the students can carry out the exams and in parallel the
respective biometric data is collected to be analyzed afterwards. After the process is completed, the platform presents the results obtained through simple and intuitive interfaces
allowing the user to visualize and draw conclusions. Hoje em dia a exigência de melhores resultados quer a nível académico como profissional tem vindo a aumentar, levando as pessoas a ter que lidar com essa tensão diariamente. O facto de saírem da zona de tranquilidade, não significa que seja prejudicial, mas quando ficam expostas a este tipo de situações por tempo prolongado normalmente leva a um agravamento a nível do estado de saúde. Deste modo, poderá comprometer o desempenho na realização das tarefas e influenciar de forma negativa o rendimento desejado. Apesar de já existirem algumas técnicas para ajudar a controlar o stress, não se consegue ter uma ideia exata do momento em que este aparece e a sua influência nos resultados finais. Tendo como foco de estudo o meio académico, o objetivo é recolher o maior número de informações dos estudantes durante a realização dos exames. Após o processo de recolha é necessário tratar os dados para posteriormente aplicar algoritmos de machine learning, utilizando o algoritmo mais adequado, de forma a estabelecer um padrão que permita perceber o impacto do stress nos estudantes. Contudo, a ligação das diferentes fases do processo pode ser uma adversidade para o progresso do estudo do stress, comprometendo a qualidade dos resultados e o tempo para a sua realização. De forma a resolver este problema, neste projeto de dissertação propõe-se o desenvolvimento de uma plataforma, Sistema de Gestão da Aprendizagem (SGA), onde os alunos possam realizar as provas e em simultâneo sejam recolhidos os respetivos dados biométricos a analisar posteriormente. Após o processo estar concluído, a plataforma apresenta os resultados obtidos através de interfaces simples e intuitivas permitindo ao utilizador visualizar e tirar conclusões. |
Tipo: | Dissertação de mestrado |
Descrição: | Dissertação de mestrado integrado em Engenharia Informática |
URI: | https://hdl.handle.net/1822/79959 |
Acesso: | Acesso aberto |
Aparece nas coleções: | BUM - Dissertações de Mestrado DI - Dissertações de Mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Joao Miguel Amorim Noivo.pdf | Dissertação de Mestrado | 951,04 kB | Adobe PDF | Ver/Abrir |
Este trabalho está licenciado sob uma Licença Creative Commons