EACH se destaca em premiação do Simpósio Brasileiro de Sistemas de Informação

Postado em 21 de julho de 2022

A EACH/USP ganhou destaque na premiação do Simpósio Brasileiro de Sistemas de Informação, tendo trabalho premiado em 2º lugar na categoria de mestrado e também recebendo menção honrosa.

O aluno Matheus Alberto de Oliveira Ribeiro conquistou o segundo lugar na premiação com sua dissertação de mestrado “Segmentação do ventrículo esquerdo em exames de Ressonância Magnética Cardíaca com aprendizado profundo e modelos deformáveis contendo restrições de forma”. O estudo teve orientação da professora Fátima Nunes, que também foi a docente que orientou o trabalho contemplado com menção honrosa.

Intitulado “Player Experience with Brazilian accent: development and validation of PX-BR, a summarized instrument in Portuguese”, o trabalho do aluno Renan Vinicius Aranha obteve a menção honrosa ao longo da premiação do simpósio, que ocorreu de forma híbrida na Universidade Tecnológica Federal do Paraná (UTFPR).

O estudante ainda apresentou na conferência o trabalho “Every move you make in every game you play: can game logs determine player’s engagement?”, que possui coautoria de dois alunos do bacharelado em Sistemas de Informação da EACH, Lucas Mendes Sales e Leonardo Nogueira Cordeiro.

 

Confira mais informações sobre os trabalhos premiados:

2º lugar no Concurso de teses e dissertações em Sistemas de Informação – categoria mestrado

Título do trabalho: Segmentação do ventrículo esquerdo em exames de Ressonância Magnética Cardíaca com aprendizado profundo e modelos deformáveis contendo restrições de forma

Resumo do trabalho: Sistemas de Informação estão evoluindo para processar dados multimídia. A segmentação automática do ventrículo esquerdo em exames médicos para auxílio ao diagnóstico é um desafio multidisciplinar da área de Cardiologia. Diversas abordagens têm sido propostas, com destaque para redes de aprendizado profundo, que têm obtido excelente desempenho, mas ainda produzem segmentações com erros anatômicos. Considerando essa limitação, esse trabalho apresenta um método de segmentação híbrido que combina aprendizado profundo e modelos deformáveis com restrições de forma. A combinação favorece a produção de segmentações anatomicamente mais consistentes. Resultados indicam que o método é competitivo e oferece boa generalização.

 

Menção Honrosa

Título do trabalho: Player Experience with Brazilian accent: development and validation of PX-BR, a summarized instrument in Portuguese

Resumo do trabalho: A motivação para o trabalho surgiu com a necessidade de avaliar, em diversos momentos, a experiência do jogador durante o uso de jogos digitais. Os principais instrumentos disponíveis na literatura não apenas tinham uma quantidade significativa de perguntas, mas também eram desenvolvidos em inglês. Mesmo após o processo de tradução, algumas perguntas poderiam ter difícil compreensão, por envolverem expressões incomuns na rotina de boa parte dos brasileiros.

Como a dificuldade de compreensão das perguntas foi relatada por voluntários em alguns experimentos, identificou-se a necessidade de um instrumento desenvolvido com foco em falantes de português brasileiro. Adicionalmente, buscou-se desenvolver um instrumento composto por uma pequena quantidade de itens, visando a não provocar fadiga no jogador durante a avaliação da experiência.

O instrumento PX-BR foi desenvolvido de forma colaborativa, por meio de consultas a pesquisadores e às comunidades de Jogos, Realidade Virtual e Interação Humano-Computador da Sociedade Brasileira de Computação (SBC). Em seguida, foi validado em uma avaliação com usuários, que responderam tanto ao PX-BR quanto aos instrumentos da literatura usados como referências. Os resultados indicaram o PX-BR como um instrumento promissor para a avaliação da experiência do jogador.