This work deals with the usage of technological competitions as strategies for supplementing and evaluating the learning of children and teenagers. Specifically, it discusses the methodology employed in the Desafio Jovens Programadores, a semiannual event involving programming and robotics competitions, which is part of an extension program that teaches computer programming and robotics for elementary and high school students. Among the results achieved by the competitions, we can highlight, according to the participants, how compatible and complementary the events were in relation to the subjects taught in class. Moreover, the events suceeded in pointing out topics related to the students' difficulties that should receive more attention in the courses.Resumo. Este trabalho aborda o uso de competições tecnológicas como estratégias para complementação e avaliação do aprendizado de crianças e adolescentes. Especificamente, discute-se a metodologia empregada no Desafio Jovens Programadores, um evento semestral que reúne competições de programação e robótica e que faz parte de um programa de extensão voltado para o ensino de tais cursos para alunos do ensino fundamental e médio. Entre os resultados obtidos pelas competições, destacam-se, segundo os próprios participantes, a sua compatibilidade e complementariedade em relação ao conteúdo ministrado em sala de aula. Ademais, o evento foi capaz de apontar tópicos em que os alunos apresentam dificuldade e que deverão receber mais atenção durante os cursos.

Identificação de lesões periapicais em exames de radiografia utilizando clusterização baseada na ϕ-divergência e algoritmos de classificação

No abstract

No abstract

The dental cyst is a pathology that presents characteristics of expansion and bone absorption, its early identification is fundamental for the treatment. Several computer vision systems seek to carry out the identification of cysts. Therefore, the present research aims to provide a methodology for automatic identification of cystic regions in radiographic examinations. For this, investigations of initial segmentation algorithms and texture descriptors applied in a neural network are carried out. The best initial segmentation results were from the Otsu multilevel, with accuracy of 68.56%, sensitivity of 66.29% and specificity of 68.10%. The best mean final classification results were LBP, with 92.97% accuracy, 89.24% sensitivity and 96.68% specificity. Resumo: O cisto dentário é uma patologia que apresenta características de expansão e absorção óssea, sua identificação precoce é fundamental para o tratamento. Diversos sistemas de visão computacional buscam realizar a identificação dos cistos. Dessa forma, a presente pesquisa tem o objetivo de fornecer uma metodologia para identificação automática de regiões císticas em exames de radiografia. Para isso, são realizadas investigações de algoritmos de segmentação inicial e descritores de textura aplicados em uma rede neural. Os melhores resultados de segmentação inicial foram do multinível de Otsu, com acurácia de 68,56%, sensibilidade de 66,29% e especificidade de 68,10%. Os melhores resultados médios de classificação final foram do LBP, com 92,97% de acurácia, 89,24% de sensibilidade e 96,68% de especificidade.