Machine learning is a suitable pattern recognition technique for detecting correlations between data. In the case of unsupervised learning, the groups formed from these correlations can receive a label, which consists of describing them in terms of their most relevant attributes and their respective ranges of values so that they are understood automatically. In this research work, this process is called labeling. However, a challenge for researchers is establishing the optimal number of clusters that best represent the underlying structure of the data subjected to clustering. This optimal number may vary depending on the data set and the grouping method used and influences the data clustering process and, consequently, the interpretability of the generated groups. Therefore, this research aims to provide an inference approach to the number of clusters to be used in the grouping based on the range of attribute values, followed by automatic data labeling based on the standard deviation to maximize the understanding of the groups obtained. This methodology was applied to four databases. The results show that it contributes to the interpretation of the groups since it generates more accurate labels without any overlap between ranges of values, considering the same attribute in different groups.

No abstract

Todo o conteúdo deste livro está licenciado sob uma Licença de Atribuição Creative Commons. Atribuição 4.0 Internacional (CC BY 4.0). O conteúdo dos artigos e seus dados em sua forma, correção e confiabilidade são de responsabilidade exclusiva dos autores. Permitido o download da obra e o compartilhamento desde que sejam atribuídos créditos aos autores, mas sem a possibilidade de alterá-la de nenhuma forma ou utilizá-la para fins comerciais.

Um dos principais desafios da educação atual é a inserção das tecnologias de informação e comunicação como forma de melhorar o processo de ensino aprendizagem. As ferramentas computacionais podem auxiliar o professor e aluno na hora de desenvolver suas atividades dentro e fora de sala de aula. Esse trabalho tem como objetivo analisar o uso da ferramenta computacional GCompris na Unidade Escolar Lilásia Lobão Marques do município de União (Piauí) para alunos do ensino fundamental, como suporte ao processo de construção do conhecimento. Constatouse a inclusão digital de crianças ao conhecimento tecnológico e à aprendizagem de forma lúdica por meio da ferramenta GCompris.

A tecnologia está cada vez mais presente em nossa sociedade. O acesso às informações é indispensável na era digital, porém é importante que tais tecnologias forneçam interações fáceis, capazes de serem detectadas e corretamente interpretadas por pessoas com deficiência. O presente trabalho objetiva abordar a inclusão digital de deficientes visuais na sociedade por meio do software Dosvox. A metodologia utilizada foi uma revisão bibliográfica de abordagem qualitativa, onde se levantou os percalços da inclusão do deficiente visual na sociedade e a relevância da Tecnologia Assistiva (TA) para promover essa inclusão. Pôde-se concluir que essa TA promove a acessibilidade digital ao permitir que o deficiente visual trabalhe de forma autônoma no computador ou smartphone.