Bruno Torres Marques

L'ingegneria del software emersa per rendere possibile lo sviluppo di sistemi complessi in tempo e con alta qualit . La necessit di stime dello sforzo software sempre pi accurate ed efficienti evidente nel mercato del software. La stima dello sforzo un compito molto importante per i progetti software ed difficile da eseguire con una precisione soddisfacente. Ci sono fattori che influenzano queste stime direttamente o indirettamente, positivamente o negativamente.

Die heuristische Evaluation ist eine Methode zur Bewertung von Schnittstellen, um Probleme bei der Benutzerfreundlichkeit von Systemen zu finden. Zur Durchf hrung der heuristischen Evaluierung verwenden die Evaluatoren Werkzeuge, die nicht alle Schritte der heuristischen Evaluierung vollst ndig unterst tzen, wodurch ein erheblicher manueller Arbeitsaufwand in Prozessen entsteht, die durch ein f r diesen Zweck bestimmtes Werkzeug erleichtert werden k nnten. Die vorliegende Arbeit zielt darauf ab, den Entwurf und die Evaluierung eines Webtools vorzustellen, das die Evaluatoren bei der Dokumentation der heuristischen Evaluierung unterst tzt, um die Durchf hrung weniger kostspielig und methodengetreu zu gestalten.

La valutazione euristica un metodo di valutazione delle interfacce per trovare problemi di usabilit nei sistemi. Per eseguire la valutazione euristica, i valutatori finiscono per utilizzare strumenti che non supportano pienamente tutte le fasi della valutazione euristica, generando cos un notevole lavoro manuale in processi che potrebbero essere facilitati da uno strumento dedicato a questo scopo. Il presente lavoro si propone di presentare la progettazione e la valutazione di uno strumento web, che svolge il ruolo di aiutare i valutatori a documentare la valutazione euristica, per renderne la realizzazione meno costosa e in modo fedele al metodo.

L' valuation heuristique est une m thode d' valuation des interfaces qui permet de d tecter les probl mes d'utilisabilit des syst mes. Pour r aliser une valuation heuristique, les valuateurs finissent par utiliser des outils qui ne prennent pas en charge toutes les tapes de l' valuation heuristique, ce qui g n re un travail manuel important dans des processus qui pourraient tre facilit s par un outil d di cet effet. Le pr sent travail vise pr senter la conception et l' valuation d'un outil web qui aide les valuateurs documenter l' valuation heuristique, rendre la r alisation moins co teuse et rester fid le la m thode.

Heuristic evaluation is an interface evaluation method to find usability problems in systems. To perform the heuristic evaluation, evaluators end up using tools that do not fully support all the steps of the heuristic evaluation, thus generating expressive manual work, in processes that can be facilitated by a tool dedicated to this purpose. The present work aims to present the design and evaluation of a web tool, which fulfills the role of helping evaluators to document the heuristic evaluation, to make the realization less costly, and in a faithful way to the method.

L'un des probl mes rencontr s dans la reconnaissance des entit s nomm es est l'extraction d'informations pr cises partir de textes aidant les tres humains dans leurs processus quotidiens. L'un de ces processus d'extraction d'informations est la r vision de textes dans certains domaines tels que l' ducation et la police. Ces r visions prennent du temps et sont sujettes des erreurs. Ce travail vise d cider d'une r vision finale en utilisant les meilleures classifications des r visions parall les du m me texte effectu es par un ou plusieurs r viseurs. Une tape importante est la cr ation d'une m trique qui aide au choix des classifications et g n re une valeur de concordance qui peut tre analys e. Une tude bibliographique des m triques existantes pouvant aider la cr ation de la nouvelle m trique est galement r alis e.

Eines der Probleme bei der Named Entity Recognition ist die Extraktion von genauen Informationen aus Texten, die den Menschen bei ihren t glichen Prozessen helfen. Ein solcher Prozess der Informationsextraktion sind die Textrevisionen, die in einigen Bereichen wie Bildung und Polizei vorkommen. Diese berarbeitungen sind zeitaufwendig und fehleranf llig. Diese Arbeit zielt darauf ab, eine endg ltige berarbeitung anhand der besten Klassifizierungen der parallelen berarbeitungen desselben Textes, die von einem oder mehreren Pr fern vorgenommen wurden, zu entscheiden. Ein wichtiger Schritt ist die Entwicklung einer Metrik, die bei der Auswahl der Klassifizierungen hilft und einen Konkordanzwert erzeugt, der analysiert werden kann. Es wird auch eine bibliografische Studie ber bestehende Metriken durchgef hrt, die bei der Erstellung der neuen Metrik helfen k nnen.

One of the problems faced in Named Entity Recognition is the extraction of accurate information from texts helping humans in their everyday processes. One such information extraction process is the text revisions that occur in some domains such as education and law enforcement. These revisions take time to do and are prone to errors. This work aims to decide on a final revision using the best classifications of parallel revisions of the same text made by one or more revisers. An important step is the creation of a metric that helps in the choice of ratings and generates a concordance value that can be analyzed. A bibliographic study of existing metrics that can help in the creation of the new metric is also done.

Uno dei problemi affrontati dal Named Entity Recognition l'estrazione di informazioni accurate dai testi che aiutano gli esseri umani nei loro processi quotidiani. Uno di questi processi di estrazione delle informazioni rappresentato dalle revisioni del testo che si verificano in alcuni domini, come quello educativo e della polizia. Queste revisioni richiedono tempo e sono soggette a errori. Questo lavoro mira a decidere una revisione finale utilizzando le migliori classificazioni delle revisioni parallele dello stesso testo effettuate da uno o pi revisori. Un passo importante la creazione di una metrica che aiuti nella scelta delle classificazioni e generi un valore di concordanza che possa essere analizzato. Viene inoltre effettuato uno studio bibliografico delle metriche esistenti che possono aiutare nella creazione della nuova metrica.

Der Schulabbruch ist eines der faszinierendsten und wichtigsten Probleme im Bildungswesen. Dieses Problem durchdringt die verschiedenen Ebenen und Modalit ten der Bildung und verursacht soziale, wirtschaftliche, politische, akademische und finanzielle Verluste f r alle am Bildungsprozess Beteiligten. Daher ist die Entwicklung effizienter Methoden zur Vorhersage des Risikos des Schulabbruchs von wesentlicher Bedeutung, damit die Einrichtungen proaktive Ma nahmen ergreifen k nnen, um diese Situation zu minimieren. Ziel dieser Arbeit ist es daher, einen datenbankgest tzten Wissensentdeckungsansatz vorzustellen, der darauf abzielt, Gruppen von Studenten zu identifizieren, bei denen das Risiko eines Studienabbruchs besteht.

Uno de los problemas a los que se enfrenta el Reconocimiento de Entidades Nombradas es la extracci n de informaci n precisa de textos que ayuden a los seres humanos en sus procesos cotidianos. Uno de estos procesos de extracci n de informaci n son las revisiones de textos que se producen en algunos mbitos, como el educativo y el policial. Estas revisiones llevan tiempo y son propensas a errores. Este trabajo pretende decidir una revisi n final utilizando las mejores clasificaciones de las revisiones paralelas del mismo texto realizadas por uno o m s revisores. Un paso importante es la creaci n de una m trica que ayude en la elecci n de las clasificaciones y genere un valor de concordancia que pueda ser analizado. Tambi n se realiza un estudio bibliogr fico de las m tricas existentes que pueden ayudar en la creaci n de la nueva m trica.

L'abbandono scolastico uno dei problemi pi intriganti e cruciali dell'istruzione. Questo problema permea i vari livelli e modalit di istruzione e genera perdite sociali, economiche, politiche, accademiche e finanziarie per tutti coloro che sono coinvolti nel processo educativo. Pertanto, lo sviluppo di metodi efficaci per prevedere il rischio di abbandono degli studenti essenziale, consentendo alle istituzioni di adottare azioni proattive per ridurre al minimo la situazione. Pertanto, l'obiettivo di questo lavoro presentare un approccio di scoperta della conoscenza, in un database, volto a identificare gruppi di studenti a rischio di abbandono dei corsi di istruzione superiore in classe.

L'abandon scolaire est l'un des probl mes les plus intrigants et les plus cruciaux de l' ducation. Ce probl me touche les diff rents niveaux et modalit s de l' ducation et g n re des pertes sociales, conomiques, politiques, acad miques et financi res pour toutes les personnes impliqu es dans le processus ducatif. Il est donc essentiel de d velopper des m thodes efficaces pour pr dire le risque de d crochage des tudiants, afin de permettre aux institutions d'adopter des actions proactives pour minimiser la situation. Ainsi, l'objectif de ce travail est de pr senter une approche de d couverte de connaissances, dans une base de donn es, visant identifier les groupes d' tudiants qui risquent d'abandonner les cours en classe dans l'enseignement sup rieur.

Dropout is one of the most intriguing and crucial problems in education. This problem permeates the various levels and modalities of education and generates social, economic, political, academic, and financial losses for all those involved in the educational process. Therefore, it is essential to develop efficient methods to predict the risk of student dropout, allowing institutions to adopt proactive actions to minimize the situation. Thus, the objective of this paper is to present a knowledge discovery approach, using a database, to identify groups of students at risk of dropping out of in-class courses of higher education.

Negli ultimi anni gli istituti di istruzione superiore hanno affrontato i principali problemi causati dalla ritenzione accademica. Alla luce di ci , diversi ricercatori hanno dedicato i loro sforzi a scoprire le cause e a prevenire la retention accademica, e il data mining educativo pu aiutare in questo processo. Tuttavia, per ottenere risultati soddisfacenti con il data mining applicato al contesto della retention accademica, necessario conoscere le migliori risorse di data mining da utilizzare. Per questo motivo, il presente lavoro ha condotto una revisione sistematica della letteratura al fine di identificare le principali tecniche e gli strumenti di data mining che possono essere applicati in questo processo, oltre a identificare i principali fattori che inducono la retention accademica.

Ces derni res ann es, les tablissements d'enseignement sup rieur ont t confront s des probl mes majeurs li s la pers v rance scolaire. Dans ce contexte, plusieurs chercheurs ont consacr leurs efforts la d couverte des causes et la pr vention de la r tention acad mique, et l'exploration de donn es ducatives peut contribuer ce processus. Cependant, pour obtenir des r sultats satisfaisants avec l'exploration de donn es appliqu e au contexte de la r tention acad mique, il est n cessaire de conna tre les meilleures ressources d'exploration de donn es utiliser. Ce document a donc proc d une analyse syst matique de la litt rature afin d'identifier les principaux outils et techniques d'exploration de donn es qui peuvent tre appliqu s ce processus, ainsi que les principaux facteurs qui induisent la pers v rance scolaire.

In recent years higher education institutions have faced major problems caused by academic retention. In light of this, several researchers have dedicated their efforts to discovering the causes and preventing academic retention, and educational data mining can help in this process. However, to obtain satisfactory results with data mining applied to the context of academic retention it is necessary to know the best data mining resources to be used. Thus, in this paper a systematic review of the literature was conducted in order to identify the main data mining techniques and tools that can be applied in this process, as well as to identify the main factors that induce academic retention.

In den letzten Jahren sind die Hochschuleinrichtungen mit gro en Problemen konfrontiert, die durch Studienabbr che verursacht werden. Vor diesem Hintergrund haben sich mehrere Forscher der Erforschung der Ursachen und der Verhinderung von Studienabbr chen gewidmet, und Data Mining im Bildungsbereich kann bei diesem Prozess helfen. Um jedoch zufriedenstellende Ergebnisse mit Data Mining im Zusammenhang mit Studienabbr chen zu erzielen, muss man wissen, welche Data-Mining-Ressourcen am besten eingesetzt werden k nnen. Daher wurde in diesem Beitrag eine systematische Literaturrecherche durchgef hrt, um die wichtigsten Data-Mining-Techniken und -Werkzeuge zu ermitteln, die in diesem Prozess eingesetzt werden k nnen, und um die wichtigsten Faktoren zu identifizieren, die zum Studienabbruch f hren.