Percorrer por data de Publicação, começado por "2025-05-30"
A mostrar 1 - 3 de 3
Resultados por página
Opções de ordenação
- O uso de machine learning na prevenção de diabetesPublication . Lopes, Maria Alice Holanda; Lacerda, Ana Cristina Wanzeller Guedes de; Fialho, Joana Rita SilvaA Diabetes Mellitus é uma das doenças crónicas com crescimento mais acele rado no mundo, demandando soluções eficazes para diagnóstico e prevenção. Neste contexto, técnicas de Machine Learning (ML) apresentam potencial significativo na identificação de padrões relevantes ao controlo da doença. Este estudo utilizou a metodologia CRISP-DM para analisar dados do Diabetes Health Indicators Dataset, contendo informações sociodemográficas, clínicas e comportamentais. Na fase de pré-processamento, aplicou-se o equilíbrio de classes por subamos tragem (NearMiss) devido à baixa proporção de indivíduos diabéticos. Técnicas de seleção de características, como Eliminação Recursiva de Características (RFE) e Análise de Componentes Principais (PCA), foram utilizadas para avaliar a relevân cia das variáveis e reduzir a dimensionalidade. Avaliaram-se seis modelos: Floresta Aleatória, Gradient Boosting, KNN, Regressão Logística, Perceptron Multicamadas (MLP) e Redes Neuronais Recorrentes (RNN). Os resultados mostraram que o equilíbrio das classes melhorou significativamente o desempenho, destacando-se a RNN, com acurácia acima de 86% e F1-score próximo a 0,87. A combinação da seleção RFE com MLP também apresentou resultados robustos. Conclui-se que ML e DL são promissores para priorizar acompanhamento clínico e apoiar políticas públicas, sendo necessário ampliar a representatividade dos dados, incorporar técnicas de Explainable AI para maior interpretabilidade, e ajustar limiares decisórios visando minimizar falsos negativos.
- Implementação do Pensamento Lean Kaizen como ferramenta de Gestão das Organizações de Economia Social – O caso das ERPI do Distrito de ViseuPublication . Ferreira, Andreia Patrícia Gonçalves; Guia, Ana Teresa Bernardo; Carvalho, Ana Branca da Silva Soeiro deEsta investigação estuda a implementação do pensamento Lean Kaizen como prática de gestão das OES (Organizações de Economia Social), tendo como foco o caso das ERPI (Estruturas Residenciais para Idosos) do distrito de Viseu. Tem três objetivos gerais, nomeadamente, analisar os conceitos teóricos das ferramentas do pensamento Lean Kaizen evidenciando a sua relevância para as organizações do terceiro setor, estudar o estado atual da implementação do pensamento Lean Kaizen neste contexto e avaliar o impacto da implementação do pensamento Lean Kaizen nestas organizações. Por sua vez, estes objetivos gerais ramificam em nove objetivos específicos. Usou-se uma metodologia quantitativa que pretende obter respostas a um inquérito por questionário enviado às 160 organizações que desenvolvem a resposta social de ERPI no distrito de Viseu. Trata-se de um estudo de natureza exploratória e de diagnóstico. Os resultados da investigação permitem entender que há um grande desconhecimento sobre o pensamento Lean Kaizen, ainda que alguns dos seus princípios sejam, de modo isolado, usados no dia-a-dia das organizações.
- The Paradox Between Concept Knowledge and Digital Maturity Level for Industry 4.0: The Portuguese CasePublication . Guimarães, André; Pereira, Rosivaldi; Pereira, Maria Teresa; Reis, Pedro; Cardoso, Antonio J. MarquesThis study investigates the paradox between theoretical knowledge of the Industry 4.0 (I4.0) concept and the actual level of digital maturity observed in Portuguese industrial companies. Specifically, it examines whether companies’ awareness of I4.0, geographic location, and size influence their capacity to adopt and integrate digital technologies. Data were collected from a sample of 450 companies through a structured self-assessment questionnaire developed in collaboration with the Shift2Future consortium. The instrument evaluated the degree of familiarity with the I4.0 concept and the stage of digital maturity across different dimensions. The statistical analysis applied ordinal logistic regression models and chi-square tests to assess three hypotheses related to the potential influence of concept knowledge, regional distribution, and company size. The results reveal no statistically significant relationship between the tested variables and the level of digital maturity, suggesting that individual factors do not primarily drive digital advancement. Instead, the findings indicate that broader structural and strategic dimensions, such as leadership commitment, participation in support programs, availability of qualified human resources, and alignment with national and European digitalization agendas, are more decisive in determining companies’ digital readiness. These results challenge common assumptions in the literature, which often posit a direct relationship between company characteristics and technological integration. The study highlights the limited predictive power of isolated variables and highlights the importance of a systemic and integrated approach to promoting digital transformation. The findings contribute to academic and policy discussions by identifying the need for more comprehensive frameworks considering the complex interplay of internal capabilities and external enablers. Future research should expand this approach by including longitudinal and sector-specific analyses and qualitative data to explore internal organizational dynamics, leadership behaviour, and employee digital literacy. The data gained can support designing more effective and inclusive digital transition strategies for industrial firms in Portugal and similar European contexts.