Karliane Medeiros Ovidio Vale
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Research Subjects
Karliane Medeiros Ovidio Vale has a total of 20 co-authors. Here are the top co-authors by number of shared publications:
- Flavius L. Gorgônio
Federal University of Rio Grande do Norte (UFRN)
6 shared publications - Anne Magaly de Paula Canuto
Federal University of Rio Grande do Norte
5 shared publications - Arthur Costa Gorgonio
Federal University of Rio Grande do Norte (UFRN)
3 shared publications - Anna Cláudia dos Santos Nobre
Doutora em Administração (UFRN)
2 shared publications Alan de M. Tavares
Dept. of Computation and Technology (DCT), Federal University of Rio Grande do Norte (UFRN), Caicó, Brazil
1 shared publication- Alec Can Yalçin1 shared publication
Latest Publications
- Open Access
- 12 June 2026
- Published by Sociedade Brasileira de Computação in Revista Eletrônica de Iniciação Científica em Computação
- Vol. 24, 318-329
Aplicação de Métodos de Aprendizado de Máquina no Contexto Nutricional na Região do Seridó/RN
A identificação de padrões alimentares na nutrição tem incorporado a mineração de dados para analisar grandes volumes de informação. Este estudo exploratório analisou 407 habitantes da região do Seridó para buscar padrões de consumo de frutas e sua associação com variáveis sociodemográficas, antropométricas e de preferências pessoais. O método envolveu formulários estruturados, pré-processamento e os k-means e Apriori para identificar agrupamentos e regras de associação nos dados. Os resultados revelaram três padrões de consumo que seguem uma ordem hierárquica, influenciados por idade e horários de consumo, nos quais os grupos apresentaram avaliações progressivamente maiores para as frutas. O consumo de frutas com caroço (ameixa, cereja, pêssego e caqui) associou-se fortemente à aceitação de outros grupos de frutas. Conclui-se que idade, preferências pessoais e horários de consumo são preditores de dietas com maior variedade de frutas dentro da população documentada, fornecendo uma base teórica para análises nutricionais regionalizadas.
- 12 June 2026
- Published by Sociedade Brasileira de Computação in Revista Eletrônica de Iniciação Científica em Computação
- Vol. 24, 318-329
Open AccessAplicação de Métodos de Aprendizado de Máquina no Contexto Nutricional na Região do Seridó/RN
A identificação de padrões alimentares na nutrição tem incorporado a mineração de dados para analisar grandes volumes de informação. Este estudo exploratório analisou 407 habitantes da região do Seridó para buscar padrões de consumo de frutas e sua associação com variáveis sociodemográficas, antropométricas e de preferências pessoais. O método envolveu formulários estruturados, pré-processamento e os k-means e Apriori para identificar agrupamentos e regras de associação nos dados. Os resultados revelaram três padrões de consumo que seguem uma ordem hierárquica, influenciados por idade e horários de consumo, nos quais os grupos apresentaram avaliações progressivamente maiores para as frutas. O consumo de frutas com caroço (ameixa, cereja, pêssego e caqui) associou-se fortemente à aceitação de outros grupos de frutas. Conclui-se que idade, preferências pessoais e horários de consumo são preditores de dietas com maior variedade de frutas dentro da população documentada, fornecendo uma base teórica para análises nutricionais regionalizadas.
- Open Access
- 25 September 2025
- Published by MPM Comunicacao in Saúde Coletiva (Barueri)
- Vol. 16 (100) , 17236-17249
Inteligência Artificial: Avanços no Combate Ao Câncer de Pulmão
Este trabalho teve como objetivo identificar os avanços da inteligência artificial (IA) no combate ao câncer de pulmão, por meio de uma revisão terciária da literatura. Utilizou-se a metodologia de Felizardo et al.(14), composta pelas fases de planejamento, condução e publicação dos resultados. Entre setembro e novembro de 2024, foram analisados 22 estudos extraídos das bases PubMed e Web of Science. Os resultados indicam que a IA tem potencial para melhorar o diagnóstico, otimizar recursos e acelerar o início dos tratamentos. No entanto, ainda enfrenta desafios como a limitação na diversidade e qualidade dos dados utilizados para treinamento, além de questões éticas envolvendo privacidade e transparência. Conclui-se que, apesar das limitações, a IA representa um avanço significativo no enfrentamento do câncer de pulmão, sendo recomendada a realização de novas revisões sobre sua aplicação em outros tipos de câncer.
- 25 September 2025
- Published by MPM Comunicacao in Saúde Coletiva (Barueri)
- Vol. 16 (100) , 17236-17249
Open AccessInteligência Artificial: Avanços no Combate Ao Câncer de Pulmão
Este trabalho teve como objetivo identificar os avanços da inteligência artificial (IA) no combate ao câncer de pulmão, por meio de uma revisão terciária da literatura. Utilizou-se a metodologia de Felizardo et al.(14), composta pelas fases de planejamento, condução e publicação dos resultados. Entre setembro e novembro de 2024, foram analisados 22 estudos extraídos das bases PubMed e Web of Science. Os resultados indicam que a IA tem potencial para melhorar o diagnóstico, otimizar recursos e acelerar o início dos tratamentos. No entanto, ainda enfrenta desafios como a limitação na diversidade e qualidade dos dados utilizados para treinamento, além de questões éticas envolvendo privacidade e transparência. Conclui-se que, apesar das limitações, a IA representa um avanço significativo no enfrentamento do câncer de pulmão, sendo recomendada a realização de novas revisões sobre sua aplicação em outros tipos de câncer.
- Open Access
- 1 November 2023
- Published by Brazilian Journals in Revista de Gestão e Secretariado
- Vol. 14 (11) , 19517-19532
Mapeamento de processos de viagens corporativas: o caso do Centro de Ensino Superior do Seridó
Este artigo apresenta um estudo de caso que explora a aplicação da Notação de Modelagem de Processos de Negócios (BPMN) como uma ferramenta para mapear processos operacionais. O estudo concentra-se nos processos de Viagens do Centro de Ensino Superior do Seridó (CERES) e descreve como a BPMN foi usada para modelar e analisar esses processos, proporcionando transparência e estabelecendo padrões. Isso não apenas simplifica o fluxo de trabalho, mas também melhora a eficiência e a compreensão do processo para todos os envolvidos.
- 1 November 2023
- Published by Brazilian Journals in Revista de Gestão e Secretariado
- Vol. 14 (11) , 19517-19532
Open AccessMapeamento de processos de viagens corporativas: o caso do Centro de Ensino Superior do Seridó
Este artigo apresenta um estudo de caso que explora a aplicação da Notação de Modelagem de Processos de Negócios (BPMN) como uma ferramenta para mapear processos operacionais. O estudo concentra-se nos processos de Viagens do Centro de Ensino Superior do Seridó (CERES) e descreve como a BPMN foi usada para modelar e analisar esses processos, proporcionando transparência e estabelecendo padrões. Isso não apenas simplifica o fluxo de trabalho, mas também melhora a eficiência e a compreensão do processo para todos os envolvidos.
- 12 October 2023
- Published by Springer Nature
- p. 95-109
FlexCon-CE: A Semi-supervised Method with an Ensemble-Based Adaptive Confidence
- 12 October 2023
- Published by Springer Nature
- p. 95-109
FlexCon-CE: A Semi-supervised Method with an Ensemble-Based Adaptive Confidence
- Open Access
- 23 August 2023
- Published by Sociedade Brasileira de Computação
- p. 479-482
Introdução ao Pensamento Computacional no Ensino Fundamental: Um Relato de Experiência em Escolas Distritais
O ensino de conceitos de pensamento computacional nas escolas de ensino fundamental é um importante diferencial que contribui significativamente para ampliar a capacidade e a cognitividade do raciocínio computacional em crianças e adolescentes. Entretanto, a implantação destes conteúdos em escolas das redes estaduais e municipais brasileiras ainda enfrentar uma série de desafios e limitações. Este artigo descreve um relato de experiência de implantação de minicursos de pensamento computacional em escolas localizadas em pequenos distritos do interior do estado do Rio Grande do Norte a partir de projetos de extensão universitária.
- 23 August 2023
- Published by Sociedade Brasileira de Computação
- p. 479-482
Open AccessIntrodução ao Pensamento Computacional no Ensino Fundamental: Um Relato de Experiência em Escolas Distritais
O ensino de conceitos de pensamento computacional nas escolas de ensino fundamental é um importante diferencial que contribui significativamente para ampliar a capacidade e a cognitividade do raciocínio computacional em crianças e adolescentes. Entretanto, a implantação destes conteúdos em escolas das redes estaduais e municipais brasileiras ainda enfrentar uma série de desafios e limitações. Este artigo descreve um relato de experiência de implantação de minicursos de pensamento computacional em escolas localizadas em pequenos distritos do interior do estado do Rio Grande do Norte a partir de projetos de extensão universitária.
- 19 November 2022
- Published by Springer Nature
- p. 30-44
An Efficient Drift Detection Module for Semi-supervised Data Classification in Non-stationary Environments
- 19 November 2022
- Published by Springer Nature
- p. 30-44
An Efficient Drift Detection Module for Semi-supervised Data Classification in Non-stationary Environments
- Open Access
- 27 December 2021
- Published by Institute of Electrical and Electronics Engineers (IEEE) in IEEE Access
- Vol. 10, 7254-7276
An Efficient Approach to Select Instances in Self-Training and Co-Training Semi-Supervised Methods
Semi-supervised learning is a machine learning approach that integrates supervised and unsupervised learning mechanisms. In this learning, most of labels in the training set are unknown, while there is a small part of data that has known labels. The semi-supervised learning is attractive due to its potential to use labeled and unlabeled data to perform better than supervised learning. This paper consists of a study in the field of semi-supervised learning and implements changes on two well-known semi-supervised learning algorithms: self-training and co-training. In the literature, it is common to develop researches that change the structure of these algorithms, however, none of them proposes automating the labeling process of unlabeled instances, which is the main purpose of this work. In order to achieve this goal, three methods are proposed: FlexCon-G, FlexCon and FlexCon-C. The main difference among these methods is the way in which the confidence rate is calculated and the strategy used to select a label in each iteration. In order to evaluate the proposed methods’ performance, an empirical analysis is conducted, in which the performance of these methods has been evaluated on 30 datasets with different characteristics. The obtained results indicate that all three proposed methods perform better than the original self-training and co-training methods, in most analysed cases.
- 27 December 2021
- Published by Institute of Electrical and Electronics Engineers (IEEE) in IEEE Access
- Vol. 10, 7254-7276
Open AccessAn Efficient Approach to Select Instances in Self-Training and Co-Training Semi-Supervised Methods
Semi-supervised learning is a machine learning approach that integrates supervised and unsupervised learning mechanisms. In this learning, most of labels in the training set are unknown, while there is a small part of data that has known labels. The semi-supervised learning is attractive due to its potential to use labeled and unlabeled data to perform better than supervised learning. This paper consists of a study in the field of semi-supervised learning and implements changes on two well-known semi-supervised learning algorithms: self-training and co-training. In the literature, it is common to develop researches that change the structure of these algorithms, however, none of them proposes automating the labeling process of unlabeled instances, which is the main purpose of this work. In order to achieve this goal, three methods are proposed: FlexCon-G, FlexCon and FlexCon-C. The main difference among these methods is the way in which the confidence rate is calculated and the strategy used to select a label in each iteration. In order to evaluate the proposed methods’ performance, an empirical analysis is conducted, in which the performance of these methods has been evaluated on 30 datasets with different characteristics. The obtained results indicate that all three proposed methods perform better than the original self-training and co-training methods, in most analysed cases.
- 1 July 2018
- Published by Institute of Electrical and Electronics Engineers (IEEE)
- p. 1-8
Automatic Adjustment of Confidence Values in Self-training Semi-supervised Method
This paper consists of a study in the field of semi-supervised learning and implements changes on the self-training algorithm in order to propose a variation in the rate of inclusion of new observations in the labeled dataset. In order to achieve this goal, three methods (FlexCon-G, FlexCone FlexCon-C) are proposed, which differ in the way that they perform the calculation of a new value for the minimum confidence rate to include new patterns. In order to evaluate the proposed methods, we performed experimentations with 20 datasets with diversified characteristics. Each of them was setup with a different percentage of initially labeled patterns. Each dataset was trained using the Naive Bayes, decision tree and ripper classifiers. Moreover, Friedmann statistical test was applied to provide a statistically significant analysis. The obtained results indicate that the three proposed methods perform better than a self-training method in most cases, pointing to the FlexCon-C method as the most efficient of them.
- 1 July 2018
- Published by Institute of Electrical and Electronics Engineers (IEEE)
- p. 1-8
Automatic Adjustment of Confidence Values in Self-training Semi-supervised Method
This paper consists of a study in the field of semi-supervised learning and implements changes on the self-training algorithm in order to propose a variation in the rate of inclusion of new observations in the labeled dataset. In order to achieve this goal, three methods (FlexCon-G, FlexCone FlexCon-C) are proposed, which differ in the way that they perform the calculation of a new value for the minimum confidence rate to include new patterns. In order to evaluate the proposed methods, we performed experimentations with 20 datasets with diversified characteristics. Each of them was setup with a different percentage of initially labeled patterns. Each dataset was trained using the Naive Bayes, decision tree and ripper classifiers. Moreover, Friedmann statistical test was applied to provide a statistically significant analysis. The obtained results indicate that the three proposed methods perform better than a self-training method in most cases, pointing to the FlexCon-C method as the most efficient of them.
- 1 September 2008
- Published by Institute of Electrical and Electronics Engineers (IEEE)
- p. 596-601
A Class-Based Feature Selection Method for Ensemble Systems
Diversity is considered as one of the main prerequisites for an efficient use of ensemble systems. One way of increasing diversity is through the use of feature selection methods in ensemble systems. In this paper, a class-based feature selection method for ensemble systems is proposed. The proposed method is inserted into the filter approach of feature selection methods and it chooses only the attributes that are important only for a specific class. An analysis of the performance of the proposed method is also investigated in this paper and it shows that the proposed method has outperformed the standard feature selection method.
- 1 September 2008
- Published by Institute of Electrical and Electronics Engineers (IEEE)
- p. 596-601
A Class-Based Feature Selection Method for Ensemble Systems
Diversity is considered as one of the main prerequisites for an efficient use of ensemble systems. One way of increasing diversity is through the use of feature selection methods in ensemble systems. In this paper, a class-based feature selection method for ensemble systems is proposed. The proposed method is inserted into the filter approach of feature selection methods and it chooses only the attributes that are important only for a specific class. An analysis of the performance of the proposed method is also investigated in this paper and it shows that the proposed method has outperformed the standard feature selection method.