KVKarliane Medeiros Ovidio Vale

Karliane Medeiros Ovidio Vale

*This is an algorithmically generated author record based on publicly available information.

Current Organizations / Institutes

The organizations/institutes from the scholar's latest article


Karliane Medeiros Ovidio Vale has a total of 20 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • Open Access

    Aplicação de Métodos de Aprendizado de Máquina no Contexto Nutricional na Região do Seridó/RN

    by Alec Can Yalçin, Karliane Medeiros Ovidio Vale, Flavius da Luz e Gorgônio, Raí Nabichedí da Silva

    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

    Inteligência Artificial: Avanços no Combate Ao Câncer de Pulmão

    by Gabriel Azevedo dos Santos, Anna Cláudia dos Santos Nobre, Karliane Medeiros Ovidio Vale, Ana Flavia de Souza Timoteo, Paula Gonçalves Serafini

    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

    Mapeamento de processos de viagens corporativas: o caso do Centro de Ensino Superior do Seridó

    by Sheydson Carlos Santos Cortez, Anna Cláudia dos Santos Nobre, Karliane Medeiros Ovidio Vale, Flavius da Luz E Gorgônio

    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.

  • FlexCon-CE: A Semi-supervised Method with an Ensemble-Based Adaptive Confidence

    by Arthur Medeiros, Arthur C. Gorgônio, Karliane Medeiros Ovidio Vale, Flavius L. Gorgônio, Anne Magály de Paula Canuto


  • Open Access

    Introdução ao Pensamento Computacional no Ensino Fundamental: Um Relato de Experiência em Escolas Distritais

    by Flavius L. Gorgônio, Karliane M. O. Vale

    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.


  • An Efficient Drift Detection Module for Semi-supervised Data Classification in Non-stationary Environments

    by Arthur C. Gorgônio, Cephas A. da S. Barreto, Song Jong Márcio Simioni da Costa, Anne Magály de P. Canuto, Karliane M. O. Vale, Flavius L. Gorgônio


  • Open Access

    An Efficient Approach to Select Instances in Self-Training and Co-Training Semi-Supervised Methods

    by Karliane Medeiros Ovidio Vale, Arthur Costa Gorgonio, Flavius Da Luz E Gorgonio, Anne Magaly De Paula Canuto

    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.


  • Automatic Adjustment of Confidence Values in Self-training Semi-supervised Method

    by Karliane M. Ovidio Vale, Anne Magaly de P. Canuto, Araken de Medeiros Santos, Flavius da Luz e Gorgonio, Alan de M. Tavares, Arthur C. Gorgnio, Cainan T. Alves

    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.


  • A Class-Based Feature Selection Method for Ensemble Systems

    by Karliane M.O. Vale, Filipe G. Dias, Anne M.P. Canuto, Marcílio C.P. Souto

    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.