IJIwens Gervasio Sene Junior

Iwens Gervasio Sene Junior

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

Current Organizations / Institutes

The organizations/institutes from the scholar's latest article


Iwens Gervasio Sene Junior has a total of 36 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • Open Access

    Análise do discurso, linguística forense e iag: autoria e cena de enunciação em ciberataques - phishing no caso eviltokens

    by Rosangela Carreira, Iwens Sene Junior

    A utilização da Inteligência Artificial Generativa (IAG) tem provocado mudanças nas formas de produção, apropriação e circulação de enunciados em ambientes digitais, trazendo questões importantes para a compreensão da autoria e da construção de identidades discursivas. No campo dos ciberataques, sistemas de geração textual podem favorecer práticas de engenharia social, por meio da produção de enunciados que simulam sujeitos, instituições e situações comunicativas, criando efeitos de autenticidade e legitimidade. Este artigo objetiva discutir as aproximações possíveis entre Análise do Discurso (AD) e Linguística Forense (LF), considerando a IAG como ferramenta de práticas discursivas relacionadas à simulação identitária e à produção de mensagens potencialmente fraudulentas. Para isso, partimos das contribuições de Maingueneau (2005 a 2024), Foucault (2009), Coulthard e Johnson (2007), Sousa-Silva e Coulthard (2016), Schmitt e Flechais (2024), Sousa-Silva (2026), Carreira e Nascimento(2020), entre outros, para compreender as relações entre autoria, ethos, cenas de enunciação e produção de evidências linguísticas. Trata-se de uma pesquisa qualitativa, de cunho interpretativo, cujo corpus é constituído por dois recortes enunciados referentes a situações de engenharia social do caso Eviltoken analisado pela equipe de segurança da Microsoft em seu blog em 22 de setembro de 2026. A análise demonstra que a construção de simulacros de identidades institucionais pode produzir efeitos de legitimidade por meio da apropriação de formas de dizer socialmente reconhecidas. Concluímos que a interface entre AD e LF possibilita ampliar a compreensão das relações entre enunciação, identidade e autoria, especialmente quando a linguagem integra práticas sociais que podem apresentar consequências jurídicas.

  • Open Access

    Affective Intelligent Systems in Healthcare: A Systematic Review

    by Analúcia Schiaffino Morales, Thiago de Luca Reis, Alison R. Panisson, Fabrício Ourique, Iwens G. Sene

    Objectives: To investigate the current state of affective computing in healthcare, focusing on its application contexts, algorithmic trends, and the technical–ethical duality involving data privacy and security. Methods and Results: A systematic review was conducted in two phases (2013–2025) following PRISMA guidelines. A total of 170 peer-reviewed articles were selected from PubMed, IEEE Xplore, Scopus, and Web of Science based on predefined inclusion and exclusion criteria, with the sample restricted to full-text studies in English addressing affective computing in healthcare. No formal risk-of-bias tool was applied due to the computational nature of the studies, and the findings were synthesized descriptively. Discussion: The findings reveal a clear shift from classical machine learning (e.g., SVM, k-NN) toward deep learning and hybrid architectures such as CNN–LSTM and attention-based models for processing complex physiological signals. Recent years have shown a growing interest in multimodal data fusion and privacy-preserving mechanisms such as homomorphic encryption. Evidence remains limited by methodological heterogeneity and inconsistent reporting across studies. A significant gap persists in regulatory compliance, as 57% of recent publications do not adequately address data security or ethical risks associated with sensitive biometric footprints. Conclusions: Although affective computing has reached a certain level of technical maturity, future research must prioritize lightweight, secure, and privacy-by-design architectures to enable ethically aligned and trustworthy deployment in real-world healthcare scenarios.

  • Métodos de otimização em sistemas de gestão de energia: uma revisão

    by Dárvin C. Posselt, Matheus N. Amorim, André R. Rafael, Iwens G. S. Júnior, Carlos E. Pereira

    A otimização do consumo e da geração descentralizada de energia em ambientes remotos é um dos principais desafios da transição energética. Nesse contexto, os Sistemas de Gestão de Energia (Energy Management Systems – EMS) desempenham papel central ao permitirem o monitoramento, a previsão e o controle da demanda. Diversos métodos de otimização têm sido aplicados a esses sistemas, abrangendo desde técnicas clássicas até metaheurísticas e inteligência artificial, cada uma com características próprias de desempenho e aplicabilidade. Este artigo revisa os principais métodos de otimização empregados em EMS, discutindo suas vantagens, limitações e áreas de aplicação.

  • Open Access

    Tabular Data Augmentation Using Artificial Intelligence: A Systematic Review and Taxonomic Framework

    by Mauro Henrique Lima de Boni, Iwens Gervasio Sene Junior, Ronaldo Martins da Costa

    Context: Tabular data predominate in machine learning applications; however, data scarcity, class imbalance, and privacy-related constraints often impair the model performance. Therefore, AI-centric data-synthesis techniques have been adopted to mitigate these challenges. Objective: To systematically map the state of the art in AI-driven tabular-data augmentation, identifying trends, methodological gaps, and best practices. Method: The review followed Kitchenham’s guidelines and covered the ACM Digital Library, Compendex, IEEE Xplore, ScienceDirect, and Scopus for the period 2020–2024. After deduplication and application of the inclusion and exclusion criteria, 55 primary studies were selected and analyzed with respect to the eight research questions. Results: Of the 55 studies, 210 quantitative results were extracted: 70.95% employed utility metrics, and only 7.14% assessed privacy. To organize this heterogeneous landscape, we propose a taxonomic framework: solution type $\times $ evaluation $\times $ metric, highlighting gaps and redundancies. Conclusions: Although research has progressed from conventional synthesizers to hybrid and novel architectures, metric standardization and systematic privacy assessments remain limited. Future work should address these gaps and apply fidelity and privacy metrics to underrepresented tasks such as regression problems and ultra-rare-class datasets.


  • Open Access

    SimulaPed: Um Serious Game para Dosagens de Medicamentos em Enfermagem Pediátrica e Neonatal

    by André Luiz T. Kohlrausch, Analucia S. Morales, Iwens Sene Jr

    Este artigo apresenta o desenvolvimento do SimulaPed, um serious game para auxiliar no ensino de segurança na administração de medicamentos em enfermagem pediátrica e neonatal. O jogo propõe situações clínicas fictícias em que o jogador passa por casos clínicos fictícios, bem como algumas questões, recebendo feedback imediato sobre acertos e consequências de erros. A avaliação de eficácia foi realizada com um protótipo inicial e enviado a vários profissionais da área, e os resultados preliminares indicam que o jogo é uma ferramenta promissora para melhorar a aprendizagem e a confiança dos estudantes na administração segura de medicamentos.

  • Open Access

    Investigando o Uso de Aprendizado Federado na Detecção e Controle de Diabetes

    by Lucas S. de Oliveira, Alison R. Panisson, Jim Lau, Iwens G. Sene, Analucia Schiaffino Morales

    Este estudo explora o uso de aprendizado federado para detecção e monitoramento do diabetes com dados fisiológicos de dispositivos semelhantes a wearables. O sistema é composto por um servidor e dois dispositivos ESP32, visando melhorar o diagnóstico precoce e o cuidado personalizado. Três conjuntos de dados—Ohio T1DM, DiaHealth e GBS—foram processados com redução de dimensionalidade, remoção de outliers e técnicas de balanceamento. Os principais biomarcadores incluem índice glicêmico, frequência cardíaca, temperatura corporal, suor e saturação de oxigênio. Modelos de aprendizado de máquina foram treinados no Orange Data Mining e avaliados por precisão, recall, F1-score e acurácia. O Random Forest destacou-se como modelo global dentro do framework federado, permitindo personalização local nos ESP32, apesar das limitações de memória. O aprendizado federado mostrase promissor para o monitoramento personalizado do diabetes, com possíveis melhorias ao integrar dados de atividades diárias.

  • Open Access

    Inteligência Artificial na Caracterização e Mensuração de Feridas: Uma Revisão Sistemática

    by Jordanna Caballero Costa, Gabriela Estevam da Cunha, Mateus Tiago Cruz e Silva, Tiago Nogueira de Abreu, Daniel Henrique Pinheiro Silva, Iwens G. Sene Junior

    O uso de inteligência artificial (IA) e ferramentas computacionais para a caracterização e mensuração de feridas tem se expandido significativamente, oferecendo soluções mais precisas e eficientes para a avaliação clínica. Esta revisão sistemática analisa estudos que integram IA e metodologias computacionais na avaliação de feridas, com foco em sua eficácia na melhoria da acurácia diagnóstica, no monitoramento da cicatrização e na otimização de estratégias de tratamento. Os resultados destacam a prevalência de abordagens baseadas em aprendizado de máquina, técnicas de processamento de imagens e ferramentas digitais que automatizam e aprimoram os métodos tradicionais de mensuração de feridas. Além disso, a revisão discute desafios relacionados à padronização de dados, validação de modelos e adoção clínica. O estudo oferece uma visão abrangente do atual panorama da avaliação de feridas impulsionada por IA e identifica lacunas de pesquisa para avanços futuros.

  • Exploring emergent microservice evolution in elastic deployment environments

    by Roberto Rodrigues-Filho, Iwens Sene, Barry Porter, Luiz F. Bittencourt, Fabio Kon, Fábio M. Costa


  • Open Access

    Use of wearable chemical sensors in IoT: a systematic literature review

    by Carlos Eduardo Do Egito Araujo, Lívia Flório Sgobbi, Renato Bulcão, Iwens Gervasio Sene Junior, Sergio Teixeira de Carvalho

    Health applications received more attention with the use of the Internet of Things - IoT, due to the use of sensors for remote monitoring, not only in hospital environments but also in domestic environments and in meditative and routine activities. Wearable chemical sensors have been proposed in the health area for the continuous monitoring of the individual's well-being, however, the challenges related to the convergence of these two areas still require a lot of research for the solutions to be effectively applied. This article aims to present the results of a systematic literature review (SLR) carried out to highlight applications that employ the use of wearable chemical sensors in IoT contexts. The results presented several challenges and open questions of a promising research field involving IoT and wearable chemical sensors. The review was performed on the same basis used to make the original SLR, in which the period from December 2021 to February 2023 was adopted as an interval. As a result, in addition to the 15 (fifteen) studies found in the previous SLR, 7 (seven) new articles were classified as relevant, totaling 22 (twenty-two) studies. Regarding the previous.

  • Open Access

    STEER: An Architecture to Support Self-adaptive IoT Networks for Indoor Monitoring Applications

    by Bruna M. O. S. Cordeiro, Roberto Rodrigues Filho, Iwens G. S. Júnior, Fábio M. Costa

    IoT infrastructures are becoming increasingly more difficult to manage. One of the main issues is the high volatility present in the infrastruture, which increasingly demands self-adaptive solutions. As a proposal to handle this challenge, this paper presents STEER (Sdn-based inTEnt drivEn iot netwoRks), a new approach for the dynamic adaptation of IoT networks for indoor monitoring applications, based on the unification of Intent-Driven Networks (IDN) and Software-Defined Networks (SDN). Particularly, we explore the ability of IDNs to dynamically interpret an application’s intent, using an IDN-based mediator attached to an SDN-controller to autonomously adapt the IoT network behavior at runtime, thus realizing the intent according to the current operating context of the network. We demonstrate the approach using a representative application scenario related to IoT indoor environment monitoring in the domain of indoor air quality monitoring. The experiments allowed us to validate the applicability of the approach and show the system-wide effect of dynamic adaptation to the current operating environment on improving performance according to the metric under consideration, in this case, the number of application-level messages exchanged in the network.