Alessandro Vivas Andrade
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Research Interests
Alessandro Vivas Andrade has a total of 5 co-authors. Here are the top co-authors by number of shared publications:
- Catrine dos Santos Oliveira
UFSJ
1 shared publication - Cristiano Pitangui
UFSJ
1 shared publication - Fabiano Azevedo Dorça
Universidade Federal de Uberlândia
1 shared publication - Henrique Carlos Fonte Boa Carvalho
Faculdade de Computac ¸ão Universidade Federal de Uberlândia (UFU) Uberlândia -MG Brazil
1 shared publication - Luciana Assis
UFVJM
1 shared publication
Latest Publications
- Open Access
- 31 July 2024
- Published by Universidade Federal do Rio Grande do Sul in RENOTE
- Vol. 22 (1) , 589-599
Classificação de vídeos educacionais do YouTube por níveis de ensino utilizando comentários: uma abordagem experimental.
O YouTube e uma plataforma voltada para vídeos que contempla conteúdos de várias áreas, incluindo a Educacional. Embora a ferramenta possua extenso material, seu mecanismo de busca e falho em alguns aspectos, o que é detrimental para alunos e professores que utilizam a plataforma no processo de ensino-aprendizagem. Esse trabalho utiliza Técnicas de Mineração de Texto, e de Aprendizagem de Máquina que usam os comentários dos vídeos como uma alternativa para classifica-los em diversas categorias educacionais. Realizou-se um extenso número de experimentos, e resultados demonstram que os classificadores JRIP, J48, e LMT são eficazes em classificar os vídeos em suas categorias educacionais, com acurácia de até 87%.
- 31 July 2024
- Published by Universidade Federal do Rio Grande do Sul in RENOTE
- Vol. 22 (1) , 589-599
Open AccessClassificação de vídeos educacionais do YouTube por níveis de ensino utilizando comentários: uma abordagem experimental.
O YouTube e uma plataforma voltada para vídeos que contempla conteúdos de várias áreas, incluindo a Educacional. Embora a ferramenta possua extenso material, seu mecanismo de busca e falho em alguns aspectos, o que é detrimental para alunos e professores que utilizam a plataforma no processo de ensino-aprendizagem. Esse trabalho utiliza Técnicas de Mineração de Texto, e de Aprendizagem de Máquina que usam os comentários dos vídeos como uma alternativa para classifica-los em diversas categorias educacionais. Realizou-se um extenso número de experimentos, e resultados demonstram que os classificadores JRIP, J48, e LMT são eficazes em classificar os vídeos em suas categorias educacionais, com acurácia de até 87%.