UI PATTERNS FOR AI ANOMALY DETECTION: ANOMALIAS DETETADAS POR INTELIGÊNCIA ARTIFICIAL E COMUNICADAS ATRAVÉS DE PADRÕES UI INTELIGENTES

Detalhes bibliográficos
Autor(a) principal: Rocha, Leandro Miguel Ferreira
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/11110/2575
Resumo: Este projeto tem como objetivo encontrar soluções para a comunicação de dados anómalos num software. Estes dados anómalos são detetados pela inteligência artificial incorporada nesse software. Para tal, ao longo da investigação será compreendido a natureza da inteligência artificial e os métodos de análise de dados que esta emprega para a deteção de anomalias. Será explorado o que é efetivamente uma anomalia e como esta noção pode ser aplicada para a segmentação de um conjunto de dados, Clusters, para além do conceito geral de anomalia. Após compreendido o que compõe o software e quais os dados a serem comunicados, será utilizado Design Thinking e os seus conceitos para ser encontrado quais os dados pertinentes a serem comunicados ao utilizador final, através de uma interface que permita ser normalizada em Padrões UI. Para terminar, utilizar-se-á um método misto de investigação, numa amostra de dez participantes, onde se compreende a integração de dois métodos de pesquisa por Construção, sendo estes métodos, um de natureza quantitativa e outro de natureza qualitativa. O método quantitativo escolhido será o UEQ-S, tendo este complementado pelo método qualitativo de elaboração própria de abordagem explanatória opiniática e do feedback recolhido durante a fase do teste de usabilidade. Terminada a recolha de dados serão apresentados e explanados esses dados para que através destes possa ser compreendido se a elaboração dos Padrões UI conseguiu atingir os requisitos para uma comunicação eficaz e pertinente para o utilizador alvo
id RCAP_41f30d9a8f3baaa9a1b89024f9a67757
oai_identifier_str oai:ciencipca.ipca.pt:11110/2575
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling UI PATTERNS FOR AI ANOMALY DETECTION: ANOMALIAS DETETADAS POR INTELIGÊNCIA ARTIFICIAL E COMUNICADAS ATRAVÉS DE PADRÕES UI INTELIGENTESPadrões de DesignInteligência ArtificialDeteção de Anomalias, Segmentação de dadosMétodos mistos de investigaçãoEste projeto tem como objetivo encontrar soluções para a comunicação de dados anómalos num software. Estes dados anómalos são detetados pela inteligência artificial incorporada nesse software. Para tal, ao longo da investigação será compreendido a natureza da inteligência artificial e os métodos de análise de dados que esta emprega para a deteção de anomalias. Será explorado o que é efetivamente uma anomalia e como esta noção pode ser aplicada para a segmentação de um conjunto de dados, Clusters, para além do conceito geral de anomalia. Após compreendido o que compõe o software e quais os dados a serem comunicados, será utilizado Design Thinking e os seus conceitos para ser encontrado quais os dados pertinentes a serem comunicados ao utilizador final, através de uma interface que permita ser normalizada em Padrões UI. Para terminar, utilizar-se-á um método misto de investigação, numa amostra de dez participantes, onde se compreende a integração de dois métodos de pesquisa por Construção, sendo estes métodos, um de natureza quantitativa e outro de natureza qualitativa. O método quantitativo escolhido será o UEQ-S, tendo este complementado pelo método qualitativo de elaboração própria de abordagem explanatória opiniática e do feedback recolhido durante a fase do teste de usabilidade. Terminada a recolha de dados serão apresentados e explanados esses dados para que através destes possa ser compreendido se a elaboração dos Padrões UI conseguiu atingir os requisitos para uma comunicação eficaz e pertinente para o utilizador alvo2023-03-212023-03-21T00:00:00Z2022-09-30T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/11110/2575http://hdl.handle.net/11110/2575TID:203252349pormetadata only accessinfo:eu-repo/semantics/openAccessRocha, Leandro Miguel Ferreirareponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-03-23T04:26:20Zoai:ciencipca.ipca.pt:11110/2575Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T17:45:04.922997Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv UI PATTERNS FOR AI ANOMALY DETECTION: ANOMALIAS DETETADAS POR INTELIGÊNCIA ARTIFICIAL E COMUNICADAS ATRAVÉS DE PADRÕES UI INTELIGENTES
title UI PATTERNS FOR AI ANOMALY DETECTION: ANOMALIAS DETETADAS POR INTELIGÊNCIA ARTIFICIAL E COMUNICADAS ATRAVÉS DE PADRÕES UI INTELIGENTES
spellingShingle UI PATTERNS FOR AI ANOMALY DETECTION: ANOMALIAS DETETADAS POR INTELIGÊNCIA ARTIFICIAL E COMUNICADAS ATRAVÉS DE PADRÕES UI INTELIGENTES
Rocha, Leandro Miguel Ferreira
Padrões de Design
Inteligência Artificial
Deteção de Anomalias
, Segmentação de dados
Métodos mistos de investigação
title_short UI PATTERNS FOR AI ANOMALY DETECTION: ANOMALIAS DETETADAS POR INTELIGÊNCIA ARTIFICIAL E COMUNICADAS ATRAVÉS DE PADRÕES UI INTELIGENTES
title_full UI PATTERNS FOR AI ANOMALY DETECTION: ANOMALIAS DETETADAS POR INTELIGÊNCIA ARTIFICIAL E COMUNICADAS ATRAVÉS DE PADRÕES UI INTELIGENTES
title_fullStr UI PATTERNS FOR AI ANOMALY DETECTION: ANOMALIAS DETETADAS POR INTELIGÊNCIA ARTIFICIAL E COMUNICADAS ATRAVÉS DE PADRÕES UI INTELIGENTES
title_full_unstemmed UI PATTERNS FOR AI ANOMALY DETECTION: ANOMALIAS DETETADAS POR INTELIGÊNCIA ARTIFICIAL E COMUNICADAS ATRAVÉS DE PADRÕES UI INTELIGENTES
title_sort UI PATTERNS FOR AI ANOMALY DETECTION: ANOMALIAS DETETADAS POR INTELIGÊNCIA ARTIFICIAL E COMUNICADAS ATRAVÉS DE PADRÕES UI INTELIGENTES
author Rocha, Leandro Miguel Ferreira
author_facet Rocha, Leandro Miguel Ferreira
author_role author
dc.contributor.author.fl_str_mv Rocha, Leandro Miguel Ferreira
dc.subject.por.fl_str_mv Padrões de Design
Inteligência Artificial
Deteção de Anomalias
, Segmentação de dados
Métodos mistos de investigação
topic Padrões de Design
Inteligência Artificial
Deteção de Anomalias
, Segmentação de dados
Métodos mistos de investigação
description Este projeto tem como objetivo encontrar soluções para a comunicação de dados anómalos num software. Estes dados anómalos são detetados pela inteligência artificial incorporada nesse software. Para tal, ao longo da investigação será compreendido a natureza da inteligência artificial e os métodos de análise de dados que esta emprega para a deteção de anomalias. Será explorado o que é efetivamente uma anomalia e como esta noção pode ser aplicada para a segmentação de um conjunto de dados, Clusters, para além do conceito geral de anomalia. Após compreendido o que compõe o software e quais os dados a serem comunicados, será utilizado Design Thinking e os seus conceitos para ser encontrado quais os dados pertinentes a serem comunicados ao utilizador final, através de uma interface que permita ser normalizada em Padrões UI. Para terminar, utilizar-se-á um método misto de investigação, numa amostra de dez participantes, onde se compreende a integração de dois métodos de pesquisa por Construção, sendo estes métodos, um de natureza quantitativa e outro de natureza qualitativa. O método quantitativo escolhido será o UEQ-S, tendo este complementado pelo método qualitativo de elaboração própria de abordagem explanatória opiniática e do feedback recolhido durante a fase do teste de usabilidade. Terminada a recolha de dados serão apresentados e explanados esses dados para que através destes possa ser compreendido se a elaboração dos Padrões UI conseguiu atingir os requisitos para uma comunicação eficaz e pertinente para o utilizador alvo
publishDate 2022
dc.date.none.fl_str_mv 2022-09-30T00:00:00Z
2023-03-21
2023-03-21T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/11110/2575
http://hdl.handle.net/11110/2575
TID:203252349
url http://hdl.handle.net/11110/2575
identifier_str_mv TID:203252349
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv metadata only access
info:eu-repo/semantics/openAccess
rights_invalid_str_mv metadata only access
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799131535988752384

Registros relacionados