Paper aims: This paper presents a comparative evaluation of different forecasting methods using two artificial neural networks (Multilayer Perceptron network and Radial Basis Functions Neural Network) and the Gaussian process regression.Originality: Due to the current world scenario, solving economic problems has become extremely important. Artificial neural networks are one of the most promising tools to forecast economic trends and are being widely studied in economic analyses. Therefore, due to the concerns about the performance of different forecasting methods to solve economic problems, this study contributes with an example of the forecasting performance of artificial neural network models compared with Gaussian process regression using Nelson-Plosser and U.S. macroeconomic real-life data sets.Research method: Two real-life data sets were used to evaluate the forecasting methods proposed in this paper. These data sets were normalised to values between zero and one. After that, the data training was performed and, once it was built, a model was used to generate forecasts. Thus, observations were made to verify how accurately the fitted model forecast the values. Main findings:The results obtained from the study show that, for all forecasting horizons, multi-layer perceptron networks and Gaussian process regression models had the most satisfactory results. On the other hand, the radial basis functions neural network model was unsuitable for econometric data. Implications for theory and practice:This study contributes to a discussion about artificial neural networks and Gaussian process regression models for econometric forecasting. Although artificial neural networks are mainly used in economic analyses, the results showed that not all models, such as radial basis functions neural networks, present good results. In addition, the regression of the Gaussian process showed promising results to forecast econometric data.
Este artigo explora a “escolarização aberta” promovida pela União Europeia cujo foco é a coaprendizagem formal, não-formal e informal por meio da cooperação entre estudantes, cientistas e comunidades para resolver problemas reais da vida visando educação profissional sociocientífica e cidadania responsável. O objetivo deste estudo foi compreender as práticas, estratégias e necessidades de professores interessados em inovação educacional com tecnologias emergentes e escolarização aberta. Este estudo de métodos mistos foi apoiado por um instrumento reflexivo semiestruturado do projeto CONNECT de escolarização aberta. Este projeto visa empoderar jovens apoiados em pesquisa e inovação responsáveis, ciência-ação e “diversão emancipatória" – prazer intrínseco de aprender. Os participantes foram 34 professores de escolas de ensino médio, incluindo educação profissional, técnica e vocacional no Brasil, que concluíram um curso de extensão sobre o uso de tecnologias emergentes. Os resultados destacam vários desafios para professores ainda centrados no ensino tradicional transmissivo: ensinar habilidades de pesquisa com problemas da vida real; ajudar os estudantes a gerar perguntas com visões baseadas em evidências; avaliar o quão bem os estudantes usam as evidências para formar um argumento e elaborar narrativas científicas e promover discussão sobre ciência na sociedade em sala de aula. Além disso, quatro estratégias de ensino e aprendizagem dos professores precisam tornar-se mais frequentes para que estudantes possam: elaborar questões científicas sobre o tópico abordado; desenvolver projeto de investigação colaborativa; usar jogos colaborativos com divisão de papéis e dialogar sobre questões científicas atuais.
Paper aims: This paper presents a nonlinear time series prediction methodology using Neural Networks and Tracking Signals method to detect bias and their responsiveness to non-random changes in the time series.Originality: This study contributes with an innovative approach of nonlinear time series prediction methodology. Furthermore, the Design of Experiments was applied to simulate datasets and to analyze the results of Average Run Length, identifying in which conditions the methodology is efficient.Research method: Datasets were generated to simulate different nonlinear time series by changing the error of the series. The methodology was applied to the datasets and the Design of Experiments was implemented to evaluate the results. Lastly, a case study based on total oil and grease was performed. Main findings:The results showed that the proposed prediction methodology is an effective way to detect bias in the process when an error is introduced in the nonlinear time series because the mean and the standard deviation of the error have a significant impact on the Average Run Length. Implications for theory and practice:This study contributes to a discussion about time series prediction methodology since this new technique could be widely used in several areas to improve forecast accuracy.
Neste artigo buscamos promover a reflexão sobre as contribuições das tecnologias digitais da informação e comunicação no processo de constituição da autoria acadêmica, por meio da identificação dos desafios no processo de escrita de estudantes de graduação em vias a contribuir para o desenvolvimento de web currículos. Esta pesquisa, de método quantitativo, foi composta por uma amostra de 117 discentes de graduação. Os resultados mostram que as tecnologias digitais da informação e comunicação que podem fornecer suporte ao processo de autoria acadêmica são aquelas que valorizam a colaboração e coautoria, permitem o uso realidade aumentada e jogos para desenvolver habilidades de escrita. Desta forma, as contribuições provindas da relação entre tecnologias digitais da informação e comunicação e autoria acadêmica podem ser potencializadoras de web currículos.
This paper proposes an active search method aimed at finding objects with optimal or nearoptimal y-property values, on the basis of x-variables obtained by indirect, less costly methods. The proposed method progresses in a sequential manner, starting from a small subset of objects with known y-values. At each iteration, the K-nearest neighbour regression technique is employed to obtain estimates ŷ for the objects with unknown y-values. The object with best ŷ value is then subjected to a direct analysis procedure for evaluation of the y-property. Examples are presented with simulated data, as well as actual quantitative structure-activity relationship (QSAR) and near-infrared (NIR) spectrometry datasets. The QSAR and NIR case studies involve the search for maximal antidepressant activity in a set of arylpiperazine compounds and maximal pulp yield in a set of eucalyptus wood samples, respectively. In all these cases, the active search yielded results closer to the maximal y-value compared to the classical Kennard-Stone algorithm for object selection.
Resumo: Durante o período de pandemia do novo coronavírus houve a substituição das aulas presenciais por aulas em meios digitais para os estudantes de todos os níveis de ensino. Para retomada das aulas, a Universidade de que trata este artigo elaborou um regime de tratamento excepcional, no qual os estudantes recebiam de cada docente um roteiro semanal de estudos com diversas estratégias de ensino, que poderiam ou não contemplar encontros virtuais síncronos. Após as primeiras semanas, foi elaborado um questionário on-line para estudantes e docentes sobre o regime implantado. Neste artigo, apresenta-se uma análise de parte dos dados de uma pesquisa descritiva e de cunho exploratório, com recorte nas percepções de estudantes e docentes de cursos de graduação. Visa-se investigar os pontos positivos e negativos apontados pelos estudantes acerca da educação mediada pelas tecnologias no contexto do ensino remoto emergencial e como os docentes utilizaram as tecnologias digitais de informação e comunicação para fazer a mediação pedagógica. Identificou-se que 50,9% dos estudantes consideraram como ponto positivo dar seguimento aos estudos de forma remota e que a maior dificuldade enfrentada por eles foi o excesso de tarefas semanais. Os recursos digitais mais disponibilizados pelos docentes foram documentos em formato PDF e apresentações de slides. Considera-se que o estudo é relevante por analisar as percepções e as práticas educativas com tecnologias digitais durante a pandemia, em um contexto brasileiro, e que pode contribuir para futuras discussões sobre as competências digitais para docentes em cursos de Engenharia.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.