No abstract

This work identifies and interprets taphonomic features of the deer fossil assemblage recovered from the Gruta do Urso cave, located in Tocantins State, Northern Brazil. Consequently, its results shed light on the origin of the vertebrate assemblages in cave deposits and paleoecological aspects of Quaternary deer of northern Brazil. The cervid fossil accumulation of the Gruta do Urso cave includes individuals of three species that died outside the cave and, then, underwent disarticulation and weathering during a time span between one and five years. During the necrolysis, they experienced scavenging by large-sized felids and small-sized canids. Then, the disarticulated remains and a mummified hindlimb were transported into the cave by multiple events of low-energy hydraulic flows. Inside the cave, some specimens experienced exposure on the water table and incrustation. The biostratinomic data suggest the taphonomic history of deers around Gruta do Urso cave occurred in arid conditions.

No abstract

No abstract

Abstract. This paper presents a proposal that seeks to generate individualized educational recommendations, using information generated spontaneously in IntroduçãoNos últimos anos nota-se um aumento na busca por informações através da Internet. Essa busca tem ocorrido tanto através de cursos formais, nas modalidades à distância e semipresenciais, quanto na procura informal por conteúdos de interesse. Existem inúmeros recursos educacionais distribuídos em diferentes repositórios, que abordam um conjunto amplo de assuntos e que possuem objetivos educacionais distintos. Em virtude disso, a escolha adequada desses recursos é um desafio para os educadores e para os próprios alunos.Nesse cenário, um sistema de recomendação (SR) tem um papel importante para auxiliar educadores e alunos a encontrarem recursos educacionais relevantes e pertinentes aos seus perfis e ao contexto em que estão inseridos. Segundo Burke (2002), um SR pode ser "qualquer sistema que produza recomendações individualizadas ou que tenha o efeito de guiar o usuário de forma personalizada para objetos do seu interesse ou que lhes sejam úteis dentre diversas opções possíveis".Para que se torne possível gerar recomendações personalizadas, observa-se a necessidade de informações que ajudem a definir o perfil do usuário e auxiliem na identificação de suas necessidades e interesses. Por outro lado, observam-se alguns sistemas que capturam, espontaneamente, uma grande quantidade de dados dos usuários, bem como a interação entre eles, evidenciando, muitas vezes, suas preferências III Congresso Brasileiro de Informática na Educação (CBIE 2014) XXV Simpósio Brasileiro de Informática na Educação (SBIE 2014) _______________________________________________________________________ 506

BROAD-RSI Project is a Recommender System Based on SocialInteractions which wishes to accomplish educational resources recommendations consistent with the student profile and context. Both the profile and the context are automatically extracted from Collaborative Systems such as Social Networks and Virtual Learning Environments. This paper presents an extension of the RSI-BROAD project that uses Linked Data as a location source of educational resources. Resumo. O projeto BROAD-RSI é um Sistema de Recomendação Baseado nas Interações Sociais que pretende realizar recomendações de recursos educacionais coerentes com o perfil e o contexto do aluno. Tanto o perfil, quanto o contexto são extraídos automaticamente de Sistemas Colaborativos, tais comoRedes Sociais e Ambientes Virtuais de Aprendizagem. O presente trabalho apresenta uma evolução do projeto BROAD-RSI utilizando dados ligados como fonte de localização dos recursos educacionais. IntroduçãoMuitos esforços recentes na área de Tecnologias na Educação têm sido feitos no sentido de contribuir com a publicação, catalogação, descoberta e recomendação de recursos educacionais. Busca-se, através de diversas propostas e técnicas diferentes [Fritzen et al. 2012], [Fernandes and Siqueira 2013][Casagrande et al. 2013][Casagrande et al. 2013] criar um ambiente educacional personalizado e mais atraente para o aluno, que desperte o seu interesse acerca de uma variedade de temas.Dentre os muitos desafios desta área, a localização dos recursos educacionais ganha relevância se considerarmos que muitos deles estão armazenados em repositórios de objetos de aprendizagem, sendo que esses repositórios, muitas vezes, possuem acesso restrito, não estão integrados e podem adotar diferentes padrões de catalogação. Além disso, os recursos educacionais, muitas vezes, são mal descritos, com preenchimento precário dos metadados, tornando a sua localização um processo complexo e custoso para o usuário [De Santiago and Raabe 2010].Os sistemas de recomendação (SR) têm um papel importante para auxiliar usuários que procuram algum tipo de recurso educacional a encontrarem aqueles que sejam relevantes e pertinentes ao seu perfil e ao contexto em que estão inseridos. Segundo

No abstract

Abstract. The availability of e-learning courses grows every year in Brazil and the use of e-learning systems supports increasingly this teaching modality. Due to the large amount of generated and stored data in e-learning systems, lots of information can be withdrawn from this large data set. Such information may assist educators and students in different learning aspects. This article aims to classify the students performance in earlier stages of discipline allowing decisions that might improve student performance. The experiments performed achieved an average accuracy of 73% in performance classification.Resumo. A disponibilização de cursos na modalidade a distância no Brasil cresce a cada ano e o uso de um Ambiente Virtual de Aprendizado (AVA) auxilia cada vez mais essa modalidade de ensino. Devido a grande quantidade de dados gerados e armazenados em um AVA muitas informações podem ser retiradas desse grande conjunto de dados. Tais informações podem auxiliar educadores e alunos em diferentes aspectos do aprendizado. O presente artigo tem como objetivo classificar o desempenho dos estudantes em estágios prematuros da disciplina possibilitando decisões que possam melhorar o desempenho dos estudantes. A acurácia média alcançada nos experimentos realizados foi de 73% na classificação do desempenho.