During the COVID-19 pandemic, contact tracing apps based on the Bluetooth Low Energy (BLE) technology found in smartphones have been deployed by multiple countries despite BLE’s debatable performance for determining close contacts among users. Current solutions estimate proximity based on a single feature: the mean attenuation of the BLE signal. In this context, a new generation of these apps which better exploits data from the BLE signal and other sensors available on phones can be fostered. Collected data can be used to extract multiple features that feed machine learning models which can potentially improve the accuracy of today’s solutions. In this work, we consider the use of machine learning models to evaluate different feature sets that can be extracted from the received BLE signal, and assess the performance gain as more features are introduced in these models. Since indoor conditions have a strong impact in assessing the risk of being exposed to the SARS-CoV-2, we analyze the environment (indoor or outdoor) role in these models, aiming at understanding the need for apps that could increase proximity accuracy if aware of its environment. Results show that a better accuracy can be obtained in outdoor locations with respect to indoor ones, and that indoor proximity estimation can benefit more from the introduction of more features with respect to the outdoor estimation case. Accuracy can be increased about 10% when multiple features are considered if the device is aware of its environment, reaching a performance of up to 83% in indoor spaces and up to 91% in outdoor ones. These results encourage future contact tracing apps to integrate this awareness not only to better assess the associated risk of a given environment but also to improve the proximity accuracy for detecting close contacts.
Este estudo teve como objetivo discutir saberes outros relacionados ao tempo e ao espaço a partir de produções de autoria de professores indígenas, em materiais voltados para as escolas indígenas. A partir desse estudo, pretendeu-se adentrar em outros campos epistemológicos, com a finalidade de discutir a questão dos saberes indígenas como forma de luta pela preservação e manutenção das práticas e saberes culturais. Esse movimento propõe um processo de decolonialidade dos saberes, ou seja, afirmação dos conhecimentos, culturas e saberes provenientes de fontes diferentes das produzidas no ocidente. Desse modo, o estudo procura trazer tanto problematizações sobre a educação escolar indígena brasileira e o papel de movimentos de resistência, como a Etnomatemática, em seu ensino, como também a divulgação da produção de autoria desenvolvida por professores indígenas. Devido à grande quantidade de povos, cada um com sua especificidade e estabelecidos em diferentes estados, os materiais trazidos pela pesquisa retratam narrativas e conhecimentos de diversos povos indígenas, mostrando ainda mais a grande riqueza que essas comunidades possuem.
Este estudo teve como objetivo discutir saberes outros relacionados ao tempo e ao espaço a partir de produções de autoria de professores indígenas, em materiais voltados para as escolas indígenas. A partir desse estudo, pretendeuse adentrar em outros campos epistemológicos, com a finalidade de discutir a questão dos saberes indígenas como forma de luta pela preservação e manutenção das práticas e saberes culturais. Esse movimento propõe um processo de decolonialidade dos saberes, ou seja, afirmação dos conhecimentos, culturas e saberes provenientes de fontes diferentes das produzidas no ocidente. Deste modo, o estudo procura trazer tanto problematizações sobre a educação escolar indígena brasileira, como também a divulgação da produção de autoria desenvolvida por professores indígenas.
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.