Browsing by Issue Date, starting with "2019-11-09"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
- O TeSP em Práticas Administrativas e Comunicação EmpresarialPublication . Monteiro, Susana Sardinha; Santos, Tânia Cristina Simões de Matos dos; Sousa, MarleneOs Cursos Técnicos Superiores Profissionais (TeSP) são uma modalidade de ciclo de estudos que contempla componentes de formação geral e científica, técnica e em contexto de trabalho. Na sua criação foram tidas em consideração as áreas de formação definidas pela instituição de ensino superior que leciona os cursos, bem como as necessidades de formação profissional expressas pelo mercado de trabalho nas regiões em que são ministrados, atestando a forte ligação ao tecido empresarial local. Os TeSP entraram em funcionamento no ano letivo 2015/16, completando-se, no final deste ano letivo, dois ciclos de estudos. Torna-se, por isso, pertinente avaliar a sua adequabilidade às necessidades do mercado, percebendo de que forma os conteúdos lecionadas ao longo do curso podem ser aplicadas no contexto de trabalho. Assim, e com base num estudo de caso ao TeSP em Práticas Administrativas e Comunicação Empresarial lecionado na Escola Superior de Educação e Ciências Sociais (ESECS) do Instituto Politécnico de Leiria (IPLeiria), pretende-se aferir qual a perceção dos empresários sobre as competências adquiridas pelos estudantes e sobre o plano curricular do curso. Especificando, pretende-se perceber se o curso responde às necessidades das empresas, em termos de conhecimentos e competências previstas, assim como se as áreas disciplinares exploradas no curso são adequadas às necessidades de formação.
- Boosting dynamic ensemble’s performance in TwitterPublication . Costa, Joana; Silva, Catarina; Antunes, Mário; Ribeiro, BernardeteMany text classification problems in social networks, and other contexts, are also dynamic problems, where concepts drift through time, and meaningful labels are dynamic. In Twitter-based applications in particular, ensembles are often applied to problems that fit this description, for example sentiment analysis or adapting to drifting circumstances. While it can be straightforward to request different classifiers' input on such ensembles, our goal is to boost dynamic ensembles by combining performance metrics as efficiently as possible. We present a twofold performance-based framework to classify incoming tweets based on recent tweets. On the one hand, individual ensemble classifiers' performance is paramount in defining their contribution to the ensemble. On the other hand, examples are actively selected based on their ability to effectively contribute to the performance in classifying drifting concepts. The main step of the algorithm uses different performance metrics to determine both each classifier strength in the ensemble and each example importance, and hence lifetime, in the learning process. We demonstrate, on a drifted benchmark dataset, that our framework drives the classification performance considerably up for it to make a difference in a variety of applications.