Compartilhamento |
|
Use este identificador para citar ou linkar para este item:
https://tedebc.ufma.br/jspui/handle/tede/tede/4352
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | OLIVEIRA, Leandro Massetti Ribeiro | - |
dc.creator.Lattes | http://lattes.cnpq.br/6752362728498223 | por |
dc.contributor.advisor1 | SOARES NETO, Carlos de Salles | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/1556965324419871 | por |
dc.contributor.referee1 | SOARES NETO, Carlos de Salles | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/1556965324419871 | por |
dc.contributor.referee2 | OLIVEIRA, Alexandre César Muniz de | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/5225588855422632 | por |
dc.contributor.referee3 | CARVALHO, Windson Viana de | - |
dc.contributor.referee3Lattes | http://lattes.cnpq.br/1744732999336375 | por |
dc.date.accessioned | 2022-11-29T16:53:08Z | - |
dc.date.issued | 2022-09-16 | - |
dc.identifier.citation | OLIVEIRA, Leandro Massetti Ribeiro. Composição de objetos de aprendizagem multimídia através de sumarizadores automáticos de texto baseados em modelos deep learning. 2022. 51 f. Dissertação (Programa de Pós-Graduação em Ciência da Computação/CCET) - Universidade Federal do Maranhão, São Luís, 2022. | por |
dc.identifier.uri | https://tedebc.ufma.br/jspui/handle/tede/tede/4352 | - |
dc.description.resumo | Um Objeto de Aprendizagem (OA) é um recurso digital, que pode ser utilizado e reutilizado ou referenciado durante um processo de suporte tecnológico ao ensino e aprendizagem. Apesar de serem principalmente multimídia, com áudio, vídeo, texto e imagens sincronizados entre si, alguns recursos digitais de educação possuem textos como um de seus elementos principais no processo de ensino, como sites, textos, vídeo aulas, seminários, e a sumarização desses textos podem ser uma forma de composição de OAs multimídia. No entanto, a sumarização de textos é um processo oneroso em tempo e esforço, gerando a necessidade de buscar novas formas de gerar esse conteúdo. Este trabalho apresenta uma solução para a composição de OAs multimídia através de sumarizadores automáticos de texto baseados em modelos Deep Learning Transformers a partir de dois experimentos: O primeiro fazendo a composição de OAs a partir de textos educacionais na língua portuguesa utilizando tradutores e sumarizadores de texto, neste experimento os resultados apresentados foram positivos e permitem comparar o desempenho dos resumos como geradores de OA em formato de texto; O segundo experimento apresenta uma solução de sumarização de vídeos educacionais utilizando os mesmos modelos de Deep Learning para a sumarização da legenda, os testes foram realizados utilizando o dataset EDUVSUM no qual foi possível melhorar os resultados do artigo original alcançando 26,53% de acurácia em um problema multi-classe e erro absoluto médio de 1,49 por frame do vídeo e 1,45 por segmento de vídeo. | por |
dc.description.abstract | A Learning Object (LO) is a digital resource that can be used and reused or referenced during a process of technological support for teaching and learning. Despite being mostly multimedia, with audio, video, text and images synchronized with each other, some digital education resources have texts as one of their main elements in the teaching process, such as websites, texts, video classes, seminars, and the summarization of these texts can be a way of composing multimedia LOs. However, text summarization is a costly process in time and effort, creating the need to seek new ways to generate this content. The present work show a solution for the composition of multimedia LOs through automatic text summarizers based on Deep Learning Transformers models from two experiments: The first one composing LOs from educational texts in Portuguese using translators and text summarizers, in this experiment the results presented were positive and allow comparing the performance of summaries as generators of LO in text format; The second experiment presents an educational video summarization solution using the same Deep Learning models for subtitle summarization, the tests were performed using the EDUVSUM dataset in which it was possible to improve the results of the original article reaching 26.53% accuracy in a multi-class problem and average absolute error of 1.49 per video frame and 1.45 per video segment. | eng |
dc.description.provenance | Submitted by Daniella Santos (daniella.santos@ufma.br) on 2022-11-29T16:53:08Z No. of bitstreams: 1 Leandro_Massetti.pdf: 1387963 bytes, checksum: 008d7727d567705ea9c079f7106ab33c (MD5) | eng |
dc.description.provenance | Made available in DSpace on 2022-11-29T16:53:08Z (GMT). No. of bitstreams: 1 Leandro_Massetti.pdf: 1387963 bytes, checksum: 008d7727d567705ea9c079f7106ab33c (MD5) Previous issue date: 2022-09-16 | eng |
dc.description.sponsorship | FAPEMA | por |
dc.format | application/pdf | * |
dc.language | por | por |
dc.publisher | Universidade Federal do Maranhão | por |
dc.publisher.department | DEPARTAMENTO DE INFORMÁTICA/CCET | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UFMA | por |
dc.publisher.program | PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET | por |
dc.rights | Acesso Aberto | por |
dc.subject | sumarização de textos; | por |
dc.subject | objeto de aprendizagem; | por |
dc.subject | deep learning; | por |
dc.subject | transformers; | por |
dc.subject | text summarization, | eng |
dc.subject | learning object, | eng |
dc.subject | deep learning, | eng |
dc.subject | transformers. | eng |
dc.subject.cnpq | Ciência da Computação | por |
dc.title | Composição de objetos de aprendizagem multimídia através de sumarizadores automáticos de texto baseados em modelos deep learning | por |
dc.title.alternative | Composition of multimedia learning objects through automatic text summarizers based on deep learning models | eng |
dc.type | Dissertação | por |
Aparece nas coleções: | DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Leandro_Massetti.pdf | Dissertação de Mestrado | 1,36 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.