Palestra - "Como a máquina pode prever o desempenho acadêmico de crianças e adolescentes com TDAH."
Gravado no evento IV Porteirinha Techday · 1 h 19 min de gravação
Sobre o conteúdo
A palestra "Como a máquina pode prever o desempenho acadêmico de crianças e adolescentes com TDAH.", apresentada por Marcelo de Sousa Balbino no evento IV Porteirinha Techday, explora a aplicação de aprendizado de máquina e mineração de dados em prol da educação e da saúde infantojuvenil. O palestrante, doutorando na PUC Minas e professor do CEFET-MG, introduz a motivação do trabalho, desenvolvida em colaboração com o Laboratório de Inteligência Computacional Aplicada (LICAP) e o Departamento de Pediatria da UFMG.
Inicialmente, é feita uma contextualização clínica e comportamental do Transtorno do Déficit de Atenção com Hiperatividade (TDAH), com base nos critérios diagnósticos do DSM-5. São detalhados os eixos sintomáticos de desatenção e hiperatividade/impulsividade, além da predominância do tipo combinado (62%) e sua prevalência populacional (cerca de 5% em crianças). O palestrante ressalta como as dificuldades atencionais tornam-se críticas e visíveis no ambiente escolar, gerando defasagem no aprendizado, conflitos interpessoais e comorbidades emocionais, situações muitas vezes erroneamente interpretadas apenas como indisciplina.
Na sequência, a apresentação aborda o fluxo de Descoberta de Conhecimento em Bases de Dados (KDD), enfatizando que a maior parte do esforço em ciência de dados concentra-se nas etapas de seleção, pré-processamento, limpeza e transformação de variáveis categóricas em numéricas. É ilustrado o conceito de mineração de dados e aprendizado supervisionado, dividindo o conjunto amostral em conjuntos de treino e teste para calibrar algoritmos de classificação e regressão, contrastando abordagens de modelos explicáveis (caixa branca, como árvores de decisão) com métodos de maior acurácia (caixa preta, como Random Forest, SVM e Redes Neurais).
Ao detalhar o experimento prático, é descrita a base de dados contendo 226 participantes entre 6 e 18 anos avaliados em 225 variáveis biopsicossociais, escolares, familiares e clínicas. O palestrante demonstra os modelos preditivos para o desempenho nas áreas de aritmética, leitura e escrita, nos quais o algoritmo Random Forest obteve acurácias entre 80% e 87,5%. A interpretação de importância das variáveis evidenciou o teste de QI (Raven), a escolaridade materna, a classe socioeconômica e a rede escolar como fatores de forte impacto nas notas, ao lado do próprio diagnóstico de TDAH.
Por fim, são apontados os desafios de pesquisa, incluindo a atuação interdisciplinar e a limitação do tamanho amostral, além de projetos correlatos conduzidos no laboratório com autismo e depressão. A sessão é concluída com respostas a perguntas da audiência sobre a extensibilidade dos métodos para outras condições do neurodesenvolvimento e orientações para estudantes interessados em ingressar na carreira de mineração de dados.
O que é abordado
- Abertura e apresentações iniciais
- Contextualização e sintomas do TDAH (DSM-5)
- O TDAH no ambiente escolar e motivação da pesquisa
- O processo de Descoberta de Conhecimento (KDD)
- Mineração de dados e conceitos de Machine Learning
- Treinamento, teste e métodos de caixa branca vs. caixa preta
- Descrição da base de dados e atributos analisados
- Resultados dos modelos e importância das variáveis
- Desafios, projetos do LICAP e considerações finais
- Sessão de perguntas e respostas e encerramento
Dúvidas que o conteúdo responde
Qual metodologia computacional foi utilizada para a previsão do desempenho acadêmico?
Foi utilizado o processo de Descoberta de Conhecimento em Bases de Dados (KDD) aliado a técnicas de aprendizado de máquina supervisionado, comparando algoritmos de caixa branca (como Árvores de Decisão) e modelos de caixa preta (Random Forest, SVM e Redes Neurais), implementados em Python e Weka.
Qual foi a taxa de acerto obtida pelos modelos construídos na pesquisa?
O modelo baseado em Random Forest apresentou o melhor desempenho, obtendo 85% de acurácia na previsão de desempenho em aritmética, 80% em leitura e 87,5% em escrita.
Quais fatores se mostraram mais determinantes no desempenho acadêmico dos alunos analisados?
Além da presença do TDAH, o modelo indicou como variáveis mais relevantes a pontuação no teste de QI (Raven), a escolaridade da mãe, a classe socioeconômica e o tipo de escola frequentada pelo estudante.
A mesma abordagem de aprendizado de máquina pode ser aplicada ao transtorno do espectro autista (TEA)?
Sim, a metodologia de descoberta de conhecimento e machine learning pode ser aplicada ao autismo e a outras condições, desde que existam dados estruturados com amostras suficientes e o apoio de especialistas do domínio.
Assuntos
Palestrantes

Marcelo de Sousa Balbino
Palestrante
Outros conteúdos deste evento
Gravados no evento IV Porteirinha Techday
Palestra - "Será que é possível prever o futuro?"
Gravado no evento IV Porteirinha Techday
Nesta palestra do IV Porteirinha Techday, Petrônio Cândido de Lima e Silva aborda os fundamentos científicos e computacionais das previsões sob a pergunta "Será que é possível…
Ver resumo e capítulosMesa-redonda - "Casas inteligentes: o presente e o futuro da automação residencial"
Gravado no evento IV Porteirinha Techday
Mesa-redonda realizada no IV Porteirinha Techday discutindo o cenário atual e as perspectivas para a automação residencial e as casas inteligentes. Os debatedores abordam…
Ver resumo e capítulosMesa-redonda - "Repensando a educação mediada por tecnologia no pós-pandemia"
Gravado no evento IV Porteirinha Techday
Durante o IV Porteirinha Techday, a mesa-redonda "Repensando a educação mediada por tecnologia no pós-pandemia" reuniu educadores para debater o impacto e o futuro das…
Ver resumo e capítulosMesa-redonda - "Robótica na Infância: casos de sucesso, experiências e desafios"
Gravado no evento IV Porteirinha Techday
A atividade reúne educadores e uma mãe para debater o impacto da robótica educacional no ensino básico e infantil. São compartilhadas trajetórias metodológicas com kits Lego,…
Ver resumo e capítulosMesa-redonda - "Inteligência Artificial na Indústria: desafios e oportunidades"
Gravado no evento IV Porteirinha Techday
A mesa-redonda reúne especialistas da indústria e do meio acadêmico para discutir a evolução, os desafios práticos e as oportunidades da inteligência artificial e da ciência de…
Ver resumo e capítulosMesa-redonda - "O impacto do uso da tecnologia na vida dos jovens e acessibilidade nas práticas pedagógicas"
Gravado no evento IV Porteirinha Techday
A mesa-redonda reúne especialistas e educadores para debater os impactos das tecnologias na educação e na juventude, com destaque para a inclusão e a acessibilidade pedagógica.…
Ver resumo e capítulosPalestra - "Como as redes sociais adivinham minhas preferências"
Gravado no evento IV Porteirinha Techday
A professora Cleiane Gonçalves Oliveira aborda o funcionamento dos sistemas de recomendação e algoritmos de inteligência artificial aplicados a redes sociais e plataformas…
Ver resumo e capítulos





