3) incentivar alunos fazerem as tarefas;

falta de engajamento nas aulas,

falta de personalização do ensino;

falta de aprendizagem de conceitos básicos...

4) criar um assistente virtual com LLM para fazer perguntas individualizadas aos aluno

3)

• Limites até onde a IA pode ser uma aliada para as profissões

• A insegurança quanto ao desemprego para a humanidade em virtude do avanço da IA

• O aumento dos casos de TDAH em virtude do uso de IA no ambiente de trabalho

4) Criar ferramentas de monitoramento de uso de IA baseado nas preferências do usuário e da empresa.

3) Falta de integração prática entre OCR tradicional e LLMs para interpretação de dados extraídos (não só ler, mas entender o conteúdo)

Dificuldade de transformar dados OCR em informações estruturadas prontas para uso em sistemas

Limitações dos modelos atuais de OCR em interpretar contextos complexos, como tabelas, formulários ou documentos técnicos

4) Desenvolver uma API pronta para uso que combine OCR e LLM, capaz de extrair, interpretar e organizar dados de documentos físicos e digitalizados, otimizando o tempo de desenvolvimento de sistemas.

3)

• Dificuldade das técnicas atuais em refatorar código legado altamente acoplado e pouco documentado

• LLMs geram refatorações genéricas por falta de adaptação ao contexto dos sistemas

• Ausência de métodos específicos para guiar LLMs em refatorações seguras e eficientes

• Falta de validações práticas do uso de LLMs em ambientes reais

4) Desenvolver técnicas de criação de prompts específicos e avaliar integrações com ferramentas de suporte à refatoração, visando aumentar a segurança e a eficiência no uso de LLMs para modernização de código legado.

3) Apesar do avanço da inteligência artificial (IA) e da crescente popularidade dos jogos educacionais, ainda há poucas soluções acessíveis e automatizadas que combinem IA com gamificação personalizada voltada à construção de materiais didáticos adaptáveis ao perfil do aluno.

4) O objetivo desta pesquisa é desenvolver soluções baseadas em inteligência artificial que possam apoiar professores na criação de materiais de ensino gamificados, de forma acessível, rápida e personalizada. A intenção é facilitar o processo de produção de conteúdos interativos, mesmo para educadores com pouca experiência técnica, promovendo assim um ensino mais dinâmico e eficaz. Com isso, busca-se melhorar o engajamento dos alunos e a qualidade do aprendizado, utilizando a IA como ferramenta de apoio no processo educacional.

3) Com a crescente presença da IA em áreas como arte, música e produção de conteúdo, surgem dúvidas sobre como ela afeta a criatividade humana. A tecnologia estaria substituindo a imaginação humana ou servindo como ferramenta para ampliá-la? Ainda há poucos estudos que mostram os efeitos reais da IA no processo criativo de artistas, estudantes e profissionais da criação.

4) Investigar de que forma a IA influencia positivamente ou negativamente o processo criativo em diferentes áreas, analisando casos reais, entrevistando usuários que utilizam IA em suas produções e avaliando se ela funciona como apoio, dependência ou estímulo à criação humana.

3)

• Investigar como os aplicativos de streaming utilizam IA para personalizar conteúdo aos usuários.

• Identificar quais elementos de UX são mais impactados pela personalização em aplicativos de streaming. (Por exemplo: facilidade de navegação, percepção de relevância, tempo gasto na plataforma.)

• Comparar a experiência do usuário em situações com e sem personalização baseada em IA.

3) Problemas de pesquisa

3.1) A maioria dos comércios depende de métodos manuais para controle de clientes

3.2) Pequenos comércios enfrentam dificuldades para aplicar falta de conhecimento técnico acessível

4) Investigar como soluções baseadas em IoT podem ser aplicadas de forma acessível e eficiente para automatizar o funcionamento de barbearia, promovendo maior controle sobre o atendimento, fidelização de clientes e redução de erros operacionais.

3)

• Dificuldade de organização do estudo

• Dependência das respostas da IA

• Falta de integração entre IA e métodos de estudo

• Falta de instrução sobre como formular boas perguntas para a IA

• Uso excessivo de IA como substituto, e não como apoio

4) Buscar e propor estratégias para o uso mais consciente, organizado e eficiente de IAs no processo de estudo autônomo.

3)

• Sistemas legados frequentemente não foram projetados para suportar integrações com tecnologias avançadas, como APIs de IA, o que gera problemas de compatibilidade e escalabilidade.

• Falta de conhecimento por parte de equipes de TI sobre como integrar eficientemente modelos de IA com as APIs, comprometendo o desempenho e segurança do sistema.

• A resistência de empresas em adotar novas tecnologias devido ao custo e à complexidade da integração com infraestruturas antigas.

• Poucos estudos focam nos impactos de integrar soluções de IA em sistemas que não foram inicialmente projetados para isso, como no caso de análise preditiva ou automação de tarefas.

3)

• Dificuldade de ingressantes no mercado de trabalho a entender o que as empresas buscam;

• Confusão de pessoas que voltaram a buscar emprego depois de muito tempo e querem atualizar o portfólio;

• Entender metodologias para a construção mais eficiente de um portfólio do zero

4) Entender as etapas necessárias, e tornar mais intuitivo o processo de elaboração de portfólio tanto para pessoas que estão chegando no mercado de trabalho pela primeira vez, quanto pessoas que estavam em um emprego a muito tempo e precisam atualizar as entradas de seus currículos.

3) •Falta de espaços físicos para laboratórios de química

•Falta de recursos para execução dos experimentos

4)A elaboração do software ajudaria os alunos a poderem visualizar como ocorre os experimentos químicos de forma mais acessível.

2) Um software baseado em contextos culturais na química

3) •Falta de informação na própria matriz curricular

•A dificuldade de trazer e fazer uma aula interdisciplinar além das tradicionais

4) A criação de um software, através da junção dos alunos de química com os de tsi para trazer os assuntos de química mais instigantes e valorizando a cultura local.

3)

• Falta de ferramentas que auxiliem usuários a detectar possível golpe de maneira automática;

• Dificuldade de identificação de fraudes com base apenas em informações visíveis ao usuário;

• Falta de aplicação de modelos de machine learning interpretáveis para auxiliar na decisão do usuário;

4) Criar uma ferramenta que rotule e forneça os fatores para determinada classificação

3)

• Falta de correção personalizada

• Dependência de corretores humanos

• Uso incorreto de IA genérica

4) Aplicar IA para identificar falhas e acertos nas redações, garantindo que os retornos sejam específicos por competência e contribuam para o aprimoramento da escrita. Além disso, busca promover o uso de IA como ferramenta de orientação e aprendizado.

3) Superar a barreira dos alunos de vencer a abstratividade do conteudo em questão e conseguir prender atenção de alunos.

4) por meio da construção de um equipamento de baixo custo confeccionado pelos proprios alunos e o professor.

2) Desenvolver um modelo básico de inteligência artificial que, com base em dados georreferenciados de ocorrências passadas, identifique padrões e aponte possíveis áreas de risco para atuação preventiva da Guarda Municipal.

3)

• Falta de um sistema integrado de dados: Atualmente, não há uma ferramenta que reúna os dados de localização das viaturas com o histórico de ocorrências por região, o que dificulta a análise em tempo real e o planejamento estratégico por parte da Guarda Municipal.

• Planejamento de patrulhamento pouco baseado em dados: As rondas e ações da Guarda Municipal geralmente seguem uma rotina fixa ou se baseiam em percepções subjetivas, sem o apoio de dados georreferenciados que indiquem as áreas de maior risco.

• Dificuldade em identificar zonas vulneráveis: A ausência de um mapeamento inteligente das ocorrências torna difícil reconhecer padrões de risco, o que prejudica a atuação preventiva e o uso eficiente dos recursos disponíveis.

• Pouco aproveitamento dos dados de localização já disponíveis nos rádios comunicadores da Guarda Municipal.

4) O objetivo é apoiar o planejamento estratégico da Guarda Municipal, fornecendo um modelo preditivo simples, baseado em inteligência artificial, que utilize dados georreferenciados de ocorrências passadas para identificar áreas e horários de maior risco, permitindo a alocação mais eficiente de viaturas e ações preventivas.

3)

• Falta de comparações focadas em eficiência de uso da memória e tempo de execução em hardware modesto.

• Pouca análise sobre curva de aprendizado, simplicidade sintática e maturidade das bibliotecas em contextos de uso educacional ou científico de baixo custo.

• Inexistência de um critério padronizado e prático que ajude desenvolvedores ou instituições a escolher a linguagem mais adequada para seus contextos.

4)Avaliar comparativamente Python, R e Julia para análise de dados em ambientes com recursos limitados, considerando critérios como:

• Desempenho computacional (tempo de execução, uso de RAM e CPU).

• Facilidade de uso e aprendizado.

• Disponibilidade e maturidade de bibliotecas para tarefas específicas (limpeza de dados, estatística, machine learning, visualização).

• Experiência de instalação e compatibilidade em sistemas operacionais leves.