Por Rafaela Mendonça, Assessoria GrOW.
Seis trabalhos dos colaboradores foram aprovados, sendo cinco TCCs (Trabalho de Conclusão de Curso) e uma tese de doutorado. "É importante frisar que para cada categoria são selecionados apenas seis trabalhos de todo o país. O GrOW submeteu sete trabalhos (onde seis foram aprovados), sendo cinco de TCC, um de mestrado e um de doutorado. Para mim foi uma agradável surpresa saber que tivemos tantos trabalhos aprovados para a final do concurso.", ressaltou Ig Ibert Bittencourt, um dos líderes do GrOW e vice-diretor do Instituto de Computação.
O resultado positivo demonstra a qualidade e eficiência dos trabalhos desenvolvidos pelos membros do GrOW bem como ressalta a importância dada a desenvolver soluções inovadoras que possam ser aplicadas no âmbito social. E é com esse pensamento que o grupo tem como um viés de pesquisa a área de desenvolvimento de ferramentas para a educação.
O GrOW, em parceria com o LaxOS, conta com a participação de doutores, doutorandos, mestrandos e alunos de iniciação científica, e desenvolve trabalhos voltados para a nova geração dos ambientes de Educação a Distância (EaD). “O grupo já tem pleno reconhecimento nacional e internacional das comunidades de EaD e de Informática na Educação. Membros do grupo ganharam prêmios em eventos importantes, organizaram Workshops e já ministraram cursos em encontros científicos destas áreas”, informou o professor Evandro de Barros Costa, o outro líder do GrOW e diretor do Instituto de Computação.
Abaixo, confira a lista dos colaboradores aprovados:
TCC: Uma Solução para Aplicações em T-Learning Integradas com um Plataforma Educacional Web
TCC: Como professores concebem as TIC no ensino de matemática
Doutorado: Modelos e Ferramentas para a Construção de Sistemas Educacionais Adaptativos e Semânticos
TCC: Um Mecanismo para a Descoberta Automática de Ambientes Educacionais
TCC: Geração Semi-automática de Redes de Petri Baseada em Agentes e Ontologias
- Rafael Ferreira Leite de Mello
TCC: Framework para Criação de Blog Crawlers Baseados em Contexto