Artigos
O artigo “SaúdeLink: An Intelligent Platform for Context-Aware Digital Health using Wearable Data and Large Language Models” foi aceito no 19th International Joint Conference on Biomedical Engineering Systems and Technologies (BIOSTEC), na trilha HEALTHINF 2026.
O trabalho apresenta o SaúdeLink, uma plataforma inteligente voltada à integração de dados fisiológicos e comportamentais coletados por dispositivos vestíveis com modelos de linguagem de grande porte (LLMs), utilizando o modelo Gemini (gemini-2.5-flash) para apoiar a análise contextual e a tomada de decisão em saúde digital.
A proposta explora informações como frequência cardíaca, padrões de sono e níveis de atividade física para gerar insights personalizados e sensíveis ao contexto sobre a saúde e o bem-estar dos pacientes. O desenvolvimento seguiu a metodologia de Technical Action Research (TRA), permitindo ciclos iterativos de concepção, implementação técnica e refinamento empírico.
Autores:
Maurício de M. dos Santos; Evilasio C. Junior; Rossana M. C. Andrade; Pedro A. M. Oliveira.
O artigo intitulado “An Exploratory Study on Requirements Reuse: Comparing Manual and ChatGPT-Based Approaches” foi desenvolvido no âmbito do projeto “Plataforma de Qualidade de Software e de Dados na Sefaz-CE”, do Programa Cientista Chefe da FUNCAP, e tem autoria de Rhenara Alves Oliveira (UFC), Rainara Maia Carvalho (UFC), Julian César P. Cardoso (UFC), Juliana Lopes Gurgel (UFC), Ismayle Santos (UECE) e Rossana C. Andrade (UFC).
O estudo investiga o potencial de modelos de linguagem de grande escala, em especial o ChatGPT, para apoiar e automatizar o processo de reuso de requisitos de software em sistemas similares, no contexto da administração pública brasileira.
A pesquisa apresenta um estudo exploratório comparativo entre o reuso manual de requisitos, realizado por especialistas humanos, e o reuso automatizado assistido por ChatGPT, analisando critérios como precisão, revocação, esforço humano envolvido e quantidade de informação. Como contribuição adicional, o trabalho propõe um prompt reutilizável para apoiar atividades de Engenharia de Requisitos.
O artigo foi aceito na International Conference on Software Engineering (ICSE 2026), um dos eventos mais relevantes da área de Engenharia de Software no mundo.
O artigo “Clustering-based Analysis of Risk Profiles for Depression using Quality of Life Data” foi aceito no 19th International Joint Conference on Biomedical Engineering Systems and Technologies (BIOSTEC), na trilha HEALTHINF 2026.
O estudo investiga a depressão a partir da análise de dados não invasivos provenientes de dispositivos vestíveis, utilizando técnicas de aprendizado não supervisionado (clustering) para segmentação de perfis de risco em saúde mental. Com base no Healful dataset e em métricas de Qualidade de Vida (QoL), diferentes algoritmos de clusterização foram comparados.
A pesquisa adota uma abordagem estratégica que prioriza a interpretabilidade prática dos resultados em detrimento de métricas estatísticas puramente formais. O modelo final, configurado com K = 4, alcançou uma variação expressiva de 48,03 pontos na métrica de QoL, distinguindo claramente quatro perfis de risco: Alto Risco, Moderado-Alto, Moderado-Baixo e Baixo Risco.
Autores:
Willian Jorge Sousa Furtado; Pedro Almir Martins Oliveira; Rossana Maria Castro Andrade; Evilasio Costa Junior; Wilson Castro; Victória Tomé Oliveira; Pedro de Alcântara.
O artigo “Anxiety Map: Longitudinal Monitoring of Anxiety in High School using Mobile Health” foi aceito no 19th International Joint Conference on Biomedical Engineering Systems and Technologies (BIOSTEC), trilha HEALTHINF 2026.
O trabalho apresenta o Anxiety Map, um sistema de monitoramento longitudinal e contínuo da ansiedade em estudantes do ensino médio, apoiado por tecnologias de saúde digital. A proposta integra um aplicativo móvel, desenvolvido com o MIT App Inventor, para coleta semanal de dados por meio do Beck Anxiety Inventory (BAI), aliado a métodos de aprendizado de máquina para correlacionar picos de ansiedade com eventos do calendário acadêmico.
O objetivo é avançar de intervenções reativas para estratégias preditivas e preventivas, oferecendo subsídios para gestores escolares no planejamento de ações voltadas à saúde mental dos estudantes.
Autores:
Daryo G. S. Arruda; Glória M. Alexandre; Pedro Almir M. de Oliveira; Rossana Maria C. Andrade; Evilasio Costa Junior; Wilson Castro; Victória Tomé Oliveira; Pedro A. Santos Neto.
Temos o prazer de compartilhar que o artigo “MedQ: A Dynamic Meta-model for Integrating Clinical Questionnaires and Digital Biometrics” foi aceito no 19th International Joint Conference on Biomedical Engineering Systems and Technologies (BIOSTEC) – HEALTHINF 2026
O trabalho apresenta o MedQ, um sistema e meta-modelo dinâmico que integra questionários clínicos com dados biométricos em tempo real coletados por dispositivos móveis e wearables. A proposta busca superar limitações de instrumentos tradicionais de avaliação em saúde, unindo dados subjetivos reportados por pacientes a métricas objetivas, como frequência cardíaca, passos, sono e tempo de tela.
A solução permite que profissionais de saúde criem e adaptem questionários de forma flexível, definindo domínios, fórmulas, métodos de pontuação e limites de alerta, além de integrar dados de plataformas como o Google Health Connect. O MedQ foi avaliado por meio de um grupo focal com 18 participantes, incluindo profissionais da saúde e especialistas em IoHT, apresentando alta aceitação, usabilidade e potencial para aplicação em contextos de cuidado personalizado e remoto.
Autores: Nadiana K. N. Mendes, Rossana M. C. Andrade, Pedro A. M. Oliveira, Evilasio C. Junior, Ismayle S. Santos, Victor A. Silva, Wilson Castro e Victoria T. Oliveira.
O trabalho “Applying DevSecOps Approach in Legacy Computing Infrastructures: A Case Study in Public Sector of Brazil” foi publicado no LADC 2024 – 14th Latin-American Symposium on Dependable and Secure Computing (Chile).
A pesquisa apresenta a aplicação de DevSecOps em infraestruturas legadas do setor público brasileiro. Em um estudo de caso real, foram integrados SAST e Gestão de Vulnerabilidades ao pipeline CI/CD, reduzindo riscos em código e infraestrutura, com métricas CVSS e EPSS, alinhadas ao NIST CSF e CIS Controls.
Os resultados demonstram avanços na detecção, mitigação contínua e resiliência operacional, oferecendo caminhos práticos para a modernização da segurança em órgãos governamentais.
A pesquisa foi desenvolvida no âmbito do Programa Cientista Chefe em Transformação Digital – SEPLAG/CE, em parceria com a UFC e a UECE.
O trabalho foi conduzido por membros do RSI (Research and Security Innovation Group).
Nosso artigo “Internet of Health Things and Machine Learning for Continuous Quality of Life Monitoring” acaba de ser publicado no periódico Health and Quality of Life Outcomes (BMC).
O estudo investiga como dados do Internet of Health Things (IoHT) — coletados por smartphones e wearables — podem ser combinados com técnicas de Machine Learning para estimar medidas físicas e psicológicas da Qualidade de Vida (QoL).
💡 A pesquisa acompanhou 44 participantes durante seis meses e mostrou que o modelo Random Forest apresentou o melhor desempenho na estimativa da QoL, destacando o potencial do uso de dados de saúde contínuos para apoiar intervenções precoces e personalizadas.
📚 O trabalho reforça o papel da inteligência artificial e da Internet das Coisas na promoção do bem-estar e na construção de soluções inovadoras em saúde digital.
Autores: Pedro Almir M. Oliveira, Rossana M. C. Andrade, Pedro A. Santos Neto, Ismayle S. Santos, Evalisio C. Junior e Victória T. Oliveira.
O artigo intitulado “Systematic Mapping of Data Quality in the Public Sector: Dimensions, Metrics and Practices” tem autoria de Maria Inês Vale Silva (UFC), Ramon Luna (UFC), Amanda K. B. Cavalcante (UFC), Valéria Lelli (UFC), Rossana Maria de Castro Andrade (UFC), José Monteiro (UFC) e Ismayle Santos (UECE).
O estudo apresenta um mapeamento sistemático sobre dimensões, métricas, práticas e desafios da qualidade de dados em instituições públicas, com base nos padrões ISO/IEC 25012:2008 e ISO/IEC 25024:2015.
A pesquisa analisou 53 estudos, destacando desde técnicas tradicionais de validação até o uso de machine learning para detecção de anomalias e imputação de dados, além de propor recomendações para fortalecer a gestão da qualidade da informação no setor público.
O trabalho “Toward Interpretable Quality of Life Analysis from Wearable Data” foi aceito para apresentação na 23rd IEEE International Conference on Pervasive Intelligence and Computing (PICom 2025) 🧠
O estudo, desenvolvido por Rossana M. C. Andrade, Pedro A. M. Oliveira, Evalisio C. Junior, Wilson Castro, Leonan Carneiro, Victoria T. Oliveira, Ismayle S. Santos e Pedro A. Santos Neto, propõe uma forma mais transparente e interpretável de analisar a Qualidade de Vida (QoL) a partir de dados de dispositivos vestíveis ⌚
O estudo propõe uma abordagem para tornar a análise da Qualidade de Vida (Quality of Life – QoL) mais interpretável a partir de dados coletados por dispositivos vestíveis (wearables). Utilizando modelos de aprendizado de máquina explicáveis, em especial a técnica SHAP (SHapley Additive exPlanations), o artigo demonstra como fatores comportamentais, fisiológicos e socioeconômicos podem ser integrados para fornecer avaliações de QoL mais transparentes e úteis no contexto de saúde preventiva personalizada.
Nosso artigo “Quality Management in the Public Sector: Definition and Prioritization of Indicators for Assessment and Decision-Making” foi aceito no Simpósio Brasileiro de Qualidade de Software (SBQS 2025).
Autores: Valéria Lelli (UFC); Fabiana Marinho (IFCE); Lucas Cabral (UFC); Paulo Afonso Pamplona (IFCE); Lucas Almeida (IFCE); Rossana C. Andrade (UFC); Ismayle Santos (UECE); Juliana Gurgel (UFC); Inês Vale (UFC/SEFAZ).
A utilização de dados históricos em projetos de software, quando alinhada com metas de qualidade e objetivos de negócio, tem sido cada vez mais reconhecida como uma abordagem estratégica para aprimorar tanto a gestão quanto o desenvolvimento de sistemas. Essa prática se baseia na análise de dados coletados, o que possibilita a identificação de oportunidades e a antecipação de riscos. À medida que os processos de qualidade são implementados, esses dados são transformados em medidas e métricas utilizadas para desenvolver indicadores, permitindo o monitoramento contínuo do desempenho e impulsionando a melhoria organizacional. Nesse contexto, este relatório apresenta o processo utilizado para a definição, validação e priorização de medidas e indicadores de qualidade aplicados à gestão e ao desenvolvimento de projetos de software em uma organização pública. Além disso, neste estudo discutimos os principais desafios enfrentados, bem como as lições aprendidas e os benefícios observados na atual etapa do processo de implementação dessa prática na instituição.
Artigo publicado no Simpósio Brasileiro de Engenharia de Software (SBES 2025)!
Investigando a Integração Estrutural de LLMs em Ecossistemas de Software: Um Estudo com Modelagem SSN
Autores: Francisco Victor da Silva Pinheiro, Emanuel Coutinho, Marcelo Martins da Silva, Sidartha Carvalho, Rossana Maria de Castro Andrade.
Mais uma importante contribuição para o avanço da pesquisa em Engenharia de Software e Inteligência Artificial!
Foi publicado no IV Workshop Brasileiro de Engenharia de Software Inteligente (ISE’25), evento satélite do CBSoft 2025, o artigo: Reference Process for Integrating Data Science Workflows and Governance in Big Data Systems.
Autores: Victória T. Oliveira, Rossana M. de Castro Andrade, Pedro Almir Martins Oliveira, Ismayle Santos e Miguel Franklin de Castro
Este artigo apresenta um fluxo de trabalho estruturado para o desenvolvimento de análises baseadas em dados no setor público, desde a identificação dos desafios institucionais até a tomada de decisões fundamentadas em evidências. O processo proposto organiza as etapas em torno de três perfis principais – gestor público, administrador e cientista de dados – e integra práticas de governança de dados, conformidade com a LGPD (Lei Geral de Proteção de Dados) e processos analíticos reproduzíveis. O método técnico para a incorporação de novas análises à plataforma institucional também é detalhado, envolvendo a elaboração de scripts, o uso de modelos de aprendizado de máquina e a publicação de produtos analíticos com visualizações automatizadas. A proposta contribui para a padronização, transparência e eficiência na adoção de inteligência analítica por órgãos públicos, promovendo decisões baseadas em evidências.
O trabalho “AI Support for Test Debt Prevention” foi aceito na 5th Latin American School in Software Engineering (LATAM School), nos dias 22 e 23 de setembro, em Recife – PE, Brasil.
A pesquisa aborda como o uso de Inteligência Artificial pode apoiar a prevenção de Test Debt — dívidas técnicas relacionadas a testes de software — que comprometem a qualidade e aumentam os custos futuros de manutenção. O trabalho parte de um catálogo estruturado de estratégias de prevenção, já validado em ambiente real, e propõe meios de torná-lo mais acessível, prático e proativo para profissionais da área.
Autores: Levi A. Silva (UECE), Ismayle S. Santos (UECE) e Rossana M. C. Andrade (UFC)
O trabalho “Testing Big Data Systems: A Multivocal Review and LLM-Driven Support Tool” foi aceito na 5th Latin American School in Software Engineering (LATAM School), nos dias 22 e 23 de setembro, em Recife – PE, Brasil.
A pesquisa investiga métodos, ferramentas e melhores práticas para testes de sistemas Big Data, consolidando evidências da literatura formal e cinzenta. Além disso, propõe o desenvolvimento de uma ferramenta de suporte baseada em Modelos de Linguagem (LLMs) e RAG, capaz de auxiliar na definição de regras de qualidade, traduzi-las em código e executá-las em ambientes escaláveis com Spark.
Autores: Ícaro S. de Oliveira (UECE), Ismayle S. Santos (UECE) e Rossana M. C. Andrade (UFC)
O artigo “Mapeamento Sistemático de Comparativos de Ferramentas de Análise Estática de Código com Foco na Segurança” foi aceito no Simpósio Brasileiro de Cibersegurança (SBSeg) 2025, na trilha do Workshop de Trabalhos de Iniciação Científica e de Graduação (WTICG).
O trabalho apresenta um levantamento abrangente das principais ferramentas de análise estática de segurança de código (SAST), avaliando sua eficácia e cobertura em diferentes linguagens e métricas.
Autores: Francisco Jean S. Sousa, João Gustavo I. Braga, Anna Beatriz V. Sousa, Valéria Lelli L. Dantas, Rossana M. C. Andrade e Ismayle S. Santos
Nos dias 21 e 22 de julho, durante o 13º Latin American Symposium on Digital Government (LASDiGov), tivemos a alegria de ver dois artigos com participação de pesquisadores da UFC, UECE e IFCE sendo publicados e apresentados no evento!
Um dos artigos foi “From Acquisition to Interpretation: A Model for Creating Data Storytelling in Big Data”
O artigo propõe um modelo para transformar grandes volumes de dados em narrativas visuais e compreensíveis, facilitando o uso de dados em políticas públicas e decisões estratégicas.
Autores: Victória T. Oliveira, Rossana M. de Castro Andrade, Miguel F. de Castro e Ismayle S. Santos
Agradecemos à FUNCAP pelo apoio e financiamento dos projetos que tornaram essas pesquisas possíveis!
Mais um artigo publicado durante o 13º Latin American Symposium on Digital Government (LASDiGov) 2025 foi “MRC: A Hybrid Relevance and Correlation Metric for Indicator Selection with Application to SINASC Data“
O trabalho apresenta uma nova métrica híbrida para seleção de indicadores relevantes, aplicada a dados do Sistema de Nascidos Vivos (SINASC), com foco em melhorar análises de saúde pública.
Autores: Daniel A. da Silva, José L. Martins Neto, Adilio J. Freitas, Antonio R. Braga e Danielo G. Gomes
Agradecemos à FUNCAP pelo apoio e financiamento dos projetos que tornaram essas pesquisas possíveis!
A produção de artigos está em ritmo acelerado: mais um artigo aprovado no ICEIS 2025!
Handling Inconsistent Government Data: From Acquisition to Entity Name Matching and Address Standardization
Autores: Davyson S. Ribeiro, Paulo V. A. Fabrício, Rafael R. Pereira, Tales P. Nogueira, Pedro A. M. Oliveira, Victoria T. Oliveira, Ismayle S. Santos e Rossana M. C. Andrade.
A equipe GREat está orgulhosa das produções e da contribuição para uma ciência cada vez mais aplicada e transformadora!
O GREat está feliz em anunciar mais um artigo aceito no ICEIS 2025!
Big Data Fortaleza Platform: Quality Improvement with Testing Process
Parabéns aos autores: Amanda K. B. Cavalcante, Icaro S. de Oliveira, Victoria T. Oliveria, Pedro Almir M. Oliveira, Tales P. Nogueira, Ismayle S. Santos and Rossana M. C. Andrade
O artigo intitulado Healful Dataset: Integrating Wearable Data with Self-Reported Quality of Life Assessments foi aceito para apresentação na conferência HEALTHINF 2025.
Este trabalho apresenta o Healful Dataset, uma nova base de dados que combina dados reais provenientes de dispositivos de rastreamento de saúde com medidas de Qualidade de Vida (QoL) autorrelatadas, obtidas por meio do questionário WHOQOL-BREF. O estudo destaca o uso crescente da tecnologia para o monitoramento e a melhoria da QoL, aproveitando a Internet das Coisas para a Saúde (IoHT). O Healful Dataset preenche a lacuna entre questionários tradicionais e a coleta de dados em tempo real, oferecendo uma abordagem inovadora para o desenvolvimento de modelos inteligentes que utilizam Machine Learning para aprimorar a QoL.
Parabéns aos autores Pedro Almir M. Oliveira, Rossana M. C. Andrade, Pedro A. Santos Neto, Evilasio Costa Junior, Ismayle S. Santos, Victoria T. Oliveira, Wilson Castro e Leonan Carneiro por mais essa conquista!
