Tecnologia da Informação aplicada a desafios contemporâneos: pesquisas de conclusão de curso desenvolvidas na Univates apontam soluções para o campo, a saúde, a educação e o varejo

Este texto contém um glossário com explicações sobre a terminologia técnica utilizada 

Trabalhos desenvolvidos na Universidade do Vale do Taquari - Univates mostram como a área de Tecnologia da Informação tem sido mobilizada para enfrentar problemas concretos da sociedade, com pesquisas aplicadas que vão da agricultura de precisão de baixo custo ao apoio ao diagnóstico médico, passando por educação e transformação digital no comércio.

Trabalhos de Conclusão de Curso defendidos em dezembro de 2025 exploram, sob diferentes perspectivas, como algoritmos, inteligência artificial, sistemas embarcados e plataformas digitais podem contribuir para reduzir desigualdades, qualificar processos e ampliar o acesso a tecnologias tradicionalmente restritas a poucos setores. As pesquisas abordam problemas contemporâneos relevantes e demonstram a capacidade da formação em TI de articular conhecimento técnico, método científico e impacto social.

Entre os estudos apresentados estão o desenvolvimento de um sistema de agricultura de precisão de baixo custo com algoritmo de traçado dinâmico, a criação de um provador virtual de brincos para o mercado joalheiro, a aplicação de aprendizado de máquina profundo no apoio ao diagnóstico de câncer de mama e o desenvolvimento de uma plataforma baseada em inteligência artificial para correção e aprimoramento de redações do Exame Nacional do Ensino Médio (ENEM). 

Agricultura de precisão

No campo da agricultura de precisão, o trabalho intitulado Agricultura de precisão: algoritmo de traçado dinâmico, de autoria de André Bassetto Gracioli, do curso de Engenharia da Computação, sob orientação de Alexandre Stürmer Wolf, parte de um problema econômico concreto: o alto custo dos sistemas GNSS (Global Navigation Satellite System) de precisão centimétrica disponíveis no mercado brasileiro. Segundo o próprio estudo, esses equipamentos podem custar entre R$ 50 mil e R$ 200 mil, valores incompatíveis com a realidade da maioria dos agricultores familiares. A pesquisa propõe e valida uma alternativa de baixo custo, integrando posicionamento RTK, compensação de inclinação por sensores inerciais e um algoritmo de traçado dinâmico adaptativo, capaz de gerar linhas de orientação baseadas na trajetória real da máquina agrícola.

O método adotado combina desenvolvimento de hardware e software, testes experimentais e validação em campo. O protótipo foi construído com componentes amplamente disponíveis no mercado, como o receptor u-blox ZED-F9P, Raspberry Pi 3B+, módulos Heltec LoRa V3 e Arduino Uno, resultando em um custo aproximado de R$ 6 mil, uma redução estimada entre 90% e 97% em relação aos sistemas comerciais. Os testes de desempenho indicaram precisão horizontal de 2,0 centímetros (RMS) em modo RTK, com convergência entre 18 e 30 segundos e taxa de solução fixa de 99,2%. A validação ocorreu em cinco áreas rurais da região de Muçum, no Rio Grande do Sul, com declividades de até 34°, ou seja, o sistema se mostra capaz de funcionar bem em contextos reais de uso em regiões como a do Vale do Taquari. 

Um dos principais diferenciais do estudo está no algoritmo de traçado dinâmico, que “mostrou-se capaz de gerar linhas paralelas baseadas na trajetória real, superando sistemas convencionais de linhas fixas”. Ao mesmo tempo, a pesquisa reconhece suas limitações, como instabilidade em curvas fechadas com raio inferior a 10 metros, alcance de comunicação LoRa limitado a cerca de 2 quilômetros em campo aberto e validação apenas qualitativa da compensação de inclinação. Ainda assim, os resultados confirmam a viabilidade técnica e econômica da solução e apontam caminhos concretos para a democratização da agricultura de precisão no Brasil. A banca avaliadora foi composta por Juliano Dertzbacher e Vinicius Meyer.

Segundo Graciolli “os equipamentos são caríssimos e ainda cobram mensalidade pelo sinal de precisão, sendo que os dados de GPS são abertos e disponíveis para todo mundo. Como eu trabalho com agricultura, resolvi tentar fazer meu próprio sistema. Consegui desenvolver um GPS com precisão de 2 centímetros usando componentes acessíveis e hoje ele está funcionando em um dos tratores. O trabalho mostrou que é totalmente viável fazer isso sem depender dos sistemas comerciais caros. Acho que a maior contribuição foi provar que dá pra fazer diferente. Continuo melhorando o sistema conforme vou usando no dia a dia. Não penso em comercializar porque daria muito trabalho, mas esse projeto fica como uma motivação. Se eu consegui fazer isso, eu posso fazer outras coisas também”. 

Provador de brincos virtuais 

A transformação digital no varejo é o foco do trabalho Desenvolvimento e validação de um provador virtual de brincos para empresas do mercado joalheiro, desenvolvido por Felipe Borges de Souza no curso de Engenharia de Software, com orientação de Evandro Franzen e banca formada por Mouriac Diemer e Alexandre Stürmer Wolf. A pesquisa parte do diagnóstico de que, apesar do avanço das tecnologias web e da crescente digitalização do comércio, o setor joalheiro brasileiro ainda apresenta baixa adoção de ferramentas de experimentação virtual, o que impacta diretamente a confiança do consumidor e a decisão de compra.

Com caráter aplicado e exploratório, o estudo descreve o desenvolvimento de um protótipo funcional de provador virtual de brincos, utilizando tecnologias como React, MediaPipe e Three.js, além de um modelo próprio de detecção de lóbulos auriculares treinado a partir de um conjunto de dados anotado manualmente. O método envolveu etapas de implementação técnica, testes de detecção facial e renderização tridimensional, além de uma avaliação de usabilidade realizada com estudantes dos cursos de tecnologia da Univates.

Os resultados apontam viabilidade técnica e aderência às demandas do mercado, com tempos de resposta compatíveis com aplicações de realidade aumentada executadas diretamente no navegador, precisão considerada satisfatória na identificação do lóbulo auricular e boa aceitação por parte dos usuários. Um dado relevante destacado no trabalho é que o protótipo extrapolou o ambiente acadêmico e evoluiu para um produto comercial, ampliando-se para uma plataforma capaz de converter imagens 2D em modelos 3D e viabilizar provadores virtuais para diferentes categorias de joias. O estudo evidencia, assim, lacunas tecnológicas no setor joalheiro nacional e aponta oportunidades concretas de inovação, escalabilidade e melhoria da experiência de compra, reforçando o papel da TI como indutora de transformação em segmentos tradicionais do varejo.

Para Souza, “a motivação para o tema surgiu do interesse em trabalhar com Inteligência Artificial e desenvolver uma solução inovadora e aplicável ao mercado. O provador virtual de joias nasceu como um desafio pessoal e acadêmico de aproximar a experiência de compra online da experiência física, resolvendo uma dor real do e-commerce: a impossibilidade de experimentar as peças antes da compra. Durante o desenvolvimento, o apoio do professor Evandro Franzen foi essencial para orientar e fortalecer a parte técnica, e toda a jornada na Univates contribuiu muito para a construção do conhecimento necessário para tirar a ideia do papel. Como contribuição, o trabalho demonstra na prática a viabilidade de aplicar IA e Realidade Aumentada para melhorar a experiência do usuário e apoiar a transformação digital do setor joalheiro. Além disso, o sistema evoluiu para uma empresa real, o que trouxe ainda mais motivação ao longo do processo e reforçou a relevância prática e o potencial de impacto da solução”.

Diagnóstico de câncer de mama

Na área da saúde, o trabalho Aprendizado de máquina profundo para auxiliar no diagnóstico de câncer de mama, de autoria de Gabrielli Sartori no curso de Engenharia de Software, sob orientação de Juliano Dertzbacher e com banca composta por Vinícius Meyer e Alexandre Sturmer Wolf, aborda um dos principais desafios da saúde pública contemporânea. O câncer de mama é responsável pelo maior número de óbitos oncológicos entre mulheres no Brasil, e o diagnóstico precoce é decisivo para aumentar as chances de cura. Apesar da mamografia ser o principal exame de rastreamento, sua interpretação pode ser complexa e suscetível a falhas humanas, especialmente em casos de alterações sutis.

Nesse contexto, a pesquisa explora o uso de inteligência artificial, mais especificamente de redes neurais convolucionais, como ferramenta de apoio à decisão médica. O objetivo do trabalho foi desenvolver e avaliar um modelo de aprendizado profundo para a classificação de mamografias, utilizando técnicas de ensemble learning com as arquiteturas DenseNet121, EfficientNetB1 e ResNet50. O método envolveu o uso do banco público CBIS-DDSM, passando por etapas rigorosas de pré-processamento das imagens, aumento de dados, balanceamento de classes e calibração do limiar de decisão.

Foram realizados mais de cinquenta treinamentos experimentais, com variação de hiperparâmetros e técnicas, e o desempenho foi avaliado por métricas consolidadas na área, como acurácia, precisão, recall, F1-score e área sob a curva ROC. Os resultados indicam que a combinação de diferentes arquiteturas por meio de ensemble learning mostrou-se eficaz na classificação de lesões mamárias, reforçando o potencial da IA como ferramenta complementar ao trabalho do radiologista. O estudo não propõe a substituição do profissional de saúde, mas destaca a capacidade da tecnologia de agilizar o processo diagnóstico e reduzir o risco de falhas associadas à sobrecarga humana, contribuindo para decisões mais rápidas e assertivas.

Gabrielli comenta que sempre teve vontade de unir a tecnologia com a área da saúde, “mas essa escolha se tornou muito pessoal, já que na infância enfrentei um câncer no rim. Essa experiência me fez querer usar o que eu aprendi na Engenharia de Software para ajudar outras pessoas. Escolhi focar no diagnóstico do câncer de mama porque vi no aprendizado de máquina uma oportunidade de unir forças com a Medicina, explorando como a tecnologia pode salvar vidas através de diagnósticos mais rápidos e precisos”, diz a jovem. 

“O maior ganho, para mim, foi o desafio técnico. Trabalhei com Redes Neurais Convolucionais, algo que eu ainda não dominava, e ver o modelo funcionando e trazendo resultados positivos foi muito gratificante. Mesmo com obstáculos comuns na pesquisa, como o tempo curto e a dificuldade de encontrar bases de dados de mamografia mais variadas, sinto que o trabalho cumpre o seu papel: ele mostra que a tecnologia é uma aliada poderosa da saúde e deixa um caminho aberto para quem quiser continuar evoluindo esses modelos”.

Tecnologia e Educação

A interface entre tecnologia e educação é explorada no trabalho EDUQUEI.IA: uma plataforma para corrigir e aprimorar redações do ENEM, desenvolvido por Luciana Bonow Puccinelli, do curso de Engenharia de Software, sob orientação de Fabrício Pretto, que também integrou a banca avaliadora ao lado de Alexandre Sturmer Wolf e Evandro Franzen. O estudo parte de um problema recorrente no contexto educacional brasileiro: a correção de redações dissertativo-argumentativas em larga escala, marcada por alto volume de textos, necessidade de retorno rápido aos alunos e subjetividade em determinados critérios avaliativos.

Inserido na área de tecnologias para educação, o trabalho propõe uma solução híbrida que combina inteligência artificial generativa com supervisão docente. A plataforma web desenvolvida utiliza Spring Boot no backend, React e TypeScript no frontend e banco de dados MySQL, com integração à API do Google Gemini para avaliação das redações com base nas cinco competências do ENEM. A ferramenta oferece funcionalidades específicas para professores e estudantes, como modos de treino, níveis ajustáveis de rigor avaliativo e relatórios de desempenho individual.

A metodologia incluiu testes com uma turma do ensino médio e professores da área, que utilizaram a plataforma e forneceram feedbacks qualitativos e quantitativos sobre a experiência. Os resultados indicam que a solução contribui para tornar o processo de correção mais rápido, consistente e formativo, sem eliminar o papel do professor, mas reforçando-o com o apoio tecnológico. O estudo destaca que a integração entre IA e prática pedagógica pode ampliar o acompanhamento individualizado dos alunos e apoiar o desenvolvimento das habilidades de escrita, respondendo a uma demanda concreta do sistema educacional.

Luciana explica que a ideia do tema do trabalho é antiga. “A ideia do meu projeto de TCC surgiu, na verdade, a partir de uma conversa ainda na época do Ensino Médio. Uma professora de Língua Portuguesa comentou sobre a grande exaustão causada pela correção manual de várias redações, que muitas vezes precisa ser feita em um curto espaço de tempo. A partir desse relato, comecei a refletir que esse cansaço pode acabar interferindo na qualidade da correção, já que, quanto mais cansado o ser humano está, menor tende a conseguir dar a mesma atenção aos detalhes. Esse pensamento acabou ficando na minha cabeça. Quando cheguei às cadeiras que auxiliaram na escrita do TCC, eu e um amigo, que também havia ouvido esse mesmo relato na época, pensamos em desenvolver um projeto inicial com base nessa problemática. A ideia foi utilizar a inteligência artificial como uma forma de reduzir o “peso” desse trabalho repetitivo para o professor, automatizando o processo de correção. Além disso, a proposta também visa oferecer um feedback mais rápido aos alunos.”

A estudante complementa que a partir disso, resolveu dar continuidade à ideia no meu TCC. “O objetivo é que a inteligência artificial faça uma correção da redação, gerando uma avaliação, porém, mantendo o professor com total liberdade para complementar, ajustar ou acrescentar observações conforme julgar necessário. Dessa forma, o trabalho mais bruto seria realizado pela IA, sem substituir o papel do professor, mas atuando como uma ferramenta de apoio. A principal contribuição deste projeto está em demonstrar que a tecnologia pode atuar como uma aliada da educação. A proposta não busca substituir o docente, mas oferecer uma ferramenta que otimize parte do seu trabalho. Com o uso da inteligência artificial, o professor teria mais tempo disponível para se dedicar a pontos mais específicos das redações, além de poder focar em outras demandas relacionadas às aulas. Ao mesmo tempo, o aluno se beneficia da possibilidade de praticar mais vezes, caso deseje, recebendo um feedback imediato, o que contribui diretamente para sua evolução no processo de aprendizagem”. 

Glossário de termos de TI empregados no texto  

Confira os termos técnicos traduzidos para uma linguagem mais simples 

Redes Neurais Convolucionais: um tipo de IA que é empregada para "enxergar" e identificar padrões em imagens.

Ensemble Learning: técnica de combinar vários modelos de IA para obter um resultado melhor do que um modelo sozinho conseguiria.

Pré-processamento e Aumento de Dados: limpeza das imagens e criação de variações delas (girar, dar zoom) para que a IA aprenda a reconhecer o problema em qualquer situação.

Métricas (Acurácia, Recall, F1-score): são as "notas" da prova. Medem o quanto a IA acertou, o quanto ela deixou passar e se ela confundiu coisas saudáveis com doenças.

Frontend: tudo o que o usuário vê e interage na tela. Botões, cores, menus, formulários.

Backend: é a parte "invisível" que processa as regras de negócio, faz cálculos e segurança. O usuário não vê, mas o sistema não funciona sem ele.

TypeScript: é uma linguagem de programação que melhora o JavaScript (a linguagem padrão da web).

Spring Boot: uma ferramenta baseada na linguagem Java para criar a lógica do servidor. É famoso por ser robusto e seguro, muito usado por grandes empresas e bancos.

MySQL: um sistema para gerenciar e guardar os dados em formato de tabelas (linhas e colunas).