Engenharia de requisitos para qualidade de dados em machine learning: uma abordagem gameficada
Carregando...
Data
Autores
Orientador
Souza, Rogéria Cristiane Gratão de 
Coorientador
Pós-graduação
Curso de graduação
São José do Rio Preto - IBILCE - Ciência da Computação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso restrito
Resumo
Resumo (português)
Acrescente adoção de sistemas baseados em inteligência artificial tem ampliado a relevância do aprendizado de máquina (machine learning– ML) e, consequentemente, reforçado a importância da qualidade dos dados utilizados em seus processos. Nesse contexto, a engenharia de requisitos desempenha papel essencial ao estabelecer diretrizes que asseguram a integridade, consistência e confiabilidade dos dados, elementos fundamentais para o desempenho e a precisão dos modelos de ML. Considerando a carência de iniciativas educacionais que abordem especificamente essa relação, este trabalho propõe o desenvolvimento do Qualiz, um protótipo gameficado voltado à difusão de boas práticas sobre qualidade de dados em sistemas de ML. O objetivo consiste em investigar de que forma a engenharia de requisitos pode contribuir para a melhoria da qualidade dos dados, ao mesmo tempo em que se explora o uso da gameficação como estratégia de ensino e engajamento. Para tanto, desenvolveu-se uma plataforma de quizzes interativos, a qual foi disponibilizada para testes e posteriormente avaliada por 25 participantes por meio de um formulário. De modo geral, os resultados indicaram percepção positiva quanto à clareza e à relevância do conteúdo teórico, à facilidade de navegação e ao uso de elementos lúdicos. Conclui-se, assim, que o Qualiz tem potencial para contribuir com processos formativos voltados à assimilação dos princípios de engenharia de requisitos para a qualidade de dados em ambientes de aprendizado de máquina.
Resumo (inglês)
The growing adoption of systems based on artificial intelligence has increased the relevance of machine learning (ML) and, consequently, reinforced the importance of data quality in its
processes. In this context, requirements engineering plays an essential role by establishing guidelines that ensure data integrity, consistency, and reliability—elements that are fundamental
to the performance and accuracy of ML models. Considering the lack of educational initiatives that specifically address this relationship, this work proposes the development of Qualiz, a
gamified prototype aimed at disseminating best practices related to data quality in ML systems. The main objective is to investigate how requirements engineering can contribute to improving data quality, while exploring gamification as a strategy for learning and engagement. To this end, a platform composed of interactive quizzes was developed, made available for testing, and later evaluated by 25 participants through a structured questionnaire. Overall, the results indicated a positive perception regarding the clarity and relevance of the theoretical content, the ease of navigation, and the use of playful elements. It is therefore concluded that Qualiz has the potential to contribute to educational processes focused on the assimilation of requirements engineering principles for data quality in machine learning environments.
Descrição
Palavras-chave
Engenharia de requisitos, Machine learning, Ciência Processamento de dados, Gamification
Idioma
Português
Citação
MENDES, Amanda Prampero Paes. Engenharia de requisitos para qualidade de dados em machine learning: uma abordagem gameficada. 2025. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) – Instituto de Biociências, Letras e Ciências Exatas, Universidade Estadual Paulista, São José do Rio Preto, 2025.
