A importância do laboratório de línguas na escola pública
Thesis Subjects > Education Ibero-american International University > Teaching > Master's Final Projects Closed Portuguese O presente trabalho tem como tema expor a importância do laboratório de línguas na escola pública, sendo que este é de extrema relevância para um desenvolvimento satisfatório de tais disciplinas. O objetivo geral é analisar como ocorre o processo de ensino de línguas na escola pública Professora Edeli Mantovani, localizada na cidade de Sinop, Estado de Mato Grosso. Procuramos utilizar o método de análise de conteúdo da Bardin (2010), promovendo a participação do professor para que ele não seja apenas uma fonte de dados, mas principalmente que possa aprender com a pesquisa. Para alcançar os objetivos propostos, temos as seguintes perguntas de investigação: * Qual a importância dos laboratórios de línguas nos componentes curriculares gerais e específicos das disciplinas administradas? *Como se dá o ensino de línguas estrangeiras (LE) nas escolas públicas brasileiras? *Como se dá a integração cultural ora estabelecida a partir dos laboratórios de línguas estrangeiras nas escolas públicas brasileiras? *Como agregar o conhecimento de línguas estrangeiras (LE) à realidade e vivência empírica dos discentes, de modo que tal ensino se torne relevante para os mesmos? Utilizamos uma série de pesquisas colaborativas críticas, selecionadas pelo seu valor na elaboração coletiva do processo educativo envolvendo toda a equipe escolar, especialmente a participação do professor, a fim de promover a reflexão sobre o processo, visando melhorar o aluno. Finalizando, concluímos que entre as dificuldades mais comuns que alunos de LE enfrentam no contexto de escolas públicas estão: fluência reduzida no ensino de LE; falta de tempo e recursos financeiros por parte de muitos professores para aprimorar seus conhecimentos do idioma que ensinam; falta de motivação para ler por parte dos alunos, que não veem a importância de aprender uma língua ou que não acreditam na proposta de ensino da escola pública; e a falta de políticas de educação voltadas para a formação docente, principalmente no que se refere ao ensino de LE no contexto brasileiro. Existem algumas maneiras de mudar a percepção de uma língua estrangeira como forma de submissão no mundo moderno. Muitas conversas ocorreram e estão ocorrendo. Nossa tarefa é ingressar nesse mar de palavras para compreender a realidade em que vivemos, que é determinada pelo contexto histórico do ensino de línguas no Brasil, com o correspondente papel das leis nas ações deliberadas de definição de processos e de sucesso, processos desde a sala de aula, com formação de professores em construção de tecnologia e formação política, como agentes de mudança da verdade. metadata de Jesus Silva Vogado, Maria Lúcia mail luciapkt@gmail.com (2022) A importância do laboratório de línguas na escola pública. Master's thesis, UNSPECIFIED.
Full text not available.Abstract
O presente trabalho tem como tema expor a importância do laboratório de línguas na escola pública, sendo que este é de extrema relevância para um desenvolvimento satisfatório de tais disciplinas. O objetivo geral é analisar como ocorre o processo de ensino de línguas na escola pública Professora Edeli Mantovani, localizada na cidade de Sinop, Estado de Mato Grosso. Procuramos utilizar o método de análise de conteúdo da Bardin (2010), promovendo a participação do professor para que ele não seja apenas uma fonte de dados, mas principalmente que possa aprender com a pesquisa. Para alcançar os objetivos propostos, temos as seguintes perguntas de investigação: * Qual a importância dos laboratórios de línguas nos componentes curriculares gerais e específicos das disciplinas administradas? *Como se dá o ensino de línguas estrangeiras (LE) nas escolas públicas brasileiras? *Como se dá a integração cultural ora estabelecida a partir dos laboratórios de línguas estrangeiras nas escolas públicas brasileiras? *Como agregar o conhecimento de línguas estrangeiras (LE) à realidade e vivência empírica dos discentes, de modo que tal ensino se torne relevante para os mesmos? Utilizamos uma série de pesquisas colaborativas críticas, selecionadas pelo seu valor na elaboração coletiva do processo educativo envolvendo toda a equipe escolar, especialmente a participação do professor, a fim de promover a reflexão sobre o processo, visando melhorar o aluno. Finalizando, concluímos que entre as dificuldades mais comuns que alunos de LE enfrentam no contexto de escolas públicas estão: fluência reduzida no ensino de LE; falta de tempo e recursos financeiros por parte de muitos professores para aprimorar seus conhecimentos do idioma que ensinam; falta de motivação para ler por parte dos alunos, que não veem a importância de aprender uma língua ou que não acreditam na proposta de ensino da escola pública; e a falta de políticas de educação voltadas para a formação docente, principalmente no que se refere ao ensino de LE no contexto brasileiro. Existem algumas maneiras de mudar a percepção de uma língua estrangeira como forma de submissão no mundo moderno. Muitas conversas ocorreram e estão ocorrendo. Nossa tarefa é ingressar nesse mar de palavras para compreender a realidade em que vivemos, que é determinada pelo contexto histórico do ensino de línguas no Brasil, com o correspondente papel das leis nas ações deliberadas de definição de processos e de sucesso, processos desde a sala de aula, com formação de professores em construção de tecnologia e formação política, como agentes de mudança da verdade.
| Document Type: | Thesis (Master's) |
|---|---|
| Keywords: | Laboratório de línguas, Escola pública, Línguas estrangeiras. |
| Subject classification: | Subjects > Education |
| Divisions: | Ibero-american International University > Teaching > Master's Final Projects |
| Deposited: | 15 Nov 2023 23:30 |
| Last Modified: | 15 Nov 2023 23:30 |
| URI: | https://repositorio.unib.org/id/eprint/1416 |
Actions (login required)
 |
View Object |
<a href="/28319/1/s41598-026-45575-1_reference.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
A novel approach for disease and pests detection in potato production system based on deep learning
Vulnerability of potato crops to diseases and pest infestation can affect its quality and lead to significant yield losses. Timely detection of such diseases can help take effective decisions. For this purpose, a deep learning-based object detection framework is designed in this study to identify and classify major potato diseases and pests under real-world field conditions. A total of 2,688 field images were collected from two research farms in Punjab, Pakistan, across multiple growth stages in various seasonal conditions. Excluding 285 symptoms-free images from the earliest collection led to 2,403 images which were annotated into four biotic-stress classes: blight disease (n = 630), leaf spot disease (n = 370), leafroll virus (viral symptom complex; n = 888), and Colorado potato beetle (larvae/adults; n = 515), indicating class imbalance. Several state-of-the-art models were used including YOLOv8 variants (n/s/m), YOLOv7, YOLOv5, and Faster R-CNN, and the results are discussed in relation to recent potato disease classification studies involving cropped leaf images. Stratified splitting (70% training, 20% validation, 10% testing) was applied to preserve class distribution across all subsets. YOLOv8-medium achieve the best performance with mean average precision (mAP)@0.5 of 98% on the held-out test images. Results for stable 5-fold cross-validation show a mean mAP@0.5 of 97.8%, which offers a balance between accuracy and inference time. Model robustness was evaluated using 5-fold cross-validation and repeated training with different random seeds, showing a low variance of ±0.4% mAP. Results demonstrate promising outcomes under the real-world field conditions, while, broader cross-region and cross-season validation is intended for the future.
Ahmed Abbas mail , Saif Ur Rehman mail , Khalid Mahmood mail , Santos Gracia Villar mail santos.gracia@uneatlantico.es, Luis Alonso Dzul López mail luis.dzul@uneatlantico.es, Aseel Smerat mail , Imran Ashraf mail ,
Abbas
<a href="/28569/1/s12870-026-08847-6_reference.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
The Polyphagous Shot Hole Borer (PSHB) is a highly invasive beetle that has been spreading like an epidemic across agricultural and forestry landscapes in recent years. Its rapid and destructive spread has turned it into a major global threat, causing widespread damage that continues to grow with time. Countries like South Africa, the United States, and Australia have implemented extensive measures to control the spread of PSHB, including the establishment of specialized agricultural support centers for early detection. However, there is still a strong need to make PSHB detection more accessible, allowing even non-experts to easily identify infections at an early stage. Artificial Intelligence (AI) has shown great promise in plant disease detection, but a major challenge in the case of PSHB was the lack of a suitable dataset for training AI models. In the proposed work, we first created a dedicated dataset by collecting images of trees infected with PSHB. We applied a range of preprocessing techniques to refine the dataset and prepare it for AI applications. Building on this, we developed a novel AI-based method, where we trained a deep learning model using a multi-convolutional layer network combined with a Fourier transformation layer. Additionally, an attention mechanism and advanced feature extraction techniques were incorporated to further boost model performance. As a result, the proposed approach achieved an impressive top accuracy of 92.3% in detecting PSHB infections, showing the potential of AI to offer a simple, efficient, and highly accurate solution for early disease detection.
Rabbiya Younas mail , Hafiz Muhammad Raza ur Rehman mail , Gyu Sang Choi mail , Ángel Gabriel Kuc Castilla mail angel.kuc@uneatlantico.es, Carlos Eduardo Uc Ríos mail carlos.uc@unini.edu.mx, Imran Ashraf mail ,
Younas
<a class="ep_document_link" href="/28572/1/s41598-026-47906-8.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Correction: Enhancing fault detection in new energy vehicles via novel ensemble approach
In the original version of this Article, Umair Shahid was incorrectly listed as a corresponding author. The correct corresponding authors for this Article are Imran Ashraf and Kashif Munir. Correspondence and request for materials should be addressed to ashrafimran@live.com and kashif.munir@kfueit.edu.pk.
Iqra Akhtar mail , Mahnoor Nabeel mail , Umair Shahid mail , Kashif Munir mail , Ali Raza mail , Irene Delgado Noya mail irene.delgado@uneatlantico.es, Santos Gracia Villar mail santos.gracia@uneatlantico.es, Imran Ashraf mail ,
Akhtar
<a class="ep_document_link" href="/27825/1/s41598-026-39196-x_reference.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Histopathological evaluation is necessary for the diagnosis and grading of prostate cancer, which is still one of the most common cancers in men globally. Traditional evaluation is time-consuming, prone to inter-observer variability, and challenging to scale. The clinical usefulness of current AI systems is limited by the need for comprehensive pixel-level annotations. The objective of this research is to develop and evaluate a large-scale benchmarking study on a weakly supervised deep learning framework that minimizes the need for annotation and ensures interpretability for automated prostate cancer diagnosis and International Society of Urological Pathology (ISUP) grading using whole slide images (WSIs). This study rigorously tested six cutting-edge multiple instance learning (MIL) architectures (CLAM-MB, CLAM-SB, ILRA-MIL, AC-MIL, AMD-MIL, WiKG-MIL), three feature encoders (ResNet50, CTransPath, UNI2), and four patch extraction techniques (varying sizes and overlap) using the PANDA dataset (10,616 WSIs), yielding 72 experimental configurations. The methodology used distributed cloud computing to process over 31 million tissue patches, implementing advanced attention mechanisms to ensure clinical interpretability through Grad-CAM visualizations. The optimum configuration (UNI2 encoder with ILRA-MIL, 256 256 patches, 50% overlap) achieved 78.75% accuracy and 90.12% quadratic weighted kappa (QWK), outperforming traditional methods and approaching expert pathologist-level diagnostic capability. Overlapping smaller patches offered the best balance of spatial resolution and contextual information, while domain-specific foundation models performed noticeably better than generic encoders. This work is the first large-scale, comprehensive comparison of weekly supervised MIL methods for prostate cancer diagnosis and grading. The proposed approach has excellent clinical diagnostic performance, scalability, practical feasibility through cloud computing, and interpretability using visualization tools.
Naveed Anwer Butt mail , Dilawaiz Sarwat mail , Irene Delgado Noya mail irene.delgado@uneatlantico.es, Kilian Tutusaus mail kilian.tutusaus@uneatlantico.es, Nagwan Abdel Samee mail , Imran Ashraf mail ,
Butt
<a href="/27915/1/csbj.0023.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
This systematic literature review (SLR) investigates the integration of deep learning (DL), vision-language models(VLMs), and multi-agent systems in the analysis of pathology images and automated report generation. The rapidadvancement of whole-slide imaging (WSI) technologies has posed new challenges in pathology, especially due to thescale and complexity of the data. DL techniques in general and convolutional neural networks (CNNs) and transform-ers in particular have significantly enhanced image analysis tasks including segmentation, classification, and detection.However, these models often lack generalizability to generate coherent, clinically relevant text, thus necessitating theintegration of VLMs and large language models (LLMs). This review examines the effectiveness of VLMs and LLMsin bridging the gap between visual data and clinical text, focusing on their potential for automating the generationof pathology reports. Additionally, multi-agent systems, which leverage specialized artificial intelligence (AI) agentsto collaboratively perform diagnostic tasks, are explored for their contributions to improving diagnostic accuracy andscalability. Through a synthesis of recent studies, this review highlights the successes, challenges, and future direc-tions of these AI technologies in pathology diagnostics, offering a comprehensive foundation for the development ofintegrated, AI-driven diagnostic workflows.
Usama Ali mail , Imran Shafi mail , Jamil Ahmad mail , Arlette Zárate Cáceres mail , Thania Chio Montero mail , Hafiz Muhammad Raza ur Rehman mail , Imran Ashraf mail ,
Ali