Revista de Ubiquidade

Mapeamento e Análise da Intensidade de Sinais Wi-Fi Utilizando Técnicas de Geolocalização e Visualização de Dados

Clayton Valdo, Nicolas Ruzza, Vinícius Eduardo Roveri, Vanderlei Ienne — Thu, 25 Jun 2026 13:45:35 +0000

O Wi-Fi, baseado no padrão IEEE 802.11, consolidou-se como uma tecnologia fundamental na comunicação digital contemporânea, mas sua eficácia é frequentemente comprometida por interferências, atenuação de sinal e áreas de sombra, problemas cuja identificação é comumente realizada de forma empírica e imprecisa. Diante da massiva adoção de dispositivos móveis e de IoTs no Brasil, a otimização da cobertura de redes sem fio torna-se crucial. Este trabalho teve como objetivo principal investigar, aplicar e validar técnicas de análise e mapeamento da intensidade de sinais Wi-Fi, medida pelo Indicador de Força do Sinal Recebido (RSSI), através da sua correlação direta com dados de geolocalização. Para tanto, foi realizada uma pesquisa abrangente sobre os padrões IEEE 802.11 operando em 2,4 GHz e 5 GHz, as métricas de sinal e os fenômenos de propagação, como atenuação e reflexão. Foi explorada a utilização dos sistemas de navegação global (GNSS) e, especificamente do A-GPS para viabilizar uma localização rápida e precisa, mesmo em ambientes internos ou semi-internos. A plataforma Android foi escolhida como base de desenvolvimento, explorando sua arquitetura sobre o kernel Linux e suas APIs nativas do sistema operacional. O método de interpolação espacial de Estimação de Densidade por Kernel (KDE), foi utilizado como técnica estatística para transformar pontos de dados discretos em uma superfície contínua e visualmente interpretável. Com intuito de realizar uma avaliação prática, foi desenvolvido uma aplicação em Java, no qual permite ao usuário realizar a coleta de dados fornecidos pelo ponto de acesso sem fio e localização atual em tempo real, e renderizar um mapa de calor correlacionando essas métricas.

Palavras-Chave
Wi-Fi; RSSI; Geolocalização; Kernel Density Estimation; Mapas de calor.

Engenharia de Prompt Pedagógica: Aprendizagem Significativa em Matemática com IA Generativa

Thu, 25 Jun 2026 13:56:15 +0000

O presente estudo analisa o papel da engenharia de prompt como estratégia de mediação pedagógica no ensino de matemática, fundamentado na teoria da aprendizagem significativa de Ausubel. A pesquisa qualitativa, exploratória e descritiva compara prompts genéricos com prompts estruturados segundo o método IDEAL (Intenção, Detalhe, Exemplo, Ação, Limite), investigando como a estruturação intencional de instruções para inteligência artificial generativa pode favorecer a aprendizagem significativa. Os resultados evidenciam que prompts estruturados pedagogicamente geram respostas mais contextualizadas, com exemplos e explicações detalhadas, promovendo maior engajamento e compreensão conceitual. A análise crítica em relação à literatura sobre sistemas tutores inteligentes demonstra que o método IDEAL representa uma evolução na personalização da interação aluno-IA. O estudo reafirma o papel essencial do professor como mediador, não como substituído pela tecnologia, e identifica a engenharia de prompt como competência pedagógica fundamental na contemporaneidade. Considera-se que a integração intencional de IA generativa no ensino de matemática, mediada por prompts estruturados, potencializa a aprendizagem significativa e reposiciona o docente como articulador entre tecnologia e conhecimento. As implicações práticas abrangem formação docente, design curricular e políticas educacionais para garantir equidade no acesso e uso ético da tecnologia.

A Inteligência Artificial sob uma Perspectiva Humana: Motivações, Adoção e Inovatividade entre Estudantes Tecnólogos

Samuel Soares, Marcio Lui — Thu, 25 Jun 2026 14:09:27 +0000

Este estudo analisa a influência das dimensões motivacionais (hedônica, social, cognitiva e funcional) no comportamento inovativo de estudantes tecnólogos frente à Inteligência Artificial (IA). Realizou-se uma pesquisa quantitativa e explicativa com 110 graduandos da FATEC e de outras instituições de ensino superior, utilizando modelagem por regressão linear múltipla no SPSS. Os resultados indicam que o Domínio Específico de Inovatividade (DSI) é explicado exclusivamente pela motivação social. Já a Inovação Inata (II) sofre influência simultânea das motivações social e cognitiva. Conclui-se que os fatores sociais desempenham papel central na inovatividade dos estudantes, evidenciando que a adoção da IA transcende aspectos puramente técnicos e envolve processos de interação e reconhecimento coletivo no ambiente acadêmico.

Inteligência Artificial e Aprendizagem Baseada em Problemas (PBL): Possibilidades e Desafios no Ensino Superior

Tatiana Lança, Rômulo Prezotto, Vanderlei Ienne — Thu, 25 Jun 2026 14:15:00 +0000

O uso de modelos de Inteligência artificial (IA) está a cada dia ganhando maior papel de destaque em diversos cenários, dentre os quais, a educação também passou a fazer parte. Nesse sentido, este trabalho tem como objetivo discutir a utilização da inteligência artificial no ensino superior. Analisamos alguns casos envolvendo o uso do modelo IA Gemini e discutimos possibilidades e limitações do seu uso. Além disso, foi proposto o uso de IA também como uma metodologia ativa (especificamente PBL) que pode ser utilizada no ensino superior e adaptada para EaD. Por outro lado, entendemos que é importante discutir que há muitos benefícios na utilização da metodologia PBL e a IA, mas, também encontramos algumas limitações, como por exemplo, a dificuldade em se conseguir um planejamento cuidadoso e a utilização de ferramentas adequadas para o ensino, em geral.

Poder das Big Techs e da IA: no Oceano de Cursos Gratuitos, como Encontrar o seu Norte?

Alessandro Ferreira — Thu, 25 Jun 2026 16:36:36 +0000

Resumo

A explosão da Inteligência Artificial generativa abriu um paradoxo inédito na história da educação tecnológica: nunca houve tanto conhecimento de qualidade disponível gratuitamente — e nunca foi tão difícil saber por onde começar. As Big Techs responderam a essa corrida disponibilizando catálogos imensos de cursos gratuitos, democratizando o acesso ao conhecimento de ponta mas criando, ao mesmo tempo, um labirinto de opções que paralisa tanto o iniciante quanto o profissional experiente. Este artigo parte desse paradoxo para analisar o papel estratégico das grandes empresas de tecnologia no ecossistema educacional em IA, apresenta o referencial teórico que explica por que essas empresas investem em educação gratuita, descreve a metodologia de análise comparativa adotada e mapeia as principais iniciativas de onze organizações: Anthropic, OpenAI, Google, Microsoft, NVIDIA, DeepLearning.AI, Meta, AWS, IBM, Hugging Face e Stanford. Ao final, propõe trilhas de aprendizagem orientadas por perfil profissional, com o argumento de que o diferencial não está em acumular certificados, mas em aprender a aprender com estratégia e senso crítico.