EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Qualiz: Gameficação para Ensinar e Engajar sobre a integração da Engenharia de Requisitos e Qualidade de Dados em Aprendizado de Máquina

Amanda Prampero Paes Mendes, Rogéria Cristiane Gratão de Souza

Revista Eletrônica de Iniciação Científica em Computação · 13.03.2026 · 24 · 146-154

DOI: 10.5753/reic.2026.7196 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Revista Eletrônica de Iniciação Científica em Computação, online erschienen am 13.03.2026. Verfasst von Amanda Prampero Paes Mendes und 1 weiteren Autor:innen. Die Arbeit nennt 23 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

A expansão de soluções baseadas em inteligência artificial tem intensificado a dependência de técnicas de aprendizado de máquina (machine learning – ML), o que torna a qualidade dos dados um fator determinante para o sucesso desses sistemas. A eficácia dos modelos depende diretamente de conjuntos de dados completos, consistentes e representativos, capazes de sustentar tanto a etapa de treinamento quanto a de validação. Entretanto, a literatura evidencia que problemas relacionados à baixa qualidade dos dados permanecem entre os principais responsáveis por falhas, vieses e degradação de desempenho em aplicações de ML. Nesse cenário, a engenharia de requisitos emerge como um campo estratégico, pois fornece métodos, processos e diretrizes que permitem identificar necessidades, estabelecer critérios de qualidade e antecipar riscos associados à coleta, preparação e manutenção dos dados utilizados nesses modelos. Apesar da relevância desse tema, observa-se uma lacuna significativa no que diz respeito a iniciativas educacionais direcionadas à capacitação sobre requisitos para qualidade de dados em ML, sobretudo em abordagens que conciliem aspectos técnicos e estratégias motivacionais. A literatura recente aponta a gameficação como um recurso promissor nesse contexto, dado seu potencial para tornar o processo de aprendizagem mais dinâmico, engajador e eficaz. Diante desse panorama, este artigo apresenta o Qualiz, um protótipo gameficado desenvolvido com o objetivo de disseminar boas práticas relacionadas à engenharia de requisitos aplicada à qualidade de dados em sistemas de ML. O protótipo foi disponibilizado a um grupo de 25 participantes, que interagiram livremente com a plataforma e posteriormente responderam a um formulário de avaliação. Os resultados revelaram uma avaliação predominantemente positiva: os participantes destacaram a boa compreensão dos tópicos apresentados, a relevância dos conceitos abordados e a adequação da estrutura dos quizzes para facilitar a assimilação gradual dos conteúdos. Além disso, a interface foi considerada intuitiva, e os elementos lúdicos foram vistos como fatores que aumentaram o interesse e a motivação durante o uso. A partir desses achados, identifica-se um potencial significativo do Qualiz como ferramenta complementar de apoio à formação em engenharia de requisitos voltada à qualidade de dados em ML, contribuindo tanto para o avanço da área quanto para a formação de profissionais mais preparados para atuar em cenários cada vez mais orientados por dados.

Zitieren

APA

Mendes, A. P. P., & Souza, R. C. G. D. (2026). Qualiz: Gameficação para Ensinar e Engajar sobre a integração da Engenharia de Requisitos e Qualidade de Dados em Aprendizado de Máquina. Revista Eletrônica de Iniciação Científica em Computação, 24, 146-154. https://doi.org/10.5753/reic.2026.7196

Vancouver

Mendes APP, Souza RCGD. Qualiz: Gameficação para Ensinar e Engajar sobre a integração da Engenharia de Requisitos e Qualidade de Dados em Aprendizado de Máquina. Revista Eletrônica de Iniciação Científica em Computação. 2026;24:146-154. doi:10.5753/reic.2026.7196

BibTeX
@article{Mendes2026,
  author = {Mendes, Amanda Prampero Paes and Souza, Rogéria Cristiane Gratão de},
  title = {Qualiz: Gameficação para Ensinar e Engajar sobre a integração da Engenharia de Requisitos e Qualidade de Dados em Aprendizado de Máquina},
  journal = {Revista Eletrônica de Iniciação Científica em Computação},
  year = {2026},
  volume = {24},
  pages = {146--154},
  doi = {10.5753/reic.2026.7196}
}
Kostenlos starten →