Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/82088
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorMaia, José Gilvan Rodrigues-
dc.contributor.authorSilva, Priscilla Susy Gomes da-
dc.date.accessioned2025-08-19T14:01:03Z-
dc.date.available2025-08-19T14:01:03Z-
dc.date.issued2025-
dc.identifier.citationSILVA, Priscilla Susy Gomes da. Uma ferramenta computacional para auxílio didático e avaliação metodológica de profissionais na prática clínica em aleitamento materno. 2025. Dissertação (Mestrado Profissional em Tecnologia Educacional) - Programa de Pós-Graduação em Tecnologia Educacional, Instituto Universidade Virtual, Universidade Federal do Ceará, Fortaleza, 2025.pt_BR
dc.identifier.urihttp://repositorio.ufc.br/handle/riufc/82088-
dc.description.abstractBreastfeeding is essential for children’s health and survival, as it provides a safe, natural, nutritious, and sustainable source of nourishment. Breast milk contains antibodies that protect against various common childhood diseases, such as diarrhea and respiratory infections. Inadequate breastfeeding is associated with 16% of annual infant deaths, and breastfed children tend to perform better on intelligence tests while having a lower likelihood of developing obesity or being overweight later in life. Additionally, women who breastfeed have a reduced risk of developing cancer and type II diabetes. However, accurately measuring the amount of breast milk ingested by a baby remains a challenge. Therefore, there is a clear need for an instrument that not only evaluates specific protocols but also offers educational support to breastfeeding professionals, promoting more precise documentation and more effective management. The effectiveness of breastfeeding management can be limited by reliance on clinical observation and professional experience, highlighting the need for more accurate tools. This study proposes a prototype of a computational solution that estimates the amount of breast milk ingested based on the sound of the baby’s swallowing, providing a quantitative analysis that improves breastfeeding monitoring. Consequently, this solution serves as an educational resource, offering feedback to breastfeeding profes ionals, allowing for the reevaluation of practices and protocols. The development of this prototype involved applying knowledge of breastfeeding protocols, pattern recognition, and physical computing. The prototype of the educational product developed in this master’s thesis was evaluated based on the performance of the Artificial Intelligence model used, with error measured through specific metrics. The results indicated that the Artificial Intelligence model of the educational product exhibits error rates within acceptable limits.pt_BR
dc.language.isopt_BRpt_BR
dc.rightsAcesso Abertopt_BR
dc.titleUma ferramenta computacional para auxílio didático e avaliação metodológica de profissionais na prática clínica em aleitamento maternopt_BR
dc.typeDissertaçãopt_BR
dc.description.abstract-ptbrA amamentação é fundamental para a saúde e a sobrevivência das crianças, pois fornece um alimento seguro, natural, nutritivo e sustentável. O leite materno contém anticorpos que protegem contra várias doenças comuns na infância, como diarreia e infecções respiratórias. A ausência de amamentação adequada está associada a 16% das mortes infantis anuais, e as crianças amamentadas tendem a obter melhores resultados em testes de inteligência, além de apresentarem menor probabilidade de desenvolver obesidade ou sobrepeso ao longo da vida. Além disso, as mulheres que amamentam têm um risco reduzido de desenvolver câncer e diabetes tipo II. No entanto, medir com precisão a quantidade de leite materno ingerido por um bebê ainda representa um desafio. Dessa forma, destaca-se a necessidade de um instrumento que não só avalie protocolos específicos, mas também ofereça suporte educacional aos profissionais de amamentação, promovendo uma documentação mais precisa e um manejo mais eficaz. A eficácia do manejo da amamentação pode ser limitada pela dependência da observação clínica e da experiência dos profissionais, o que enfatiza a necessidade de ferramentas mais precisas. Este estudo propõe um protótipo de solução computacional que estima a quantidade de leite materno ingerido com base no som da deglutição do bebê, proporcionando uma análise quantitativa que melhora o monitoramento da amamentação e, como consequência, atua como um recurso educacional para fornecer pareceres ao profissional da amamentação, possibilitando a reavaliação de sua conduta e protocolos. Para a construção desse protótipo, foram aplicados conhecimentos sobre protocolos de amamentação, reconhecimento de padrões e computação física. O protótipo do produto educacional desenvolvido nesta dissertação de mestrado foi avaliado com base no desempenho do modelo de Inteligência Artificial utilizado, sendo o erro mensurado por meio de métricas específicas. Os resultados indicaram que o modelo de Inteligência Artificial do produto educacional apresenta taxas de erro dentro de limites aceitáveis.pt_BR
dc.subject.ptbrAmamentaçãopt_BR
dc.subject.ptbrReconhecimento de Padrõespt_BR
dc.subject.ptbrComputação Físicapt_BR
dc.subject.ptbrComputação na Educação em Amamentaçãopt_BR
dc.subject.enBreastfeedingpt_BR
dc.subject.enPattern Recognitionpt_BR
dc.subject.enPhysical Computingpt_BR
dc.subject.enComputing in Breastfeeding Educationpt_BR
dc.subject.cnpqCNPQ::CIENCIAS HUMANAS::EDUCACAO::ENSINO-APRENDIZAGEM::TECNOLOGIA EDUCACIONALpt_BR
local.advisor.orcidhttps://orcid.org/0000-0002-2607-2729pt_BR
local.advisor.latteshttp://lattes.cnpq.br/0022110232147076pt_BR
local.date.available2025-08-19-
Aparece nas coleções:PPGTE - Dissertações defendidas na UFC

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2025_dis_psgsilva.pdf2,4 MBAdobe PDFVisualizar/Abrir
2025_pe_psgsilva.pdf660,64 kBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.