https://hdl.handle.net/20.500.12032/4 2026-05-09T17:28:09Z 2026-05-09T17:28:09Z Gonçalves, Henrique de Lima https://hdl.handle.net/20.500.12032/186912 2026-04-28T15:49:36Z 2025-12-18T00:00:00Z

Perspectivas de jovens da geração Z em relação a processos seletivos de estágio Gonçalves, Henrique de Lima O objetivo deste estudo é analisar as percepções de estudantes de graduação da geração Z em relação aos processos seletivos de estágio, considerando como características geracionais interagem com suas experiências de trabalho. O método deste estudo é a pesquisa qualitativa descritiva. Como instrumento da coleta de dados recorreu-se a entrevistas semiestruturadas. Elas foram conduzidas com estudantes de graduação que já tenham realizado processos seletivos de estágio. A partir dos resultados, pode-se observar que, de forma geral, jovens da geração Z vêm o estágio como uma porta de entrada para o mercado de trabalho, acreditam que a existência de feedbacks construtivos e comunicação clara e transparente é necessária durante processos seletivos, que indicações tem um grande peso na classificação de um candidato, e enxergam testes de perfil com desconfiança, os considerando ineficazes.; The objective of this study is to analyze the perceptions of Generation Z undergraduate students regarding internship recruitment processes, considering how generational characteristics interact with their work experiences. The method used in this study is descriptive qualitative research. The data collection instrument consisted of semi-structured interviews conducted with undergraduate students who have previously participated in internship selection processes. Based on the results, it is possible to observe that, in general, Generation Z youth view internships as an entry point into the job market, believe that constructive feedback and clear, transparent communication are necessary during recruitment processes, consider referrals to have significant influence on a candidate’s evaluation, and regard personality or profile tests with skepticism, perceiving them as ineffective.

2025-12-18T00:00:00Z Fukukawa, Henrique Akio https://hdl.handle.net/20.500.12032/186931 2026-04-28T15:49:50Z 2025-12-19T00:00:00Z

Experiências de prazer e sofrimento no trabalho entre jovens da geração Z: uma revisão sistemática da literatura Fukukawa, Henrique Akio Este trabalho apresenta uma revisão sistemática da literatura sobre as experiências de prazer e sofrimento no trabalho entre jovens da Geração Z, considerando aspectos comportamentais, sociogeracionais e organizacionais que influenciam suas vivências laborais. A pesquisa teve como objetivo analisar como esses jovens percebem e experimentam o trabalho, identificando fatores que promovem bem-estar, engajamento e satisfação, bem como elementos que desencadeiam frustração, desgaste emocional e sofrimento psíquico. A metodologia consistiu na seleção, análise e categorização de estudos que abordam características da Geração Z, conceitos de prazer e sofrimento sobre a lente da psicodinâmica do trabalho e evidências empíricas sobre a inserção e permanência dessa geração no mercado de trabalho. Os resultados indicam que o prazer no trabalho está associado ao reconhecimento, autonomia, propósito, feedback contínuo e oportunidades de desenvolvimento, enquanto o sofrimento é desencadeado por rigidez hierárquica, ausência de suporte, sobrecarga de tarefas, falhas de comunicação e incoerência entre valores pessoais e práticas organizacionais. Pode-se observar que as experiências de prazer e sofrimento na Geração Z resultam da interação entre características subjetivas e condições estruturais do trabalho, exigindo das organizações modelos de gestão mais flexíveis, inclusivos e sensíveis às particularidades geracionais. O estudo identifica a relevância de promover ambientes corporativos que conciliam produtividade, saúde mental e desenvolvimento profissional, diante das transformações contemporâneas do mundo laboral.; This study presents a systematic review of the experiences of pleasure and suffering at work among Generation Z, considering behavioral, sociogenerational, and organizational aspects that shape their professional trajectories. The objective was to analyze how these young workers perceive and experience their work environments, identifying factors that foster well-being, engagement, and satisfaction, as well as those that trigger frustration, emotional exhaustion, and psychological distress. The methodology involved the selection, analysis, and categorization of studies addressing Generation Z characteristics, concepts of pleasure and suffering within the psychodynamics of work, and empirical evidence related to this generation’s entry and permanence in the labor market. The findings indicate that pleasure at work is associated with recognition, autonomy, purpose, continuous feedback, and opportunities for development, whereas suffering is triggered by hierarchical rigidity, lack of institutional support, work overload, communication failures, and misalignment between personal values and organizational practices. The analysis shows that these experiences emerge from the interaction between subjective characteristics and structural work conditions, highlighting the need for organizational models that are more flexible, inclusive, and responsive to generational particularities. The study underscores the importance of fostering corporate environments that balance productivity, mental health, and professional development in the context of contemporary transformations in the world of work.

2025-12-19T00:00:00Z Thomaz, Lucas Teles https://hdl.handle.net/20.500.12032/186965 2026-04-28T15:50:13Z 2025-12-05T00:00:00Z

Temporal Action Segmentation in videos via open vocabulary Thomaz, Lucas Teles Temporal Action Segmentation (TAS) involves labeling each frame in a video to identify sequences of human actions. Existing approaches typically require a fixed and predefined set of action classes known during training, limiting generalization to novel actions. Our work aims to address this limitation by introducing open-vocabulary learning techniques to TAS. We propose adapting the state-of-the-art Frame-Action Cross-Attention Temporal Modeling (FACT) temporal segmentation model by integrating Contrastive Language-Image Pre-training (CLIP) textual embeddings. Specifically, we introduce a Vision-Language Alignment Branch that projects refined frame-level features into a shared semantic space, supervised by fixed text anchors derived from the CLIP text encoder. This allows the model to align visual temporal representations with natural language descriptions. Experiments involve training and evaluating the vanilla FACT architecture on the Human Assembly Video Dataset (HA-ViD). We find that it achieves state-of-the-art performance, outperforming previous models by nearly 5 percentage points across most metrics. We also experimented with our proposed FACT-CLIP architecture on this same dataset, employing class masking to simulate open-vocabulary scenarios. Results demonstrate that our method not only maintains competitive performance on seen classes, but also achieves good zero-shot generalization capabilities on unseen actions, establishing a promising way forward for open-vocabulary techniques on Temporal Action Segmentation models.; A Segmentação Temporal de Ações (TAS, sigla em inglês) consiste em rotular cada quadro de um vídeo para identificar sequências de ações humanas. Abordagens existentes normalmente exigem um conjunto fixo e pré-definido de classes de ação conhecido durante o treinamento, o que limita a capacidade de generalizar para novas ações. Nosso trabalho busca abordar essa limitação ao introduzir técnicas de vocabulário aberto (open-vocabulary, em inglês) na TAS. Propomos adaptar o modelo Frame-Action Cross-Attention Temporal Modeling (FACT), referência no estado da arte, integrando embeddings textuais baseados no Contrastive Language-Image Pre-training (CLIP). Especificamente, introduzimos um Ramo de Alinhamento Visão-Linguagem, que projeta frame-level features para um espaço semântico compartilhado, supervisionado por text anchors fixos derivados do codificador textual do CLIP. Isso permite que o modelo alinhe representações visuais temporais com descrições em linguagem textual. Os experimentos envolvem treinar e avaliar a arquitetura FACT vanilla no Human Assembly Video Dataset (HA-ViD). Constatamos que ela alcança desempenho de estado da arte, superando modelos anteriores por quase 5 pontos percentuais na maioria das métricas. Também realizamos experimentos com nossa arquitetura proposta, FACT-CLIP, nesse mesmo dataset, mascarando classes para simular cenários de open-vocabulary. Os resultados demonstram que nosso método não apenas mantém desempenho competitivo em classes vistas, mas também apresenta boas capacidades de generalização zero-shot para ações não vistas, demonstrando um caminho promissor para técnicas de open-vocabulary em modelos de segmentação temporal de ações. Este Trabalho de Conclusão de Curso foi também orientado pela Dr.-Ing. Kunyu Peng do Karlsruhe Institute of Technology, Alemanha.

2025-12-05T00:00:00Z Saire, Henrique Dias Duarte https://hdl.handle.net/20.500.12032/186911 2026-04-28T15:49:35Z 2026-01-01T00:00:00Z

Destilação de conhecimento aplicada à resiliência de sistemas de percepção em condições de falha sensorial Saire, Henrique Dias Duarte Este trabalho investiga a aplicação da técnica de destilação de conhecimento como estratégia para promover a resiliência de sistemas de percepção em condições de falha sensorial. A abordagem proposta consiste em transferir o conhecimento aprendido por um modelo multimodal, denominado Professor, para um modelo mais simples, denominado Aluno, de forma que este mantenha desempenho satisfatório mesmo quando uma das modalidades sensoriais está ausente ou degradada. A hipótese central é que, ao aprender as relações implícitas entre sensores, o modelo Aluno pode preservar a consistência perceptiva sem depender de todas as entradas originais. A técnica é avaliada no contexto da estimativa de profundidade, considerandoa combinação entre sensores LiDAR e câmera monocular. O modelo Professor utiliza ambas as modalidades para produzir mapas de profundidade densos, enquanto o modelo Aluno aprende a reproduzir esses resultados empregando apenas a câmera. O estudo utiliza como base arquiteturas do tipo encoder–decoder, com três variantes de rede neural (VGG16, ResNet-34 e MobileNetV2), comparando sua eficiência e capacidade de generalização. Os experimentos são realizados sobre o conjunto de dados KITTI, amplamente empregado em pesquisas de percepção visual, permitindo a validação quantitativa e qualitativa dos resultados. Os resultados demonstram que a destilação de conhecimento é eficaz na transferência de informação entre domínios sensoriais, preservando parte significativa do desempenho mesmo em cenários de falha. A abordagem proposta evidencia o potencial da destilação como mecanismo de resiliência informacional, capaz de substituir, em certa medida, a redundância física de sensores. Além de sua relevância prática, o estudo contribui para o avanço do campo de aprendizado profundo aplicado à percepção multimodal, apresentando uma alternativa escalável e eficiente para o desenvolvimento de sistemas perceptivos mais robustos e adaptativos.; This work investigates the application of the knowledge distillatio technique as a strategy to enhance the resilience of perception systems under sensory failure conditions. The proposed approach transfers the knowledge learned by a multimodal model, referred to as the Teacher, to a simpler model, the Student, enabling it to maintain satisfactory performance even when one of the sensory modalities is missing or degraded. The central hypothesis is that, by learning the implicit relationships between sensors, the Student model can preserve perceptual consistency without relying on the complete set of sensory inputs. The technique is evaluated in the context of depth estimation, considering the combination of LiDAR and monocular camera sensors. The Teacher model uses both modalities to produce dense depth maps, while the Student model learns to reproduce these results using only camera input. The study adopts encoder– decoder neural architectures, evaluating three variants (VGG16, ResNet-34, and MobileNetV2) to compare their efficiency and generalization capability. Experiments are conducted on the KITTI dataset, widely used in visual perception research, allowing both quantitative and qualitative assessment of the proposed method. Results demonstrate that knowledge distillation effectively transfers information between sensory domains, preserving a significant portion of performance even under failure scenarios. The proposed approach highlights the potential of distillation as an informational resilience mechanism, capable of partially replacing physical sensor redundancy. Beyond its practical relevance, this study advances the field of deep learning applied to multimodal perception, providing a scalable and efficient alternative for developing perceptual systems that are more robust and adaptive

2026-01-01T00:00:00Z