Page 114 - Revista Fetin

Quan
EDUCAÇÃO DE
4 QUALIDADE
Animated Board

Equipe
40ª
Ayslan Conti S. Costa - 6P - GEC | Gabriel M. Martins - 5P - GES
Gabriel Gonçalves Corsini - 6P - GEA

Orientador
Yvo Marcelo Chiaradia Masselli

Em tempos de pandemia, evidenciou-se a dificuldade de aprendizado por parte dos alunos, devido a
aulas maçantes e monótonas, além de falta recursos por parte de professores. A partir disso, o “Quan
– Animated Board” auxiliará a didática de professores em suas aulas. O projeto será capaz de prender
a atenção dos alunos nas aulas por simulações do assunto apresentado através da plataforma; além
de que terão acesso à medida que forem estudando, assim como resumos e vídeos explicativos. Outra
aplicação do projeto é auxiliar pessoas com autismo e TDAH por meio dos recursos presentes na pla-
taforma.

Projeto

Em algumas aulas escolares e acadêmicas, pode-se perceber conteúdos maçantes e teóricos, o que difi-
culta a compreensão dos alunos no assunto apresentado. Ao desenhar algum(ns) equipamento(s) de um
experimento, a plataforma Quan executará tal e possibilitará o entendimento na prática, fomentando o in-
teresse do aluno na aula. Além disso, o Quan terá um resumo de cada conteúdo por disciplina, vídeos expli-
cativos pré-gravados, assim como uma calculadora, que ao escrever na tela da plataforma uma expressão,
equação, sistema de equações, etc., será retornada a resolução do que foi requerido. Com a ferramenta
de desenho, o projeto também auxiliará deficientes intelectuais na identificação de seus pensamentos
naquele instante e ajudar os responsáveis no tratamento do indivíduo.

Funcionamento

O projeto foi desenvolvido na linguagem Python na versão 3.7.1, em uma IDE chamada pycharm. Para sua
estrutura e funcionamento tanto no frontend quanto no backend foi utilizada uma serie de bibliotecas
disponíveis ao python, entre elas estão: pygame, numpy, matplot, cv2, tkinter. Agora para parte exclusuva
do backend e o objetivo do projeto, que no caso são as simulações, foi utilizado uma rede neural convolu-
cional, na qual foi treinada para uma serie de imagens especificas afim retornar um valor que se desejava,
podendo reproduzir as simulações. Outro aplicação feita também a essa rede foi identificar e resolver
expressões matemáticas, para isso seque o mesmo esquema da rede neural anterior. Para ambas, foram
utilizadas bibliotecas do python, chamadas: tensorflow e keras. Essas ajudam a desenvolver a parte es-
trutural e sequencial da rede, possibilitando que ela aprenda, ao ajustar pesos quando é apresentada a
determinadas imagens.

114 Instituto Nacional de Telecomunicações - Inatel