Neste domingo (22/3), a Reitoria da UFRJ emitiu um informe sobre a Educação a Distância (EaD) frente à pandemia da COVID-19, doença provocada pelo novo coronavírus. Leia na íntegra:

Com relação ao semestre letivo 2020.1, considerando que:

• as matrículas dos estudantes da primeira reclassificação foram suspensas;
• a terceira chamada da lista de espera do Sistema de Seleção Unificação (Sisu) foi suspensa;
• o quadro de ingressantes para o primeiro semestre de 2020 não está completo;
• as atividades práticas previstas em muitas disciplinas não podem ser realizadas na modalidade a distância;
• há uma parcela do corpo discente que não dispõe dos recursos tecnológicos necessários para acesso a conteúdos ministrados na modalidade EaD;
• Pessoas com Deficiência (PCDs) necessitam de recursos que ainda não podem ser oferecidos nessa modalidade; e
• a oferta de conteúdos na modalidade EaD exige planejamento para a uniformização da operacionalização em meios digitais, o que não pode ser realizado durante a pandemia.

Dessa forma, a Universidade Federal do Rio de Janeiro (UFRJ) informa que, apesar de o Ministério da Educação (MEC) ter publicado, em 18/3/2020, a portaria nº 343/2020, que "dispõe sobre a substituição das aulas presenciais por aulas em meios digitais enquanto durar a situação de pandemia do Novo Coronavírus – COVID-19", a utilização de plataformas virtuais é permitida naquelas turmas que já faziam uso dessa tecnologia anteriormente e nos casos em que já esteja pactuada entre os estudantes e seus respectivos professores. No entanto, as aulas em meios digitais não devem substituir as atividades presenciais.

Reiteramos que o calendário acadêmico precisará ser reajustado tão logo recebamos a recomendação de retorno das atividades acadêmicas, quando divulgaremos o novo calendário, pontuando a reposição presencial de todo o conteúdo programático das disciplinas, para não ferir o tratamento isonômico que deve ser dado aos estudantes.

Além disso, reforçamos que não está autorizado EaD na UFRJ para aqueles cursos e disciplinas que não utilizavam essa modalidade anteriormente. 

O IM possui uma Editora própria e disponibiliza textos de matemática gratuitamente.

Confira nossa página AQUI e fique atento a todas as atualizações.

Diante do aumento do número de pacientes infectados pela COVID-19, doença causada pelo novo coronavírus, a UFRJ criou um site com orientações sobre a prevenção e os riscos relativos à pandemia. A plataforma traz recomendações, notícias e material informativo atualizados de acordo com as diretrizes do Grupo de Trabalho da UFRJ sobre o Novo Coronavírus, instituído a fim de desenvolver ações de combate à crise.  

Entre as principais orientações estão:

1. Uso de sabonete líquido e papel-toalha, para a lavagem adequada e frequente das mãos.

2. Utilização de álcool em gel para a limpeza das mãos e álcool 70% para a limpeza de superfícies.

3. No caso de sentir dificuldade para respirar ou apresentar sintomas respiratórios não usuais, informar à chefia imediata ou ao professor.

4. Sempre que possível, abrir as janelas das salas de aula e laboratórios para ventilar os ambientes, evitando o uso de ar-condicionado.

5. Quando espirrar, utilizar o cotovelo para conter o espirro ou, ainda, um lenço de papel para evitar contaminação das mãos e de outras áreas, descartando-o logo em seguida.

6. Pelo menos neste período, de muitas incertezas, adotar cumprimentos sem o contato das mãos e evitar beijos e abraços.

Acesse o novo site e conheça os materiais produzidos pela UFRJ, entre eles a cartilha sobre o novo coronavírus.

Confira as recomendações das Diretrizes de contigência da COVID-19 no âmbito da UFRJ.

Convidamos todos a assistirem à Defesa de Dissertação de Mestrado do aluno Leonara A. C. da Silva. Seguem abaixo as informações sobre a defesa:

Título: Modelo Bayesiano Heterocedástico de Fatorização Probabilística de Matrizes

Data: 18 de março de 2020
Início: 13:00
Local: Sala C-116 do bloco C do CT, IM/UFRJ

Banca Examinadora:
Ralph dos Santos Silva
Marina Silva Paez
Heudson Tosta Mirandola

Resumo: Essa dissertação propõe uma extensão do método de fatorização probabilística de matrizes bayesiana para lidar com dados esparsos e de alta dimensionalidade, ou seja, dados contendo muitos zeros e com milhões de informações. Essa metodologia emprega técnicas de fatores latentes, considerado o estado da arte em sistemas de recomendação baseado em modelos de filtragem colaborativa. A proposta é incluir variações entre avaliações de usuários para acomodar opiniões divergentes sobre diversos itens, que podem ser mais generosos ou não em suas críticas a respeito dos produtos. Por essa razão, apresentar-se-ão novas prioris para os parâmetros que não foram definidas na abordagem anterior para obter maior escalabilidade e uma variação específica para cada usuário. Comparar-se-ão os resultados obtidos com os métodos de fatorização probabilística de matrizes (PMF) e fatorização probabilística bayesiana de matrizes (BPMF) para os dados da Netflix e do MovieLens com base na raiz do erro quadrático médio (REQM).