Percorrer por data de Publicação, começado por "2025-07-07"
A mostrar 1 - 2 de 2
Resultados por página
Opções de ordenação
- Clone, a sua melhor versão: Um contributo para a gestão de programas de desenvolvimento pessoal no contexto organizacionalPublication . Costa, Marta Alexandra Fernandes Monteiro de Barros dos Santos; Silva, Nelson Tavares daNão obstante a ideias positivas associadas a utilização do desenvolvimento pessoal, existem lacunas entre o nível de popularidade do desenvolvimento pessoal e a extensão de evidências disponíveis quanto à sua eficácia nas organizações. A investigação teve como finalidade identificar as necessidades de desenvolvimento pessoal dos colaboradores da Loja do Munícipe da Câmara Municipal de Loulé, através da conjugação de uma abordagem quantitativa e qualitativa. A utilização da Análise Fatorial Múltipla (AFM) e da Análise Temática, permitiu analisar variáveis chave como a Autoeficácia, Autoexploração, Inteligência Emocional e Melhoria Contínua. A análise quantitativa evidenciou dois grandes grupos de perfis profissionais, distinguindo entre Planos de Desenvolvimento Pessoal (PDP) Prioritários e Não-Prioritários. Na componente qualitativa, destacaram-se temas como o stress no trabalho, as relações interpessoais, a motivação, o bem-estar emocional e os hábitos de qualidade de vida no trabalho. O cruzamento destas análises permitiu propor orientações práticas baseadas em terapias como Coaching, Mindfulness, Psicologia Clínica e Ginástica Laboral, com vista à promoção da saúde mental, aumento da motivação, redução do stress e melhoria do desempenho organizacional. Apesar das dificuldades e limitações associadas à investigação, os resultados fornecem um contributo relevante para a implementação de políticas de desenvolvimento pessoal sustentáveis e eficazes nas organizações e para o fortelecimento da ligação entre a teoria e a prática.
- PneumoNet: artificial intelligence assistance for pneumonia detection on X-raysPublication . Antunes, Carlos; Rodrigues, Joao; Cunha, AntónioPneumonia is a respiratory condition caused by various microorganisms, including bacteria, viruses, fungi, and parasites. It manifests with symptoms such as coughing, chest pain, fever, breathing difficulties, and fatigue. Early and accurate detection is crucial for effective treatment, yet traditional diagnostic methods often fall short in reliability and speed. Chest X-rays have become widely used for detecting pneumonia; however, current approaches still struggle with achieving high accuracy and interpretability, leaving room for improvement. PneumoNet, an artificial intelligence assistant for X-ray pneumonia detection, is proposed in this work. The framework comprises (a) a new deep learning-based classification model for the detection of pneumonia, which expands on the AlexNet backbone for feature extraction in X-ray images and a new head in its final layers that is tailored for (X-ray) pneumonia classification. (b) GPT-Neo, a large language model, which is used to integrate the results and produce medical reports. The classification model is trained and evaluated on three publicly available datasets to ensure robustness and generalisability. Using multiple datasets mitigates biases from single-source data, addresses variations in patient demographics, and allows for meaningful performance comparisons with prior research. PneumoNet classifier achieves accuracy rates between 96.70% and 98.70% in those datasets.