@MASTERSTHESIS{ 2018:294897273,
 	title = {An?lise de grafos aplicada a produ??es textuais de alunos do ensino fundamental e seu potencial preditivo da dislexia do desenvolvimento},
 	year = {2018},
 	url = "http://tede2.pucrs.br/tede2/handle/tede/8158",
 	abstract = "A dislexia ? um transtorno de aprendizagem de natureza neurobiol?gica, caracterizado por uma inesperada dificuldade em decodificar e compreender textos escritos, decorrente de um aprendizado insatisfat?rio do princ?pio alfab?tico e de uma associa??o grafo-fon?mica deficit?ria. A explora??o cient?fica da express?o escrita de disl?xicos tem se dedicado, em grande medida, a investigar aspectos lingu?sticos associados ? ortografia e ?s classes de palavras empregadas por sujeitos com dislexia. Estudos de natureza quantitativa focados em mensurar a estrutura dos textos deste grupo cl?nico s?o desconhecidos. O principal objetivo do presente trabalho foi identificar padr?es de conectividade textual em bons leitores, maus leitores e disl?xicos, a partir da an?lise de medidas de grafo extra?das de suas produ??es textuais e de t?cnicas de Aprendizado de M?quina. Essencialmente, buscou-se investigar (a) se o tipo de transcri??o dos textos - corrigidos ou originais - e a normaliza??o das medidas de grafo pelo n?mero de palavras interferem significativamente na classifica??o das crian?as entre grupos de flu?ncia e escolaridade; (b) se h? diferen?as significativas entre os atributos do grafo dos bons leitores, maus leitores e disl?xicos; (c) se as medidas de cada ano de coleta de dados convergem para valores semelhantes e se s?o significativamente diferentes entre os anos; (d) se os atributos de grafo obtidos com a utiliza??o do Speech Graphs, quando associados ?s t?cnicas de Aprendizado de M?quina, podem prever n?veis de flu?ncia de leitura e, especificamente, a dislexia de desenvolvimento. As hip?teses, para as quest?es listadas, eram todas afirmativas. Para verific?-las, os textos produzidos por 181 crian?as e adolescentes do Projeto ACERTA foram transcritos e divididos em dois grupos experimentais: Ambulat?rio (N = 52, todos disl?xicos) e Escolas (N = 129, subdividido em leitores bons, m?dios e maus leitores). Esses textos transcritos serviram de entrada para o software Speech Graphs, que extraiu atributos de grafo representativos da estrutura de cada texto. As an?lises estat?sticas descritivas e inferenciais revelaram (a) a preval?ncia de signific?ncia dos atributos de grafo extra?dos de transcri??es originais n?o normalizadas (63,07% de signific?ncia entre an?lises); (b) padr?es de conectividade textual por grupo de flu?ncia de leitura e (c) padr?es de conectividade textual por cada ano de coleta de dados com base em diferen?as significativas encontradas em cinco atributos de grafo: n?s, arestas, maior componente conectado, densidade e caminho menor m?dio; (d) 2016 como o melhor ano para classificar as crian?as em seus grupos de flu?ncia de leitura fazendo uso de classificadores SVM, considerando que eles alcan?aram a maior acur?cia (85%), revoca??o (83%), precis?o (85%) e pontua??o F1 ( 83%) ao classificar textos de bons leitores e de crian?as disl?xicas, com base em medidas de grafo de 2016. Estas descobertas fornecem evid?ncias que indicam a possibilidade de se explorar e aprimorar um novo aparato te?rico-metodol?gico para avaliar a flu?ncia de leitura, a partir de textos escritos e com base na Teoria dos Grafos.",
 	publisher = {Pontif?cia Universidade Cat?lica do Rio Grande do Sul},
 	scholl = {Programa de P?s-Gradua??o em Letras},
 	note = {Escola de Humanidades}
}