Banca de QUALIFICAÇÃO: NYEDJA FIALHO MORAIS BARBOSA

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: NYEDJA FIALHO MORAIS BARBOSA
DATA: 24/09/2026
HORA: 14:00
LOCAL: Laboratório Integrado de Estudos da Voz (LIEV)
TÍTULO: Voz Como Biomarcador na Valência Emocional: Modelagens de Tarefas de Fala do Emovox-br Via Redes Neurais Convolucionais
PALAVRAS-CHAVES: Reconhecimento de Voz; Processamento de Voz; Emoções Expressas; Aprendizado de Máquina; Redes Neurais Convolucionais.
PÁGINAS: 106
RESUMO: O campo do Reconhecimento de Emoções na Fala (Speech Emotion Recognition - SER) constitui um eixo central na Computação Afetiva, destacando a voz humana como um biomarcador acústico altamente sensível para a mensuração objetiva dos estados afetivos, o que exige a integração entre a análise acústica da prosódia vocal e o rigor de modelos estatísticos e computacionais. Este trabalho propõe e avalia arquiteturas avançadas de aprendizado de máquina para a classificação de valências emocionais (positiva, neutra e negativa) a partir de três tarefas vocais (vogal sustentada /ε/, contagem numérica e frase foneticamente balanceada) do banco Banco de Dados de Voz Simulada para o Português Brasileiro (EMOVOX-BR), que foi construído utilizando a linguagem do português brasileiro. O delineamento experimental consistiu edição dos áudios, na conversão dos sinais acústicos em log-mel espectrogramas e na modelagem computacional que utilizou quatro arquiteturas distintas: CNN 2D, ResNet-18, MobileNet-V3 e EfficientNet-B0. Para isto, a amostra foi dividida por meio de amostragem estratificada (80% treino, 10% validação e 10% teste) para cada classe de valência emocional. Os resultados preliminares referentes à emissão da frase “Olha lá o avião azul” demonstraram a superioridade das redes com otimizações estruturais, sendo a ResNet-18 o modelo de destaque ao alcançar uma acurácia balanceada macro (Macro-AB) de 93, 06%, um Macro F1-Score de 88, 52% e um coeficiente Kappa ponderado de 84, 81%. A análise da função de perda evidenciou um controle eficaz do sobreajuste (overfitting) nas redes residuais e móveis, enquanto a CNN 2D apresentou limitações de generalização decorrentes da degradação de sinal em camadas profundas. Os achados confirmam a robustez metodológica das redes residuais na discriminação dos padrões vocais. As etapas subsequentes estenderão a investigação para as demais tarefas de fala, visando consolidar a melhor abordagem para a análise vocal no português brasileiro.
MEMBROS DA BANCA:
Externo(a) à Instituição - ANA CAROLINA CONSTANTINI
Interno(a) - 1668545 - ANNA ALICE FIGUEIREDO DE ALMEIDA QUEIROZ
Externo(a) à Instituição - FÁBIO MARIANO BAYER
Externo(a) à Instituição - JODAVID DE ARAUJO FEREIRA
Interno(a) - 2634755 - LEONARDO WANDERLEY LOPES
Presidente(a) - 1724406 - LUIZ MEDEIROS DE ARAUJO LIMA FILHO
Interno(a) - 1584539 - MARCELO RODRIGO PORTELA FERREIRA