Banca de DEFESA: BARBARA LUMY NODA NOGUEIRA

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: BARBARA LUMY NODA NOGUEIRA
DATA: 30/05/2025
HORA: 14:00
LOCAL: Laboratório de Conforto - Labcon – UFPB
TÍTULO: Conforto térmico e ações adaptativas em atividade de escritório no quente e úmido: Seleção de atributos e aplicação de Aprendizado de Máquina
PALAVRAS-CHAVES: Conforto térmico, ações adaptativas, edifício de escritório, trabalho remoto, aprendizado de máquina, clima quente e úmido
PÁGINAS: 183
GRANDE ÁREA: Ciências Sociais Aplicadas
ÁREA: Arquitetura e Urbanismo
RESUMO: Este estudo investigou a percepção de conforto térmico de ocupantes durante a jornada laboral em duas tipologias de edificações – escritórios climatizados artificialmente e residências com predominância da ventilação natural – localizadas em uma cidade de clima quente e úmido. Utilizando dados empíricos de medições ambientais e questionários aplicados a 458 participantes (resultando em 632 respostas válidas), buscou-se compreender a influência das ações adaptativas na percepção térmica e avaliar seu potencial preditivo por meio de algoritmos de aprendizado de máquina (machine learning). Os ambientes apresentaram condições térmicas contrastantes: escritórios com temperatura média de 23,5 °C e residências com 27,6 °C. Apesar das residências excederem o limite superior da zona de conforto para ambientes naturalmente ventilados, 91% dos ocupantes relataram conforto térmico, sugerindo maior tolerância nesses espaços. Já nos escritórios, 35% relataram desconforto, sobretudo por frio, revelando possíveis excessos na climatização artificial. As ações adaptativas variaram conforme a tipologia. Nos escritórios, destacaram-se o consumo de bebidas e o uso de roupas adicionais; nas residências, predominaram roupas leves e a abertura de janelas. Quando agrupadas, as ações adaptativas demonstraram melhor associação com a percepção de conforto, especialmente nas residências. A etapa preditiva aplicou seis algoritmos de aprendizado de máquinas – Máquinas de Vetores de Suporte (SVM), Classificador Naive Bayes (NB), Rede Neural (NN), Regressão Logística (LoR), Vizinhos Mais Próximos (kNN) e Floresta Aleatória (RF) – para prever a percepção térmica (conforto, desconforto por calor ou frio), testando diferentes combinações de variáveis ambientais, pessoais e adaptativas. Nos escritórios, a inclusão de variáveis adaptativas múltiplas melhorou o desempenho dos modelos (destaque para SVM, com F1=0,83 e RF, com F1=0,81). Já nas residências, os modelos apresentaram alta performance independentemente da inclusão dessas variáveis (F1=0,95), indicando que comportamentos adaptativos amplamente homogêneos (como o uso de roupas leves) oferecem baixo poder discriminativo.
MEMBROS DA BANCA:
Externo à Instituição - ALINE FIGUEIRÊDO NÓBREGA DE AZERÊDO
Externo à Instituição - CELINA MARIA GODINHO DA SILVA PINTO LEÃO
Externo à Instituição - ENEDIR GHISI
Externo à Instituição - LEANDRO CARLOS FERNANDES
Externo à Instituição - LUCILA CHEBEL LABAKI
Externo ao Programa - 6336620 - LUIZ BUENO DA SILVA
Presidente - 1636125 - SOLANGE MARIA LEDER