Resumen La planeación de cursos de un centro educativo o universidad está compuesta por múltiples problemas complejos como lo es la asignación de horarios para los alumnos, salones y profesores para cada asignatura. Uno de los problemas iniciales es determinar la cantidad de asignaturas que se ofertarán; este problema parece sencillo a simple vista ya que una vez que se tenga la información de la cantidad de alumnos aprobados para cada asignatura, se puede calcular fácilmente la siguiente demanda de asignaturas. Sin embargo, existen ocasiones en los que la planeación de cursos del siguiente período inicia antes de tener la información relativa a la aprobación de los alumnos. Lo cual nos lleva al problema del pronóstico de los porcentajes de aprobación para calcular la demanda de asignaturas de los alumnos. En este trabajo se compara el desempeño de modelos causales contra modelos estadísticos para el pronóstico de los porcentajes de aprobación y reprobación de los alumnos. Los resultados finales muestran una ventaja importante de los métodos causales sobre los métodos estadísticos para los casos de prueba. Consideramos que esta ventaja ocurre debido a que el modelo causal aprende los patrones de comportamiento de los datos de entrenamiento de forma independiente en vez de generalizar porcentajes de acreditación. Además de lo anterior, el método estadístico puede presentar problemas importantes al tratar de pronosticar porcentajes de acreditación para situaciones que no se encuentren en los datos de entrenamiento, mientras que el modelo causal utilizará la información aprendida para pronosticar dichas situaciones.

Abstract Course planning of an educative center or university is composed of multiple complex problems like the design of the schedule for the students, classrooms, and professors for each signature. One of the problems is the forecasting of the number of subjects to make available for the students; this problem seems easy at first glance because once we have the number of approved and failed students for each subject, we can easily calculate the following demand for each subject. However, there are occasions where the course planning for the following period starts before having the information related to the number of accredited students; which lead us to the problem of forecasting the accreditation ratio for the calculation of the subject demand from the students. In this paper, the performance of a causal model compares to the performance of a statistical model for the forecasting of the approve and fail ratio of the students. The final results show that the causal model outperforms the statistical model for the given instances. We consider that this advantage occurs because the causal model learns the behavior patterns of the training data independently, instead of generalizing the accreditation ratio. Additionally, the statistical method can present significant problems when trying to forecast accreditation ratios for situations that are not found in the training data, while the causal model will use the information learned to predict such situations.

Resumo O planejamento de cursos de um centro educativo ou universidade está composto por múltiplos problemas complexos como é a distribuição de horários para os alunos, salões e professores para cada disciplina. Um dos problemas iniciais é determinar a quantidade de disciplinas que se ofertarão; este problema parece simples à primeira vista já que uma vez que se tenha a informação da quantidade de alunos aprovados para cada disciplina, pode-se calcular facilmente a seguinte demanda de disciplinas. Porém, existem ocasiões nas quais o planejamento de cursos do seguinte período inicia antes de ter a informação relativa à aprovação dos alunos. O que nos leva ao problema do prognóstico das porcentagens de aprovação para calcular a demanda de disciplinas dos alunos. Neste trabalho compara-se o desempenho de modelos causais contra modelos estatísticos para o prognóstico das porcentagens de aprovação e reprovação dos alunos. Os resultados finais mostram uma vantagem importante dos métodos causais sobre os métodos estatísticos para os casos de prova. Consideramos que esta vantagem ocorre devido a que o modelo causal aprende os padrões de comportamento dos dados de treinamento de forma independente em vez de generalizar porcentagens de acreditação. Além disso, o método estatístico pode apresentar problemas importantes ao tratar de prognosticar porcentagens de acreditação para situações que não se encontrem nos dados de treinamento, enquanto que o modelo causal utilizará a informação aprendida para prognosticar tais situações.

Segundo a Organização Mundial da Saúde, aproximadamente 15 milhões de pessoas no mundo sofrem acidente vascular cerebral (AVC). Estudaram-se os efeitos da estimulação cerebral associada à imagética, como treinamento de biofeedback, para a recuperação das funções motoras deterioradas pelo AVC. Foram incluidos 4 indivíduos com idade entre 33 e 72 anos, de ambos os gêneros, e com hemiparesia no braço esquerdo devido ao AVC. Esses pacientes tiveram a atividade cerebral monitorada por EEG. A tarefa funcional foi avaliada de acordo com o modelo de observação proposto pela Classificação Internacional de Funcionalidade e pelo tempo de execução. O treinamento consistiu de 12 sessões de 30 minutos de estimulação por luz e som associado à imagética. Os resultados revelaram melhoria no desempenho da tarefa, tanto em relação ao tempo de execução quanto à qualidade funcional do movimento, e que está mais relacionada com o incremento de eficácia da função neuronal.

According to World Health Organization, approximately 15 million people are affected by cerebrovascular accident in the world. We study the effect of brain stimulation plus an imaging procedure used as biofeedback training for recovery of motor functions impaired by CVA. Four individuals aged between 33 and 72 years were included in the study, of both genders, with hemiparesis on the left arm due to the CVA. They had their brain activity monitored by EEG. Functional tasks were evaluated according to an observational model proposed by the international classification of functioning and by runtime. The training was composed of 12 sessions of 30 minutes of stimulation by light and sound, as well as imaging procedures. Results revealed that improvements in the performance of the task, with regard to both the runtime and the functional quality of movements, are more related to the increase of effectiveness of neuronal function.

A ferrugem alaranjada , causada por Puccinia kuehnii é atualmente uma das doenças mais importantes da cana-de-açúcar, devido ao potencial de danos às variedades suscetíveis. Este trabalho objetivou avaliar o efeito da temperatura na germinação dos uredósporos. Os uredósporos foram coletados em cultivo comercial de cana-de-açúcar, da variedade SP 891115, no município de Andirá (PR). Após serem retirados das folhas, os uredósporos foram submetidos a separação de impurezas e colocados em solução de água destilada com Tween-20. A suspensão de esporos, foi calibrada com o uso de câmara de Neubauer e plaqueada uma alíquota de 0,1 ml sobre o meio ágar-água (1,5%). As placas foram colocadas em câmara de germinação do tipo BOD, nas temperaturas: 10, 15, 20, 25 e 30ºC, em seis períodos de incubação: 1, 3, 6, 12, 18, 24 horas, totalizando 30 tratamentos com 5 repetições. Ao final de cada período, a germinação foi interrompida adicionando-se 0,1 ml de lactofenol. Dividiu-se cada placa em quatro campos e avaliou-se em cada um, 50 esporos. Os dados de porcentagem de germinação foram submetidos à análise de variância em esquema fatorial 5x6 com desdobramento da interação em polinômios ortogonais. Pelo ajuste de modelo matemático, a germinação máxima ocorreu para o período de 12h e à temperatura de 21ºC (R² =82%). Para os períodos de incubação, o modelo estimou que na curva de temperatura 20ºC, foram necessárias 14 horas (R² =65%) para se atingir a germinação máxima.

The orange rust caused by Puccinia kuehnii, is currently one of the most important diseases of sugarcane due to the potential damage to susceptible varieties. This study evaluated the effect of temperature on germination of uredospores. Uredospores were collected in the commercial field of sugarcane, variety SP 891115 in the city of Andirá (PR). After being removed from leaves, the uredospores underwent separation of impurities and placed in a solution of distilled water with Tween-20. The spores suspension was calibrated using a Neubauer chamber and plated an aliquot of 0.1 ml on the agar-water (1.5%). The plates were placed in BOD, at temperatures: 10, 15, 20, 25 and 30 º C in six incubation periods: 1, 3, 6, 12, 18, 24 hours, totaling 30 treatments with five replications. At the end of each period, germination was stopped by adding 0.1 ml of lactophenol. Each plate was divided into four fields and 50 spores were assessed in each field. Data on germination percentage were subjected to analysis of variance in a factorial 5x6 with the unfolding of interaction in orthogonal polynomials. By adjustment of mathematical model, the maximum germination occurred for the period of 12h at a temperature of 21ºC (R2 = 82%). For the incubation periods, the model estimated that in the curve of temperature 20ºC were required 14 hours (R2 = 65%) to reach maximum germination.