Teste de Usabilidade de um Aplicativo de Apoio à Produção de Mel Orgânico

  • Tiago H. F. Segato IFB
  • Caio M. Daoud IFB
  • Fábio H. M. Oliveira IFB
  • Sanderson C. M. Barbalho UNB
  • Renata C. Nunes UNB
  • Thiago E. P. Alves IFG

Resumo


A regulamentação atual para a apicultura orgânica no Brasil estabelece critérios que nem sempre são alcançados pelos apicultores. Dentro deste contexto, apresentamos neste artigo os resultados de testes de usabilidade do protótipo de um aplicativo de apoio à produção de mel orgânico. O objetivo do aplicativo avaliado é unir duas áreas temáticas principais: a produção apícola orgânica e a aplicação de processamento de imagens RGB na agricultura e pecuária. Para os experimentos, o aplicativo foi testado por produtores rurais, no laboratório de Química do IFG, durante o evento intitulado “Encontro Apicultura Orgânica 4.0”.

Referências

Associação Brasileira de Normas Técnicas (2021). NBR ISO 9241-11: Ergonomia da interação humano-sistema.

Brasil (2021). PORTARIA Nº 52, DE 15 DE MARÇO DE 2021. Estabelece o Regulamento Técnico para os Sistemas Orgânicos de Produção e as listas de substâncias e práticas para o uso nos Sistemas Orgânicos de Produção. Diário Oficial da República Federativa do Brasil.

Etzkowitz, H., de Mello, J. M. C., and Almeida, M. (2005). Towards “meta-innovation” in brazil: The evolution of the incubator and the emergence of a triple helix. Research policy, 34(4):411–424.

Ferrari, A. G., Jugend, D., Armellini, F., Barbalho, S. C. M., and de Carvalho, M. M. (2023). Crossing actors’ boundaries towards circular ecosystems in the organic food sector: Facing the challenges in an emerging economy context. Journal of Cleaner Production, 407:137093.

Figma (2023). Create realistic experiences. Available at https://www.figma.com/prototyping/ access on june 2023.

Jia, Y., He, J., Fu, H., Shao, X., and Li, Z. (2018). Apple surface pesticide residue detection method based on hyperspectral imaging. In Intelligence Science and Big Data Engineering: 8th International Conference, IScIDE 2018, Lanzhou, China, August 18–19, 2018, Revised Selected Papers 8, pages 539–556. Springer.

Jiang, B., He, J., Yang, S., Fu, H., Li, T., Song, H., and He, D. (2019). Fusion of machine vision technology and alexnet-cnns deep learning network for the detection of postharvest apple pesticide residues. Artificial Intelligence in Agriculture, 1:1–8.

Oroian, C. F., Safirescu, C. O., Harun, R., Chiciudean, G. O., Arion, F. H., Muresan, I. C., and Bordeanu, B. M. (2017). Consumers’ attitudes towards organic products and sustainable development: A case study of romania. Sustainability, 9(9):1559.

Tsakanikas, P., Pavlidis, D., and Nychas, G.-J. (2015). High throughput multispectral image processing with applications in food science. PLoS One, 10(10):e0140122.
Publicado
16/10/2023
Como Citar

Selecione um Formato
SEGATO, Tiago H. F.; DAOUD, Caio M.; OLIVEIRA, Fábio H. M.; BARBALHO, Sanderson C. M.; NUNES, Renata C.; ALVES, Thiago E. P.. Teste de Usabilidade de um Aplicativo de Apoio à Produção de Mel Orgânico. In: PÔSTERES E DEMONSTRAÇÕES - SIMPÓSIO BRASILEIRO DE FATORES HUMANOS EM SISTEMAS COMPUTACIONAIS (IHC), 22. , 2023, Maceió/AL. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2023 . p. 98-102. DOI: https://doi.org/10.5753/ihc_estendido.2023.233702.