Cookies
O website necessita de alguns cookies e outros recursos semelhantes para funcionar. Caso o permita, o INESC TEC irá utilizar cookies para recolher dados sobre as suas visitas, contribuindo, assim, para estatísticas agregadas que permitem melhorar o nosso serviço. Ver mais
Aceitar Rejeitar
  • Menu
    Factos & Números
    000
    Apresentação

    Computação Centrada no Humano e Ciência da Informação

    HumanISE é um centro de investigação interdisciplinar focado em Computação Centrada no Humano (HCC) com uma ampla e profunda experiência em Ciência da Computação (CS) e Ciência da Informação (IS).

    No HumanISE, engenheiros, cientistas e designers focam-se na investigação e desenvolvimento de sistemas de software, métodos e ferramentas que podem potenciar o ser humano e seus ambientes e comunidades, envolvendo elevada complexidade técnica e de gestão, resultante de larga escala, heterogeneidade, incerteza, integridade, conformidade com normas e enquadramentos legais ou questões organizacionais especificas do domínio de aplicação.

    A nossa missão é desenvolver atividade de excelência e impactante em termos científicos, inovação, consultoria e e transferência de tecnologia, em estreita cooperação com os nossos parceiros académicos e empresariais. Focamos a nossa atividade em cinco áreas de investigação principais - Interação Homem(Pessoa)-Computador; Computação Gráfica e Media Digital Interativa; Gestão da Informação e Sistemas de Informação; Engenharia de Software; e Sistemas Computacionais de Grande Escala e Propósito Específico, Linguagens e Ferramentas - e quatro áreas principais de inovação - Investigação em Saúde Personalizada; Ciências da Terra, Mar e Espaço; Engenharia de Sistemas de Informação Geo-espacial; e Sistemas de Informação e Computação Aplicada.

    Estamos também fortemente empenhados na formação de jovens investigadores e jovens profissionais, tendo um registo significativo na orientação de mestrandos e doutorandos.

    Atualmente, os nossos investigadores são oriundos da Universidade do Porto (UP), Politécnico do Porto (IPP), Universidade de Trás-os-Montes e Alto Douro (UTAD), Universidade Aberta (UAb) e Universidade do Minho (UM).

    Últimas Notícias
    Ciência e Engenharia dos Computadores

    População sénior a treinar com Inteligência Artificial? O futuro é (mesmo) hoje.

    Chama-se IATOS e pretende tornar o treino físico remoto mais seguro, eficaz e acessível para a população idosa. O projeto, liderado por um consórcio que inclui o INESC TEC, a AGIT TECH e a Universidade de Trás-os-Montes e Alto Douro, tem como objetivo criar uma plataforma digital de treino físico assistido por inteligência artificial, especificamente desenhada para pessoas com mais de 65 anos.  

    29 setembro 2025

    Sistemas de Energia

    Há soluções tecnológicas inovadoras a ser desenvolvidas para os mercados locais de energia – com contributos do INESC TEC

    O atraso na geração de dados sintéticos para séries temporais, elementos fundamentais nos cenários de previsão energética, foi uma das motivações para o GENESIS – um projeto que pretende capacitar os mercados locais de energia elétrica de dados sintéticos contextuais e modelos de inteligência artificial expectável.

    22 setembro 2025

    Ciência e Engenharia dos Computadores

    Investigadores INESC TEC na organização de conferência internacional em visão computacional e computação gráfica

    A VISIGRAPP 2025 – 20th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications, chegou ao Porto no fim de fevereiro. Juntou mais de 380 investigadores e profissionais, interessados em acompanhar e discutir os avanços teóricos e as aplicações das áreas de Visão Computacional, Computação Gráfica, Interação Humano-Computador e Visualização de Informação, respetivamente os temas principais das conferências co-colocadas VISAPP, GRAPP, HUCAPP e IVAPP. Um dos co-chairs desta conferência foi o investigador do INESC TEC A. Augusto de Sousa.

    27 março 2025

    Ciência e Engenharia dos Computadores

    Carros sem condutor? Sim, mas só em determinadas condições. Investigadores querem tornar estas condições sustentáveis e adaptáveis

    FRODDO - é o nome do projeto que vai contribuir, através do desenvolvimento e teste de soluções tecnológicas, para uma maior segurança e robustez de sistemas autónomos e conectados, como o dos carros sem condutor, apoiando a mobilidade centrada no utilizador. O INESC TEC é um dos parceiros deste projeto europeu, com um financiamento de quase seis milhões de euros, ao abrigo do programa de financiamento Horizonte Europa.

    07 fevereiro 2025

    Ciência e Engenharia dos Computadores

    A aprendizagem imersiva veio para impactar os contextos educativos. E o INESC TEC conta com uma investigadora na direção da principal rede da área

    Daniela Pedrosa, investigadora colaboradora do INESC TEC, assumiu o cargo de gestão de edição responsável pelas publicações da Immersive Learning Research Network (iLRN), depois de quatro anos como publications chair no comité organizador da conferência promovida pela associação.

    04 fevereiro 2025

    Ver todas as Notícias
    012

    Projetos Selecionados

    AgroTecVerdeVR

    Aplicação de Realidade Virtual para Visitas Virtuais

    2025-2026

    DUVOPS

    Ocean Preservation System Based on Digital Twins and Fleets of Heterogeneous Unmanned Vehicles

    2025-2028

    XARPER_RETAIL

    XARP Extended Reality for the Retail Industry

    2025-2027

    PGU2CIMTS

    Consultoria para a implementação de uma Plataforma de Gestão Urbana na CIM do Tâmega e Sousa

    2025-2025

    IATriage4SU

    Apoio à tomada de decisão na triagem de urgência de adultos, com recurso a inteligência artificial

    2025-2026

    SMARTBOGIE

    SMARTBOGIE – Solução Inovadora para a Mobilidade Ferroviária de Mercadorias

    2025-2028

    BolsasFCT_Gestao

    Financiamento Bolsas Doutoramento FCT - Gestão

    2025-9999

    AMIDA

    Aquisição de um serviço de desenvolvimento de arquitetura do sistema AMIDA

    2024-2025

    PFAI4_5eD

    Programa de Formação Avançada Industria 4 - 5a edição

    2024-2024

    Data4LEM

    Synthetic and Explainable Data Generation for the Simulation and Analysis of Future Local Electricity Markets

    2024-2025

    PTPumpup

    Building Portuguese Language Resources through machine learning and limited human interaction

    2021-2024

    RTE

    2015-2016

    Equipa
    Ademar Aguiar

    Coordenador de Centro

    Artur Rocha

    Coordenador de Centro

    Hugo Paredes

    Coordenador de Centro

    ViewClose Alphabet
    • a
    • b
    • c
    • d
    • e
    • f
    • g
    • h
    • i
    • j
    • k
    • l
    • m
    • n
    • o
    • p
    • q
    • r
    • s
    • t
    • u
    • v
    • w
    • x
    • y
    • z
    003

    Laboratórios

    Laboratório de Sistemas de Informação

    Laboratório de Engenharia de Software

    Laboratório de Computação Gráfica e Ambientes Virtuais

    Publicações

    HumanISE Publicações

    Ler todas as publicações

    2026

    An Explosion of the Uses of Immersive Learning Environments: A Mapping of Reviews Update

    Autores
    Beck, E; Morgado, LC; O’Shea, M;

    Publicação
    Communications in Computer and Information Science

    Abstract
    Since the publication of the 2020 paper, “Finding the Gaps About Uses of Immersive Learning Environments: A Survey of Surveys,” the landscape of immersive learning environments (ILEs) has continued to evolve rapidly. This update aims to revisit the gaps identified in that previous research and explore emerging trends. We conducted an extensive review of new surveys published after that paper’s cut date. Our findings reveal a significant amount of new published reviews (n?=?64), more than doubling the original corpus (n?=?47). The results highlighted novel themes of usage of immersive environments, helping bridge some 2020 research gaps. This paper discusses those developments and presents a consolidated perspective on the uses of immersive learning environments. © 2025 Elsevier B.V., All rights reserved.

    FecharLer Abstract

    2026

    A framework for supporting the reproducibility of computational experiments in multiple scientific domains

    Autores
    Costa, L; Barbosa, S; Cunha, J;

    Publicação
    Future Gener. Comput. Syst.

    Abstract
    In recent years, the research community, but also the general public, has raised serious questions about the reproducibility and replicability of scientific work. Since many studies include some kind of computational work, these issues are also a technological challenge, not only in computer science, but also in most research domains. Computational replicability and reproducibility are not easy to achieve due to the variety of computational environments that can be used. Indeed, it is challenging to recreate the same environment via the same frameworks, code, programming languages, dependencies, and so on. We propose a framework, known as SciRep, that supports the configuration, execution, and packaging of computational experiments by defining their code, data, programming languages, dependencies, databases, and commands to be executed. After the initial configuration, the experiments can be executed any number of times, always producing exactly the same results. Our approach allows the creation of a reproducibility package for experiments from multiple scientific fields, from medicine to computer science, which can be re-executed on any computer. The produced package acts as a capsule, holding absolutely everything necessary to re-execute the experiment. To evaluate our framework, we compare it with three state-of-the-art tools and use it to reproduce 18 experiments extracted from published scientific articles. With our approach, we were able to execute 16 (89%) of those experiments, while the others reached only 61%, thus showing that our approach is effective. Moreover, all the experiments that were executed produced the results presented in the original publication. Thus, SciRep was able to reproduce 100% of the experiments it could run. © 2025 The Authors

    FecharLer Abstract

    2025

    LLM Prompt Engineering for Automated White-Box Integration Test Generation in REST APIs

    Autores
    Rincon, AM; Vincenzi, AMR; Faria, JP;

    Publicação
    2025 IEEE INTERNATIONAL CONFERENCE ON SOFTWARE TESTING, VERIFICATION AND VALIDATION WORKSHOPS, ICSTW

    Abstract
    This study explores prompt engineering for automated white-box integration testing of RESTful APIs using Large Language Models (LLMs). Four versions of prompts were designed and tested across three OpenAI models (GPT-3.5 Turbo, GPT-4 Turbo, and GPT-4o) to assess their impact on code coverage, token consumption, execution time, and financial cost. The results indicate that different prompt versions, especially with more advanced models, achieved up to 90% coverage, although at higher costs. Additionally, combining test sets from different models increased coverage, reaching 96% in some cases. We also compared the results with EvoMaster, a specialized tool for generating tests for REST APIs, where LLM-generated tests achieved comparable or higher coverage in the benchmark projects. Despite higher execution costs, LLMs demonstrated superior adaptability and flexibility in test generation.

    FecharLer Abstract

    2025

    Automated Social Media Feedback Analysis for Software Requirements Elicitation: A Case Study in the Streaming Industry

    Autores
    Silva, M; Faria, JP;

    Publicação
    Proceedings of the 20th International Conference on Evaluation of Novel Approaches to Software Engineering, ENASE 2025, Porto, Portugal, April 4-6, 2025.

    Abstract

    2025

    Automatic Generation of Loop Invariants in Dafny with Large Language Models

    Autores
    Faria, JP; Trigo, E; Abreu, R;

    Publicação
    FUNDAMENTALS OF SOFTWARE ENGINEERING, FSEN 2025

    Abstract
    Recent verification tools aim to make formal verification more accessible for software engineers by automating most of the verification process. However, the manual work and expertise required to write verification helper code, such as loop invariants and auxiliary lemmas and assertions, remains a barrier. This paper explores the use of Large Language Models (LLMs) to automate the generation of loop invariants for programs in Dafny. We tested the approach on a curated dataset of 100 programs in Dafny involving arrays, strings, and numeric types. Using a multimodel approach that combines GPT-4o and Claude 3.5 Sonnet, correct loop invariants (passing the Dafny verifier) were generated at the first attempt for 92% of the programs, and in at most five attempts for 95% of the programs. Additionally, we developed an extension to the Dafny plugin for Visual Studio Code to incorporate automatic loop invariant generation into the IDE. Our work stands out from related approaches by handling a broader class of problems and offering IDE integration.

    FecharLer Abstract