Resumo
Este estudo explora formas inovadoras de aprimorar o ensino de química, utilizando aplicativos para smartphones e técnicas avançadas, como imagens digitais e espectroscopia de fluorescência de raios X (XRF). Os alunos analisam moedas de cores variadas para relacionar as diferenças visíveis com suas composições químicas. As imagens são capturadas, analisadas e convertidas em matrizes de escala de dez cores, permitindo que os alunos explorem variações de cor além da percepção a olho nu. A espectroscopia XRF, um método rápido e não destrutivo, identifica a composição elementar, garantindo uma análise segura e prática. A atividade enfatiza habilidades essenciais, como organização de dados, métodos modernos de análise e identificação de elementos, que são fundamentais na era digital atual. Concebida para alunos do ensino médio, ela estimula a curiosidade pela química ao demonstrar sua relevância no dia a dia. Os alunos aprendem como a imagem digital (DI) e as técnicas quimiométricas revelam distinções químicas, com a XRF mostrando como elementos específicos determinam a diversidade de cores. Essa abordagem prática e criativa destaca o papel da tecnologia na educação, inspirando um envolvimento mais profundo e uma maior apreciação pela química.
Referências
Bro, R.; Smilde, A. G. Principal component analysis. Anal. Methods. 2014, 6, 2812–2831. https://doi.org/10.1039/C3AY41907J
Camargo, V. R.; Santos, L. J.; Pereira, F. M. V. A proof of concept study for the parameters of corn grains using digital images and a multivariate regression model. Food Anal. Methods. 2018, 11, 1852–1856. https://doi.org/10.1007/s12161-017-1028-6
Costa, V. Neiva, A.; Pereira-Filho, E. Chromium speciation in leather samples: an experiment using digital images, mobile phone, and environmental concepts. Eclét. Quím. 2019, 44 (1), 62–74. https://doi.org/10.26850/1678-4618eqj.v44.1.2019.p62-74
Diniz, P. H. G. D. Chemometrics-assisted color histogram-based analytical systems. J. Chemom. 2020, 34 (12), e3242. https://doi.org/10.1002/cem.3242
Ellis, A. T. Energy-Dispersive X-ray Fluorescence Analysis Using X-ray Tube Excitation. In Handbook of X-ray Spectrometry; Van Grieken, R.; Markowicz, A. A., Eds.; Marcel Dekker: New York, 2002; Vol. 29; pp 199–236.
Falomo Bernarduzzi, L.; Bernardi, E. M.; Ferrari, A.; Garbarino, M. C.; Vai, A. Augmented Reality Application for Handheld Devices. Sci. Educ. 2021, 30, 755–773. https://doi.org/10.1007/s11191-021-00197-z
Festa, G.; Saladino, M. L.; Mollica Nardo, V.; Armetta, F.; Renda, V.; Nasillo, G.; Pitonzo, R.; Spinella, A.; Borla, M.; Ferraris, E.; Turina, V.; Ponterio, R. C. Identifying the unknown content of an ancient Egyptian sealed alabaster vase from kha and merit’s tomb using multiple techniques and multicomponent sample analysis in an interdisciplinary applied chemistry course. J. Chem. Educ. 2021, 98 (2), 461–468. https://doi.org/10.1021/acs.jchemed.0c00386
Guedes, W. N.; Pereira, F. M. V. Raw sugarcane classification in the presence of small solid impurity amounts using a simple and effective digital imaging system. Comput. Electron. Agric. 2019, 156, 307–311. https://doi.org/10.1016/j.compag.2018.11.039
James, H.; Honeychurch, K. C. Digital Image Colorimetry Smartphone Determination of Acetaminophen. J. Chem. Educ. 2024, 101 (1), 187–196. https://doi.org/10.1021/acs.jchemed.3c00659
Jenkins, R. X-ray Fluorescence Spectrometry, 2nd ed.; Wiley-Interscience: New York, 1999. https://doi.org/10.1002/9781118521014
Nalhiati, G.; Borges, G. G.; Sperança, M. A.; Pereira, F. M. V. Color classification for red alcohol vinegar to control the quality of the end-product. Food Anal. Methods. 2023, 16, 1283–1290. https://doi.org/10.1007/s12161-023-02509-1
Oliveira, L. F.; Canevari, N. T.; Guerra, M. B. B.; Pereira, F. M. V.; Schaefer, C. E. G. R.; Pereira-Filho, E. R. Proposition of a simple method for chromium (VI) determination in soils from remote places applying digital images: A case study from Brazilian Antarctic Station. Microchem. J. 2013, 109, 165–169. https://doi.org/10.1016/j.microc.2012.03.007
Patricio, M. A.; Maravall, D. A. A novel generalization of the gray-scale histogram and its application to the automated visual measurement and inspection of wooden pallets. Image Vis. Comput. 2007, 25 (6), 805–816. https://doi.org/10.1016/j.imavis.2006.05.02
Pereira, F. M. V.; Bueno, M. I. M. S. Image evaluation with chemometric strategies for quality control of paints. Anal. Chim. Acta. 2007, 588, 184–191. https://doi.org/10.1016/j.aca.2007.02.009
Pereira-Filho, E.; Pereira, F. Relevant Topics in the Interpretation of Chemometric Data. In Chemometrics Data Treatment and Applications; Fernandes, F. A. N.; Rodrigues, S.; Alves Filho, E. G., Eds.; Elsevier: Amsterdam, 2024; pp 9–38. https://doi.org/10.1016/B978-0-443-21493-6.00002-2
Qiu, G.; Feng, X.; Fang, J. Compressing Histogram Representations for Automatic Color Photo Categorization. Pattern Recognit. 2004, 37, 2177–2193. https://doi.org/10.1016/j.patcog.2004.03.006
Santos, P. M.; Wentzell, P. D.; Pereira-Filho, E. R. Scanner Digital Images Combined with Color Parameters: A Case Study to Detect Adulterations in Liquid Cow’s Milk. Food Anal. Methods. 2012, 5, 89–95. https://doi.org/10.1007/s12161-011-9216-2
Santos, M. C.; Nascimento, P. A. M.; Guedes, W. N.; Pereira-Filho, E. R.; Filletti, E. R.; Pereira, F. M. V. Chemometrics in analytical chemistry – an overview of applications from 2014 to 2018. Eclét. Quím. 2019, 44 (2), 11–25. https://doi.org/10.26850/1678-4618eqj.v44.2.11-25
Sequeira, C. A.; Borges, E. M. Enhancing Statistical Education in Chemistry and STEAM Using JAMOVI. Part 2. Comparing Dependent Groups and Principal Component Analysis (PCA). J. Chem. Educ. 2024, 101 (11). 5040–5049. https://doi.org/10.1021/acs.jchemed.4c00342
Tsuji, K.; Injuk, J.; Van Grieken, R. X-Ray Spectrometry: Recent Technological Advances, 1st ed.; John Wiley & Sons: Chichester, 2004. https://doi.org/10.1002/0470020431

Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Copyright (c) 2026 Eclética Química
