UrPlace: um aplicativo de gestão do tempo com geolocalização

Abstract

O presente Trabalho de Conclusão de Curso teve como objetivo o desenvolvimento do UrPlace, um aplicativo de produtividade pessoal baseado em geolocalização, voltado à organização de tarefas e lembretes associados a locais específicos. O projeto partiu da constatação de limitações existentes no gerenciamento de atividades vinculadas a contextos geográficos, que comprometem a eficiência e aumentam a sobrecarga cognitiva dos usuários. Desenvolvido com base em metodologias ágeis, o aplicativo contemplou etapas de levantamento de requisitos, prototipação, implementação e testes funcionais. Foram implementadas funcionalidades como autenticação de usuários, interação com mapas, marcação de locais, notificações automáticas via GPS e lembretes personalizados. Os resultados demonstraram que o protótipo atendeu plenamente aos objetivos propostos, oferecendo uma solução intuitiva e eficaz para o gerenciamento de tarefas baseado em localização. O estudo contribuiu para o aprimoramento de competências técnicas envolvendo integração com APIs externas, usabilidade e notificações inteligentes. Como trabalhos futuros, propõe-se a incorporação de tecnologias de Inteligência Artificial e Aprendizado de Máquina para identificação de padrões de comportamento e adaptação dinâmica das rotinas, ampliando a personalização e eficiência do sistema.

This Final Course Project aimed to develop UrPlace, a geolocation-based personal productivity application focused on organizing tasks and reminders associated with specific locations. The project stemmed from the identification of existing limitations in managing activities linked to geographical contexts, which compromise efficiency and increase users' cognitive load. Developed based on agile methodologies, the application encompassed stages of requirements gathering, prototyping, implementation, and functional testing. Features such as user authentication, map interaction, location marking, automatic GPS notifications, and personalized reminders were implemented. The results demonstrated that the prototype fully met the proposed objectives, offering an intuitive and effective solution for location-based task management. The study contributed to the enhancement of technical skills involving integration with external APIs, usability, and intelligent notifications. As future work, the incorporation of Artificial Intelligence and Machine Learning technologies is proposed to identify behavioral patterns and dynamically adapt routines, expanding the system's personalization and efficiency.