• Portal do Governo Brasileiro

Plataforma Sucupira

Dados do Trabalhos de Conclusão

UNIVERSIDADE FEDERAL DO PARANÁ
Gestão da Informação (40001016058P1)
PROPOSTA DE FLUXO DE ANÁLISE DE DADOS PREDITIVA EM VIOLÊNCIA DOMÉSTICA CONTRA A MULHER
CHRISTIAN ARISTOTELES DA SILVA COSTA
DISSERTAÇÃO
12/09/2022

A pesquisa trata da violência doméstica contra mulher com motivação acadêmica e social sob a visão da análise de dados. O estudo propõe a criação de um fluxo de análise de dados preditiva para vítimas fatais de violência doméstica utilizando métodos de “Knowledge Discovery in Databases” (KDD). A etapa da mineração de dados foi aplicada em duas bases de dados: a do Boletim de Ocorrência Unificado e a do Sistema de Ocorrências Letais, ambas da Secretária de Segurança Pública do Paraná. Essas bases contêm dados de mulheres vítimas de violência doméstica e feminicídio dos anos de 2018, 2019 e 2020. Por meio das análises realizadas foi possível criar um perfil para vítimas de violência doméstica e vítimas fatais de feminicídio utilizando as frequências dos atributos com maior capacidade de explicação. As vítimas fatais de violência contra mulher, feminicídio da base de dados de Ocorrências Letais tem em média de 37 anos. Das mulheres mortas por esse crime nos três anos, 76,7% morreram por arma branca ou imprópria, por arma de fogo ou por agressão física. Pouco mais de 57% dessas vítimas foram declaradas brancas e 28% declaradas pardas. Mais de 65% desses crimes ocorreram em 14 municípios do estado do Paraná. A análise com o KDD foi aplicada às bases de ocorrências letais e naturezas jurídicas por vítima. Utilizando técnicas de seleção de atributos (CFS, Info Gain, Gain Ratio e ReliefF) foi possível determinar os atributos mais relevantes para a base de dados de naturezas jurídicas. Os atributos mais relevantes para cada técnica foram submetidos aos algoritmos de indução de regras PRISM e CN2. Os resultados do PRISM apresentam acurácia abaixo de 0,548 e no máximo 16% de acertos na predição da classe “S”. Os resultados do CN2 usando os atributos mais relevantes segundo as técnicas CFS e Info Gain, apresentam acurácia acima de 0,71 e proporção de acertos para duas classes mais equilibrados que as outras técnicas. O resultado da análise preditiva foi aprovado por dois especialistas do Centro de Análise Planejamento e Estatística e oportunizou a criação de três fluxos de análise de dados que podem ser aplicados em outras bases de dados de violência doméstica contra mulher.

KDD. Violência Doméstica. Mineração de Dados. Preditivo. Gestão da Informação.
The research deals with domestic violence against women with academic and social motivation from the point of view of data analysis. The study proposes the creation of a predictive data analysis flow for fatal victims of domestic violence using “Knowledge Discovery in Databases” (KDD) methods. The data mining step was applied in two databases: the Boletim de Ocorrência Unificado and the Lethal Occurrence System, both from the Paraná Public Security Department. These databases contain data on women victims of domestic violence and femicide from the years 2018, 2019 and 2020. Through the analyzes carried out, it was possible to create a profile for victims of domestic violence and fatal victims of femicide using the frequencies of the attributes with the greatest ability to explanation. The fatal victims of violence against women, femicide in the Lethal Occurrences database have an average of 37 years. Of the women killed by this crime in the three years, 76.7% died from a bladed weapon or improper weapon, fire gun or physical aggression. Just over 57% of these victims were declared white and 28% declared brown. More than 65% of these crimes occurred in 14 municipalities in the state of Paraná. The analysis with the KDD was applied to the bases of lethal occurrences and legal nature per victim. Using attribute selection techniques (CFS, Info Gain, Gain Ratio and ReliefF) it was possible to determine the most relevant attributes for the legal database. The most relevant attributes for each technique were submitted to the PRISM and CN2 rule induction algorithms. The PRISM results present accuracy below 0.548 and a maximum of 16% of hits in the prediction of the “S” class. The CN2 results using the most relevant attributes according to the CFS and Info Gain techniques, present accuracy above 0.71 and the proportion of hits for two classes more balanced than the other techniques. The result of the predictive analysis was approved by two specialists from the Center for Analysis, Planning and Statistics and provided the opportunity to create three data analysis flows that can be applied to other databases on domestic violence against women.
KDD. Domestic violence. Data Mining. Predictive. Information management.
1
121
PORTUGUES
UNIVERSIDADE FEDERAL DO PARANÁ
O trabalho possui divulgação autorizada
CHRISTIAN ARISTÓTELES DA SILVA COSTA final.pdf

Contexto

GESTÃO DA INFORMAÇÃO E DO CONHECIMENTO
INFORMAÇÃO E TECNOLOGIA
Análises em bases de dados operacionais e históricas

Banca Examinadora

DENISE FUKUMI TSUNODA
DOCENTE - PERMANENTE
Não
Nome Categoria
JOSE MARCELO ALMEIDA PRADO CESTARI Docente - PERMANENTE
LUIZ PANHOCA Participante Externo
TAIANE RITTA COELHO Docente - PERMANENTE

Vínculo

CLT
Empresa Privada
Ensino e Pesquisa
Sim
Plataforma Sucupira
Capes UFRN RNP Ministério da Educação Governo Federal
  • Compatibilidade
  • . . .
  • Versão do sistema: 3.88.17
  • Copyright 2022 Capes. Todos os direitos reservados.

Nós usamos cookies para melhorar sua experiência de navegação no portal. Ao utilizar o gov.br, você concorda com a política de monitoramento de cookies. Para ter mais informações sobre como isso é feito, acesse Política de cookies.Se você concorda, clique em ACEITO.

Politica de Cookies

O que são cookies?

Cookies são arquivos salvos em seu computador, tablet ou telefone quando você visita um site.Usamos os cookies necessários para fazer o site funcionar da melhor forma possível e sempre aprimorar os nossos serviços. Alguns cookies são classificados como necessários e permitem a funcionalidade central, como segurança, gerenciamento de rede e acessibilidade. Estes cookies podem ser coletados e armazenados assim que você inicia sua navegação ou quando usa algum recurso que os requer.

Cookies Primários

Alguns cookies serão colocados em seu dispositivo diretamente pelo nosso site - são conhecidos como cookies primários. Eles são essenciais para você navegar no site e usar seus recursos.
Temporários
Nós utilizamos cookies de sessão. Eles são temporários e expiram quando você fecha o navegador ou quando a sessão termina.
Finalidade
Estabelecer controle de idioma e segurança ao tempo da sessão.

Cookies de Terceiros

Outros cookies são colocados no seu dispositivo não pelo site que você está visitando, mas por terceiros, como, por exemplo, os sistemas analíticos.
Temporários
Nós utilizamos cookies de sessão. Eles são temporários e expiram quando você fecha o navegador ou quando a sessão termina.
Finalidade
Coletam informações sobre como você usa o site, como as páginas que você visitou e os links em que clicou. Nenhuma dessas informações pode ser usada para identificá-lo. Seu único objetivo é possibilitar análises e melhorar as funções do site.

Você pode desabilitá-los alterando as configurações do seu navegador, mas saiba que isso pode afetar o funcionamento do site.

Chrome

Firefox

Microsoft Edge

Internet Explorer