Pobreza Extrema e a Covid-19 no Mundo: Um Estudo com Abordagens de Inteligência Artificial / Extreme Poverty and Covid-19 in the World: A Study with Artificial Intelligence Approaches

• Autor(a) principal: Henrique, Daniel Christian; Universidade Federal de Santa Catarina
• Data de Publicação: 2023
• Outros Autores: Aguiar Filho, Ivan Aune de; Universidade Federal de Santa Catarina, Ramos, João Carlos Prats; Universidade Federal de Santa Catarina, Faria, Gabriel Dudena de; Universidade Federal de Santa Catarina
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Revista FSA
• Texto Completo: http://www4.unifsa.com.br/revista/index.php/fsa/article/view/2835
• topic: Economia; Pobreza Extrema, PIB Per Capita; Covid-19; Inteligência Artificial; Machine Learning

A pandemia da covid-19 gerou sérios percalços financeiros e de saúde pública no mundo, aumentando a mortalidade e o desemprego, principalmente no primeiro ano de 2020, advindo dos lockdowns, assim como forçando 151 nações a criarem auxílios de renda emergenciais até o desenvolvimento e aplicação do ciclo vacinal completo. Ingressando no ano de 2022, houve uma volta à “normalidade”, mantendo-se um convívio com as novas variantes que até hoje rondam (com as atuais cepa Éris e Arcturus espalhando-se rapidamente pelo mundo). Este estudo, portanto, objetivou analisar o impacto que o número total de casos e de mortes gerados pela covid-19 ocasionou na variação da parcela da população que vive em extrema pobreza no mundo entre 2020 e 2022, assim como sua relação com as variações do Índice de Desenvolvimento Humano (IDH) e do PIB Per Capita dos países. Adicionalmente, este estudo é uma adaptação e evolução da pesquisa de Vitenu-Sackey e Barfi (2021) que analisou variáveis equivalentes, porém aplicadas somente aos meses iniciais da pandemia nos quais o mundo ainda se adaptava a esse novo contexto econômico, social e sanitário. Os dados foram obtidos no Our World In Data (2023), que coleta e organiza dados de fontes públicas de organizações mundiais de credibilidade, abordando dados do Banco Mundial, OMS e ONU. Como metodologia, optou-se nesta pesquisa pela geração de regressões com uso de Inteligência Artificial via uso de Machine Learning para melhor acuracidade dos coeficientes, do R2 e da normalidade dos resíduos, possibilitando uma análise mais assertiva. Palavras-chave: Covid-19. Pobreza Extrema. Inteligência Artificial. Machine Learning. SUMMARY The covid-19 pandemic generated serious financial and public health mishaps in the world, increasing mortality and unemployment mainly in the first year of 2020 arising from the lockdowns, as well as forcing 151 nations to create emergency income support until the development and application of the complete vaccination cycle. Entering the year 2022, there was a return to “normality”, maintaining contact with the new variants that are still around and continue to spread (with the current Eris strain spreading rapidly around the world). This study, therefore, aimed to analyze the impact that the total number of cases and deaths generated by covid-19 caused on the variation in the share of the population living in extreme poverty in the world between 2020 and 2022, as well as its relationship with changes in the Human Development Index (HDI) and GDP Per Capita of countries. Additionally, this study is an adaptation and evolution of the research by Vitenu-Sackey and Barfi (2021) who analyzed equivalent variables, but applied only to the initial months of the pandemic in which the world was still adapting to this new economic, social and health context. Data were obtained from Our World In Data (2023), which collects and organizes data from public sources from credible world organizations, addressing data from the World Bank, WHO and United Nations. As a methodology, this research opted for the generation of regressions with the use of Artificial Intelligence via the use of Machine Learning for better accuracy of the coefficients, R2 and normality of the residuals, allowing a more assertive analysis. Keywords: Covid-19. Extreme Poverty. Artificial Intelligence. Machine Learning.