Predicting Adherence to Public Health Measures During COVID-19 Pandemic: A Machine Learning Approach

Detalhes bibliográficos
Autor(a) principal: Daniela Couto Botelho Monteiro
Data de Publicação: 2023
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: https://hdl.handle.net/10216/155013
id RCAP_db8118d51207419d18709826754b8d7a
oai_identifier_str oai:repositorio-aberto.up.pt:10216/155013
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Predicting Adherence to Public Health Measures During COVID-19 Pandemic: A Machine Learning ApproachEconomia e gestãoEconomics and Business2023-11-202023-11-20T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/10216/155013engDaniela Couto Botelho Monteiroinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-29T14:22:46Zoai:repositorio-aberto.up.pt:10216/155013Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T23:59:58.188208Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Predicting Adherence to Public Health Measures During COVID-19 Pandemic: A Machine Learning Approach
title Predicting Adherence to Public Health Measures During COVID-19 Pandemic: A Machine Learning Approach
spellingShingle Predicting Adherence to Public Health Measures During COVID-19 Pandemic: A Machine Learning Approach
Daniela Couto Botelho Monteiro
Economia e gestão
Economics and Business
title_short Predicting Adherence to Public Health Measures During COVID-19 Pandemic: A Machine Learning Approach
title_full Predicting Adherence to Public Health Measures During COVID-19 Pandemic: A Machine Learning Approach
title_fullStr Predicting Adherence to Public Health Measures During COVID-19 Pandemic: A Machine Learning Approach
title_full_unstemmed Predicting Adherence to Public Health Measures During COVID-19 Pandemic: A Machine Learning Approach
title_sort Predicting Adherence to Public Health Measures During COVID-19 Pandemic: A Machine Learning Approach
author Daniela Couto Botelho Monteiro
author_facet Daniela Couto Botelho Monteiro
author_role author
dc.contributor.author.fl_str_mv Daniela Couto Botelho Monteiro
dc.subject.por.fl_str_mv Economia e gestão
Economics and Business
topic Economia e gestão
Economics and Business
publishDate 2023
dc.date.none.fl_str_mv 2023-11-20
2023-11-20T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/10216/155013
url https://hdl.handle.net/10216/155013
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799135923700498433

Registros relacionados