Identificação de grupos de municípios pernambucanos para recomendação de políticas de segurança pública utilizando uma técnica de clusterização
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPE |
Texto Completo: | https://repositorio.ufpe.br/handle/123456789/37958 |
Resumo: | O direcionamento de políticas públicas é de fundamental importância para a sociedade como um todo, em especial na segurança, que além de ser considerada como uma necessidade de todo cidadão, é garantida constitucionalmente. Esta dissertação tem por objetivo utilizar uma abordagem de aprendizagem não supervisionada para o estabelecimento de clusters entre os munícipios do estado de Pernambuco, considerando alguns tipos de crimes representativos no estado, visando direcionar ações para prevenção e combate ao crime de forma a apoiar os formuladores de políticas de segurança pública. Os dados foram obtidos a partir da Lei nº 12.527/2011 que regulamenta o direito constitucional de acesso às informações públicas e foi utilizado o algoritmo k-means, que é uma ferramenta de mineração de dados multivariados consolidada na literatura, como principal ferramenta considerada no estudo. Foram realizadas aplicações do algoritmo para seis diferentes valores do parâmetro k (2, 3, 4, 5, 12 e 26); parâmetro esse que é exigido anteriormente a execução do algoritmo, e que diz respeito ao número de clusters ou grupos. Para demonstrar o direcionamento das ações, foi utilizado como base o agrupamento realizado para k=26, fazendo referência a áreas de integração de segurança já existentes. Toda execução do algoritmo foi realizada através do software R 3.6.1 e foram direcionadas recomendações de ações a cada um dos clusters considerados. A formulação das ações se deu a partir de uma investigação a documentos específicos, como o Plano Nacional de Segurança Pública, Plano Nacional sobre Drogas e outros fornecidos pela Secretaria de Política de prevenção à Violência e às Drogas e a Secretaria de Defesa Social de Pernambuco. A partir dos resultados foi percebido que o uso de uma abordagem de clusterização de municípios fornece uma efetividade maior no direcionamento de ações de combate e prevenção de crimes, diante do fato de que são agrupados num mesmo cluster aqueles municípios que apresentam maiores semelhanças no que se refere a criminalidade. |
id |
UFPE_2c700fe5fd00a4426bc6259077af56a3 |
---|---|
oai_identifier_str |
oai:repositorio.ufpe.br:123456789/37958 |
network_acronym_str |
UFPE |
network_name_str |
Repositório Institucional da UFPE |
repository_id_str |
2221 |
spelling |
COSTA, Jefferson Carlos de Oliveira Ribeirohttp://lattes.cnpq.br/6411337258532071http://lattes.cnpq.br/1719660651640802SILVA, Maísa Mendonça2020-09-14T14:53:42Z2020-09-14T14:53:42Z2020-05-14COSTA, Jefferson Carlos de Oliveira Ribeiro. Identificação de grupos de municípios pernambucanos para recomendação de políticas de segurança pública utilizando uma técnica de clusterização. 2020. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Pernambuco, Caruaru, 2020.https://repositorio.ufpe.br/handle/123456789/37958O direcionamento de políticas públicas é de fundamental importância para a sociedade como um todo, em especial na segurança, que além de ser considerada como uma necessidade de todo cidadão, é garantida constitucionalmente. Esta dissertação tem por objetivo utilizar uma abordagem de aprendizagem não supervisionada para o estabelecimento de clusters entre os munícipios do estado de Pernambuco, considerando alguns tipos de crimes representativos no estado, visando direcionar ações para prevenção e combate ao crime de forma a apoiar os formuladores de políticas de segurança pública. Os dados foram obtidos a partir da Lei nº 12.527/2011 que regulamenta o direito constitucional de acesso às informações públicas e foi utilizado o algoritmo k-means, que é uma ferramenta de mineração de dados multivariados consolidada na literatura, como principal ferramenta considerada no estudo. Foram realizadas aplicações do algoritmo para seis diferentes valores do parâmetro k (2, 3, 4, 5, 12 e 26); parâmetro esse que é exigido anteriormente a execução do algoritmo, e que diz respeito ao número de clusters ou grupos. Para demonstrar o direcionamento das ações, foi utilizado como base o agrupamento realizado para k=26, fazendo referência a áreas de integração de segurança já existentes. Toda execução do algoritmo foi realizada através do software R 3.6.1 e foram direcionadas recomendações de ações a cada um dos clusters considerados. A formulação das ações se deu a partir de uma investigação a documentos específicos, como o Plano Nacional de Segurança Pública, Plano Nacional sobre Drogas e outros fornecidos pela Secretaria de Política de prevenção à Violência e às Drogas e a Secretaria de Defesa Social de Pernambuco. A partir dos resultados foi percebido que o uso de uma abordagem de clusterização de municípios fornece uma efetividade maior no direcionamento de ações de combate e prevenção de crimes, diante do fato de que são agrupados num mesmo cluster aqueles municípios que apresentam maiores semelhanças no que se refere a criminalidade.The direction of public policies is of fundamental importance for a society as a whole, in particular security, which in addition to being considered a necessity for every citizen, is constitutionally guaranteed. This dissertation aims to use an unsupervised learning approach for the establishment of clusters among municipalities in the state of Pernambuco, considering some types of representative crimes in the state, aiming to direct actions for preventing and combating crime in order to support policy makers. public security policies. The data were obtained from Law 12.527/2011 that regulates the constitutional right of access to public information and the k-means algorithm was used, which is a tool for mining multivariate data consolidated in the literature, as the main tool considered in the study. The algorithm was applied to six different values of parameter k (2, 3, 4, 5, 12 and 26); a parameter that is previously required to execute the algorithm, and which concerns the number of clusters or groups. All execution of the algorithm was performed using software R 3.6.1 and recommendations for actions were directed to each of the considered clusters. The formulation of the actions was based on an investigation of specific documents, such as the National Plan for Public Security, National Plan on Drugs and others provided by the Secretariat for Policy on Prevention of Violence and Drugs and the Secretariat for Social Defense of Pernambuco. From the results, it was realized that the use of a clustering approach to municipalities provides greater effectiveness in directing actions to combat and prevent crimes, given the fact that those municipalities that present greater similarities in terms of refers to crime.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Engenharia de Producao / CAAUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessSegurança pública - PernambucoPolítica públicaCluster (Sistema de computador)Mineração de dados (Computação)Algoritmos computacionaisIdentificação de grupos de municípios pernambucanos para recomendação de políticas de segurança pública utilizando uma técnica de clusterizaçãoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPEORIGINALDISSERTAÇÃO Jefferson Carlos de Oliveira Ribeiro Costa.pdfDISSERTAÇÃO Jefferson Carlos de Oliveira Ribeiro Costa.pdfapplication/pdf1879088https://repositorio.ufpe.br/bitstream/123456789/37958/1/DISSERTA%c3%87%c3%83O%20Jefferson%20Carlos%20de%20Oliveira%20Ribeiro%20Costa.pdffb2546d5463a85266cf7a1c3a67111c8MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/37958/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82310https://repositorio.ufpe.br/bitstream/123456789/37958/3/license.txtbd573a5ca8288eb7272482765f819534MD53TEXTDISSERTAÇÃO Jefferson Carlos de Oliveira Ribeiro Costa.pdf.txtDISSERTAÇÃO Jefferson Carlos de Oliveira Ribeiro Costa.pdf.txtExtracted texttext/plain133969https://repositorio.ufpe.br/bitstream/123456789/37958/4/DISSERTA%c3%87%c3%83O%20Jefferson%20Carlos%20de%20Oliveira%20Ribeiro%20Costa.pdf.txta8f1047238ebfb5ed9538392926171a0MD54THUMBNAILDISSERTAÇÃO Jefferson Carlos de Oliveira Ribeiro Costa.pdf.jpgDISSERTAÇÃO Jefferson Carlos de Oliveira Ribeiro Costa.pdf.jpgGenerated Thumbnailimage/jpeg1274https://repositorio.ufpe.br/bitstream/123456789/37958/5/DISSERTA%c3%87%c3%83O%20Jefferson%20Carlos%20de%20Oliveira%20Ribeiro%20Costa.pdf.jpgdf637520d202435fec52852e99b4bc96MD55123456789/379582020-09-15 02:14:44.503oai:repositorio.ufpe.br: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ório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212020-09-15T05:14:44Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false |
dc.title.pt_BR.fl_str_mv |
Identificação de grupos de municípios pernambucanos para recomendação de políticas de segurança pública utilizando uma técnica de clusterização |
title |
Identificação de grupos de municípios pernambucanos para recomendação de políticas de segurança pública utilizando uma técnica de clusterização |
spellingShingle |
Identificação de grupos de municípios pernambucanos para recomendação de políticas de segurança pública utilizando uma técnica de clusterização COSTA, Jefferson Carlos de Oliveira Ribeiro Segurança pública - Pernambuco Política pública Cluster (Sistema de computador) Mineração de dados (Computação) Algoritmos computacionais |
title_short |
Identificação de grupos de municípios pernambucanos para recomendação de políticas de segurança pública utilizando uma técnica de clusterização |
title_full |
Identificação de grupos de municípios pernambucanos para recomendação de políticas de segurança pública utilizando uma técnica de clusterização |
title_fullStr |
Identificação de grupos de municípios pernambucanos para recomendação de políticas de segurança pública utilizando uma técnica de clusterização |
title_full_unstemmed |
Identificação de grupos de municípios pernambucanos para recomendação de políticas de segurança pública utilizando uma técnica de clusterização |
title_sort |
Identificação de grupos de municípios pernambucanos para recomendação de políticas de segurança pública utilizando uma técnica de clusterização |
author |
COSTA, Jefferson Carlos de Oliveira Ribeiro |
author_facet |
COSTA, Jefferson Carlos de Oliveira Ribeiro |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/6411337258532071 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/1719660651640802 |
dc.contributor.author.fl_str_mv |
COSTA, Jefferson Carlos de Oliveira Ribeiro |
dc.contributor.advisor1.fl_str_mv |
SILVA, Maísa Mendonça |
contributor_str_mv |
SILVA, Maísa Mendonça |
dc.subject.por.fl_str_mv |
Segurança pública - Pernambuco Política pública Cluster (Sistema de computador) Mineração de dados (Computação) Algoritmos computacionais |
topic |
Segurança pública - Pernambuco Política pública Cluster (Sistema de computador) Mineração de dados (Computação) Algoritmos computacionais |
description |
O direcionamento de políticas públicas é de fundamental importância para a sociedade como um todo, em especial na segurança, que além de ser considerada como uma necessidade de todo cidadão, é garantida constitucionalmente. Esta dissertação tem por objetivo utilizar uma abordagem de aprendizagem não supervisionada para o estabelecimento de clusters entre os munícipios do estado de Pernambuco, considerando alguns tipos de crimes representativos no estado, visando direcionar ações para prevenção e combate ao crime de forma a apoiar os formuladores de políticas de segurança pública. Os dados foram obtidos a partir da Lei nº 12.527/2011 que regulamenta o direito constitucional de acesso às informações públicas e foi utilizado o algoritmo k-means, que é uma ferramenta de mineração de dados multivariados consolidada na literatura, como principal ferramenta considerada no estudo. Foram realizadas aplicações do algoritmo para seis diferentes valores do parâmetro k (2, 3, 4, 5, 12 e 26); parâmetro esse que é exigido anteriormente a execução do algoritmo, e que diz respeito ao número de clusters ou grupos. Para demonstrar o direcionamento das ações, foi utilizado como base o agrupamento realizado para k=26, fazendo referência a áreas de integração de segurança já existentes. Toda execução do algoritmo foi realizada através do software R 3.6.1 e foram direcionadas recomendações de ações a cada um dos clusters considerados. A formulação das ações se deu a partir de uma investigação a documentos específicos, como o Plano Nacional de Segurança Pública, Plano Nacional sobre Drogas e outros fornecidos pela Secretaria de Política de prevenção à Violência e às Drogas e a Secretaria de Defesa Social de Pernambuco. A partir dos resultados foi percebido que o uso de uma abordagem de clusterização de municípios fornece uma efetividade maior no direcionamento de ações de combate e prevenção de crimes, diante do fato de que são agrupados num mesmo cluster aqueles municípios que apresentam maiores semelhanças no que se refere a criminalidade. |
publishDate |
2020 |
dc.date.accessioned.fl_str_mv |
2020-09-14T14:53:42Z |
dc.date.available.fl_str_mv |
2020-09-14T14:53:42Z |
dc.date.issued.fl_str_mv |
2020-05-14 |
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.citation.fl_str_mv |
COSTA, Jefferson Carlos de Oliveira Ribeiro. Identificação de grupos de municípios pernambucanos para recomendação de políticas de segurança pública utilizando uma técnica de clusterização. 2020. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Pernambuco, Caruaru, 2020. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufpe.br/handle/123456789/37958 |
identifier_str_mv |
COSTA, Jefferson Carlos de Oliveira Ribeiro. Identificação de grupos de municípios pernambucanos para recomendação de políticas de segurança pública utilizando uma técnica de clusterização. 2020. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Pernambuco, Caruaru, 2020. |
url |
https://repositorio.ufpe.br/handle/123456789/37958 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.publisher.program.fl_str_mv |
Programa de Pos Graduacao em Engenharia de Producao / CAA |
dc.publisher.initials.fl_str_mv |
UFPE |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPE instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
instname_str |
Universidade Federal de Pernambuco (UFPE) |
instacron_str |
UFPE |
institution |
UFPE |
reponame_str |
Repositório Institucional da UFPE |
collection |
Repositório Institucional da UFPE |
bitstream.url.fl_str_mv |
https://repositorio.ufpe.br/bitstream/123456789/37958/1/DISSERTA%c3%87%c3%83O%20Jefferson%20Carlos%20de%20Oliveira%20Ribeiro%20Costa.pdf https://repositorio.ufpe.br/bitstream/123456789/37958/2/license_rdf https://repositorio.ufpe.br/bitstream/123456789/37958/3/license.txt https://repositorio.ufpe.br/bitstream/123456789/37958/4/DISSERTA%c3%87%c3%83O%20Jefferson%20Carlos%20de%20Oliveira%20Ribeiro%20Costa.pdf.txt https://repositorio.ufpe.br/bitstream/123456789/37958/5/DISSERTA%c3%87%c3%83O%20Jefferson%20Carlos%20de%20Oliveira%20Ribeiro%20Costa.pdf.jpg |
bitstream.checksum.fl_str_mv |
fb2546d5463a85266cf7a1c3a67111c8 e39d27027a6cc9cb039ad269a5db8e34 bd573a5ca8288eb7272482765f819534 a8f1047238ebfb5ed9538392926171a0 df637520d202435fec52852e99b4bc96 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE) |
repository.mail.fl_str_mv |
attena@ufpe.br |
_version_ |
1802310840845598720 |