Identificação de grupos de municípios pernambucanos para recomendação de políticas de segurança pública utilizando uma técnica de clusterização

Detalhes bibliográficos
Autor(a) principal: COSTA, Jefferson Carlos de Oliveira Ribeiro
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