Busca avançada
Ano de início
Entree

Modelo de redes para predição de crimes

Processo: 17/02073-6
Linha de fomento:Bolsas no Brasil - Doutorado
Vigência (Início): 01 de junho de 2017
Vigência (Término): 28 de fevereiro de 2021
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Matemática da Computação
Convênio/Acordo: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
Pesquisador responsável:Hélio Pedrini
Beneficiário:Dalton Ieda Fazanaro
Instituição-sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Vinculado ao auxílio:14/12236-1 - AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo?, AP.TEM
Bolsa(s) vinculada(s):19/11266-8 - Modelo de Redes para Predição de Crimes, BE.EP.DR
Assunto(s):Criminologia   Teoria dos grafos   Inferência estatística   Mineração de dados

Resumo

Os primeiros estudos na Ciência da Criminologia são atribuídos ao final do século XIX. Com o decurso das décadas, a Criminologia testemunhou sua essência sociológica abarcar práticas de outras áreas do conhecimento, caracterizando-se como uma ciência inerentemente interdisciplinar desde o princípio. A adoção de conceitos das Ciências Exatas em investigações em Criminologia apresenta-se como um movimento recente e ascendente, originando inclusive um novo campo de pesquisa, a Criminologia Computacional, a qual emprega teorias da Matemática Aplicada e da Ciência da Computação para oferecer soluções a problemas e questões em Criminologia por meio de modelos matemáticos e métodos computacionais. Duas das tarefas mais destacadas nessa área são o mapeamento e a predição de crimes. Enquanto a primeira tenciona identificar padrões criminais no tempo e no espaço, a segunda intenta, em geral a partir dos resultados do mapeamento, inferir, por exemplo, a probabilidade de que determinado tipo de crime aconteça em uma localidade específica. A presente proposta de projeto de Doutorado foca, essencialmente, na predição de crimes, por ser esta uma tarefa ainda incipiente e passível de relevantes e inovadoras contribuições científicas, possibilitadas pelo aprimoramento do poder computacional e dos avanços tecnológicos experimentados nas últimas décadas. Para tanto, sugere-se o emprego de redes complexas e redes de Petri, escolhas estas decorrentes de suas naturezas gráficas dinâmicas e robustas, supostamente adequadas para tratar a grandeza e a complexidade dos dados criminais obtidos nos dias de hoje. Ao final, além da criação de um novo modelo matemático-computacional de predição e inferência, o projeto oferecerá, ainda, uma contribuição social, ao usar estatísticas criminais das esferas estadual paulista e federal brasileira para a sua validação. (AU)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
FAZANARO, DALTON IEDA; PEDRINI, HELIO. A comparative analysis of Bayesian network structure learning algorithms applied to crime data. Intelligent Data Analysis, v. 24, n. 4, p. 887-907, 2020. Citações Web of Science: 0.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.