Pré-processamento de dados para a identificação e caracterização de entidades no contexto de análises criminais

• Processo: 18/15545-6
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de setembro de 2018
• Data de Término da vigência: 31 de março de 2019
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Leonardo Castro Botega
• Beneficiário: Leonardo Soi Sato Santos
• CNAE: Tratamento de dados, provedores de serviços de aplicação e serviços de hospedagem na internet
• Vinculado ao auxílio: 17/00927-8 - Abordagem de análise criminal para a ampliação da consciência situacional utilizando fusão de dados e informações, AP.PIPE
• Assunto(s): Processamento de dados Pré-processamento de dados Investigação criminal Crime Consciência (percepção)
• Palavra(s)-Chave do Pesquisador: Correção de Dados Criminais | Dados Criminais | Limpeza de Dados | pre-processamento de dados | Processamento de Dados

Resumo

Consciência Situacional (Situational Awareness - SAW) é um processo cognitivo importante para os tomadores de decisão em diversas áreas críticas e diz respeito à percepção da presença e disposição de entidades de interesse em um ambiente, à compreensão do significado e importância de suas ações individuais e coletivas no espaço-tempo e à projeção de seus status em um futuro próximo [1]. Para analistas criminais e tomadores de decisão, adquirir SAW é um desafio fundamental para a eficácia das atividades de alocação de recursos e determinação de estratégias e táticas de segurança pública e privada. Dados provenientes de boletins de ocorrência e outras fontes podem ser incompletos, desatualizados, inconsistentes e às vezes até mesmo irrelevantes para a caracterização de uma situação de crime. No contexto de diagnósticos de risco com base em dados criminais, falhas de SAW podem induzir analistas a erros no processo decisório e acarretar riscos a vidas e ao patrimônio. Para tentar superar tais problemas, técnicas de Fusão de Dados utilizam dados heterogêneos adquiridos por diversas fontes (inclusive humanas), identificando objetos relevantes, que posteriormente podem gerar relações/situações significativas e com reduzida incerteza [2, 3, 4]. Entretanto, abordagens de Fusão de Dados em Nível 1, dependem fortemente da qualidade sintática dos dados (ortografia, gramática, lexemas, precisão sintática) para habilitar a correta mineração e classificação de termos relevantes, presentes nos relatos humanos ou em outras fontes. Assim, este projeto objetiva a implementação de técnicas de pré-processamento (filtragem, correção ou limpeza de dados) para dar suporte aos métodos de fusão de dados que ocorrem na sequência do processo, alinhadas com os requisitos do domínio do projeto de análise de dados criminais e do modelo Quantify (Quality-aware Human-Driven Information Fusion Model) de Fusão de Informações [5]. Em estudo de caso, serão utilizados dados de registros criminais de serviços de segurança. Para avaliar a abordagem, a melhoria da qualidade da informação será comparada em relação a outras técnicas de fusão de dados, considerando o impacto dos resultados quanto à SAW de analistas criminais.