Sistema de Informação para a gestão e análise de grandes volumes de dados de áreas contaminadas

• Processo: 19/21693-0
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de março de 2020
• Data de Término da vigência: 29 de fevereiro de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Pedro Luiz Pizzigatti Corrêa
• Beneficiário: Rosa Virginia Encinas Quille
• Instituição Sede: Escola de Artes, Ciências e Humanidades (EACH). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Vinculado ao auxílio: 17/50343-2 - Plano de desenvolvimento institucional na área de transformação digital: manufatura avançada e cidades inteligentes e sustentáveis (PDIp), AP.PDIP
• Bolsa(s) vinculada(s): 22/12695-2 - Análise e gerenciamento de grandes volumes de dados ambientais baseado na experiência do US ARM Data Center, BE.EP.DR
• Assunto(s): Sistemas de informação Big data Áreas contaminadas Cidades inteligentes Cidades sustentáveis Tomada de decisão Remediação ambiental
• Palavra(s)-Chave do Pesquisador: Áreas Contaminadas | big data | Ciência de dados | Inteligência Artificial | Sistemas de Informação | visualização de dados | sistemas de informação

Resumo

Este projeto de pesquisa de doutorado propõe desenvolver um sistema de gestão e análise de grande volume de dados do gerenciamento de áreas contaminadas, no plano de transformação digital e cidades inteligentes e sustentáveis, que apoie na tomada de decisões, podendo ser estas relacionadas à aplicação de métodos de remediação de solos, ações emergenciais, entre outros tipos de intervenções feitas por especialistas e/ou entidades concernentes. Serão, utilizados dados georreferenciados, provenientes de diferentes fontes, tais como dados históricos, novos estudos e dados dinâmicos ($i.e.$ sensores aerotransportados óticos, digitais, laser e radar). As características destes dados podem ser classificados pela grande quantidade de dados (volume), potencialmente obtidas por tecnologias de sensores, onde novos elementos são inseridos em tempo real (velocidade). A natureza das informações também é muito diversa, desde dados históricos, até análises físico-químicas dos materiais presentes nas áreas investigadas (variedade). Então, esses dados serão estudados e processados por meio de técnicas de Ciência de Dados, onde uma metodologia de análise de dados na arquitetura de \textit{Big Data} será proposta, considerando sua aplicabilidade no contexto das cidades inteligentes e sustentáveis. (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)

FILGUEIRAS, LUCIA VILELA LEITE; CORREA, PEDRO LUIZ PIZZIGATTI; ALVES-SOUZA, SOLANGE N.; TEODORO, SIGMAR MONROE; DA SILVA, MARIANA SAVAREZZE PEREIRA; QUILLE, ROSA VIRGINIA ENCINAS; DEMUNER, VANESSA RAFAELA DE SOUZA. Working with robotic process automation: User experience after 18 months of adoption. FRONTIERS IN COMPUTER SCIENCE, v. 4, p. 20-pg., 2022-09-16. (19/21693-0)

ENCINAS QUILLE, ROSA VIRGINIA; DE ALMEIDA, FELIPE VALENCIA; BORYCZ, JOSHUA; PIZZIGATTI CORREA, PEDRO LUIZ; FILGUEIRAS, LUCIA VILELA LEITE; MACHICAO, JEANETH; DE ALMEIDA, GUSTAVO MATHEUS; MIDORIKAWA, EDSON TOSHIMI; DE SOUZA DEMUNER, VANESSA RAFAELA; RAMIREZ BEDOYA, JOHN ALEXANDER; et al. Performance Analysis Method for Robotic Process Automation. SUSTAINABILITY, v. 15, n. 4, p. 19-pg., 2023-02-01. (19/21693-0, 20/03514-9)

QUILLE, ROSA VIRGINIA ENCINAS; BARROS, JOSE MELENDEZ; BARBADO JUNIOR, MARCIO; DE ALMEIDA, FELIPE VALENCIA; PIZZIGATTI CORREA, PEDRO LUIZ. Detecting Favorite Topics in Computing Scientific Literature via Dynamic Topic Modeling. IEEE ACCESS, v. 11, p. 11-pg., 2023-01-01. (19/21693-0)