Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/34844
Título: | Algoritmos de aprendizado de máquina no contexto da confiança em governos latino-americanos |
Título(s) alternativo(s): | Machine learning algorithms in the context of trust in latin american governments |
Autor(es): | Khouri, David Sella |
Orientador(es): | Santos, Bruno Samways dos |
Palavras-chave: | Aprendizado do computador Mineração de dados (Computação) Confiança Administração de regiões metropolitanas Latino-americanos Machine learning Data mining Confidence Metropolitan government Latin Americans |
Data do documento: | 16-Ago-2024 |
Editor: | Universidade Tecnológica Federal do Paraná |
Câmpus: | Londrina |
Citação: | KHOURI, David Sella. Algoritmos de aprendizado de máquina no contexto da confiança em governos latino-americanos. 2024. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Produção) - Universidade Tecnológica Federal do Paraná, Londrina, 2024. |
Resumo: | O aprendizado de máquina avançou significativamente nas últimas décadas, seu efeito é sentido em uma variedade de casos, possibilitando que computadores processem, aprendam e extraiam conhecimentos do grande volume de dados que são gerados diariamente. A confiança é a base de inúmeras interações essenciais para sociedades saudáveis, o nível de confiança no governo pode ser influenciado por diferentes fatores. Então é de interesse comum da sociedade entender o panorama da confiança no governo e quais fatores a afetam. Entretanto, ainda há uma carência de pesquisas que analisam a confiança no governo com uma abordagem de mineração de dados e aprendizado de máquina, sendo vistos estudos em contextos como confiança social, engajamento político dos cidadãos, confiança política e para melhor compreender o voto populista. Com isso, o objetivo deste trabalho é aplicar as técnicas de aprendizado de máquina para classificação do nível de confiança em governos nacionais da América Latina, a partir da autopercepção dos entrevistados, utilizando dados públicos. Para tal, foram utilizados dados abertos, provenientes de uma pesquisa de opinião pública contendo perguntas sobre a sociedade, democracia, economia e confiança no governo. Os dados foram disponibilizados pela Corporação Latinobarómetro, uma organização sem fins lucrativos sediada em Santiago, Chile, dedicada à realização de pesquisas de opinião pública na América Latina. |
Abstract: | Machine learning has advanced significantly in recent decades and its impact is felt in a variety of cases, enabling computers to process, learn, and extract knowledge from the vast amount of data generated daily. Trust is the foundation of numerous interac-tions essential for healthy societies and the level of trust in government can be influ-enced by different factors. Therefore, it is of common societal interest to understand the landscape of trust in government and the factors that affect it. However, there is still a lack of research analyzing trust in government with a data mining and machine learning approach, with studies focusing on contexts such as social trust, citizen polit-ical engagement, political trust, and better understanding populist voting. Thus, the objective of this study is to apply machine learning techniques to classify the level of trust in national governments in Latin America, based on respondents’ self-perception, using public data. To achieve this, open data from a public opinion survey containing questions about society, democracy, economy, and trust in government were used. The data were provided by the Latinobarómetro Corporation, a non-profit organization based in Santiago, Chile, dedicated to conducting public opinion surveys in Latin America. |
URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/34844 |
Aparece nas coleções: | LD - Engenharia de Produção |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
aprendizadomaquinaconfiancagoverno.pdf | 2,34 MB | Adobe PDF | Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons