Detalhes bibliográficos
| Ano de defesa: |
2020 |
| Autor(a) principal: |
Silva, Stefan Santos Maciel |
| Orientador(a): |
Crispim, José Antônio Almeida |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade do Minho
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://www.repositorio.mar.mil.br/handle/ripcmb/845423
|
Resumo: |
Em todo o mundo, governos enfrentam um desafio sem fim de promover um número cada vez maior de serviços públicos com o mesmo (ou até menor) volume de gastos a cada ano. Aprimorar a eficiência dos gastos no setor público significa potencializar a capacidade de atuação do estado, bem como garantir que o mesmo responda adequadamente àqueles que o financiam: seus cidadãos. Neste contexto, as tecnologias da informação e comunicação são a base para muitas das ideias inovadoras que permitem reduzir custos e, ao mesmo tempo, promover a qualidade do serviço prestado. No entanto, a literatura de inovação no setor público aponta que pouca atenção foi dada às inovações relacionadas a processos tecnológicos.Por ser um campo de estudo com potencial de facilitar a tomada de decisão orientada a dados, esta pesquisa se propôs a efetuar uma abordagem baseada em aprendizado de máquina para o desenvolvimento de um modelo capaz apoiar o processo de tomada de decisão ao perceber a variação dos gastos comuns e essenciais nas mais de 400instalações pertencentes à Marinha do Brasil, responsáveis pela execução de diversas e distintas atividades necessárias ao cumprimento de sua missão institucional em todo o território brasileiro. Para atingir este objetivo, dados secundários, oriundos de diferentes fontes e que representam diversos atributos das instalações, foram devidamente coletados, tratados, e carregados em uma arquitetura que possibilitou o processo de aprendizagem sob diversas perspectivas. Posteriormente, os melhores modelos passaram por um procedimento capaz de identificar os atributos mais relevantes com base na força com que os mesmos contribuem para a performance preditiva do modelo.Os resultados mostram que, apesar das limitações de dados, o modelo alcançou uma capacidade razoável de previsão e, o conhecimento dos atributos mais importantes que contribuem para o mesmo são capazes de gerar percepçõesúteis que auxiliam no processo de tomada de decisão relacionado à gestão dos seus recursos. O desempenho alcançado também sustenta que a arquitetura desenvolvida também pode ser considerada um resultado adicional deste estudo. A implementação da mesma como um processo na plataforma de análise de dados da organização possibilitará uma análise mais aprofundada do problema apresentado, com um volume maior de dados e atributos, bem como sua reutilização em outras áreas de interesse. |
