Detalhes bibliográficos
| Ano de defesa: |
2019 |
| Autor(a) principal: |
SEVERIANO, Bernardo Mendonça |
| Orientador(a): |
MENDES, Letícia Teixeira |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal de Pernambuco
|
| Programa de Pós-Graduação: |
Programa de Pos Graduacao em Desenvolvimento Urbano
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://repositorio.ufpe.br/handle/123456789/38875
|
Resumo: |
O processo de construção de habitacionais de baixo custo sob o panorama da habitação de interesse social repete padrões datados que são frutos de uma mentalidade de produção em massa. O processo produtivo é diretamente ligado ao modelo de acumulação, e ultimamente esse processo se reflete no espaço construído. Sendo assim, a evolução dos habitacionais de interesse social no Brasil é fruto de um modelo que entrelaça um alto déficit habitacional com recursos provenientes de uma governança centralizada e interesse privado motivado por uma recessão na indústria construtiva. Neste contexto, este trabalho tem por finalidade explorar a utilização de modelos de aprendizado de máquina no processo de tomada de decisão no desenvolvimento de projetos de habitação de interesse social no Brasil. Fundamentalmente, espera-se a utilização de um processo baseado em dados que permita que o desenvolvimento de implantação para conjuntos de HIS seja eficiente e de baixo custo, podendo assim ser realizado dentro dos recursos atualmente disponíveis. A utilização de tal estrutura de projeto visa à remover a sobrecarga de tomada de decisões projetuais na definição de redes de infraestrutura básica. O presente trabalho explora as raízes da produção em massa e seu efeito na produção de habitações, como também os incentivos financeiros e políticos que influenciam o processo de tomada de decisões de empresas privadas responsáveis pelo desenvolvimento de infraestrutura básica e construção das unidades habitacionais. Por fim, o trabalho analisa a influência que modelos de aprendizado de máquina podem ter nesse processo e os resultados dessa adoção. |
