Estimando um indicador de desempenho com machine learning para o serviço de patrulhamento preventivo municipal

• Ano de defesa: 2023
• Autor(a) principal: Cunha, Daniel Pedro Ribeiro da
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Design Science Research; KNN; Machine Learning; Desempenho organizacional; Organizational performance; Public security and safety; Segurança pública
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/12/12139/tde-29052023-164445/

Em 2014, com o advento do Estatuto Geral das Guardas Municipais, a função de proteção municipal preventiva foi regulamentada por lei para estas organizações e estabelece, dentre outros princípios de atuação das guardas civis municipais, o patrulhamento preventivo. Este estudo procura propor um indicador de desempenho para o serviço de patrulhamento preventivo, a fim de apoiar a secretaria de segurança pública no monitoramento das estratégias de redução da criminalidade que se apoiam na alocação das viaturas nas áreas do município onde os crimes ocorrem com maior frequência. A literatura sobre gestão de desempenho das polícias, sob uma análise bibliométrica, indica que esta é uma lacuna, especialmente no que tange a aplicação de técnicas de ciência de dados e inteligência artificial, se concentrando mais em pesquisas qualitativas sobre os problemas de liderança e da implantação de modelos de gestão que na ciência emergente de modelos preditivos e da mensuração quantitativa de resultados, sendo estes últimos, escassos. Trata-se de uma pesquisa exploratória, quantitativa, que procura elaborar um artefato baseado na ciência do projeto (Design Science Research, DSR) para acompanhar a evolução da incidência de crimes em dois momentos, antes da implantação do indicador e após sua implantação. O indicador consiste do cômputo percentual de cobertura do serviço de patrulhamento preventivo (CSPP) estimado por aprendizado de máquina e relacionado aos objetivos organizacionais de redução de crimes através da manipulação de um algoritmo de classificação semelhança de vizinhos mais próximos (k-Nearest Neighbors) entre a distância dos dados georreferenciados de posições das viaturas e os locais de crimes de uma série histórica, em recortes mensais. Verifica-se que o indicador (CSPP) influencia positivamente a aderência ao planejamento operacional e a redução dos índices criminais. A pesquisa contribui para o sistema de tomada de decisão da segurança pública e abre seu modelo de gestão para a criticidade da comunidade científica, geralmente tratado como uma caixa-preta; contorna conflitos internos expostos pela literatura, e acrescenta uma classe de problemas, que é o monitoramento de operações de campo delegadas, permitindo que o artefato possa ser utilizado em estudos multidisciplinares futuros. O estudo ainda impacta positivamente a sociedade, uma vez que ao investir e instrumentalizar a gestão da segurança pública objetiva-se a qualidade de vida dos cidadãos, deixando-os menos expostos a violência.