Uma análise da divisão digital no Brasil através da aplicação da aprendizagem de redes bayesianas

• Ano de defesa: 2012
• Autor(a) principal: Barreto, Luis Fernando Britto Pereira de Mello
• 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: Desenvolvimento econômico; Desigualdades sociais; Digital inclusion; Economic development; Inclusão digital; Information Technology - Economic aspects; Social inequalities; Tecnologia da informação - Aspectos econômicos
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/12/12139/tde-18022013-175034/

Este trabalho buscou identificar como o Brasil está posicionado no contexto internacional da divisão digital assim como também os fatores que influenciam a divisão digital no país. Utilizando dados do cálculo do índice IDI disponibilizados pelo International Telecommunication Union (ITU) para 152 diferentes países obteve-se um modelo de clusterização a partir do aprendizado de Redes Bayesianas que resultou numa distribuição dos países em oito clusters. Este modelo foi alimentado com subconjuntos incompletos de indicadores correspondentes aos componentes do IDI para diversas subdivisões regionais brasileiras (regiões, estados, regiões metropolitanas/interiores dos estados e zonas rural/urbana), conforme a disponibilidade em diferentes fontes como a ANATEL, o IBGE e o CGI.BR. Desta forma foi possível inferir a que cluster mais provavelmente cada subdivisão regional deve pertencer. Enquanto a posição 64 no ranking do IDI coloca o Brasil em uma posição à frente de mais da metade dos 152 países incluídos, a concentração de diversas sub-regiões no sexto cluster coloca a maior parte do país apenas dois níveis acima dos países de pior classificação e a cinco níveis de distância dos melhores classificados. Já a análise dos fatores que influenciam a divisão digital no Brasil utilizou dados fornecidos pelo CGI.BR na obtenção de um modelo diferente de rede Augmented Naive Bayes para cada uma de quatro variáveis representativas de adoção tecnológica: uso da internet, uso do celular, adoção do comércio eletrônico e do internet banking. Como variáveis independentes, os modelos incluíram sexo, faixa etária, grau de instrução, situação de emprego, raça, classe social, zona rural/urbana, região e estado, sendo que as que apresentaram maior grau de influência foram a classe social e o grau de instrução. O conjunto de fatores selecionado demonstrou ser bastante preciso apenas na identificação da divisão digital em relação ao uso de internet, enquanto a utilização do celular, do comércio eletrônico e do internet banking não puderam ser totalmente explicadas, sugerindo a necessidade de mais estudos no sentido de identificar variáveis complementares que influenciem a adoção dessas tecnologias.