Análise de dados de violência doméstica contra a mulher
DOI:
https://doi.org/10.33448/rsd-v12i1.39561Palavras-chave:
Análise de dados, Violência doméstica, Análise preditiva, Descoberta de conhecimento em bases de dados.Resumo
O feminicídio é o pior desfecho de uma ocorrência nos casos de violência doméstica, pois a mulher falece depois sofrer violência uma ou mais vezes. As bases de dados sobre violência doméstica e feminicídio no estado do Paraná são compostas de muitos atributos e valorá-los para sua posterior análise é um problema que, sem o auxílio de um fluxo ou método, pode ser uma tarefa demorada e ineficaz. Objetivou-se nesse estudo construir fluxos de análise preditiva que apoiassem pesquisas com dados de segurança pública. Trata-se de uma pesquisa com abordagem quantitativa, método indutivo, de nível exploratório. A análise das bases de dados de violência contra à mulher dos anos de 2018, 2019 e 2020 foi realizada por meio da estatística descritiva combinada com o modelo de Fayyad para a descoberta de conhecimento por meio da mineração de dados que empregou quatro técnicas de seleção de atributos de abordagem filtro e algoritmos de indução de regras PRISM e CN2. A idade média é de 37 anos e a ocupação mais frequente está ligada ao serviço doméstico para as vítimas de ambas as bases de dados, 63% das mulheres mortas por feminicídio tem histórico de violência doméstica sendo mais provável que a vítima e o autor coabitem e 19% das vítimas registraram mais de uma ocorrência. As regras geradas pelo algoritmo CN2 com as técnicas de seleção de atributos CFS e Info Gain foram validadas por especialistas em análise criminal.
Referências
Azevedo, A., & Santos, M. F. (2008). KDD, SEMMA and CRISP-DM: a parallel overview. In A. Abraham (ed.), IADIS European Conference Data Mining, IADIS, 182-185. http://recipp.ipp.pt/handle/10400.22/136%0Ahttp://recipp.ipp.pt/bitstream/10400.22/136/3/KDD-CRISP-SEMMA.pdf
Brasil. (31 de Dezembro de 1940). Decreto-Lei 2.848, de 07 de Dezembro de 1940. Legislação. Brasília, Distrito Federal, Brasil.
Brasil. (7 de Agosto de 2006). Lei nº 11.340, de 7 de Agosto de 2006. Legislação. Brasília, Distrito Federal, Brasil.
Brasil. (9 de Março de 2015). Lei nº 13.104, de 9 de Março de 2015. Legislação. Brasília, Distrito Federal, Brasil.
Clark, P., & Niblett, T. (1989). The CN2 induction algorithm machine learning. Machine Learning, [s. l.], 3, 261-283. https://link.springer.com/content/pdf/10.1023/A:1022641700528.pdf
Da Silva Costa, C. A., Tsunoda, D. F., & Pecini, A. C. (2021). Análise de dados de violência doméstica: revisão integrativa. In: XXVI Congresso Nacional de Administração, Goiânia: SINAGO. https://drive.google.com/file/d/1R-y8s_mEP6LrelU9NW2OQq2jnoSWTelL/view
Da Silva, L. A., Peres, S. M., & Boscarioli, C. (2016). Introdução à mineração de dados: com aplicação em R. (1 ed.). Rio de Janeiro: Elsevier.
Dias, E. R., Uscocovich, K. J. S., & Lise, A. M. R. (2022). Post-traumatic stress disorder in women who suffer domestic violence in the city of Cascavel-PR. Research, Society and Development, [S. l.], 11, (17), e101111738850. doi:https://doi.org/10.33448/rsd-v11i17.38850
Fayyad, U., Piatestky-Shapiro, G., & Smyth, P. (1996). Knowledge discovery and data mining. Association for the Advancement of Artificial Intelligence (AAAI), [s. l.], 17, (3), 37–54. https://www.aaai.org/Papers/KDD/1996/KDD96-014.pdf
Gil, A. C. (2008). Métodos e técnicas de pesquisa social. (6 ed.). São Paulo: Atlas.
Goldshmidt, R., & Passos, E. (2005). Data mining: conceitos, técnicas, algoritmos, orientações e aplicações. Rio de Janeiro: Elsevier.
Halmenschlager, C. (2002). Um algoritmo para indução de árvores e regras de decisão. (Dissertação de Mestrado). Universidade Federal do Rio Grande do Sul, Porto Alegre. https://www.lume.ufrgs.br/bitstream/handle/10183/2755/000325797.pdf
Karakurt, G., Patel, V., Whiting, K., & Koyutürk, M. (2016). Mining electronic health records data: domestic violence and adverse health effects. Journal of Family Violence, 32, (1), 79–87. doi:https://doi.org/10.1007/s10896-016-9872-5
Karystianis, G., Adily, A., Schofield, P. W., Greenberg, D., Jorm, L., Nenadic, G., & Butler, T. (2019). Automated analysis of domestic violence police reports to explore abuse types and victim injuries: text mining study. Journal of Medical Internet Research, 21, (3), e13067. doi:https://doi.org/10.2196/13067
Ko, K. S., & Kim, M. S. (2015). Grounded theory approach on post-divorce social adjustment experience of female victims of domestic violence. Indian Journal of Science and Technology, 8, (18). doi:https://doi.org/10.17485/ijst/2015/v8i18/77013
Lee, H. D. (2005). Seleção de atributos importantes para a extração de conhecimento de bases de dados. (Tese de Doutorado). Universidade de São Paulo, São Carlos. https://www.teses.usp.br/teses/disponiveis/55/55134/tde-22022006-172219/publico/tese_huei.pdf.
Lima, R. A. F. de. (2016). Estratégias de seleção de atributos para detecção de anomalias em transações eletrônicas. (Dissertação de Mestrado). Universidade Federal de Minas Gerais, Belo Horizonte. https://www.dcc.ufmg.br/pos/cursos/defesas/1930M.PDF
Liu, H., & Yu, L. (2005). Toward integrating feature selection algorithms for classification and clustering. IEEE Transactions on Knowledge and Data Engineering, [s. l.], 17, (4), 491–502. https://www.cs.binghamton.edu/~lyu/publications/Liu-Yu05TKDE.pdf
Liu, L. Y., Bush, W. S., Koyutürk, M., & Karakurt, G. (2020). Interplay between traumatic brain injury and intimate partner violence: Data Driven Analysis utilizing electronic health records. BMC Women's Health, 20, (1). doi:https://doi.org/10.1186/s12905-020-01104-4
Macedo, D. C. de. (2012). Comparação da redução de dimensionalidade de dados usando seleção de atributos e conceito de framework: um experimento no domínio de clientes. (Dissertação de Mestrado). Universidade Tecnológica Federal do Paraná, Ponta Grossa. https://repositorio.utfpr.edu.br/jspui/bitstream/1/602/3/PG_PPGEP_M_Macedo%2C%20Dayana%20Carla%20de_2012.pdf
Manzanares, R. C., Tarrío, C. T., & Salgado, C. A. (2011). Mediacón em violencia de género. Revista de Mediación, [s. l.], 4, (7), 38-45. https://revistademediacion.com/wp-content/uploads/2013/10/Revista-Mediacion-7-05.pdf
Mcgee, J. V., & Prusak, L. (1994). Gerenciamento estratégico da informação: aumente a competitividade e a eficácia de sua empresa utilizando a informação como uma ferramenta estratégica. Rio de Janeiro: Campus.
Souza, J. T. de. (2017). Métodos de seleção de atributos e análise de componentes principais: um estudo comparativo. (Dissertação de Mestrado). Universidade Tecnológica Federal do Paraná, Ponta Grossa. https://repositorio.utfpr.edu.br/jspui/bitstream/1/2387/1/PG_PPGEP_M_Souza%2C%20Jovani%20Taveira%20de_2017.pdf
Vasconcelos, B. de S. (2002). Mineração de regras de classificação com sistemas de banco de dados objeto-relacional: estudo de caso: classificação de litofácies de poços de petróleo. (Dissertação de Mestrado). Universidade Federal de Campina Grande, Campina Grande. http://docs.computacao.ufcg.edu.br/posgraduacao/dissertacoes/2002/Dissertacao_BenitzDeSouzaVasconcelos.pdf
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2023 Christian Aristóteles da Silva Costa; Denise Fukumi Tsunoda
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
