Banca de DEFESA: FELIPE GABRIEL GOMES DE MEDEIROS

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: FELIPE GABRIEL GOMES DE MEDEIROS
DATA : 14/02/2025
HORA: 09:00
LOCAL: SALA VIRTUAL
TÍTULO:

Gestão da Informação contra a Fome: Elaboração de Método para Identificação de Risco de Insegurança Alimentar Grave no Estado de Pernambuco

PALAVRAS-CHAVES:

gestão da informação, insegurança alimentar grave, aprendizagem de máquina, random forest, combate à fome.

PÁGINAS: 150
RESUMO:

Estudo metodológico e aplicado que tem como objetivo geral elaborar um método de gestão da informação para identificação de risco de insegurança alimentar grave no estado de Pernambuco. Para tanto, buscou validar a hipótese de que a análise inferencial dos dados da Pesquisa Nacional por Amostra de Domicílios – PNAD Contínua extrapolada para os dados do Cadastro Único para Programas Sociais do Governo Federal, por meio de técnicas de Aprendizagem de Máquina, possibilitaria a coleta, o processamento, a disseminação e o uso da informação sobre insegurança alimentar e nutricional no estado; esse recurso apoiaria os atores públicos a desenvolver estratégias eficazes para combater a fome, permitindo a identificação de risco situação de insegurança alimentar grave em nível local e estadual, em um estado em que 6,5% dos domicílios enfrentam a fome.  Do ponto de vista metodológico, divide-se em quatro fases: a) coleta e pré processamento dos dados, b) elaboração do modelo de preditivo utilizando modelos de aprendizagem de máquina supervisionados; b) extrapolação do modelo para base da dados do cadastro único com recorte nos domicílios localizados no estado de Pernambuco; e, d) visualização da informação para mensuração comparativa do risco de insegurança alimentar grave nos municípios pernambucanos e suas regiões de desenvolvimento. Após a coleta e tratamento dos dados, foram testados, utilizando a linguagem Python, os modelos de regressão logística e random forest, com parâmetros de desempenho mínimos pré-definidos (acurácia, precisão, revocação, F1-Score e Curva ROC AOC > 0,70). Apenas o modelo de random forest atendeu ao desempenho esperado, acertando cerca de mais de 70% das previsões nas variáveis de teste e demonstrando um bom desempenho nas análises de overfitting, o que demonstra que, apesar das limitações nos datasets utilizados, o método já apresenta desempenho satisfatório, podendo ter seu desempenho melhorado a partir de ajustes e padronização na coleta dos dados pelo Governo Federal. Quando extrapolado para a base do Cadastro Único, o modelo permitiu identificar a quantidade de indivíduos com risco superior a 50% de encontrarem-se em situação de insegurança alimentar grave nos 184 municípios e no distrito de Fernando de Noronha. Foram gerados três indicadores de insegurança alimentar grave, o risco absoluto, o risco relativo e o risco estratificado, cuja visualização foi otimizada pela uso de tabelas, gráficos, histogramas e mapas coropléticos, produzidos no ambiente do Microsoft Power BI. Conclui-se que o método desenvolvido, a despeito de suas limitações, constitui importante recurso para tomada de decisão nas políticas de promoção da segurança alimentar e nutricional, reforçando o papel fundamental da informação como ativo estratégico para o enfrentamento à fome em Pernambuco, permitindo ainda maior transparência e participação social na formulação, monitoramento e avaliação das políticas.

MEMBROS DA BANCA:
Presidente - 1812583 - NADI HELENA PRESSER
Interno - 2826584 - ANTONIO DE SOUZA SILVA JUNIOR
Interno - 1379659 - NATANAEL VITOR SOBRAL
Externo à Instituição - ERBS CINTRA DE SOUZA GOMES - IFSertãoPE
Externo à Instituição - EDVALDO CARVALHO ALVES - UFPB