Uma panorama sobre as pesquisas que estamos desenvolvendo na área de Análise de Dados na UFPB

1. Um Panorama das Pesquisas em
Análise de Dados em Andamento na
UFPB
Alexandre Duarte
alexandre[.@]ci.ufpb.br

3. Ciência
Financiamento de Pesquisa e Mérito Científico
Política
Eleições, Eleitores e Eleitos

4. Financiamento
de Pesquisa e
Mérito
Científico

5. Financiamento de Pesquisa e Mérito
Científico: Edital Universal

6. Financiamento de Pesquisa e Mérito
Científico: Edital Universal
Fato #1: 10 dos 51 Comitês concentram 40% dos projetos
aprovados
Fato #2: O Comitê da Computação foi o 9º mais
contemplado em 2014 (3,2%)

7. Financiamento de Pesquisa e Mérito
Científico: Edital Universal

8. Financiamento de Pesquisa e Mérito
Científico: Edital Universal
Fato #3: 20 instituições concentram 52.7% de todos os
projetos universais aprovados em 2014
Fato #4: 20 instituições concentram 72.7% de todos os
projetos universais aprovados em 2014 na Computação

9. Financiamento de Pesquisa e Mérito
Científico: Bolsas de Produtividade
7%
6%
5%
4%
3%
2%
1%
0%
Percentual de Bolsas em Andamento
Distribuição das Bolsas de Produtividade em Pesquisa por Área
Área

10. Financiamento de Pesquisa e Mérito
Científico: Bolsas de Produtividade
7%
6%
5%
4%
3%
2%
1%
0%
Percentual de Bolsas em Andamento
Distribuição das Bolsas de Produtividade em Pesquisa por Área
Fato #5: 10 (das 105) áreas concentram 35% das bolsas de
produtividade em pesquisa do CNPq
Área
35%

11. 18.00%
16.00%
14.00%
12.00%
10.00%
8.00%
6.00%
4.00%
2.00%
0.00%
Percentual de Bolsas em Andamento
Financiamento de Pesquisa e Mérito
Científico: Bolsas de Produtividade
Distribuição das Bolsas de Produtividade em Pesquisa por Instituição
Instituição

12. 18.00%
16.00%
14.00%
12.00%
10.00%
8.00%
6.00%
4.00%
2.00%
0.00%
Percentual de Bolsas em Andamento
Financiamento de Pesquisa e Mérito
Científico: Bolsas de Produtividade
Distribuição das Bolsas de Produtividade em Pesquisa por Instituição
Fato #6: 10 (das 334) instituições contempladas concentram
52% dos bolsistas de produtividade em pesquisa do CNPq
Instituição
52%

13. Financiamento de Pesquisa e Mérito
Científico: Bolsas de Produtividade
12.0%
10.0%
8.0%
6.0%
4.0%
2.0%
0.0%
Percentual de Bolsas em Andamento
Distribuição das Bolsas de Produtividade em Pesquisa da área de
Computação por Instituição
Instituição

14. Financiamento de Pesquisa e Mérito
Científico: Bolsas de Produtividade
12.0%
10.0%
8.0%
6.0%
4.0%
2.0%
0.0%
Percentual de Bolsas em Andamento
Distribuição das Bolsas de Produtividade em Pesquisa da área de
Computação por Instituição
Fato #7: 7 (das 63) instituições contempladas concentram
50% dos bolsistas de produtividade em pesquisa do CNPq
na área da Computação
Instituição
50%

15. Motivação
COMO EXPLICAR QUANTITATIVAMENTE
TAIS CONCENTRAÇÕES?

16. “Diz-me com quem andas e dir-te-ei quem és. Saiba eu com que te
ocupas e saberei também no que te poderás tornar.”
Goethe

17. Financiamento de
Pesquisa e Mérito
Científico: Redes
de Colaboração
Profundidade 1: 70 nós e 137 arestas

18. Financiamento de
Pesquisa e Mérito
Científico: Redes
de Colaboração
Profundidade 2: 982 nós e 2821 arestas

19. Financiamento de
Pesquisa e Mérito
Científico: Redes
de Colaboração
Profundidade 2: 7784 nós e 25797 arestas

20. Financiamento de Pesquisa e Mérito
Científico: Projetos em Andamento
• Predição do Sucesso Científico de Pesquisadores
Através de Métricas de Análise de Redes Sociais
(Ayslânya Wanderley)
• Contando a História da Pós-Graduação no Brasil (Luiz
Carlos)
• Quem sou eu no Mundo Acadêmico: Um Sistema
para Visualização Comparativa de Produção Científica
(José Leandro)

21. Predição do Sucesso Científico de Pesquisadores Através de Métricas de
Análise de Redes Sociais
É POSSÍVEL PREVER O DESEMPENHO DE UM PESQUISADOR
POR MEIO DE SUA INTERAÇÃO EM UMA REDE DE
COLABORAÇÃO CIENTÍFICA?

22. Predição do Sucesso Científico de Pesquisadores Através de
Métricas de Análise de Redes Sociais: Metodologia

23. Predição do Sucesso Científico de Pesquisadores Através de
Métricas de Análise de Redes Sociais: Modelo Preditivo
Estimativa Desvio Padrão Teste de Wald P-Valor Limite Inferior Limite Superior
Intercepto 2,944618 0,763316674 3,857662275 0,0001 1,448544747 4,440691128
Authority -6,73936 2,407871902 -2,79888634 0,0051 -11,45870198 -2,020017567
Degree_Centrality 0,017243 0,007735031 2,229224744 0,0258 0,00208274 0,032403506
PageRank -4,83117 1,681259247 -2,873540896 0,0041 -8,126374773 -1,535959629
Clustering_Coefficient -4,29246 1,218407018 -3,523010611 0,0004 -6,680494725 -1,904426979
Matriz de Confusão a
Observado
Status_Pesquisador = 0 Status_Pesquisador = 1
Predito
Status_Pesquisador = 0 193 (TN) 58 (FN)
Status_Pesquisador = 1 74 (FP) 209 (TP)
Desempenho %
Sensibilidade 78,3
Especificidade 72,3
VPP 73,9
VPN 76,9
Acurácia 75,3
a O ponto de corte é 0,5

24. Contando a História da Pós-Graduação no Brasil
COMO EVOLUÍRAM OS PROGRAMAS DE PÓS-GRADUAÇÃO
NO BRASIL AO LONGO DOS ANOS?

25. Contando a História da Pós-Graduação
no Brasil
A network framework of cultural history
Maximilian Schich, Chaoming Song, Yong-Yeol Ahn, Alexander Mirsky, Mauro Martino, Albert-László Barabási, Dirk Helbing
Science 1 August 2014: vol. 345 no. 6196 pp. 558-562 DOI: 10.1126/science.1240064

26. Contando a História da Pós-Graduação
no Brasil
• Caracterizar a evolução histórica da formação de
pesquisadores e dos programas de pós-graduação no
Brasil
• Identificar os centros de influência nas diferentes área
de pesquisa no País
• Fazer uma análise da correlação entre o local/período
de formação dos pesquisadores e o conceito dos
programas de pós-graduação onde estes pesquisadores
atuam
• Status:
• Baixamos o Lattes! (3.9 milhões de currículos em XML)
• Começando a extração (e normalização) dos dados

27. Contando a História da Pós-Graduação
no Brasil

28. Quem sou eu no Mundo Acadêmico
UM SISTEMA PARA VISUALIZAÇÃO COMPARATIVA DE
PRODUÇÃO CIENTÍFICA

29. Quem sou eu no mundo acadêmico?
• Desenvolvimento de uma ferramenta para comparação visual
de currículos lattes
• Permitir diferentes tipos de análises (visuais) a partir de
conjuntos de currículos lattes
• Detecção de tendências
• Detecção de outliers
• Superposição de currículos
• Possíveis sub-conjuntos de interesse
• Bolsistas de Produtividade
• Pesquisadores de uma determinada área/idade/instituição/programa de pós
• Status
• Começando a extração dos dados

30. Ciência
Financiamento de Pesquisa e Mérito Científico
Política
Eleições, Eleitores e Eleitos

31. Eleições, Eleitores e
Eleitos

32. Não vote nos Parentes
Fonte: “Clãs políticos no Congresso Nacional“ - ONG Transparência Brasil

33. Não vote nos Parentes
• Correlação = -0.34 (Pearson)
Coeficiente de Correlação = -0.34 (pearson)

34. Não vote nos Parentes
• Correlação = -0.62 (Pearson)
Coeficiente de Correlação = -0.34 (pearson)

35. Não vote nos Parentes
• Correlação = 0.77 (Pearson)
Coeficiente de Correlação = -0.34 (pearson)

36. Não vote nos Parentes
• Somos pobres, subdesenvolvidos e analfabetos
porque alimentamos as oligarquias
• Alimentamos as oligarquias porque somos
pobres, subdesenvolvidos e analfabetos
• Correlação não implica em causalidade

37. Quem são os nossos Candidatos?

38. Quem são os nossos Candidatos?

39. Quem são os nossos Candidatos?

40. Quem são os nossos Candidatos?

41. Quem são os nossos Candidatos?

42. Quem são os nossos Candidatos?

43. Quem são os nossos Candidatos?

44. Política + Religião = ?

45. Política + Religião = ?

46. Política + Religião = ?

47. Política + Religião = ?

48. Política + Religião = ?
Se com um crescimento de 1.76% no número de candidatos líderes religiosos de 2006 para
2010 o número de eleitos nesta área aumentou em 91.7%, o que vai acontecer em 2014,
com um contingente 34.73% maior de líderes religiosos disputando cargos eletivos ?

49. Política + Religião = ?

50. Eleições, Eleitores e Eleitos: Projetos
em Andamento
• Coesão Parlamentar: Uma ferramenta para analisar
mudanças na coesão entre parlamentares em
votações nominais (Vitor Baptista)
• Infografia Interativa utilizando Dados Eleitorais (Lucas
Lacerda, Filipe Araújo e Ed Porto)
• Um Mapeamento da Genealogia Política no Brasil
(Maria Clara)

51. Coesão Parlamentar: Uma ferramenta para analisar mudanças na coesão
entre parlamentares em votações nominais
É POSSÍVEL IDENTIFICAR EVENTOS
POLÍTICOS SIGNIFICATIVOS ATRAVÉS DO
MONITORAMENTO DA COESÃO
PARLAMENTAR ?

52. Coesão Parlamentar: Questões de pesquisa
• É possível identificar mudanças na coesão
parlamentar baseando-se nos resultados das
votações da Câmara?
• Escândalos, manifestações populares e
eventos históricos impactam, de alguma
forma, a coesão parlamentar?

53. Coesão Parlamentar: Metodologia
• Extração e mineração de dados através de
uma API da página da Câmara dos Deputados
• Criação de API própria para otimizar coleta de
dados relevantes
• Criação de um grafo não direcional com
arestas ponderadas pelo Índice de Rice
• Criação de uma ferramenta de visualização
para os dados

54. Coesão Parlamentar: Estudo de caso -
Mensalão

55. Coesão Parlamentar: Estudo de caso -
Mensalão
2001

56. Coesão Parlamentar: Estudo de caso -
Mensalão
2002

57. Coesão Parlamentar: Estudo de caso -
Mensalão
2003

58. Infografia Interativa utilizando Dados Eleitorais
INFORMAÇÃO É LEGAL!
INFORMAÇÃO INTERATIVA É AINDA
MAIS LEGAL!

59. Infografia Interativa utilizando Dados
Eleitorais

60. Infografia Interativa utilizando Dados
Eleitorais

61. Infografia Interativa utilizando Dados
Eleitorais

62. Infografia Interativa utilizando Dados
Eleitorais

63. Um Mapeamento da Genealogia Política no Brasil
DESCOBRINDO A REDE GENEALÓGICA
DOS POLÍTICOS BRASILEIROS

64. Um Mapeamento da Genealogia
Política no Brasil
?
Crowdsourcing!

65. Um Mapeamento da Genealogia
Política no Brasil

66. LABORATÓRIO DE TRANSPARÊNCIA
PÚBLICA E BUSINESS ANALYTICS

67. Laboratório de Transparência Pública e
Business Analytics
• LABTRANSP (Nome em construção!)
– 21/11/2014
• Parceria da UFPB (Departamento de
Tecnologia em Gestão, Departamento de
Finanças e Contabilidade+ Centro de
Informática) com a OnCase
• Treinamento Pentaho e seleção de bolsistas
em Dezembro/2014 e Janeiro/2015

68. Obrigado!
alexandre@c
i.ufpb.br