COMO A CIÊNCIA DE DADOS PODE CONTRIBUIR PARA POLÍTICAS PUBLICAS BASEADAS EM EVIDÊNCIAS
Painel
About the Event
O Painel apresentará os esforços do grupo de pesquisadores do Centro de Análise de Dados e Avaliação de Políticas Públicas (CAPP)/ IPECE:
1. A experiência do CAPP na aplicação de diferentes ferramentas de monitoramento e avaliação.
2. Apresentação de artigo científico que é produto da interação do CAPP (Centro de Análise de Dados e Avaliação de Políticas Públicas) - IPECE (Instituto de Pesquisa e Estratégia Econômica do Ceará) com o CAEN/Universidade Federal do Ceará, e investiga as decisões das famílias moradoras em área de risco do Projeto Rio Cocó entre aceitar indenização pela realocação forçada ou um apartamento em conjunto habitacional do Programa Minha Casa Minha Vida. Em modelo empírico estimado a partir de informações coletadas do Projeto Estadual Rio Cocó, investiga-se principalmente se, e como, a direção das decisões variam de acordo o valor da indenização e a escolha média da vizinhança (efeito vizinhança).
3. Palestra sobre como as diversas ferramentas de Ciências de Dados, machine learning e Inteligência Artificial podem contribuir para a tomada de decisões, o monitoramento e avaliação em políticas públicas. Também apresenta uma aplicação de como modelos de machine learning podem ser empregados para aprimorar a focalização de políticas de combate à pobreza.
1. A experiência do CAPP na aplicação de diferentes ferramentas de monitoramento e avaliação.
2. Apresentação de artigo científico que é produto da interação do CAPP (Centro de Análise de Dados e Avaliação de Políticas Públicas) - IPECE (Instituto de Pesquisa e Estratégia Econômica do Ceará) com o CAEN/Universidade Federal do Ceará, e investiga as decisões das famílias moradoras em área de risco do Projeto Rio Cocó entre aceitar indenização pela realocação forçada ou um apartamento em conjunto habitacional do Programa Minha Casa Minha Vida. Em modelo empírico estimado a partir de informações coletadas do Projeto Estadual Rio Cocó, investiga-se principalmente se, e como, a direção das decisões variam de acordo o valor da indenização e a escolha média da vizinhança (efeito vizinhança).
3. Palestra sobre como as diversas ferramentas de Ciências de Dados, machine learning e Inteligência Artificial podem contribuir para a tomada de decisões, o monitoramento e avaliação em políticas públicas. Também apresenta uma aplicação de como modelos de machine learning podem ser empregados para aprimorar a focalização de políticas de combate à pobreza.
Speakers
| Nome | Título | Biography |
|---|---|---|
| Fabrício Carneiro Linhares | Doutor em Economia | Professor Associado do Curso de Pós-Graduação em Economia (CAEN) da Universidade Federal do Ceará. Bolsista da Fundação Cearense de Apoio ao Desenvolvimento Científico e Tecnológico (FUNCAP) atuando como pesquisador do Centro de Análise de Dados e Avaliação de Políticas Públicas (CAPP) do IPECE. |
| Ricardo Brito Soares | Doutor em Economia | Professor Associado do Curso de Pós-Graduação em Economia (CAEN) da Universidade Federal do Ceará. Bolsista da Fundação Cearense de Apoio ao Desenvolvimento Científico e Tecnológico (FUNCAP) atuando como pesquisador do Centro de Análise de Dados e Avaliação de Políticas Públicas (CAPP) do IPECE. |
| Vitor Hugo Miro Couto Silva | Doutor em Economia | Professor Adjunto do Departamento de Economia Agrícola da Universidade Federal do Ceará. Bolsista da Fundação Cearense de Apoio ao Desenvolvimento Científico e Tecnológico (FUNCAP) atuando como pesquisador do Centro de Análise de Dados e Avaliação de Políticas Públicas (CAPP) do IPECE. |