Use este identificador para citar ou linkar para este item:
http://www.monografias.ufop.br/handle/35400000/6129| Título: | Criação de um aplicativo para mapeamento da criminalidade da cidade de Belo Horizonte por meio de atividade Crowdsourcing no Twitter. |
| Autor(es): | Patricio, Guilherme Silva |
| Orientador(es): | Sousa, Alexandre Magno de |
| Membros da banca: | Sousa, Alexandre Magno de Ferreira, Carlos Henrique Gomes Lima, Helen de Cássia Sousa da Costa |
| Palavras-chave: | Segurança Criminalidade Registro e mapeamento de crimes Machine learning Aplicativo |
| Data do documento: | 2023 |
| Referência: | PATRICIO, Guilherme Silva. Criação de um aplicativo para mapeamento da criminalidade da cidade de Belo Horizonte por meio de atividade Crowdsourcing no Twitter. 2023. 88 f. Monografia (Graduação em Sistemas de Informação) - Instituto de Ciências Exatas e Aplicadas, Universidade Federal de Ouro Preto, João Monlevade, 2023. |
| Resumo: | A sensação de insegurança e apreensão permeiam o cotidiano de uma considerável parcela dos cidadãos do Brasil, em especial nas grandes cidades, onde a aglomeração populacional e o excesso de interações sociais podem amplificar tais sentimentos. Além disso, a grande desigualdade social combinada com o crescimento desenfreado dos grandes centros acabam criando ambientes propícios para atividades criminosas. Atualmente, estudos apontam que tecnologias como inteligência artificial, data analytics e softwares de reconhecimento facial podem ser de grande ajuda para aumentar a sensação de segurança e ajudar a reduzir os índices de violência. Dessa forma, este projeto apresenta o desenvolvimento de um aplicativo para mapear a criminalidade na cidade de Belo Horizonte de maneira a apresentar aos usuários locais potencialmente perigosos. Assim, pretende ajudar tanto a população da cidade quanto ajudar pesquisas futuras na área de segurança, de forma a fornecer dados importantes sobre o mapeamento da criminalidade. Os dados que alimentam o aplicativo foram obtidos a partir de uma coleta de dados da rede social Twitter, onde foram coletadas mais de 38 mil publicações de diferentes perfis de notícias da cidade. Após a coleta, um filtro foi construído para identificar por meio de um dicionário de crimes quais publicações estão diretamente relacionadas a algum tipo de crime e foram identificados 3.443 tweets. Em seguida, por meio de técnicas de Machine Learning, um classificador foi utilizado e os resultados mostraram uma acurácia média de 0.96 e F1-score médio de 0.96, assim, um total de 2.725 tweets foram realmente classificados com alguma atividade criminosa. Com o intuito de encontrar locais presentes nas publicações, foram aplicadas técnicas de Reconhecimento de Entidades Mencionadas (REM), dessa forma, juntamente com a API Geocoder da Prefeitura de Belo Horizonte, foram identificados 1.500 tweets com regiões e bairros da cidade mencionados no texto das publicações. Com base nessas informações, um aplicativo foi desenvolvido com a função visualizar de forma simples e objetiva os dados sobre registros de crimes a partir de mídias alternativas. |
| Resumo em outra língua: | The feeling of insecurity and apprehension permeate the daily lives of a considerable portion of Brazil’s citizens, especially in large cities, where population density and excessive social interactions can amplify such feelings. Furthermore, the significant social inequality combined with the unrestrained growth of major urban centers creates environments conducive to criminal activities. Currently, studies indicate that technologies such as artificial intelligence, data analytics, and facial recognition software can be of great help in increasing the sense of security and assisting in reducing crime rates. Thus, this project presents the development of an application to map crime in the city of Belo Horizonte in order to inform local users of potentially dangerous areas. In this way, it aims to assist both the city’s population and future research in the field of security by providing important data on crime mapping. The data that feed the application were obtained from a data collection on the Twitter social network, where more than 38,000 posts from different news profiles in the city were collected. After the collection, a filter was built to identify, through a crime dictionary, which posts are directly related to some type of crime, and 3,443 tweets were identified. Then, through Machine Learning techniques, a classifier was used, and the results showed an average accuracy of 0.96 and an average F1-score of 0.96. Thus, a total of 2,725 tweets were actually classified with some criminal activity. In order to find locations mentioned in the posts, Named Entity Recognition (NER) techniques were applied. In this way, together with the Geocoder API from the Belo Horizonte City Hall, 1,500 tweets with regions and neighborhoods of the city mentioned in the text of the posts were identified. Based on this information, an application was developed with the purpose of visually presenting data on crime records from alternative media in a simple and objective way. |
| URI: | http://www.monografias.ufop.br/handle/35400000/6129 |
| Licença: | Este trabalho está sob uma licença Creative Commons BY-NC-ND 4.0 (https://creativecommons.org/licenses/by-nc-nd/4.0/?ref=chooser-v1). |
| Aparece nas coleções: | Sistema de Informação - JMV |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| MONOGRAFIA_CriaçãoAplicativoMapeamento.pdf | 13,89 MB | Adobe PDF | Visualizar/Abrir |
Os itens na BDTCC estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.