O Processo de descoberta do conhecimento como suporte à análise criminal

Este artigo foi publicado no Congresso Internacional de Gestão da Tecnologia e Sistemas de Informação.

Referência: SILVA, E. R. G. ; ROVER, A. J. . O Processo de descoberta do conhecimento como suporte à análise criminal: minerando dados da Segurança Pública de Santa Catarina. In: International Conference on Information Systems and Technology Management, 2011, São Paulo. Anais da International Conference on Information Systems and Technology Management. São Paulo: FEA, 2011. v. 8.

Resumo: Este artigo pretende apresentar os processos de mineração de textos e dados para dar suporte à análise criminal. Pretende-se vislumbrar a utilização pragmática dos processos no domínio da segurança pública. Como a análise criminal é um dos pilares da gestão integrada em segurança pública, e esta visa formular estratégias para um enfrentamento eficiente das ações criminosas, pode-se destacar que ela precisa de ferramentas capazes de auxiliar no processo de extração do conhecimento dos bancos de dados das instituições de segurança pública.

A extração deste conhecimento ajudará na produção de análises criminais mais embasadas. A mineração de dados, por meio dos processos de Knowledge Discovery in Database (KDD) e Knowledge Discovery Text (KDT), podem ajudar as instituições a gerar análises criminais mais confiáveis e melhorar o entendimento do fenômeno da criminalidade. Estas análises podem também auxiliar as instituições na formulação de estratégias para atuar contra os criminosos de forma integrada e inteligente. A produção de análises criminais pelos analistas é cercada de vários passos, assim como os processos de KDD e KDT, mas o objetivo em comum em ambos é disponibilizar conhecimento para tomada de decisão. Desta forma, este artigo utiliza dados reais da secretaria de segurança pública, mais precisamente dos boletins de ocorrência registrados na polícia civil de Santa Catarina.

Os dados são sobre algumas tipificações de crimes contra a vida. Para manipulação destes dados foi usada a ferramenta WEKA, empregando um algoritmo de associação. O algoritmo utilizado foi o apriori que associou os eventos dos dados das ocorrências registradas. O processo de KDT ajudou a refinar a amostra de dados e o KDD fez as inferências necessárias para colher alguns resultados. Com as associações do apriori se verificou qual a faixa etária entre as vítimas é mais suscetível aos crimes de homicídio, quais horários há maior número de homicídios dolosos e o estado civil das vítimas. Estas informações analisadas e disponibilizadas aos tomadores de decisão podem ajudar no planejamento das instituições que corroboram para a manutenção da segurança pública.

Disponível para baixar: http://egov.ufsc.br/portal/sites/default/files/o_processo_de_descoberta_do_conhecimento_na_seguranca_publica.pdf