
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Moutinho, Luiz | - |
| Autor(es): dc.contributor | Cavique, Luís | - |
| Autor(es): dc.contributor | Bigné, Enrique | - |
| Autor(es): dc.creator | Lopes, Nuno | - |
| Autor(es): dc.creator | Cavique, Luís | - |
| Data de aceite: dc.date.accessioned | 2026-08-11T12:27:33Z | - |
| Data de disponibilização: dc.date.available | 2026-08-11T12:27:33Z | - |
| Data de envio: dc.date.issued | 2025-10-13 | - |
| Data de envio: dc.date.issued | 2025-10-13 | - |
| Data de envio: dc.date.issued | 2023-10-17 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/10400.2/20352 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/10400.2/20352 | - |
| Descrição: dc.description | Social impact assessment is a fundamental process to verify the achievement of the objectives of interventions and, consequently, to validate investments in the social area. Generally, this process is based on the analysis of the average effects of the intervention, which does not allow a detailed understanding of the individualization of these effects. Causal machine learning methods mark an evolution in causal inference, as they allow for a more heterogeneous assessment of the effects of interventions. Applying these methods to evaluate the impact of social projects and programs offers the advantage of improving the selection of target audiences and optimizing and personalizing future interventions. In this chapter, in a non-technical way, the authors explore classical causal inference methods to estimate average effects and new causal machine learning methods to evaluate heterogeneous effects. They address adapting the Uplift Modeling method to assess social interventions. They also address the advantages, limitations, and research needs for using these new techniques in social intervention. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | IGI-Global | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| Título: dc.title | Causal machine learning in social impact assessment | - |
| Aparece nas coleções: | Repositório Aberto - Universidade Aberta (Portugal) | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: