Modelagem de previsão de resultado eleitoral dos partidos políticos utilizando abordagem de ARS

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorMello, Maria Helena Campos Soares de-
Autor(es): dc.contributorFerraz, Fernando Toledo-
Autor(es): dc.contributorCosta, Helder Gomes-
Autor(es): dc.creatorPaula, Guilheme Andrade de-
Data de aceite: dc.date.accessioned2024-07-11T17:32:14Z-
Data de disponibilização: dc.date.available2024-07-11T17:32:14Z-
Data de envio: dc.date.issued2020-01-15-
Data de envio: dc.date.issued2020-01-15-
Data de envio: dc.date.issued2019-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/12648-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/752307-
Descrição: dc.descriptionConsiderando a grande importância que as eleições possuem dentro de um país democrático este trabalho utiliza da análise de redes sociais (ARS) para compreender o funcionamento do financiamento das campanhas eleitorais de 2018 e a correlação com performance eleitoral. Atributos associados aos agentes desta rede podem ter maior ou menor influência sobre o resultado e após a fundamentação teórica foram calculados e utilizados como dimensões de aprendizado e teste em uma machine learning, que tem como objetivo prever o resultado alcançado pelos partidos políticos. A performance de um partido nas eleições majoritárias impacta a trajetória financeira e política do partido por pelo menos os próximos 2 anos, como acesso aos fundos de financiamento partidário, tempo de TV e rádio, influência no poder executivo e legislativo em nível estadual e federal e é claro, representatividade. Foram consideradas características financeiras como valores transacionados e medidas de centralidade desses partidos como input na função resultado e o total de vagas conquistadas como output. Como resultado as hipóteses não puderam ser confirmadas e o algoritmo Neural Network foi o mais preciso com as menores medidas de erro-
Descrição: dc.descriptionConsidering the great importance that elections have in a democratic country, this work uses Social Network Analysis (SNA) to understand the majority election campaign funding of 2018 and the correlation with election performance. Attributes associated with the agents of this network may have influence on the outcome and after establishing the theoretical foundation these dimensions can be used as learning and testing data in a machine learning, which aims to predict the outcome achieved by political parties. The performance of a party in the majority elections impacts it’s financial and political trajectory for at least the next 2 years, such as access to party funding, TV and radio time, influence on the executive and legislative power at the state and federal level and of course, representativeness. Financial characteristics were considered as transaction values and measures of centrality of these parties as input in the result function and the total number of vacancies won as output. As a result, the hypotheses could not be confirmed, and the Neural Network algorithm was the most accurate with the smallest error measures-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectFinanciamento eleitoral-
Palavras-chave: dc.subjectAnálise de redes sociais-
Palavras-chave: dc.subjectModelo de previsão-
Palavras-chave: dc.subjectFinanciamento-
Palavras-chave: dc.subjectCampanha eleitoral-
Palavras-chave: dc.subjectAprendizado de máquina-
Palavras-chave: dc.subjectRede social-
Palavras-chave: dc.subjectPrevisão política-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectElectoral financing-
Palavras-chave: dc.subjectSocial network analysis-
Palavras-chave: dc.subjectForecasting model-
Título: dc.titleModelagem de previsão de resultado eleitoral dos partidos políticos utilizando abordagem de ARS-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.