Análise de regressão e previsão dos dispêndios do governo federal em ciência, tecnologia e inovação

Renata Gomes Cordeiro, Munir de Sá Mussa, Henrique Rego Monteiro da Hora, Alline Sardinha Cordeiro Morais

Resumo


A inovação tem sido reconhecida, cada vez mais, como um dos fatores que possuem forte impacto positivo para o desenvolvimento econômico e fortalecimento da competitividade. Dar conhecimento e divulgar informações que venham a contribuir para um melhor entendimento sobre as diversas formas de incentivo, sobretudo governamental, são de vital importância para a geração de novos conhecimentos e de inovação tecnológica. O presente artigo tem o objetivo de realizar a previsão dos investimentos em ciência e tecnologia (C&T) despendidos pelo governo federal para o período de 2014 a 2018. Para isso, utilizando-se do software CurveExpert e da técnica de mineração de dados conhecida como regressão, que visa prever valores numéricos, são analisados dados dos investimentos federais disponíveis entre os anos de 2000 a 2013. A partir dos gráficos gerados e da técnica utilizada foi possível obter como resultado uma análise do comportamento dos investimentos do governo federal no período de 2000 a 2018, ficando visíveis os períodos de crescimento, de baixas taxas e estabilidade. Concluindo assim que, o cálculo para o período de 2014 a 2018 é de aumento nos investimentos do governo federal em duas das instituições abordadas no estudo e leve queda para outras duas.


Palavras-chave


Pesquisa e Desenvolvimento; Mineração de dados; Análise de regressão; Inovação.

Referências


AEB. Agência Espacial Brasileira. Institucional. Disponível em: . Acesso em: 11 jan. 2017.

AMARAL, F. Aprenda Mineração de Dados: Teoria e prática. Rio de Janeiro: Alta Books Editora, 2016.

CALMANOVICI, C. E. A inovação, a competitividade e a projeção mundial das empresas brasileiras. Revista USP, v. 0, n. 89, p. 190–203, 1 maio 2011.

CARDOSO, O. N. P.; MACHADO, R. T. M. Gestão do conhecimento usando data mining estudo de caso na Universidade Federal de Lavras. 2008.

CNEN. Comissão Nacional de Energia Nuclear. Institucional. Disponível em: . Acesso em: 11 jan. 2017.

CNPQ. Conselho Nacional de Desenvolvimento Científico e Tecnológico. Institucional. Disponível em: . Acesso em: 11 jan. 2017.

DAGNINO, R. A Relação Universidade-Empresa no Brasil e o “Argumento da Hélice Tripla”. Revista Brasileira de Inovação, v. 2, n. 2 jul/dez, p. 267–307, 17 ago. 2009.

ETZKOWITZ, H.; LEYDESDORFF, L. The dynamics of innovation: From National Systems and “mode 2” to a Triple Helix of university-industry-government relations. Research Policy, v. 29, n. 2, p. 109–123, 2000.

FAYYAD, U.; PIATETSKY-SHAPIRO, G.; SMYTH, P. From data mining to knowledge discovery in databases. AI magazine, v. 17, n. 3, p. 37, 1996.

GIL, A. C. Como elaborar projetos de pesquisa. São Paulo: Atlas, 2008.

GOLDSCHMIDT, R.; PASSOS, E. Data mining: um guia Prático. [s.l.] Gulf Professional Publishing, 2005.

HYAMS, D. G. CurveExpert Professional. Alabama, Estados Unidos.: [s.n.].

LUNA, F.; MOREIRA, S.; GONÇALVES, A. Financiamento à inovação. Políticas de incentivo à inovação tecnológica no Brasil. Brasília: Ipea, 2008.

MATIAS-PEREIRA, J. A gestão do sistema de proteção à propriedade intelectual no Brasil é consistente? Revista de Administração Pública, v. 45, n. 3, p. 567–590, jun. 2011.

MCTI. Aumenta o investimento em C&T no Brasil. Disponível em: . Acesso em: 23 dez. 2016.

MCTI. Brasil: Dispêndios do governo federal em ciência e tecnologia (C&T), aplicados pelo MCTI, por unidade orçamentária e atividade, 2000-2014. Disponível em: . Acesso em: 3 jan. 2017.

MCTI. Ministério da Ciência, Tecnologia, Inovações e Comunicações. Institucional. Disponível em: . Acesso em: 11 jan. 2017.

PEREIRA NETO, A.; GALLINDO, F.; CRUZ, S. R. DA. O Programa de Apoio à Pesquisa em Empresas e o Rio Inovação: uma avaliação preliminar. Inteligência empresarial, v. 1, n. 21, p. 4–12, 2004.

SANTOS, A. C. DE S. G. DOS; MENEZES, T. DE P.; HORA, H. R. M. DA. Análise do perfil de aluno e egresso de cursos técnicos por meio de data mining: estudo de caso no Instituto Federal Fluminense. #Tear: Revista de Educação, Ciência e Tecnologia, v. 3, n. 1, 19 jun. 2014.

SILVA, E. L. DA; MENEZES, E. M. Metodologia da pesquisa e elaboração de dissertação. UFSC, Florianópolis, 4a. edição, 2005.

SILVA, R. M. DA et al. Percepção dos discentes em relação aos docentes através da aplicação de técnicas e métodos de mineração de dados. . In: XXXVIIII CONGRESSO BRASILEIRO DE EDUCAÇÃO EM ENGENHARIA. Fortaleza, CE, Brasil: 2010Disponível em:

THE UNIVERSITY OF WAIKATO. Weka. Hamilton, Nova Zelândia: [s.n.].

THERG-BRAZIL. Triple Helix Research Group – THERG-Brazil, 2013. Disponível em: . Acesso em: 16 dez. 2016

TIDD, J.; BESSANT, J. R. Managing innovation: integrating technological, market and organizational change. Fifth edition ed. Chichester, West Sussex, United Kingdom: John Wiley & Sons, 2013.

WITTEN, I. H.; FRANK, E. Data mining: practical machine learning tools and techniques. 2. ed ed. San Francisco, Calif.: Kaufmann [u.a.], 2005.


Texto completo: PDF

Apontamentos

  • Não há apontamentos.


Licença Creative Commons
Este trabalho está licenciado sob uma Licença Creative Commons Attribution 3.0 .

ISSN: 2446-9580