Regression analysis and prevision of public spendings at federal government's science, technology and innovation

  • Renata Gomes Cordeiro Instituto Federal de Educação, Ciência e Tecnologia Fluminense - IFFluminense, RJ, Brasil.
  • Munir de Sá Mussa Instituto Federal de Educação, Ciência e Tecnologia Fluminense - IFFluminense, RJ, Brasil. https://orcid.org/0000-0001-6431-6109
  • Henrique Rego Monteiro da Hora Instituto Federal de Educação, Ciência e Tecnologia Fluminense - IFFluminense, RJ, Brasil. https://orcid.org/0000-0001-7192-9245
  • Alline Sardinha Cordeiro Morais Instituto Federal de Educação, Ciência e Tecnologia Fluminense - IFFluminense, RJ, Brasil.
Keywords: research and development, data mining, regression analysis, innovation

Abstract

Innovation has been increasingly recognized as one of the factors that have a strong positive impact on economic development and competitiveness. Giving knowledge and disseminating information that will contribute to a better understanding of the various forms of incentive, especially governmental, are of vital importance for the generation of new knowledge and technological innovation. The objective of this article is to prevision the investments in science and technology expended by the federal government for the period from 2014 to 2018. For this purpose, using CurveExpert software and the data mining technique known as regression, which aims to predict numerical values, data from federal investments available between 2000 and 2013 are analyzed. Based on the graphs generated and the technique used, it was possible to obtain an analysis of the behavior of federal government investments in the period 2000 to 2018, showing periods of growth, low rates and stability. Concluding, therefore, the calculation for the period from 2014 to 2018 is an increase in federal government investments in two of the institutions addressed in the study and slight decrease for two others.

Downloads

Download data is not yet available.

Author Biographies

Renata Gomes Cordeiro, Instituto Federal de Educação, Ciência e Tecnologia Fluminense - IFFluminense, RJ, Brasil.
Mestranda em Sistemas Aplicados a Engenharia e Gestão pelo Instituto Federal de Educação, Ciência e Tecnologia Fluminense - IFFluminense, RJ, Brasil.
Munir de Sá Mussa, Instituto Federal de Educação, Ciência e Tecnologia Fluminense - IFFluminense, RJ, Brasil.
Mestrando em Sistemas Aplicados a Engenharia e Gestão pelo Instituto Federal de Educação, Ciência e Tecnologia Fluminense - IFFluminense, RJ, Brasil.
Henrique Rego Monteiro da Hora, Instituto Federal de Educação, Ciência e Tecnologia Fluminense - IFFluminense, RJ, Brasil.
Diretor de Internacionalização e Inovação no Instituto Federal de Educação, Ciência e Tecnologia Fluminense – IFFluminense, RJ, Brasil. Doutor em Engenharia de Produção pela Universidade Federal Fluminense - UFF, RJ, Brasil.
Alline Sardinha Cordeiro Morais, Instituto Federal de Educação, Ciência e Tecnologia Fluminense - IFFluminense, RJ, Brasil.
Doutora em Engenharia e Ciência dos Materiais pela Universidade Estadual do Norte Fluminense Darcy Ribeiro - UENF, RJ, Brasil.

References

AEB. Agência Espacial Brasileira. Institucional. Disponível em: <http://www.aeb.gov.br/institucional/sobre-a-aeb/>. 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: <http://www.cnen.gov.br/>. Acesso em: 11 jan. 2017.

CNPQ. Conselho Nacional de Desenvolvimento Científico e Tecnológico. Institucional. Disponível em: <http://cnpq.br/apresentacao_institucional/>. 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: <http://www.mcti.gov.br/noticia/-/asset_publisher/epbV0pr6eIS0/content/aumenta-o-investimento-em-c-t-no-brasil;jsessionid=BF0B6A9337FF0D6064C697804477A8F4>. 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: <http://www.mct.gov.br/index.php/content/view/5410/Brasil_Dispendios_do_governo_federal_em_ciencia_e_tecnologia_C_T_sup_1_2_sup__aplicados_pelo_Ministerio_da_Ciencia_Tecnologia_e_Inovacao_MCTI_por_unidade_orcamentaria_e_atividade.html>. Acesso em: 3 jan. 2017.

MCTI. Ministério da Ciência, Tecnologia, Inovações e Comunicações. Institucional. Disponível em: <http://www.mcti.gov.br/>. 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: <http://www.abenge.org.br/CobengeAnteriores/2010/artigos/549.doc>

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.

Published
2017-04-30
How to Cite
Cordeiro, R. G., Mussa, M. de S., Hora, H. R. M. da, & Morais, A. S. C. (2017). Regression analysis and prevision of public spendings at federal government’s science, technology and innovation. Revista Produção E Desenvolvimento, 3(1), 26-42. https://doi.org/10.32358/rpd.2017.v3.215
Section
Territorial Affairs