Use este identificador para citar ou linkar para este item: https://repositorio.ifgoiano.edu.br/handle/prefix/1689
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisor1Braga, Ramayane-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1546759042373798pt_BR
dc.contributor.referee1Gontijo, Indiana-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/9824456012652518pt_BR
dc.contributor.referee2Ribeiro, Fabíola-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/8931970291174957pt_BR
dc.creatorMatos, Ana Paula-
dc.creator.Latteshttp://lattes.cnpq.br/5946797662944770pt_BR
dc.date.accessioned2021-03-24T17:20:31Z-
dc.date.available2021-03-24T17:20:31Z-
dc.date.issued2021-03-08-
dc.identifier.urihttps://repositorio.ifgoiano.edu.br/handle/prefix/1689-
dc.description.abstractCurrently, Brazil is a country of world reference in elections due to its modernization process by fully computerized electronic ballot boxes since 2000, thus guaranteeing the security of votes and democratic freedom. In each election, a large amount of data is generated and, based on statistical numbers, studies are carried out to build applications or discover new information. This work aims to conduct a research to apply knowledge discovery techniques in data mining, aiming to find a possible trend to be observed in the electorate profile of electoral zones 039 and 072 in the State of Goiás. With the help of the WEKA tool to perform this task, a set of data from voters and electoral parties at the municipal level, which took place between 2000 and 2016, obtained from the data repository made available by the TSE (Superior Electoral Court), was subsequently applied to Decision Tree technique using the J48 data classification algorithm, so that association rules can be generated. Finally, the results found through four experiments carried out are presented, explaining whether certain patterns in the electorate profile have an influence on the victory of a given party electoral election in the municipal elections in the areas mentioned.pt_BR
dc.description.resumoAtualmente, o Brasil é um país de referência mundial nas eleições devido seu processo de modernização por urnas eletrônicas totalmente informatizadas desde o ano de 2000, garantindo assim, a segurança dos votos e a liberdade democrática. Em cada eleição, uma grande quantidade de dados é gerada e, com base em números estatísticos, são efetuados estudos para construir aplicações ou descobrir novas informações. Este trabalho tem como objetivo efetuar uma pesquisa para aplicação de técnicas de descoberta de conhecimento em mineração de dados, visando encontrar uma possível tendência a ser observada no perfil do eleitorado das zonas eleitorais 039 e 072 no Estado de Goiás. Com o auxílio da ferramenta WEKA para realizar essa tarefa, é analisado um conjunto de dados de votantes e partidos eleitorais em âmbito municipal, ocorrido entre os anos de 2000 a 2016, obtidos a partir do repositório de dados disponibilizado pelo TSE (Tribunal Superior Eleitoral) e, posteriormente, é aplicada a técnica de Árvore de Decisão utilizando o algoritmo de classificação de dados J48, para que possam ser geradas regras de associações. Por fim, são apresentados os resultados encontrados através de quatro experimentos efetuados, explicitando se determinados padrões no perfil do eleitorado possuem influência na vitória de determinado pleito eleitoral partidário das eleições municipais das zonas aludidas.pt_BR
dc.description.provenanceSubmitted by Ana Paula Teodoro de Matos (ana.matos@estudante.ifgoiano.edu.br) on 2021-03-19T23:43:36Z No. of bitstreams: 1 tcc_Ana Matos.pdf: 1207251 bytes, checksum: 2734df03eb656447bcd0fa674ac6ef50 (MD5)en
dc.description.provenanceRejected by Andreia Cristiane de Magalhaes Acaz (andreia.acaz@ifgoiano.edu.br), reason: Informamos que sua submissão foi rejeitada para ajustes pelos seguintes motivos:    O Termo de Ciência e Autorização Eletrônico (TCAE) e a FICHA CATALOGRÁFICA não foram anexados à submissão. Tais documentos devem constar, obrigatoriamente, dentro das submissões feitas no Repositório. Por ventura o Termo não esteja inserido na submissão, a publicação será rejeitada pelos administradores da plataforma.  O TCAE está disponível na plataforma na aba "Termo de Autorização", podendo ser encontrado no seguinte link:  https://suap.ifgoiano.edu.br/media/documentos/arquivos/TCAE__Termo_de_autorizacao.pdf O(s) autor(es) devem revisar a versão final do trabalho acadêmico e gerar arquivo em formato PDF dessa versão, com as devidas comprovações solicitadas de aprovação dessa versão contendo as primeiras páginas na seguinte ordem: 1º Capa, 2º Folha de rosto, 3º Ficha catalográfica (verso da folha rosto), 4º TCAE, 5º Ata de defesa.  Assim que o TCAE estiver assinado e anexado, nos reenvie pela plataforma. Informamos que sua submissão não foi cancelada, você deverá entrar novamente na plataforma e seguir os procedimentos solicitados. Para tirar dúvidas, sugerimos que você dê uma olhada nos tutoriais de como submeter o trabalho no RIIFGoiano:  https://suap.ifgoiano.edu.br/media/documentos/arquivos/como_depositar_riif_goiano_1.1.pdf on 2021-03-22T12:37:39Z (GMT)en
dc.description.provenanceSubmitted by Ana Paula Teodoro de Matos (ana.matos@estudante.ifgoiano.edu.br) on 2021-03-23T23:53:25Z No. of bitstreams: 1 tcc_Ana Matos.pdf: 1744514 bytes, checksum: f841b16d5c7ee0e1d837c3a239b97c6c (MD5)en
dc.description.provenanceApproved for entry into archive by Johnathan Diniz (johnathan.diniz@ifgoiano.edu.br) on 2021-03-24T17:18:00Z (GMT) No. of bitstreams: 1 tcc_Ana Matos.pdf: 1744514 bytes, checksum: f841b16d5c7ee0e1d837c3a239b97c6c (MD5)en
dc.description.provenanceMade available in DSpace on 2021-03-24T17:20:31Z (GMT). No. of bitstreams: 1 tcc_Ana Matos.pdf: 1744514 bytes, checksum: f841b16d5c7ee0e1d837c3a239b97c6c (MD5) Previous issue date: 2021-03-08en
dc.languageporpt_BR
dc.publisherInstituto Federal Goianopt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCampus Cerespt_BR
dc.publisher.initialsIF Goianopt_BR
dc.relation.referencesABERNETHY, Michael. Mineração de dados com o Weka. IBM, 2010. Disponível em: https://www.ibm.com/developerworks/br/opensource/library/os-weka1/index.html. Acesso em: 24 de mar. de 2020. APURAÇÃO. G1, 2012. Disponível em: http://g1.globo.com/go/goias/apuracao/itapa ci.html. Acesso em: 28 de abr. de 2020. BRASIL tem 147,3 milhões de eleitores aptos a votar nas eleições 2018. TSE, 2018. Disponível em: http://www.tse.jus.br/imprensa/noticias-tse/2018/Agosto/brasil-tem-147-3-milhões-de-eleitores-aptos-a-votar-nas-eleições-2018/. Acesso em: 26 de mar. de 2020. CARVALHO, L. A. V. Dataminig: a mineração de dados no marketing, medicina, economia, engenharia e administração: 1. ed. São Paulo: Érica, 2001. CIÊNCIA de dados Weka. Minerando Dados, 2019. Disponível em: https://minerandodados.com.br/ciencia-dados-weka/weka-tela-parametros-algoritmo-j48-classificacao/. Acesso em: 27 de mar. de 2020. FÁVERO, Luiz Paulo. KDD e Data Mining: mais do que apenas conceitos. It Forum 365, 2019. Disponível em: https://www.itforum365.com.br/colunas/kdd-e-data-mining-mais-do-que-apenas-conceitos/. Acesso em: 27 de mar. de 2020. FAYYAD, Usama; PIATETSKY-SHAPIRO, Gregory e SMYTH, Padhraic. Knowledge Discovery and Data Mining: Towards a Unifying Framework. AAAI, 1996. Disponível em: https://www.aaai.org/Papers/KDD/1996/KDD96-014.pdf. Acesso em: 27 de mar. de 2020. GONÇALVES, Eduardo Corrêa. Mineração de regras de associação com a ferramenta de Data Mining Weka. DevMedia, 2011. Disponível em: https://www.devmedia.com.br/mineracao-de-regras-de-associacao-com-a-ferramenta -de-data-mining-weka/20478. Acesso em: 27 de mar. de 2020. GRUS, Joel. Data Science do Zero. 1. ed. Rio de Janeiro: Alta Books, 2016. GUEDES, Pedro Casali. Aplicação de técnicas de data mining para previsibilidade eleitoral. 120f. Trabalho de Conclusão de Curso (Bacharel) Universidade Federal de Santa Catarina, Florianópolis, 2018. KIRA, Gustavo. Aplicação de técnicas de mineração de dados à um recorte do repositório de dados históricos sobre eleições brasileiras do Tribunal Superior Eleitoral brasileiro. 116f. Trabalho de Conclusão de Curso (Bacharel) Universidade Tecnológica Federal do Paraná, Curitiba, 2014. LAS CASAS, Pedro Henrique Bragioni. Mineração de dados aplicada. Homepages, 2014. Disponível em: https://homepages.dcc.ufmg.br/~pedro.lascasas/aula_2_mine ra%C3%A7%C3%A3o_de_dados_aplicada_weka.pdf. Acesso em: 27 de mar. de 2020. LAVAREDA, Antônio. (2011). Neuropolítica: o papel das emoções e do inconsciente. Revista USP, (90) 120-147. Disponível em: https://doi.org/10.11606/is sn.2316-9036.v0i90p120-147/. Acesso em: 27 de mar. de 2020. MATSUMOTA, Leonardo. Data Mining (Mineração de Dados) utilizando Weka. Management and It Innovation, 2018. Disponível em: https://leonardo-matsumota.co m/2018/03/08/data-mining-mineracao-de-dados-utilizando-weka/. Acesso em: 27 de mar. de 2020. PEREIRA, Francisco Carvalho. Descoberta de conhecimento a partir de dados das eleições municipais das regiões do Brasil. 59f. Trabalho de Conclusão de Curso (Especialização) Universidade Federal do Pampa, Bagé, 2013. PROCESSO eleitoral no Brasil. TSE, 2015. Disponível em: http://www.tse.jus.br/ele icoes/processo-eleitoral-brasileiro/funcionamento-do-processo-eleitoral-no-brasil/. Acesso em: 24 de mar. de 2020. REPOSITÓRIO de dados eleitorais. TSE, 2016. Disponível em: http://www.tse.jus. br/eleicoes/estatisticas/repositorio-de-dados-eleitorais-1/repositorio-de-dados-eleito rais/. Acesso em: 24 de mar. de 2020. RESULTADO da eleição. TSE, 2008. Disponível em: http://www.tse.jus.br/hotsites/e statistica2008/est_result/resultadoEleicao.htm/. Acesso em: 02 de mai. de 2020. RESULTADO da eleição 2000. TSE, 2016. Disponível em: http://www.tse.jus.br/elei coes/eleicoes-anteriores/eleicoes-2000/resultado-da-eleicao-2000/. Acesso em: 02 de mai. de 2020. RESULTADO da eleição 2004. TSE, 2016. Disponível em: http://www.tse.jus.br/elei coes/eleicoes-anteriores/eleicoes-2004/candidaturas-votacao-e-resultados/resultado-da-eleicao-2004/. Acesso em: 02 de mai. de 2020. RESULTADO das eleições 2016 por região. Gazeta do povo, 2016. Disponível em: https://www.gazetadopovo.com.br/apuracao/resultados-eleicoes-2016-primeiroturno/. Acesso em: 28 de abr. de 2020. SILVA, L. A; PERES, S. M; BOSCARIOLI, C. Introdução à mineração de dados: com aplicações em R: 1. ed. Rio de Janeiro: Elsevier, 2016.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectData miningpt_BR
dc.subjectClassificationpt_BR
dc.subjectElectoral datapt_BR
dc.subjectAssociationpt_BR
dc.subjectMunicipal Electionspt_BR
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAOpt_BR
dc.titleAPLICAÇÃO DE TÉCNICA DE MINERAÇÃO DE DADOS COMO PERSPECTIVA DE ANÁLISE DO CENÁRIO PARTIDÁRIO DAS ELEIÇÕES MUNICIPAIS DO INTERIOR GOIANOpt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
Aparece nas coleções:Bacharelado em Sistemas de Informação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
tcc_Ana Matos.pdf1,7 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.