• português (Brasil)
    • English
    • español
    • italiano
    • Deutsch
  • español 
    • português (Brasil)
    • English
    • español
    • italiano
    • Deutsch
  • Login
Ver ítem 
  •   DSpace Principal
  • Teses, Dissertações e Relatórios
  • Teses, Dissertações e Relatórios defendidos na UCS
  • Programa de Pós-Graduação em Engenharia de Produção
  • Mestrado Profissional em Engenharia de Produção
  • Ver ítem
  •   DSpace Principal
  • Teses, Dissertações e Relatórios
  • Teses, Dissertações e Relatórios defendidos na UCS
  • Programa de Pós-Graduação em Engenharia de Produção
  • Mestrado Profissional em Engenharia de Produção
  • Ver ítem
JavaScript is disabled for your browser. Some features of this site may not work without it.

Modelo de previsão de vagas de educação infantil de um município brasileiro

Thumbnail
Ver/
Dissertação Guilhermo Offmaister Piva.pdf (721.9Kb)
Fecha
2021-06-10
Autor
Piva, Guilhermo Offmaister
Orientador
Vidor, Gabriel
Metadatos
Mostrar el registro completo del ítem
Resumen
A educação, como direito de todos e dever do estado e da família, é um bem jurídico assegurado pela Constituição Federal. Estima-se que no Brasil existem cerca de 2.000.000 de crianças privadas do acesso a educação infantil. Um modelo capaz de estimar inscrições e assim auxiliar na formulação de estratégias destinadas à suprir a demanda da educação infantil de um município do Brasil é proposto. Analisando o orçamento para reformas e ampliação da educação infantil e a quantidade matrículas, anualmente, percebe-se que existe um descompasso entre valor investido e aumento na capacidade de atendimento. Especula-se que tal comportamento justifica-se pelo desconhecimento, ainda que marginal, acerca de demanda por inscrições. Considerando a capacidade de generalização e adaptabilidade das redes neurais, utilizou-se a perceptron de múltiplas camadas como modelo de predição. Utilizando a série temporal de inscrições do sistema de gestão do município de Camboriú, entre 2012 e 2019, avaliou-se padrões de tendencia e sazonalidade. Iterativamente, ajustaram-se os parâmetros da rede neural utilizando o algorítimo back-propagation e, estimou-se a quantidade de inscritos para o ano de 2019. O modelo foi capaz de prever a quantia de 3513 inscrições, frente os 3354 da série temporal real, resultando em um erro percentual médio absoluto de 1,44%. Ainda, considerando que utilizou-se somente a série temporal de inscrições de um município, acredita-se que a utilização de outras variáveis e/ou outra arquitetura de redes neurais poderiam ser investigadas. [resumo fornecido pelo autor]
URI
https://repositorio.ucs.br/11338/7376
Colecciones
  • Mestrado Profissional em Engenharia de Produção [53]

DSpace software copyright © 2002-2016  DuraSpace
Contacto | Sugerencias
Theme by 
Atmire NV
 

 

Listar

Todo DSpaceComunidades & ColeccionesPor fecha de publicaciónAutoresTítulosMateriasEsta colecciónPor fecha de publicaciónAutoresTítulosMaterias

Mi cuenta

AccederRegistro

DSpace software copyright © 2002-2016  DuraSpace
Contacto | Sugerencias
Theme by 
Atmire NV