Analisís de datos de violencia doméstica contra las mujeres
DOI:
https://doi.org/10.33448/rsd-v12i1.39561Palabras clave:
Análisis de datos; La violencia doméstica; Análisis predictivo; Descubrimiento de conocimiento en bases de datos.Resumen
El feminicidio es el peor desenlace de una ocurrencia en los casos de violencia doméstica, ya que la mujer muere después de sufrir violencia una o más veces. Las bases de datos sobre violencia doméstica y feminicidio en el estado de Paraná están compuestas por muchos atributos y valorarlos para su posterior análisis es un problema que, sin la ayuda de un flujo o método, puede ser una tarea lenta e ineficaz. El objetivo de este estudio fue construir flujos de análisis predictivo que apoyen la investigación con datos de seguridad pública. Se trata de una investigación con enfoque cuantitativo, método inductivo, a nivel exploratorio. El análisis de las bases de datos de violencia contra las mujeres de los años 2018, 2019 y 2020 se realizó utilizando estadística descriptiva combinada con el modelo Fayyad para el descubrimiento de conocimiento a través de la minería de datos que empleó cuatro técnicas de selección de atributos de enfoque filtro y algoritmos de inducción para reglas PRISM y CN2. La edad promedio es 37 años y la ocupación más frecuente está ligada al servicio doméstico para las víctimas de ambas las bases de datos, el 63% de las mujeres muertas por femicidio tienen antecedentes de violencia doméstica, siendo más probable que la víctima y el victimario cohabiten y 19 % de las víctimas registraron más de una ocurrencia. Las reglas generadas por el algoritmo CN2 con las técnicas de selección de atributos CFS e Info Gain fueron validadas por especialistas en análisis criminal.
Citas
Azevedo, A., & Santos, M. F. (2008). KDD, SEMMA and CRISP-DM: a parallel overview. In A. Abraham (ed.), IADIS European Conference Data Mining, IADIS, 182-185. http://recipp.ipp.pt/handle/10400.22/136%0Ahttp://recipp.ipp.pt/bitstream/10400.22/136/3/KDD-CRISP-SEMMA.pdf
Brasil. (31 de Dezembro de 1940). Decreto-Lei 2.848, de 07 de Dezembro de 1940. Legislação. Brasília, Distrito Federal, Brasil.
Brasil. (7 de Agosto de 2006). Lei nº 11.340, de 7 de Agosto de 2006. Legislação. Brasília, Distrito Federal, Brasil.
Brasil. (9 de Março de 2015). Lei nº 13.104, de 9 de Março de 2015. Legislação. Brasília, Distrito Federal, Brasil.
Clark, P., & Niblett, T. (1989). The CN2 induction algorithm machine learning. Machine Learning, [s. l.], 3, 261-283. https://link.springer.com/content/pdf/10.1023/A:1022641700528.pdf
Da Silva Costa, C. A., Tsunoda, D. F., & Pecini, A. C. (2021). Análise de dados de violência doméstica: revisão integrativa. In: XXVI Congresso Nacional de Administração, Goiânia: SINAGO. https://drive.google.com/file/d/1R-y8s_mEP6LrelU9NW2OQq2jnoSWTelL/view
Da Silva, L. A., Peres, S. M., & Boscarioli, C. (2016). Introdução à mineração de dados: com aplicação em R. (1 ed.). Rio de Janeiro: Elsevier.
Dias, E. R., Uscocovich, K. J. S., & Lise, A. M. R. (2022). Post-traumatic stress disorder in women who suffer domestic violence in the city of Cascavel-PR. Research, Society and Development, [S. l.], 11, (17), e101111738850. doi:https://doi.org/10.33448/rsd-v11i17.38850
Fayyad, U., Piatestky-Shapiro, G., & Smyth, P. (1996). Knowledge discovery and data mining. Association for the Advancement of Artificial Intelligence (AAAI), [s. l.], 17, (3), 37–54. https://www.aaai.org/Papers/KDD/1996/KDD96-014.pdf
Gil, A. C. (2008). Métodos e técnicas de pesquisa social. (6 ed.). São Paulo: Atlas.
Goldshmidt, R., & Passos, E. (2005). Data mining: conceitos, técnicas, algoritmos, orientações e aplicações. Rio de Janeiro: Elsevier.
Halmenschlager, C. (2002). Um algoritmo para indução de árvores e regras de decisão. (Dissertação de Mestrado). Universidade Federal do Rio Grande do Sul, Porto Alegre. https://www.lume.ufrgs.br/bitstream/handle/10183/2755/000325797.pdf
Karakurt, G., Patel, V., Whiting, K., & Koyutürk, M. (2016). Mining electronic health records data: domestic violence and adverse health effects. Journal of Family Violence, 32, (1), 79–87. doi:https://doi.org/10.1007/s10896-016-9872-5
Karystianis, G., Adily, A., Schofield, P. W., Greenberg, D., Jorm, L., Nenadic, G., & Butler, T. (2019). Automated analysis of domestic violence police reports to explore abuse types and victim injuries: text mining study. Journal of Medical Internet Research, 21, (3), e13067. doi:https://doi.org/10.2196/13067
Ko, K. S., & Kim, M. S. (2015). Grounded theory approach on post-divorce social adjustment experience of female victims of domestic violence. Indian Journal of Science and Technology, 8, (18). doi:https://doi.org/10.17485/ijst/2015/v8i18/77013
Lee, H. D. (2005). Seleção de atributos importantes para a extração de conhecimento de bases de dados. (Tese de Doutorado). Universidade de São Paulo, São Carlos. https://www.teses.usp.br/teses/disponiveis/55/55134/tde-22022006-172219/publico/tese_huei.pdf.
Lima, R. A. F. de. (2016). Estratégias de seleção de atributos para detecção de anomalias em transações eletrônicas. (Dissertação de Mestrado). Universidade Federal de Minas Gerais, Belo Horizonte. https://www.dcc.ufmg.br/pos/cursos/defesas/1930M.PDF
Liu, H., & Yu, L. (2005). Toward integrating feature selection algorithms for classification and clustering. IEEE Transactions on Knowledge and Data Engineering, [s. l.], 17, (4), 491–502. https://www.cs.binghamton.edu/~lyu/publications/Liu-Yu05TKDE.pdf
Liu, L. Y., Bush, W. S., Koyutürk, M., & Karakurt, G. (2020). Interplay between traumatic brain injury and intimate partner violence: Data Driven Analysis utilizing electronic health records. BMC Women's Health, 20, (1). doi:https://doi.org/10.1186/s12905-020-01104-4
Macedo, D. C. de. (2012). Comparação da redução de dimensionalidade de dados usando seleção de atributos e conceito de framework: um experimento no domínio de clientes. (Dissertação de Mestrado). Universidade Tecnológica Federal do Paraná, Ponta Grossa. https://repositorio.utfpr.edu.br/jspui/bitstream/1/602/3/PG_PPGEP_M_Macedo%2C%20Dayana%20Carla%20de_2012.pdf
Manzanares, R. C., Tarrío, C. T., & Salgado, C. A. (2011). Mediacón em violencia de género. Revista de Mediación, [s. l.], 4, (7), 38-45. https://revistademediacion.com/wp-content/uploads/2013/10/Revista-Mediacion-7-05.pdf
Mcgee, J. V., & Prusak, L. (1994). Gerenciamento estratégico da informação: aumente a competitividade e a eficácia de sua empresa utilizando a informação como uma ferramenta estratégica. Rio de Janeiro: Campus.
Souza, J. T. de. (2017). Métodos de seleção de atributos e análise de componentes principais: um estudo comparativo. (Dissertação de Mestrado). Universidade Tecnológica Federal do Paraná, Ponta Grossa. https://repositorio.utfpr.edu.br/jspui/bitstream/1/2387/1/PG_PPGEP_M_Souza%2C%20Jovani%20Taveira%20de_2017.pdf
Vasconcelos, B. de S. (2002). Mineração de regras de classificação com sistemas de banco de dados objeto-relacional: estudo de caso: classificação de litofácies de poços de petróleo. (Dissertação de Mestrado). Universidade Federal de Campina Grande, Campina Grande. http://docs.computacao.ufcg.edu.br/posgraduacao/dissertacoes/2002/Dissertacao_BenitzDeSouzaVasconcelos.pdf
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 Christian Aristóteles da Silva Costa; Denise Fukumi Tsunoda
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.