EVENTO
Modelagem da dinâmica de radicalização numa população prisional usando Grafos de Eventos Encadeados
Tipo de evento: Seminário LNCC
Terrorismo é um tema recorrente no noticiário internacional. Atualmente diversos especialistas em contraterrorismo e tomadores de decisão reconhecem o importante papel que o sistema prisional possui na dinâmica de radicalização. Em particular, os agentes públicos britânicos têm o interesse de apoiar projetos de pesquisa com o objetivo de desenvolver modelos exploratórios e entender as relações causais que caracterizam os processos de radicalização nas prisões. Nesta palestra apresentarei o modelo gráfico probabilístico chamado Grafo de Eventos Encadeados (GEE) que foi usado para modelar o processo de radicalização no sistema carcerário britânico. Neste contexto, existem três desafios técnicos. Primeiro, sendo baseado em árvores, o GEE pode ter um grande número de parâmetros livres. Isto torna a classe de modelos muito expressiva e flexível, mas também extremamente grande. Segundo, a dinâmica de radicalização é geralmente caracterizada por muitos desenvolvimentos assimétricos cujas independências condicionais são dependentes do contexto. Terceiro, a frequência de ocorrência dos eventos é bastante desbalanceada e a porcentagem de prisioneiros passíveis de serem radicalizados é ínfima. Portanto, para encontrar um modelo útil no espaço de modelos é preciso desenvolver algoritmos de seleção de modelos que combine eficientemente dados coletados com informação a priori sobre o domínio. Adotando a abordagem Bayesiana, desenvolvemos uma metodologia de seleção de modelos capaz de resolver estes desafios. O algoritmo proposto tende a selecionar modelos simples, mas que são capazes de identificar eficazmente os indivíduos com maior propensão a serem radicalizados. Os resultados empíricos também indicam que nosso algoritmo é robusto no sentido que são obtidos resultados similares para um grande conjunto de hipóteses a priori. Desta forma, o algoritmo introduz parcimônia na seleção de modelos de forma simples e direta com um baixo custo computacional em termos de memória e tempo de processamento. Estes são aspectos importantes quando se desejar usar o modelo como uma ferramenta de auxílio à decisão no nível operacional. O resultado final é a construção de gráficos multicoloridos capazes de comunicar avançadas modelagens matemáticas e estatísticas de forma direta e intuitiva. A linguagem visual permite que tomadores de decisão e especialistas de diversos setores tenham um papel relevante durante as fases de modelagem e análise quantitativa do problema. O modelo proposto incorpora dimensões etnológicas, socioeconômicas, psicológicas e demográficas. Ele pode ainda ser estendido de forma a acomodar variações conjunturais e estruturais em processos dinâmicos que necessariamente exigem a incorporação da dimensão temporal. Esta apresentação está baseada nas seguintes referências: 1. Collazo & Smith (2016), A new family of non-local priors for Chain Event Graph model selection, Bayesian Analysis, 11-4, pp. 1165-1201. 2. Collazo, Görgen & Smith (2018), Chain Event Graphs, CRC Press.
Data Início: 18/03/2019 Hora: 14:00 Data Fim: Hora: 15:30
Local: LNCC - Laboratório Nacional de Computação Ciêntifica - Auditorio B
Comitê Organizador: Rodrigo Abrunhosa Collazo - Marinha do Brasil - -
