Access to knoledge in Brazil: new research on intellectual property, innovation and development

The present volume is the fruit of a research initiative on Access to Knowledge begun in 2004 by Yochai Benkler, Eddan Katz, and myself. Access to Knowledge is both a social movement and an approach to international and domestic policy. In the present era of globalization, intellectual property and information and communications technology are major determinants of wealth and power. The principle of access to knowledge argues that we best serve both human rights and economic development through policies that make knowledge, knowledge-creating tools, and nowledgeembedded goods as widely available as possible for decentralized innovation and use. Open technological standards, a balanced approach to intellectual property rights, and expansion of an open telecommunications infrastructure enable ordinary people around the world to benefit from the technological advances of the information age and allow them to generate a vibrant, participatory and democratic culture. Law plays a crucial role in securing access to knowledge, determining whether knowledge and knowledge goods are shared widely for the benefit of all, or controlled and monopolized for the benefit of a few.

Aplicação de classificadores Bayesianos e regressão logística na análise de desempenho dos alunos de graduação

Este trabalho minera as informações coletadas no processo de vestibular entre 2009 e 2012 para o curso de graduação de administração de empresas da FGV-EAESP, para estimar classificadores capazes de calcular a probabilidade de um novo aluno ter bom desempenho. O processo de KDD (Knowledge Discovery in Database) desenvolvido por Fayyad et al. (1996a) é a base da metodologia adotada e os classificadores serão estimados utilizando duas ferramentas matemáticas. A primeira é a regressão logística, muito usada por instituições financeiras para avaliar se um cliente será capaz de honrar com seus pagamentos e a segunda é a rede Bayesiana, proveniente do campo de inteligência artificial. Este estudo mostre que os dois modelos possuem o mesmo poder discriminatório, gerando resultados semelhantes. Além disso, as informações que influenciam a probabilidade de o aluno ter bom desempenho são a sua idade no ano de ingresso, a quantidade de vezes que ele prestou vestibular da FGV/EAESP antes de ser aprovado, a região do Brasil de onde é proveniente e as notas das provas de matemática fase 01 e fase 02, inglês, ciências humanas e redação. Aparentemente o grau de formação dos pais e o grau de decisão do aluno em estudar na FGV/EAESP não influenciam nessa probabilidade.