Redes neurais artificiais na previsão da inflação: aplicação como ferramenta de apoio à análise de decisões financeiras em organizações de pequeno porte

As estimações das taxas de inflação são de fundamental importância para os gestores, pois as decisões de investimento estão intimamente ligadas a elas. Contudo, o comportamento inflacionário tende a ser não linear e até mesmo caótico, tornando difícil a sua correta estimação. Essa característica do fenômeno pode tornar imprecisos os modelos mais simples de previsão, acessíveis às pequenas organizações, uma vez que muitos deles necessitam de grandes manipulações de dados e/ou softwares especializados. O presente artigo tem por objetivo avaliar, por meio de análise formal estatística, a eficácia das redes neurais artificiais (RNA) na previsão da inflação, dentro da realidade de organizações de pequeno porte. As RNA são ferramentas adequadas para mensurar os fenômenos inflacionários, por se tratar de aproximações de funções polinomiais, capazes de lidar com fenômenos não lineares. Para esse processo, foram selecionados três modelos básicos de redes neurais artificiais Multi Layer Perceptron, passíveis de implementação a partir de planilhas eletrônicas de código aberto. Os três modelos foram testados a partir de um conjunto de variáveis independentes sugeridas por Bresser-Pereira e Nakano (1984), com defasagem de um, seis e doze meses. Para tal, foram utilizados testes de Wilcoxon, coeficiente de determinação R² e o percentual de erro médio dos modelos. O conjunto de dados foi dividido em dois, sendo um grupo usado para treinamento das redes neurais artificiais, enquanto outro grupo era utilizado para verificar a capacidade de predição dos modelos e sua capacidade de generalização. Com isso, o trabalho concluiu que determinados modelos de redes neurais artificiais têm uma razoável capacidade de predição da inflação no curto prazo e se constituem em uma alternativa razoável para esse tipo de mensuração.

Panorama atual dos repositórios institucionais das instituições de ensino superior no Brasil

O cenário atual de repositórios digitais mundialmente distribuídos estimula estudos diversificados com os quais esse trabalho visa contribuir, objetivando um levantamento dos repositórios de instituições de ensino superior no Brasil, verificando a eficácia de uma ferramenta experimental no tratamento e análise dos dados e usando como fontes os diretórios Registry of Open Access Repositories (ROAR), Directory of Open Access Repositories (OpenDOAR), Diretório Luso-Brasileiro de Periódicos e Repositórios de Acesso Livre e a lista L_repositories. A ferramenta experimental Google Fusion Tables foi aplicada nos dados dos repositórios institucionais pesquisados, categorizando suas principais características: Instituição mantenedora, Natureza da instituição, Local, Região geográfica, Software adotado e sua versão, adoção do padrão Dublin Core e quantidade de trabalhos disponibilizados na data do estudo. Foram identificados 49 repositórios que em agosto de 2013 disponibilizavam 396.881 itens, sendo as instituições federais as com maior povoamento e o repositório LUME o primeiro em volume de itens; a região Sudeste com o maior número de repositórios e volume de itens disponibilizados; o DSpace o software predominante, com maior utilização da versão 1.6.2 e o padrão de metadados Dublin Core em todas as aplicações desse software. Este estudo comprovou a eficácia e utilidade do FusionTables, permitindo caracterizar o panorama atual de repositórios de instituições de ensino superior no Brasil. Os resultados foram disponibilizados em um Catálogo de Repositórios de Instituições de Ensino Superior no Brasil e um Mapa interativo dos Repositórios de Instituições de Ensino Superior no Brasil.

Auto-avaliação de instituições de educação pré-escolar. Um estudio de caso em Jardins de Infância da Região Autónoma dos Açores

Programa de Doctorado: Formación del Profesorado