UFPI cria projeto que transforma boletins de ocorrência em dados estratégicos com IA
Conforme a UFPI, o projeto é intitulado "Mineração de Textos para Extração de Dados de Apoio à Decisão na Segurança Pública".
A Universidade Federal do Piauí (UFPI) está realizando um projeto de pesquisa desenvolvido no Departamento de Computação, que utiliza técnicas de mineração de textos e aprendizado de máquina para transformar boletins de ocorrência em informações estratégicas que podem contribuir para a tomada de decisões na área da segurança pública.
Conforme a UFPI, o projeto é intitulado "Mineração de Textos para Extração de Dados de Apoio à Decisão na Segurança Pública", e teve início em março de 2024, com previsão para seguir até 2028. A pesquisa é coordenada pelo professor Pedro de Alcântara dos Santos Neto, com a colaboração do professor Raimundo Santos Moura, com o objetivo de desenvolver sistemas capazes de extrair automaticamente informações relevantes de boletins de ocorrência, identificando padrões que auxiliem os órgãos de segurança pública.
O professor Pedro Alcântara relatou que a equipe realiza a coleta de informações por meio de parcerias institucionais, solicitações via Lei de Acesso à Informação (LAI) e técnicas de raspagem de dados. Em seguida, os dados passam por processos de limpeza, padronização e organização antes da aplicação de técnicas de Inteligência Artificial, mineração de textos e aprendizado de máquina.
A universidade apontou que, além de produzir relatórios gerenciais e painéis interativos com o uso de ferramentas como Excel e Power BI, a pesquisa também contribui para a formação de estudantes de graduação e pós-graduação. O mestre em Ciência da Computação Erick MacGregor Santos Lima, ingressou no projeto durante o mestrado.
Erick destacou que sua pesquisa foi direcionada à mineração de textos e à extração de informações a partir de dados da Secretaria de Segurança Pública. Posteriormente, o trabalho passou a concentrar esforços na predição de Mortes Violentas Intencionais (MVIs), utilizando modelos computacionais para apoiar o processo de tomada de decisão.
O pesquisador afirmou ainda que alguns conjuntos de dados ultrapassavam quatro milhões de registros, provenientes de diferentes períodos e formatos, o que exigiu um intenso trabalho de organização, integração e padronização antes da realização das análises.