Edição de Notícias da UFSCar Categoria Selecione um ou mais campus que a notícia deve ser exibida. São CarlosArarasSorocabaLagoa do Sino Título Informe o título da notícia. Subtítulo Informe o subtítulo Texto Informe o texto da notícia. Um trabalho desenvolvido no escopo do curso "Análise e visualização de dados do Coronavírus", oferecido pela UFSCar, desenvolveu um modelo computacional capaz de prever, utilizando inteligência artificial, o número de novos casos de Covid-19 no Brasil. A ferramenta pode ser útil, por exemplo, no caso de falta de testes ou de divulgação de dados pelo governo ou pela mídia. <br><br>"Neste trabalho, eu usei os dados do Google Trends para algumas palavras correlacionadas ao novo Coronavírus. Então, treinei o computador, usando aprendizado de máquina - inteligência artificial -, para que com base no volume de pesquisa de determinadas palavras no Google, ele fosse capaz de predizer o número de novos casos de Covid-19 no Brasil", sintetiza Lilian Caroline Kramer Biasi, que é pós-doutoranda no Laboratório de Engenharia de Sistema Complexos (Lesc) da Faculdade de Engenharia Química (FEQ) da Universidade Estadual de Campinas (Unicamp).<br><br>Segundo a pesquisadora, "existem diferentes métodos para se treinar um computador, conhecidos como algoritmos de aprendizagem de máquina, tais como o modelo de florestas aleatórias - utilizado neste trabalho -, as redes neurais artificiais etc. Em geral, o que acontece é que em uma primeira etapa o computador aprende o comportamento dos dados de entrada para gerar uma saída desejada. Nessa etapa, fornecemos tanto os dados de entrada, quanto a saída desejada; o computador então aprende como correlacionar ambos". <br><br>Para desenvolver o modelo, a estudante analisou a tendência do número de buscas por determinados termos no Google em 2020 utilizando a ferramenta Google Trends. Dessa pesquisa ela selecionou termos pelos quais as buscas foram intensificadas durante a pandemia - como "álcool", "máscaras", "coronavírus" etc. <br><br>Após a identificação dos termos, a pesquisadora implementou um algoritmo de aprendizado de máquina usando o modelo de regressão de florestas aleatórias (em Inglês "<em>Randon Forest Regression</em>"). "Esse modelo cria, na etapa de treino, diversas árvores de decisão, correlacionando os dados de entrada com a saída desejável. No presente estudo, o dado de saída foi o número de novos casos de Covid-19 no Brasil e os dados de entrada foram o interesse ao longo do tempo por determinados termos no Google", detalha. Os termos selecionados para a pesquisa foram: "covid", "coronavírus", "corona", "álcool" (representando álcool em gel), "máscara", "febre", "desemprego", "suicídio". <br><br>"De forma simplificada, o computador é treinado para entender como as pesquisas no Google se correlacionam com o número de novos casos de Covid-19, utilizando dados disponíveis. Após o treino, fornecemos ao computador o índice de pesquisas no Google pelos termos selecionados de um determinado dia e ele retorna o número de casos de Covid-19 daquele dia", explica Biasi. Com isso, foi possível avaliar quais tendências de busca melhoravam ou pioravam o ajuste selecionando os termos com maior correlação com o número de novos casos de Covid-19 no Brasil. "Esses termos foram utilizados como dados de entrada para o treinamento do computador. Após essa etapa, o computador é capaz de avaliar novos índices de pesquisa no Google prevendo o número de novos casos de Covid-19 no Brasil", conclui. <br><br>Biasi afirma que a pandemia afeta o comportamento das pessoas e, nesse contexto, notou um considerável aumento na busca por palavras diretamente e indiretamente correlacionadas ao vírus e por métodos de prevenção. As palavras com menor correlação com as demais foram "desemprego" e "suicídio", enquanto os termos "corona" e "coronavírus", no contexto de pandemia, puderam ser consideradas sinônimos. "Essas pesquisas podem estar relacionadas à maior curiosidade da população pela busca por sintomas ou por termos decorrentes do efeito prolongado da quarentena. Essa mudança comportamental foi usada para treinar o computador para que ele fosse capaz de aprender com esses dados, identificar padrões e tomar decisões devolvendo o número de novos casos naquele dia", diz.<br><br>Segundo a autora, o estudo também mostra, indiretamente, que o monitoramento das buscas na Internet por diferentes termos pode identificar e monitorar novas doenças infecciosas, como a Covid-19. "Essas informações podem permitir uma melhor preparação e planejamento dos sistemas de saúde. Enquanto desenvolvia esse trabalho, notei que essa ferramenta já foi utilizada anteriormente para monitorar, por exemplo, infecções pelo vírus Zika, a dengue ou <u><a target="_blank" href="https://www.google.org/flutrends">influenzas</a></u>", conta Biasi, que participou do curso da UFSCar, oferecido na modalidade de Atividade Curricular de Integração Ensino, Pesquisa e Extensão (Aciepe).<br><br>"Eu já tinha vontade de utilizar o aprendizado de máquina na previsão de novos casos de Covid-19 no Brasil. No entanto, estava enfrentando certa dificuldade em selecionar os dados corretos para esse desenvolvimento", conta a autora do estudo. No curso "Análise e visualização de dados do Coronavírus no R", do qual Biasi foi aluna, foram apresentadas ferramentas para monitoramento de dados referentes ao Coronavírus na linguagem R. O <u><a target="_blank" href="https://trends.google.com.br/trends">Google Trends</a></u> foi uma dessas ferramentas apresentadas pela coordenadora do curso, a professora Andreza Palma, do Departamento de Economia (DEc-So) do Campus Sorocaba da UFSCar. <br><br><strong>Premiação</strong><br>O trabalho intitulado <em>"Estimation of New COVID-19 Cases in Brazil Using Google Search Data"</em> recebeu o prêmio de melhor uso de dados públicos, durante apresentação no 2020 Ken Kennedy Institute Data Science Conference. A conferência é uma reunião de pesquisa, desenvolvimento e inovação, entre universidades, laboratórios de pesquisa e indústrias que buscam oportunidades e avanços em inteligência artificial (IA), análise de dados, aprendizado de máquina e aprendizado profundo.<br><br>O trabalho completo pode ser acessado na <u><a target="_blank" href="https://bit.ly/35VUesA">página do evento</a></u> ou diretamente no <u><a target="_blank" href="https://www.youtube.com/watch?v=xdc8jk0ilt8&feature=youtu.be">YouTube</a></u>. O projeto teve financiamento parcial da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (Capes). text/htmltext/plain Data Selecione a data da notícia. Atualizado em Selecione a data de atualização da notícia. Hora Informe a hora utilizando o formato HH:MM:SS. Data de Expiração Selecione uma data para a notícia expirar. Horário de Expiração Informe o horário que a notícia deve expirar utilizando o formato HH:MM:SS. Autor Informe o nome do autor Destaque Marque se a notícia é um destaque. Expira Marque se a notícia deve expirar. Perfil Escolha um perfil ou mais. EstudanteForeign VisitorDocente/TAPesquisadorVisitante Imagem Portal Insira uma imagem que será utilizada na notícia do portal. 68269_portal_fea_519815048791121461.jpg — image/JPEG, 55 KB Manter a imagem atual Remover a imagem atual Substituir por uma nova imagem Legenda da Imagem Portal Informe a legenda para a imagem utilizada na notícia do portal. Vídeo Informe o vídeo da notícia.
