Contributions of machine learning to knowledge acquisition in the field of social sciences

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Nascimento, Francielle Marques do
Orientador(a): Barone, Dante Augusto Couto
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Aprendizado de máquina
Inteligência artificial
Ciências sociais
Participação política
Banco de dados
Algoritmos
Palavras-chave em Inglês:
World values survey
Link de acesso: http://hdl.handle.net/10183/217575
Resumo: A pesquisa em Ciências Sociais é fundamental para o estudo do comportamento humano. Crenças e motivações desempenham um papel importante nas decisões e escolhas das pessoas. Essa relação é relevante para explicar o comportamento de uma população e, portanto, permite delinear ações sociais para a melhoria da comunidade. Sabendo disso, propusemos uma forma de descobrir padrões a partir de um banco de dados de estudos sociais usando técnicas de Inteligência Artificial e Ciências Sociais. Nesse contexto, selecionamos o Ativismo Social para realizar a classificação por meio do banco de dados Word Values Survey (WVS). Os algoritmos aplicados na tarefa foram Random Forest, Multilayer Perceptron, Stochastic Gradient Descent e Support Vector Machine. Além disso, usamos Recursive Feature Elimination para reduzir a dimensionalidade e analisar as features selecionadas. O dataset utilizado contém uma pesquisa aplicada em diversos países, organizada em Ondas realizadas a cada cinco anos. As ondas tratadas neste estudo foram Onda 5 (2005-2009), Onda 6 (2010-2014) e Onda 7 (2018-2022). Assim, descobrimos os padrões nas bases de dados na visão longitudinal que fazem sentido na perspectiva das Ciências Sociais. Esses padrões indicam que as pessoas geralmente estão mais engajadas com questões éticas morais do que com outros aspectos, como exemplo, aspectos políticos. Dessa forma, os resultados demonstraram que a utilização da abordagem proposta contribuiu para a descoberta do conhecimento implícito em dados estruturados.
id URGS_8687f0bf11a4502c828c89b3bea5b55b
oai_identifier_str oai:www.lume.ufrgs.br:10183/217575
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str
spelling Nascimento, Francielle Marques doBarone, Dante Augusto CoutoCastro, Henrique Carlos de Oliveira de2021-01-28T04:02:09Z2020http://hdl.handle.net/10183/217575001121924A pesquisa em Ciências Sociais é fundamental para o estudo do comportamento humano. Crenças e motivações desempenham um papel importante nas decisões e escolhas das pessoas. Essa relação é relevante para explicar o comportamento de uma população e, portanto, permite delinear ações sociais para a melhoria da comunidade. Sabendo disso, propusemos uma forma de descobrir padrões a partir de um banco de dados de estudos sociais usando técnicas de Inteligência Artificial e Ciências Sociais. Nesse contexto, selecionamos o Ativismo Social para realizar a classificação por meio do banco de dados Word Values Survey (WVS). Os algoritmos aplicados na tarefa foram Random Forest, Multilayer Perceptron, Stochastic Gradient Descent e Support Vector Machine. Além disso, usamos Recursive Feature Elimination para reduzir a dimensionalidade e analisar as features selecionadas. O dataset utilizado contém uma pesquisa aplicada em diversos países, organizada em Ondas realizadas a cada cinco anos. As ondas tratadas neste estudo foram Onda 5 (2005-2009), Onda 6 (2010-2014) e Onda 7 (2018-2022). Assim, descobrimos os padrões nas bases de dados na visão longitudinal que fazem sentido na perspectiva das Ciências Sociais. Esses padrões indicam que as pessoas geralmente estão mais engajadas com questões éticas morais do que com outros aspectos, como exemplo, aspectos políticos. Dessa forma, os resultados demonstraram que a utilização da abordagem proposta contribuiu para a descoberta do conhecimento implícito em dados estruturados.The research in Social Sciences is fundamental to the study of human behavior. Beliefs and motivations play an important role in people’s decision-making and choices. This relationship is relevant to explain the behavior in a population, and therefore, it allows for outlining social actions to improve the community. Knowing this, we proposed a way to discover meaningful patterns from a database of social studies using state-of-the-art techniques of Artificial Intelligence and Social Sciences. In this context, we selected Social Activism to perform classification using the extensive Word Values Survey (WVS) database. The algorithms applied in the task were Random Forest, Multilayer Perceptron , Stochastic Gradient Descent, and Support Vector Machine. Additionally, we use Recursive Feature Elimination to dimensionality reduction and analyze the selected features. The database used contain a survey applied in several countries, organized into Waves conducted in every five years. The Waves handled in this study were Wave 5 (2005- 2009), Wave 6 (2010-2014), and Wave 7 (2018-2022). Thus, we discovered the patterns in the databases in the longitudinal view that make sense from the perspective of the Social Sciences. These patterns indicate that people are usually more concerned about moralethical issues than other aspects such as politics. This way, the results demonstrated that the use of the approach proposed contributed to discovering implicit knowledge in structured data.application/pdfengAprendizado de máquinaInteligência artificialCiências sociaisParticipação políticaBanco de dadosAlgoritmosWorld values surveyContributions of machine learning to knowledge acquisition in the field of social sciencesContribuições de aprendizado de máquina para a aquisição de conhecimento na área de Ciências Sociais info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2020mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001121924.pdf.txt001121924.pdf.txtExtracted Texttext/plain145018http://www.lume.ufrgs.br/bitstream/10183/217575/2/001121924.pdf.txtcb59c06d3f60d3ca5a9ff36d7228a0b8MD52ORIGINAL001121924.pdfTexto completo (inglês)application/pdf1861001http://www.lume.ufrgs.br/bitstream/10183/217575/1/001121924.pdfd02de10a099692bc15a87543548103e0MD5110183/2175752024-05-23 06:43:04.40228oai:www.lume.ufrgs.br:10183/217575Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532024-05-23T09:43:04Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Contributions of machine learning to knowledge acquisition in the field of social sciences
dc.title.alternative.en.fl_str_mv Contribuições de aprendizado de máquina para a aquisição de conhecimento na área de Ciências Sociais
title Contributions of machine learning to knowledge acquisition in the field of social sciences
spellingShingle Contributions of machine learning to knowledge acquisition in the field of social sciences
Nascimento, Francielle Marques do
Aprendizado de máquina
Inteligência artificial
Ciências sociais
Participação política
Banco de dados
Algoritmos
World values survey
title_short Contributions of machine learning to knowledge acquisition in the field of social sciences
title_full Contributions of machine learning to knowledge acquisition in the field of social sciences
title_fullStr Contributions of machine learning to knowledge acquisition in the field of social sciences
title_full_unstemmed Contributions of machine learning to knowledge acquisition in the field of social sciences
title_sort Contributions of machine learning to knowledge acquisition in the field of social sciences
author Nascimento, Francielle Marques do
author_facet Nascimento, Francielle Marques do
author_role author
dc.contributor.author.fl_str_mv Nascimento, Francielle Marques do
dc.contributor.advisor1.fl_str_mv Barone, Dante Augusto Couto
dc.contributor.advisor-co1.fl_str_mv Castro, Henrique Carlos de Oliveira de
contributor_str_mv Barone, Dante Augusto Couto
Castro, Henrique Carlos de Oliveira de
dc.subject.por.fl_str_mv Aprendizado de máquina
Inteligência artificial
Ciências sociais
Participação política
Banco de dados
Algoritmos
topic Aprendizado de máquina
Inteligência artificial
Ciências sociais
Participação política
Banco de dados
Algoritmos
World values survey
dc.subject.eng.fl_str_mv World values survey
description A pesquisa em Ciências Sociais é fundamental para o estudo do comportamento humano. Crenças e motivações desempenham um papel importante nas decisões e escolhas das pessoas. Essa relação é relevante para explicar o comportamento de uma população e, portanto, permite delinear ações sociais para a melhoria da comunidade. Sabendo disso, propusemos uma forma de descobrir padrões a partir de um banco de dados de estudos sociais usando técnicas de Inteligência Artificial e Ciências Sociais. Nesse contexto, selecionamos o Ativismo Social para realizar a classificação por meio do banco de dados Word Values Survey (WVS). Os algoritmos aplicados na tarefa foram Random Forest, Multilayer Perceptron, Stochastic Gradient Descent e Support Vector Machine. Além disso, usamos Recursive Feature Elimination para reduzir a dimensionalidade e analisar as features selecionadas. O dataset utilizado contém uma pesquisa aplicada em diversos países, organizada em Ondas realizadas a cada cinco anos. As ondas tratadas neste estudo foram Onda 5 (2005-2009), Onda 6 (2010-2014) e Onda 7 (2018-2022). Assim, descobrimos os padrões nas bases de dados na visão longitudinal que fazem sentido na perspectiva das Ciências Sociais. Esses padrões indicam que as pessoas geralmente estão mais engajadas com questões éticas morais do que com outros aspectos, como exemplo, aspectos políticos. Dessa forma, os resultados demonstraram que a utilização da abordagem proposta contribuiu para a descoberta do conhecimento implícito em dados estruturados.
publishDate 2020
dc.date.issued.fl_str_mv 2020
dc.date.accessioned.fl_str_mv 2021-01-28T04:02:09Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/217575
dc.identifier.nrb.pt_BR.fl_str_mv 001121924
url http://hdl.handle.net/10183/217575
identifier_str_mv 001121924
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/217575/2/001121924.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/217575/1/001121924.pdf
bitstream.checksum.fl_str_mv cb59c06d3f60d3ca5a9ff36d7228a0b8
d02de10a099692bc15a87543548103e0
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1831316105873850368

Registros relacionados