Projetos

O nosso centro de conhecimento ajuda organizações dos setores público, social e privado a resolver desafios complexos através de data science. A colaboração existente inclui cuidados de saúde, gestão do desemprego, turismo, entre outros.

Os nossos investigadores foram recompensados pelos Amazon Web Services e pela Microsoft Research Credits, apoio que tem sido fundamental para o processamento de milhões de registos e da aplicação de algoritmos machine learning. Gostaríamos de agradecer o apoio da Câmara Municipal de Cascais, pelo Data Science for Social Good Europe – Summer Fellowship 2018, o Data Science for Social Good Europe – Summer Fellowship 2017 e ao Ministério de Infraestrutura e de Meio Ambiente da Holanda, à Tuscany Promotion Agency e ao Turismo de Portugal pelo Data Science for Social Good Europe – Summer Fellowship 2018.

Utilize os seus dados para informar a tomada de decisão e melhor servir os seus beneficiários e clientes! Candidate a sua organização à segunda edição do programa “Data for Change” e desenvolva um projeto de Data Science de forma gratuita. 

Candidaturas até 17 de junho (prazo extendido)! 

O “Data for Change” é um programa pioneiro em Portugal, que visa identificar Organizações com Impacto Social Portuguesas que possuam um problema social/ ambiental que possa ser resolvido através da Ciência de Dados (Data Science).  

Os projetos serão desenvolvidos em parceria com a equipa do Nova SBE Data Science Knowledge Center. Os desafios das organizações podem ser os mais variados possível, abrangendo áreas como a Saúde, o Emprego, o Ambiente e a Educação. 

O projeto poderá ter como objetivo, por exemplo, a otimização da alocação de pacientes a médicos, a identificação de fatores que levam ao abandonamento escolar, a identificação do risco de reincidência de pessoas reclusas, a otimização da entrega de serviços de emergência, o aumento da eficácia de estratégias de intervenção com pessoas sem abrigo, o aumento das taxas de vacinação, a previsão de desemprego de longa duração, entre muitos outros. 

Assim, procuramos Organizações com Impacto Social Portuguesas que: 

  • tenham um problema importante com impacto social/ ambiental significativo; 

  • tenham um problema cuja solução se possa basear na análise e modelação de dados; 

  • tenham dados internos ou parcerias com outras organizações para acesso a dados relevantes. A maior preocupação não é a quantidade de dados existentes, mas sim o quão úteis estes são para resolver o problema (o acesso aos dados será feito cumprindo todos os procedimentos de privacidade e segurança de dados necessários, de acordo com a legislação em vigor); 

  • tenham disponibilidade para acompanhar o desenvolvimento do projeto 1 a 2 horas por semana e de fornecer conhecimentos intrínsecos à área de desenvolvimento do mesmo (por exemplo, para prever o risco de uma criança não ser vacinada necessitámos de apoio de pediatras e outros profissionais de saúde); 

  • tenham como objetivo a implementação da solução desenvolvida, após o término do projeto. 

Como participar 

Para submeter a sua candidatura, deverá percorrer os seguintes passos: 

1 – Consultar aqui o regulamento completo do programa “Data for Change”;

2 – Aceder ao formulário de candidatura aqui;   

3 – Clarificar possíveis dúvidas numa das sessões de esclarecimento sobre a segunda edição do programa “Data for Change”, que serão realizadas por videoconferência, nos dias 13/05 e 20/05, às 14h, e no dia 04/06 às 11h, pelo link https://bit.ly/DSKC_session.  

4 – Submeter a candidatura até dia 17 de junho de 2020! 

As candidaturas serão avaliadas e selecionadas por uma Comissão de Avaliação constituída por peritos com experiência e conhecimento multidisciplinar, em áreas relevantes ao desenvolvimento de projetos em Ciência de Dados com Impacto Social. Entre outros aspetos, serão avaliados o problema que o projeto se propõe endereçar, a relevância dos dados identificados para a resolução do problema, o grau de replicabilidade e escalabilidade do projeto e o potencial impacto dos resultados do mesmo a nível social/ ambiental.  

A decisão final será publicada no website do Nova SBE Data Science Knowledge Center. Após a divulgação oficial dos resultados, a organização selecionada e o Nova SBE Data Science Knowledge Center assinarão um Acordo Legal, documento que estabelecerá as condições de realização do desenvolvimento do projeto em parceria.  

O “Data for Change” integra a Iniciativa para a Equidade Social, uma parceria da Nova SBE com a Fundação “la Caixa” e o BPI. 

Por favor contacte bruna.riboldi@novasbe.pt para questões adicionais acerca da sua candidatura. 

O objetivo é desenvolver um sistema de apoio que ajudasse a antever e a perceber quais os indivíduos em risco de ficarem desempregados a longo prazo, a fim de ajudar os técnicos do IEFP a determinar como personalizar planos de desenvolvimento profissional da melhor forma. A ferramenta permite-lhes compreender quais os fatores que põem em risco um indivíduo, dando-lhes uma visão do processo de tomada de decisão e concedendo à agência a oportunidade de desconsiderar da ferramenta a favor de uma avaliação humana especializada. Estamos atualmente a trabalhar num estudo piloto que irá facultar uma avaliação crítica da opinião dos técnicos sobre a ferramenta, a fim de perceber melhor até que ponto esta facilita as suas interações diárias com as pessoas desempregadas e para ajudar investigações futuras sobre a prevenção do desemprego. Este trabalho foi cocriado por especialistas que dominam as áreas da política de trabalho e trabalho social, incluindo os próprios técnicos.

Parceiro: IEFP, FEUP e FCT

# Social Good # Unemployment # Decision-Making

Nos últimos anos, Portugal tem assistido a um rápido crescimento na área do turismo, que não está devidamente preparado para enfrentar as dificuldades relativas à quantificação de desafios, tais como constrangimentos turísticos, perda da identidade local, degradação do património, etc. O projeto propõe uma abordagem data aplicável à gestão de turismo no território português através de um conjunto de ferramentas que informe os políticos portugueses sobre o estado do turismo, indo além dos tradicionais dados de pesquisa e investigação e facultando análises completas deste sector através do uso de fontes big data. Com as abordagens apresentadas pelo projeto, os grandes decisores do setor turístico terão informações cruciais para poderem criar políticas que promovam cidades sustentáveis e acolhedoras tanto para os turistas como para os moradores.

Parceiros: Turismo de Portugal e NOS

# Social Good # Tourism Management # Data Driven Policy

Gestão impulsionada por data é um fator cada vez mais presente na agenda dos municípios. A quantidade de dados que os próprios municípios criam, mais os dados disponibilizados por parceiros locais como a polícia, empresas de transporte públicos, telecomunicações, entre outros, oferecem uma grande variedade de oportunidades para desenvolver novo conhecimento que possa servir de apoio a políticas públicas. O CCDE é um hub de dados criado para a região de Cascais com o objetivo de facultar perspetivas significativas para os desafios locais, testar novas abordadgens e soluções na região e promover a dessiminação de conhecimento através da integração da popolução mais jovem e de uma série de eventos.

Parceiro: Câmara Municipal de Cascais

# Social Good # Data Driven Policy

O setor social representa um setor importante da economia portuguesa. No entanto, as poucas fontes de dados disponíveis facultam poucas e desconexas informações, um baixo nível de interação e poucas visualizações. O objetivo do projeto é criar uma base de dados nova e integrada para o setor social, para que esteja à disposição da sociedade portuguesa, servindo ONG, fundações, empresas que criam impacto, investigadores, investidores, agências governamentais, entre outros stakeholders.

Parceiro: Fundação La Caixa

# Social Good # Portuguese Social Sector

O objetivo do projecto era criar um modelo de machine learning utilizando dados de acidentes registados, características rodoviárias, dados relativos ao fluxo de tráfego e velocidade, e dados metereológicos para prever, num determinado espaço de tempo, a probabilidade de um acidente. Este projeto permite uma melhor alocação da polícia de trânsito para patrulhar as estradas e diminuir o seu tempo de resposta a acidentes.

Parceiro: Rijkswaterstaat

# Data Science for Social Good 2018 # Transportation # Decision-Making

Uma vez que a Toscana é um dos destinos turísticos mais populares do mundo, a região, os seus recursos e os seus habitantes têm sido expostos a uma grande pressão. O projeto visava usar algoritmos de machine learning para agrupar indivíduos e, desta forma, compreender melhor os turistas que visitam a região e melhorar a gestão na área do turismo.
 

Parceiros: Toscana Promozione Turistica e Vodafone Itália

# Data Science for Social Good 2018 # Tourism Management # Data-Driven Policy

O propósito deste projeto é usar os dados disponibilizados pelo IEFP e criar um sistema modelo para capacitar o IEFP e os técnicos locais a identificar melhor os indivíduos em risco elevado de desemprego de longa duração. Este projeto faculta ainda perspetivas data que permitam uma alocação mais eficiente dos recursos do IEFP a fim de responder às necessidades individuais da população desempregada.

Parceiros: IEFP e EAPN

# Data Science for Social Good 2018 # Unemployment # Data-Driven Policy

O grande objetivo deste projeto era aumentar a taxa de vacinação contra o sarampo, a papeira e a rubéola na Croácia. Para atingir este objetivo, a equipa previu o nível de risco de cada criança caso não recebesse as duas doses recomendadas da vacina MMR e desenvolveu grupos, compostos pelas crianças acima mencionadas, de acordo com características semelhantes a fim de permitir políticas de promoção à vacinação.

Parceiros: Croatian Institute for Public Health (CIPH) (nome original: Hrvatski Zavod Za Javno Zdravstvo), Institute of Public Health of Split-Dalmatia County (nome original: Nastavni zavod za javno zdravstvo Splitsko-dalmatinske županije), Andrija Štampar School of Public Health (nome original: Škola narodnog zdravlja "Andrija Štampar") e Croatian Society for School and University Medicine (CroSEMIC) (nome original: Hrvatsko društvo za hitnu i internističku intenzivnu medicinu - HDHIIM)

# Data Science for Social Good 2018 # Healthcare # Data-Driven Policy

O projeto tinha como objetivo ajudar as autoridades locais a compreender e avaliar a área de turismo além dos tradicionais questionários e estatísticas para que pudessem, assim, explorar e criar soluções para um turismo sustentável na cidade.

Parceiros: Toscana Promozione Turistica e Vodafone Itália

# Data Science for Social Good 2017 # Tourism Management # Data Driven Policy

As pescas ilegais e excessivas são uma grande ameaça para os nossos oceanos. Estima-se que 70 % da pesca global seja sobreexplorada e esteja agora à beira do colapso. A quantidade de atum, um predador crítico em muitos ecossistemas marinhos, diminuiu mais de 90 % nos últimos 40 anos. A menos que sejam tomadas medidas sérias para combater estes fenómenos podemos estar à beira de um colapso piscatório de grande escala que poderá devastar o meio ambiente e a subsistência de milhões de pessoas em todo o mundo que dependem desta atividade. Este projeto visava criar uma ferramenta de risco de fonte aberta, que combinasse múltiplas fontes de dados por satélite a fim de ajudar a ultrapassar a pesca ilegal, não declarada ou regulamentada, e criando um avaliação de risco.

Parceiros: Spire, World Economic Forum, Planet e DigitalGlobe

# Data Science for Social Good 2017 # Sustainability

O objetivo do projeto era ajudar a Câmara Municipal de Cascais a compreender os padrões de desemprego na região e a desenvolver um sistema que recomendasse o melhor tipo de intervenções para colmatar lacunas de competências e aumentar as probabilidades de emprego das pessoas.

Parceiros: Câmara Municipal de Cascais e IEFP

# Data Science for Social Good 2017 # Unemployment # Data Driven Policy

O projeto focava-se na optimização da correspondência entre pacientes e médicos através do desenvolvimento de um serviço de mediação automatizada. O principal objetivo era aumentar a probabilidade de relacionamentos duradouros e a qualidade dos acompanhamentos, bem como a prática de medicina preventiva.

Parceiro: José de Mello Saúde

# Data Science for Social Good 2017 # Healthcare # Decision-Making

O projeto tinha como objetivo ajudar Rijkswaterstaat, uma divisão do Ministério de Infraestrutura e Meio Ambiente da Holanda, desenvolvendo uma política para otimizar o estacionamento e os locais de patrulhamento dos inspetores de serviço a fim de minimizar o tempo que demoram a chegar ao local do incidente. Desta forma, o projeto teve um contributo para a otimização da segurança e do fluxo do trânsito para os condutores.

Parceiro: Rijkswaterstaat

# Data Science for Social Good 2017 # Transportation # Decision-Making

O projecto visava perceber como uma melhor utilização dos telhados poderia ajudar a enfrentar desafios com o armazenamento de água, espaços verdes e produção de energia. Para isso, a equipa utilizou imagens aéreas e de satélite para identificar o uso de telhados em Roterdão.

Parceiro: Cidade de Roterdão

# Data Science for Social Good 2017 # Data-Driven Policy

A nefropatia diabética é uma condição crítica que pode levar a danos irreversíveis nos rins. A Doença Renal Crónica descreve a perda gradual da função renal que diminui bastante a qualidade de vida das pessoas que dela sofrem, além de reduzir a esperança média de vida. Os primeiros sinais de nefropatia diabética são críticos para prevenir ou retardar a progressão da doença. O projeto com a APDP visa prever a probabilidade de desenvolvimento da doença a doze meses, permitindo que as equipas médicas atuem proativamente e evitem a progressão da doença.

Parceiro: APDP (Associação Protetora dos Diabéticos de Portugal)

# Impacto Social # Saúde # Análise Preditiva

Projetos sociais de financiamento coletivo são uma forma inovadora e inspiradora de promover a cooperação e a colaboração na nossa sociedade. Este projeto tem como objetivo determinar os principais fatores que influenciam o sucesso de uma campanha de crowdfunding. O principal objetivo é apoiar o PPL na orientação aos angariadores de fundos relativamente à criação de campanhas, bem como reagir de forma proativa às campanhas em curso, com o intuito de maximizar os fundos recolhidos e, bem assim, o sucesso da campanha e dos respetivos projetos.

Parceiro: PPL

# Impacto social # Financiamento Coletivo # Tomada de Decisão