Objetivo: Este artigo tem como objetivo principal realizar uma avaliação da eficiência técnica das Instituições Federais de Ensino Superior (IFES) brasileiras. Sendo assim, busca-se identificar quais IFES podem ser consideradas eficientes, dado o aporte de gasto público nelas aplicado, bem como determinar os fatores associados a esta eficiência. Metodologia: A estratégia empírica adotada consiste em duas etapas: primeiramente, utilizou-se o modelo de Análise Envoltória de Dados (Data Envelopment Analysis - DEA) para mensurar os escores de eficiência das IFES, permitindo ranqueá-las de modo a identificar as unidades tecnicamente eficientes. Em seguida, estimaram-se modelos de regressão tobit para encontrar os principais fatores que afetam a eficiência das universidades. Resultados: Os resultados da abordagem DEA indicaram que, para a ampliação da racionalidade dos recursos no ensino superior brasileiro (na esfera federal), seria necessária, considerando o nível atual de atendimento e o Índice Geral de Cursos (IGC), uma redução nos gastos de custeio em cerca de 25%, uma diminuição no número de docentes na casa de 22% e, em especial, uma redução no número de técnicos administrativos em aproximadamente 43%. Acerca dos resultados da análise de regressão, estes indicaram que a eficiência das IFES pode ser influenciada tanto por características dos discentes e da região quanto por fatores gerenciais. A pesquisa aponta como uma melhoria gerencial poderia ser alcançada via aumento na razão aluno-professor e diminuição na razão técnicos-docentes. Contribuições:  A contribuição da pesquisa é subsidiar uma melhor alocação dos recursos educacionais, auxiliando também na formulação de políticas públicas mais eficazes.

No abstract

Uma análise do trabalho infantil na região sul do Brasil An analysis of child labor in the south Brazil region

The goal of this study is to identify the main factors responsible for criminality in the southeast region of Brazil. To this end, a panel data structure was set up to monitor the evolution of crime in the southeast microregions. Global and local spatial autocorrelation tests were carried out together with the estimation of econometric spatial panel models. The results pointed to the existence of spatial dependence on crime rates in all the analyzed years. It was found that population density, GDP per capita, unemployment rate, and proportion of young people have a positive impact on homicide rates, which is relevant to understanding the phenomenon of crime. ResumoO objetivo desse estudo é identificar os principais fatores responsáveis pela criminalidade na região Sudeste do Brasil. Para este fim, construiu-se um painel acompanhando a evolução da criminalidade nas microrregiões sudestinas. Realizou-se testes de autocorrelação espacial global e local, juntamente com a estimação de modelos econométricos de painel espacial. Os resultados apontaram para a existência de dependência espacial das taxas de crime em todos os anos analisados. Identificou-se que a densidade populacional, o PIB per capita, a taxa de desemprego e a proporção de jovens impactam positivamente nas taxas de homicídios, sendo relevantes para a compreensão do fenômeno da criminalidade.Palavras-chave: criminalidade, região sudeste; painel espacial.

Objetivo: Este artigo tem como objetivo identificar padrões de concentração espacial relacionados a roubos e furtos de veículos na grande João Pessoa (PB), região composta pelos municípios de Bayeux, Cabedelo, João Pessoa e Santa Rita, usando técnicas de aprendizado de máquinas. Com isso, busca-se contribuir com a discussão sobre os potenciais benefícios da utilização de ferramentas da Inteligência Artificial no campo da segurança pública. Metodologia: Os dados utilizados foram obtidos junto à Secretaria de Estado da Segurança e da Defesa Social da Paraíba e contemplam os anos de 2017 a 2019. A base é composta por 5.385 ocorrências de roubo e furto de carros e motos, indicando coordenadas geográficas, município, bairro, dia da semana, turno e hora de ocorrência do crime. A estratégia empírica adotada consistiu na aplicação do algoritmo de Clusterização Espacial Baseada em Densidade de Aplicações com Ruído (Density-Based Spatial Clustering of Applications with Noise, DBSCAN). Resultados: A análise descritiva apontou que o centro da cidade de João Pessoa é o bairro com maior taxa de subtração de veículos por 100 mil habitantes, seguido por Barra de Gramame, Ponta do Seixas, Distrito Industrial e Varadouro. Em relação à concentração de crimes em locais determinados, a utilização do DBSCAN permitiu identificar hotspots para diferentes dias e turnos, sendo que o número destes se mostrou maior durante os dias de semana, no período noturno. Contribuições: Tais resultados têm potencial para auxiliar a elaboração de um planejamento mais eficaz de segurança pública nos bairros da grande João Pessoa, pois sugerem como deslocar o efetivo policial de modo a se alcançar maior eficiência na prevenção de crimes e captura de criminosos.