Item request has been placed! ×
Item request cannot be made. ×
loading  Processing Request

Análise de regressão e previsão dos dispêndios do governo federal em ciência, tecnologia e inovação

Item request has been placed! ×
Item request cannot be made. ×
loading   Processing Request
  • معلومة اضافية
    • بيانات النشر:
      Centro Federal de Educação Tecnológica Celso Suckow da Fonseca, 2017.
    • الموضوع:
      2017
    • Collection:
      LCC:Industries. Land use. Labor
      LCC:Social sciences (General)
    • نبذة مختصرة :
      A inovação tem sido reconhecida, cada vez mais, como um dos fatores que possuem forte impacto positivo para o desenvolvimento econômico e fortalecimento da competitividade. Dar conhecimento e divulgar informações que venham a contribuir para um melhor entendimento sobre as diversas formas de incentivo, sobretudo governamental, são de vital importância para a geração de novos conhecimentos e de inovação tecnológica. O presente artigo tem o objetivo de realizar a previsão dos investimentos em ciência e tecnologia (C&T) despendidos pelo governo federal para o período de 2014 a 2018. Para isso, utilizando-se do software CurveExpert e da técnica de mineração de dados conhecida como regressão, que visa prever valores numéricos, são analisados dados dos investimentos federais disponíveis entre os anos de 2000 a 2013. A partir dos gráficos gerados e da técnica utilizada foi possível obter como resultado uma análise do comportamento dos investimentos do governo federal no período de 2000 a 2018, ficando visíveis os períodos de crescimento, de baixas taxas e estabilidade. Concluindo assim que, o cálculo para o período de 2014 a 2018 é de aumento nos investimentos do governo federal em duas das instituições abordadas no estudo e leve queda para outras duas.
    • File Description:
      electronic resource
    • ISSN:
      2446-9580
    • Relation:
      http://revistas.cefet-rj.br/index.php/producaoedesenvolvimento/article/view/215; https://doaj.org/toc/2446-9580
    • الرقم المعرف:
      10.32358/rpd.2017.v3.215
    • الرقم المعرف:
      edsdoj.3843c5671c2e474c8765b9093719bd51