Find research datasets worth reusing
Search datasets from major research repositories and use ShareScore to quickly assess how well each record supports discovery, access, and reuse.
214
datasets available to search
ShareScore release 0.9.0
Dataset results
214 results for “Dados”
Banco de dados da cheia do Rio Taquari-Antas de 2023
<p><strong>Este é o repositório do banco de dados da cheia do Rio Taquari-Antas em 4 e 5 de Setembro de 2023.</strong></p><p><a href="https://docs.google.com/document/d/1r9Z24ibIfmYUtqE_xi0Dl4dmNweCLD5IcIwyEIypxDk/edit?usp=sharing">Acessar Documentação Técnica</a></p><p>O repositório está em constante atualização, observar a versão mais recente.</p><p>O banco de dados inclui camadas vetoriais e raster, ambas em formato geopackage. Para abrir, é preciso instalar o software QGIS (<a href="https://qgis.org/en/site/forusers/download.html">Download QGIS</a>).</p><p>Observação: este banco de dados inclui as edificações Bing Maps do Vale do Rio Taquari-Antas.</p><p>Arquivos disponíveis:</p><p><strong>taquari_bd.gpkg</strong>: Banco de dados em geopackage, incluindo projeto para manejo no QGIS</p><p><strong>dicionario_de_camadas_taquari_bd.csv</strong>: Tabela em CSV com a lista de camadas, fonte e descrição</p><p><strong>cartas_taquari_2023.pdf</strong>: Documento PDF com exemplares de cartas temáticas sobre a enchente extraordinária de 2023.</p><p><strong>nt_iph_hge_2023-09-16.pdf</strong>: Documento PDF da Nota Técnica IPH/HGE de 16/09/2023</p><p><strong>nt_iph_gpden_2023-09-17.pdf</strong>: Documento PDF da Nota Técnica IPH/GPDEN de 17/09/2023</p><p><strong>nt_iph_gespla_2023-09-19.pdf</strong>: Documento PDF da Nota Técnica IPH/GESPLA de 19/09/2023</p><p><strong>nt_iph_univates_2023-11-17.pdf</strong>: Documento PDF da Nota Técnica IPH/UNIVATES de 17/11/2023</p><p><strong>nt_iph_gespla_2023-12-11.pdf</strong>: Documento PDF da Nota Técnica IPH/GESPLA de 11/12/2023</p>
CSBCSet: Um conjunto de dados para uma década de CSBC, seus eventos e publicações
<p>In this paper, we present a dataset about a decade of publications in the Brazilian Computing Society Congress (CSBC), between 2013 and 2022. We specify the extraction, processing and adjusments, storage and opening of data, with its limitations, challenges and lessons learned . We analyzed the data and metadata scenario, perceiving positive and negative aspects of the scope. Finally, we forward proposals for potential applications of this dataset, and related threats to validity.</p>
Banco de dados dos abrigos provisórios de pessoas, instalados após as enchentes, em 2024 em Porto Alegre, Brasil
<h1><strong>Banco de dados dos abrigos provisórios de pessoas, instalados em 2024 em Porto Alegre, Brasil, Metodologia</strong></h1> <p>Em contextos de desastres climáticos, a necessidade de prover abrigos que amparem as vítimas no momento mais crítico da crise torna-se uma prioridade para governos e sociedades locais. Durante as inundações ocorridas no Rio Grande do Sul, entre abril e maio de 2024, foram instalados 981 abrigos provisórios em 117 municípios, que atenderam 69.415 pessoas. (Secretaria de Desenvolvimento Social do Estado do RS, 2024).</p> <p>O banco de dados aqui apresentado traz informações sobre os 156 abrigos provisórios que em 2024 acolheram pessoas em Porto Alegre, capital do estado do Rio Grande do Sul, Brasil. Para a construção desse banco, foram pesquisadas duas bases originais: o Banco de dados das cheias na Região Hidrográfica do Lago Guaíba em maio de 2024 (Possanti et al., 2024)¹, com 919 casos no estado, e o Censo sobre os abrigos provisórios no estado do Rio Grande do Sul realizado pela Secretaria Estadual de Desenvolvimento Social (Rio Grande do Sul. Secretaria de Desenvolvimento Social, 2024), que contou com a aplicação de 918 questionários junto aos locais, entre 10 de maio e 10 de junho de 2024. </p> <p>Preliminarmente, em ambas as fontes foram selecionados apenas os abrigos de Porto Alegre, e inseridos em uma única planilha Excel. A seguir, foram excluídos os casos de: repetição (no nome ou código), sem abrigados ou com apenas uma pessoa, sem informação sobre o número de abrigados ou sobre o tipo de entidade responsável, local desativado, sem endereço ou com localização prejudicada, sem as coordenadas corretas para geolocalização. </p> <p>O banco final, exposto a seguir, completou 156 unidades de análise referentes aos abrigos provisórios de pessoas (alguns com mais de uma finalidade) instalados em Porto Alegre, georreferenciados e com, no mínimo, dois abrigados. As variáveis são as seguintes: código (do abrigo), fonte(s), nome do abrigo, número de abrigados, tipo de instituição responsável, grupos de instituições responsáveis, endereço, bairro, latitude e longitude. A distribuição dos casos de acordo com as fontes pesquisadas ficou assim: 88 unidades provenientes de ambas (Banco de dados das cheias e Censo sobre abrigos), 47 do Banco de dados das cheias e 21 do Censo sobre abrigos.</p> <p>Para classificar os abrigos provisórios de Porto Alegre de acordo com as instituições responsáveis pelo espaço físico e instalações, examinamos o seu nome e geolocalização. A partir daí, elaboramos, inicialmente, 11 códigos, a saber: Associações ou centro culturais comunitários; Associações profissionais, sindicatos ou cooperativas; Centros de tradição gaúcha (CTGs); Clubes ou centros esportivos; Clubes sociais ou sociedades culturais; Empresas (incluindo microempresas, escolas privadas e universidades); Outro (imóvel privado); Instituições do Grupo S; Instituições religiosas ou espirituais; ONGs; Órgãos estatais, escolas públicas ou universidades públicas. Posteriormente, esses códigos foram transformados nas seguintes quatro categorias: 1º Setor (Órgãos estatais. nos três níveis de governo, escolas públicas ou universidades públicas); 2º Setor (Empresas privadas, incluindo microempresas); 3º Setor (Foram incluídos os grupos de: Associações ou centros culturais comunitários; CTGs; Clubes ou centros esportivos; Clubes sociais ou sociedades culturais; Outro; Instituições do Grupo S; Instituições religiosas ou espirituais; ONGs); Associações profissionais, sindicatos ou cooperativas. </p> <h3><strong>Referências</strong></h3> <p>POSSANTTI, I., AGUIRRE, A., ALBERTI, C., ANDRADES FILHO, C., AZEREDO, L., BALBON, J., BARBEDO, R., BARCELOS, M., BECKER, F., BEDIN, M., BREGALDA, N., CACCIATORE, J., CAMANA, M., CAMARGO, P., CANTOR, G., CARDOZO, T., CARGNIN, B., CARRARD, G., CASTILHOS, M., CAZANOVA, R., CHIARELLI, F., COLLISHONN, W., CORNELY, A., CREMON, É., CUNHA, L., CUNHA, R., CÁRDENAS, S., DORNELES, J., DORNELLES, F., ECKHARDT, R., FAN, F., FRONER, M., GIACCOM, B., GIASSON, S., GOLDENFUM, J., GONZÁLEZ-ÁVILA, I., GONÇALVES, C., GONÇALVES, G., GUASSELLI, L., GUIMARÃES, E., GUIMARÃES, E., HELLMANN, A., HERRMANN, P., HORSTMANN, G., IABLONOVSKI, G., IESCHECK, A., KIPPER, P., KOBYAMA, M., KRASNER, M., KROB, L., KUELE, P., LAIPELT, L., LUTZ, V., MACIEL, J., MAGALHÃES, F., MALLET, J., MARQUES, B., MARQUES, G., MEIRELLES, F., MEXIAS, L., MICHEL, G., MICHEL, R., MINCARONE, M., MOURA, E., MÜLLER, J., NEVES, É., NICOLINI, I., NONNEMACHER, L., NOVAKOSKI, K., OLIVEIRA, G., OLIVEIRA, M., OTT, P., PAIVA, R., PERES, L., PETRY, L., QUEVEDO, R., QUINTELA, R., RAMOS, M., RAUBER, A., REIS, M., RIBEIRO, M., RIGHI, M., RISSO, A., RODRIGUES, R., ROITMAN, A., RORATO, G., ROYER, S., RUHOFF, A., RUOSO, E., SAMPAIO, M., SCHABBACH, L., SCHIAFFINO, M., SCHMITT, H., SCHUMACHER, R., SCHWARZER, G., SERRANO, N., SIGALLIS, A., SILVA, M., SILVA, S., SLUTER, C., SOARES, L., SOARES, V., SOUSA, L., SOUZA, A., TSCHIEDEL, A., UCHA, L., UMBELINO, G., UTZIG, E. & ZAMBRANO, F. (2024). Banco de dados das cheias na Região Hidrográfica do Lago Guaíba em maio de 2024 (versão 1.2) [Data set]. Zenodo. Disponível em: https://zenodo.org/doi/10.5281/zenodo.11164049; Acesso em: 30/09/2024.</p> <p>RIO GRANDE DO SUL. SECRETARIA DE DESENVOLVIMENTO SOCIAL. (2024). Censo sobre os abrigos provisórios no estado do Rio Grande do Sul. Disponível em: Microsoft Power BI; Acesso em: 10/11/2024.</p> <h3><strong>Nota</strong></h3> <p>[1] Na plataforma colaborativa “Cientistas pelo RS” foi criado o GT Abrigos, um grupo de WhatsApp voltado à produção de informações atualizadas e geolocalizadas sobre as características e as necessidades dos pontos de atendimento de emergência criados durante as inundações no RS, os quais abrangiam: abrigos de pessoas, abrigos de animais ou hotel pet, centros de coleta/distribuição de doações, centros de triagem, cozinhas solidárias e espaços com mais de uma finalidade. As informações provinham de: SOS RS (sos-rs.com), Fórum Social das Periferias de Porto Alegre, Gabinete Integrado de Gestão de Crise de Guaíba, Curiaca-UERGS, Prefeituras de Caxias do Sul, Eldorado do Sul, Novo Hamburgo, São Leopoldo e Porto Alegre (abrigars.com.br), Coletivo Meio de Caxias do Sul, SOS/RS-Zona Sul, Territórios Negros, Bonanza, Universidade de Santa Cruz do Sul etc.</p>
Base de Dados Técnico-Científica: Capacidade Absortiva, Práticas Operacionais de Projetos e Desempenho
<p><strong>Base de Dados Técnico-Científica: Capacidade Absortiva, Práticas Operacionais de Projetos e Desempenho</strong></p> <p>Este estudo, baseado em dados de 157 empresas brasileiras da base de dados artigo-científica, que investiga como a capacidade absortiva (AC) afeta o desempenho de projetos no setor de construção civil. Os resultados apontaram que capacidade absortiva realizada (RAC) tem um efeito direto e indireto no desempenho do projeto. Por outro lado, a capacidade absortiva potencial (PAC) impacta apenas indiretamente no desempenho do projeto por meio de práticas de gerenciamento de projetos (PMPs). Os achados reforçam a relevância da CA para o desenvolvimento do conhecimento interno dos processos e rotinas, melhorando assim o desempenho do projeto.</p>
Dados de pesquisa em informação legislativa
<p>Os dados descritos neste artigo foram coletados em documentos da Câmara dos Deputados, com pesquisa <em>in loco</em> e no <em>website </em>da instituição Foi feita análise desses documentos com o objetivo de identificar metadados de negócio para a informação legislativa, como etapa da metodologia de Arquitetura da informação para processos de trabalho desenvolvida na tese originária destes dados. Os dados da pesquisa podem ser reutilizados por pesquisadores e profissionais das áreas de jornalismo, ciência da computação, ciências sociais, ciência política, legística e legimática, para análise em seus domínios de conhecimento e aplicação em outras pesquisas e aplicações práticas, como na implementação de sistemas de informação para a área legislativa, para a gestão do processo de tramitação legislativa, para acompanhamento de proposições legislativas, acompanhamento e gestão de trabalho das comissões da Câmara dos Deputados, entre outros fins.</p>
Banco de dados das cheias na Região Hidrográfica do Lago Guaíba em Maio de 2024
<h2><strong>ATENÇÃO: LEIA ATÉ O FINAL</strong></h2> <p><strong>Este é o banco de dados das cheias na Região Hidrográfica do Lago Guaíba em Maio de 2024, ainda em curso no Rio Grande do Sul. </strong>A Região Hidrográfica do Lago Guaíba <strong>não</strong> inclui toda a extensão do Rio Grande do Sul. Existem outras áreas afetadas.</p> <p>Este é um esforço <strong>voluntário</strong> entre diversos pesquisadores da Universidade Federal do Rio Grande do Sul e colaborações externas. Confira outros esforços voluntários na plataforma: <a href="https://storymaps.arcgis.com/stories/a81d69f4bccf42989609e3fe64d8ef48">Rio Grande do Sul | 2024 (arcgis.com).</a></p> <p>Este é um esforço ainda em andamento.</p> <p><em>continue lendo</em></p> <h2><strong>Observações importantes</strong></h2> <ol> <li>Confira as <strong>versões</strong> do banco de dados na barra lateral para obter os dados mais recentes ou não corrompidos;</li> <li>Os dados primários obtidos estão no arquivo geopackage<strong> cheias_rhguaiba_2024_db_{versao}.gpkg</strong>;</li> <li>As <strong>camadas </strong>do geopackage estão catalogadas no arquivo <strong>CSV</strong> de glossário <strong>cheias_rhguaiba_2024_db_{versao}_glossario.csv</strong>;</li> <li><strong>ADA </strong>significa <strong>área diretamente afetada</strong>.</li> <li>As metodologias ainda estão sendo documentadas e detalhadas. Confira aqui as <strong>Notas Técnicas.</strong></li> </ol> <p><em>continue lendo</em></p> <h2><strong>Nomenclatura</strong></h2> <ul> <li>ada = Área Diretamente Afetada</li> <li>poa = Porto Alegre</li> <li>rmpa = Região Metropolitana de Porto Alegre</li> <li>rhguaiba = Região Hidrográfica do Lago Guaíba</li> <li>rs = Rio Grande do Sul</li> </ul> <p><em>continue lendo</em></p> <h2><strong>Como citar</strong></h2> <p>Citação simplificada para reportagens e visualizações (infográficos):</p> <p>Possantti et al. (2024).<strong> Banco de dados das cheias na Região Hidrográfica do Lago Guaíba em Maio de 2024</strong> [Data set]. Zenodo. https://doi.org/10.5281/zenodo.11164049 </p> <p>Citação completa para referência bibliográfica:</p> <p>Possantti, I.; Aguirre, A.; Alberti, C.; Andrades Filho, C.; Azeredo, L.; Balbon, J.; Barbedo, R.; Barcelos, M.; Becker, F.; Bedin, M.; Bregalda, N.; Cacciatore, J.; Camana, M.; Camargo, P.; Cantor, G.; Cardozo, T.; Cargnin, B.; Carrard, G.; Castilhos, M.; Cazanova, R.; Chiarelli, F.; Collishonn, W.; Cornely, A.; Cremon, É.; Cunha, L.; Cunha, R.; Cárdenas, S.; Dorneles, J.; Dornelles, F.; Eckhardt, R.; Fan, F.; Froner, M.; Giaccom, B.; Giasson, S.; Goldenfum, J.; González-Ávila, I.; Gonçalves, C.; Gonçalves, G.; Guasselli, L.; Guimarães, E.; Guimarães, E.; Hellmann, A.; Herrmann, P.; Horstmann, G.; Iablonovski, G.; Iescheck, A.; Kipper, P.; Kobyama, M.; Krasner, M.; Krob, L.; Kuele, P.; Laipelt, L.; Lutz, V.; Maciel, J.; Magalhães, F.; Mallet, J.; Marques, B.; Marques, G.; Meirelles, F.; Mexias, L.; Michel, G.; Michel, R.; Mincarone, M.; Moura, E.; Müller, J.; Neves, É.; Nicolini, I.; Nonnemacher, L.; Novakoski, K.; Oliveira, G.; Oliveira, M.; Ott, P.; Paiva, R.; Peres, L.; Petry, L.; Quevedo, R.; Quintela, R.; Ramos, M.; Rauber, A.; Reis, M.; Ribeiro, M.; Righi, M.; Risso, A.; Rodrigues, R.; Roitman, A.; Rorato, G.; Royer, S.; Ruhoff, A.; Ruoso, E.; Sampaio, M.; Schabbach, L.; Schiaffino, M.; Schmitt, H.; Schumacher, R.; Schwarzer, G.; Serrano, N.; Sigallis, A.; Silva, M.; Silva, S.; Sluter, C.; Soares, L.; Soares, V.; Sousa, L.; Souza, A.; Tschiedel, A.; Ucha, L.; Umbelino, G.; Utzig, E.; Zambrano, F. (2024). <strong>Banco de dados das cheias na Região Hidrográfica do Lago Guaíba em Maio de 2024</strong> (versão 1.2) [Data set]. Zenodo. https://zenodo.org/doi/10.5281/zenodo.11164049</p> <p><em>continue lendo</em></p> <h2><strong>Principais camadas no geopackage</strong></h2> <ul> <li>Mapa da <strong>Área Diretamente Afetada (ADA)</strong> pelas cheias de Maio de 2024.</li> <li>Mapas da <strong>mancha de inundação</strong> (água e lama) observada em 6 e 8 de Maio de 2024 obtidas por métodos de sensoriamento remoto.</li> <li>Mapa das <strong>cicatrizes de deslizamentos</strong> (movimentos de massa) observada em 6 de Maio de 2024 obtidas por métodos de sensoriamento remoto.</li> <li>Mapa de <strong>abrigos</strong> para o enfrentamento da crise na Região Metropolitana de Porto Alegre e arredores.</li> <li>Mapas da <strong>infraestrutura de saneamento</strong> na Região Metropolitana de Porto Alegre.</li> <li>Mapa do <strong>patrimônio cultural</strong> afetado.</li> </ul> <p><em>continue lendo</em></p> <h2><strong>Dados de insumos</strong></h2> <p>Dados de insumos (inputs) para análises diversas estão disponíveis em geopackages para <strong>conveniência </strong>(economia de tempo e recursos computacionais em meio ao enfrentamento da crise). <strong>Não somos autores dessas fontes e recomendamos validações a partir da fonte original</strong>.</p> <p><strong>ANA - Modelo digital de elevação ANADEM (30m de resolução)</strong>. Arquivo: <strong>insumos_ada_anadem_30m_rhguaiba.zip.</strong> Pacote de camadas raster com derivados diversos de análises topográficas, incluindo mapa de HAND, na RH do Lago Guaíba. Fonte: <a href="https://metadados.snirh.gov.br/geonetwork/srv/por/catalog.search#/metadata/a5b8f184-d4e3-45e6-a62b-e76d1f255f55">Catálogo de Metadados da ANA (snirh.gov.br)</a>. Nota: as camadas estão projetadas coordenadas planas.</p> <p><strong>IBGE/Censo - Malhas de setores censitários (2010 e 2022) e municípios IBGE no RS. </strong>Arquivo: <strong>insumos_ibge_rs.gpkg</strong>. Fonte: <a href="https://www.ibge.gov.br/geociencias/organizacao-do-territorio/malhas-territoriais.html">Malhas territoriais | IBGE</a>. Comentário: malha dos censos de 2010 e 2022 com os <strong>microdados básicos</strong> agregados.</p> <p><strong>IBGE/CNEFE - Cadastro Nacional de Endereços para Fins Estatísticos no RS. </strong>Arquivo: <strong>insumos_ibge_cnefe_microdados_2022_rs.gpkg</strong>. Fonte: <a href="https://www.ibge.gov.br/estatisticas/sociais/populacao/38734-cadastro-nacional-de-enderecos-para-fins-estatisticos.html?=&t=resultados">Cadastro Nacional de Endereços para Fins Estatísticos | IBGE</a>. Comentário: pontos dos endereços com a codificação do tipo de estabelecimento.</p> <p><strong>INEP - Catálogo de Escolas do Rio Grande do Sul</strong>. Arquivo: <strong>insumos_inep_escolas_2023_rs.gpkg</strong>. Fonte: <a href="https://www.gov.br/inep/pt-br/acesso-a-informacao/dados-abertos/inep-data/catalogo-de-escolas">Catálogo de Escolas — Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira | Inep (www.gov.br)</a></p> <p><strong>NASA - Pontos de deslizamentos de encosta em uma área da serra, na RH do Lago Guaíba</strong>. Arquivo: <strong>insumos_nasa_deslizamentos_2024_rhguaiba.gpkg</strong>. Fonte: <a href="https://maps.disasters.nasa.gov/arcgis/home/item.html?id=b68a02ab6c2544dfa4c9cd7457049423">Landslides Mapped with Planet Imagery for the May 2024 Brasil Floods - Overview (nasa.gov)</a></p> <p><strong>Open Buildings V3 Polygons - Edificações na região hidrográfica. </strong>Arquivo: <strong>insumos_googlebuildings_edificacoes_rhguaiba.gpkg.</strong> Citação: W. Sirko, S. Kashubin, M. Ritter, A. Annkah, Y.S.E. Bouchareb, Y. Dauphin, D. Keysers, M. Neumann, M. Cisse, J.A. Quinn. Continental-scale building detection from high resolution satellite imagery. arXiv:2107.12283, 2021. Fonte: <a href="https://developers.google.com/earth-engine/datasets/catalog/GOOGLE_Research_open-buildings_v3_polygons">Open Buildings V3 Polygons</a>. Comentário: polígonos de edificações extraídos para a Região Hidrográfica do Lago Guaíba.</p> <p><strong>Open Street Maps (OSM) - Vias urbanas e estradas na região hidrográfica. </strong>Arquivo: insumos_openstreetmaps_vias_rhguaiba.gpkg. Fonte: <a href="https://download.geofabrik.de/south-america/brazil/">Index of /south-america/brazil (geofabrik.de)</a></p> <p><strong>SEMA/RS - Base cartográfica 1:25000 do RS. </strong>Arquivo: <strong>insumos_semars_basecarto25k_rs.gpkg</strong>. Fonte: SEMA/RS. Comentário: mapas diversos da base cartográfica do RS, hidrografia, pontes, estradas principais, bacias hidrograficas. </p> <p><strong>SNISB - Cadastro de Barragens na RH do Lago Guaíba. </strong>Arquivo:<strong> insumos_snisb_barragens_2022_rhguaiba.gpkg. Fonte: </strong>Relatório de Segurança de Barragens Edição 2022. Cadastro da Planilha de Dados. Disponível em:<strong> <a href="https://www.snisb.gov.br/portal-snisb/inicio">Início | SNISB - Sistema de Segurança de Barragem</a></strong></p> <p><strong>Sulgás - Redes de distribuição de gás da Sulgás na região hidrográfica.</strong> Arquivo: <strong>insumos_sulgas_tubulacoes_rhguaiba.gpkg</strong>. Fonte: SULGÁS.</p> <p><em>continue lendo</em></p> <h2><strong>Notas</strong></h2> <ul> <li>O geopackage nas versões v.0.1 e v.0.2 está corrompido. Usar versões mais recentes.</li> <li>Para ajustar qualquer problemas entrar em contato com possantti@gmail.com</li> </ul> <p><em>Você pode parar de ler aqui</em></p> <h2><strong>Notas técnicas</strong></h2> <p><strong>Cicatrizes de movimentos de massa por sensoriamento remoto (em andamento)</strong></p> <p><em>Autores: Clódis de Oliveira Andrades Filho, Lorenzo Fossa Sampaio Mexias, Andrea Lopes Iescheck, Bárbara Giaccom, Me. Beatriz da Rosa Cargnin, Claudia Robbi Sluter, Dafne Cavalheiro, Édipo Cremon, Gabriel Schwarzer, Guilherme Garcia de Oliveira, João Igor Dorneles, José Antônio Cacciatore, Henrique Schmitt, Kleverson Ribeiro Novakoski, Laurindo Guasselli, Leandro Petry, Luana Daniela da Silva Peres, Mateus da Silva Reis, Maurício Righi, Michelle Cardoso da Silva, Milton Ribeiro Junior, Pâmela Boelter Herrmann, Raul Gick Schumacher, Renata Pacheco Quevedo, Sergio Mauricio Molano Cárdenas, Victor Matheus Soares.</em></p> <p>Cicatrizes de movimentos de massa são marcas da movimentação de solo e/ou rochas visíveis no terreno, geralmente ao longo de encostas. Estas marcas são oriundas de deslizamentos, fluxos de detritos e lama, queda de blocos e rastejamento de solo. As cicatrizes foram delimitadas a partir de imagens de satélite de alta resolução espacial), por interpretação visual, na composição colorida RGB cor-verdadeira. As seguintes bases foram utilizadas: a) imagens dos satélites World View concedidas para uso emergencial pela National Geospatial-Intelligence Agency - NGA / Diretoria de Serviço Geográfico – DSG – Fonte das Imagens Maxar Technologies 2024 (resolução espacial: 0,3 m a 0,4 m); b) imagens concedidas pela Força Aérea do Chile e Força Aérea Brasileira para uso emergencial advindos dos sistemas EROS C e BlackSky (resolução espacial: 0,9 m); c) imagens do satélite sino-brasileiro CBERS 4A, sensor WPM, com processamento pansharpening (resolução espacial: 2 m) oriundas do Instituto Nacional de Pesquisas Espaciais (INPE), Brasil. <strong>ATENÇÃO</strong>: As cicatrizes de Movimentos de Massa mapeadas até o momento representam uma parcela da área total atingida por movimentos de massa na escarpa sul do Planalto Meridional-RS em Maio de 2024. O trabalho segue em andamento e passando por revisões frente as áreas possivelmente impactadas por movimentos de massa. Realização: Laboratório Latitude - Centro Estadual de Pesquisas em Sensoriamento Remoto e Meteorologia (CEPSRM) / Programa de Pós-graduação em Sensoriamento Remoto (PPGSR) / Departamento de Geodésia | Instituto de Geociências (IGeo) | Universidade Federal do Rio Grande do Sul (UFRGS).</p> <p>Camada:</p> <ul> <li>rhguaiba_deslizamentos_20240506_v{data mais recente}</li> </ul> <p><strong>Manchas de inundação Planet e Skysat (finalizado)</strong></p> <p><em>Autores: Guilherme Garcia de Oliveira , Rafael Rodrigo Eckhardt.</em></p> <p>A mancha de inundação para as bacias hidrográficas foi gerada a partir da integração de imagens ópticas de sensoriamento remoto (Planet, Skysat e WorldView-2, obtidas em 06/05/2024), modelo digital do terreno da Região Funcional 1 (MDT-RF1) (SPGG-RS & CGEO), modelo digital de elevação FABDEM e pontos coletados em campo, durante ou próximo do pico da inundação. As imagens foram utilizadas para extração de pontos limites da inundação, por interpretação visual, de modo a identificar não somente os limites com água em superfície, mas também os limites identificáveis com lama/detritos, indicando a provável passagem da onda de cheia pelo local. Esses pontos foram utilizados para extração de cota de inundação ao longo dos vales, usando o MDT-RF1 quando disponível. A cota de inundação foi interpolada pelo método de krigagem ordinária. Após isso, foi realizada a subtração da cota de inundação interpolada pela elevação obtida por meio do MDE, resultando em profundidades estimadas de água e limites da mancha de inundação. Os pontos de campo foram usados para validação do produto. Apenas quando necessário, em função da resolução dos modelos digitais usados, foi editada a mancha de inundação manualmente, procedimento adotado em algumas áreas dos vales fluviais quando constatada discrepância entre a mancha produzida e a mancha observada nas imagens de satélite. Observação: MDT-RF1 foi disponibilizado na resolução espacial de 2,5 m, gerado a partir de imagens aéreas, na resolução espacial de 0,35 m, obtidas em levantamento realizado em 2018. Projeto coordenado pela SPGG-RS em parceria com o 1º CGEO, Exército Brasileiro.</p> <p>Camada:</p> <ul> <li>rhguaiba_planet-skysat_inundacao_obs_20240506</li> </ul> <p><strong>Manchas de água e lama Sentinel 2</strong></p> <p><em>Autores: Laipelt, L.; Iablonovski, G.; Alberti, C.; Mincarone, M.; Possantti, I.; Rorato, G.;</em></p> <p>A partir de imagem de satélite do sensor Sentinel-2 do dia 06/05/2024 e 08/05/2024, foram classificadas as áreas inundadas (por índice normalizado de água - NDWI) e cobertas por lama (por índice normalizado de lama - BSI) da região da Bacia Hidrográfica do Lago Guaiba para obter a Área Diretamente Afetada. O resultado de água foi validado manualmente a partir da interpretação visual da imagem em cor natural.</p> <p>Camadas:</p> <ul> <li>rhguaiba_sentinel2_agua_obs_20240506</li> <li>rhguaiba_sentinel2_agua_obs_20240506_validada</li> <li>rhguaiba_sentinel2_lama_obs_20240506</li> <li>rhguaiba-sinosgravatai_sentinel2_agua_obs_20240508</li> <li>rhguaiba-sinosgravatai_sentinel2_agua_obs_20240508_validada</li> </ul> <p><strong>Simulação Hidrodinâmica HEC-RAS</strong></p> <p><em>Autores: Laipelt, L.</em></p> <p>Mancha de inundacao simulada (modelo HEC RAS) para ajusatar o nivel em 550cm no Cais Maua. Inclui também mapa de severidade física do escoamento simulado. Classes de severidade física: 1 – Baixa severidade 2 - Média 3 – Alta. Este é um mapa de perigo baseado na equação IP= Veloc x Profundidade de. Não temos tanta confiança na profundidade dos modelos hidrodinâmicos em escala regional visto que não possuimos as batimetria dos rios. Além da resolução espacial. Classificação foi feita baseada nos artigos:</p> <p>https://www.scielo.br/j/mercator/a/bYfg3jbM7cgqNzyZq5dyDKt/?format=html&lang=pt# https://www.sciencedirect.com/science/article/pii/S1462075802000328 </p> <p>Camadas:</p> <ul> <li>rhguaiba_hecras_inundacao_simulada_550cm</li> <li>rhguaiba_hecras_severidade_simulada_20240506</li> </ul> <h2><strong>Registro histórico</strong></h2> <p><strong>[08/01/2025 14h00] - Versão v.1.4. </strong>Atualização com a camada da área protegida pelo Sistema de Proteção Contra Cheias (Pôlderes).</p> <p><strong>[27/10/2024 16h00] - Versão v.1.3. </strong>Atualização da camada de deslizamentos - cicatrizes de movimentos de massa (total mapeadas: 15 mil).</p> <p><strong>[05/08/2024 18h00] - Versão v.1.2. </strong>Atualização da camada de cicatrizes de movimentos de massa (total mapeadas: 11 mil). Próximos melhoramentos: incluir pontos de amostragem da coleta de agua e sedimentos. Camadas de insumo diversas, incluindo Mapbiomas e CAR.</p> <p><strong>[29/06/2024 9h00] - Versão v.1.1. </strong>Atualização da camada de cicatrizes de movimentos de massa (total mapeadas: 5 mil). Próximos melhoramentos: incluir pontos de amostragem da coleta de agua e sedimentos. Camadas de insumo diversas, incluindo Mapbiomas e CAR.</p> <p><strong>[12/06/2024 9h00] - Versão v.1.0. </strong>Nova camada com mapeamento de cicatrizes de deslizamentos de encostas, obtida por métodos de sensoriamento remoto (dado ainda em produção). Nova camada de insumo com pontos mapeados pela NASA onde ocorreram movimentos de massa. Ajuste na convenção de datas no nomes para o formato YYYYMMDD.<strong> </strong>Próximos melhoramentos: incluir pontos de amostragem da coleta de agua e sedimentos. Camadas de insumo diversas, incluindo Mapbiomas e CAR.</p> <p><strong>[27/05/2024 20h00] - Versão v.0.9. </strong>Camada definitiva da inundação por cenas Planet, sendo que as camadas intermediárias das sub-bacias foram removidas. Nova versão ampliada da ADA (Área Diretamente Afetada), totalizando 6 mil km². Relação ampliada de abrigos da crise. Nova camada com o histórico da situação dos municípios (decretos de calamidade pública). Próximos melhoramentos: incluir pontos de validadao de campo da ADA nos vales, incluir pontos de amostragem da coleta de agua e sedimentos. Mapa de cicatrizes de movimentos de massa. Camadas de insumo diversas, incluindo Mapbiomas e CAR.</p> <p><strong>[24/05/2024 20h00] - Versão v.0.8. </strong>Novas camadas de manchas de inundação com cenas Planet para Rio dos Sinos e Rio Gravataí. Nova versão ampliada da ADA (Área Diretamente Afetada). Relação ampliada de abrigos da crise. Nova camada com o histórico da situação das EBAPs e ETAs na RMPA. Nova camada com mapa completo de diques na RMPA. Nova camada com o histórico da situação de barragens selecionadas na RH do Lago Guaíba. Nova camada de insumo: católogo de escolas do INEP. Nova camada de insumo: cadastro geral de barragens na RH do Lago Guaíba. Nova camada de insumo: pacote de mapas raster com análises topográficas do MDE ANADEM, incluindo HAND da RH do Lago Guaíba. Próximos melhoramentos: incluir pontos de validadao de campo da ADA nos vales, incluir pontos de amostragem da coleta de agua e sedimentos. Camadas de insumo diversas, incluindo Mapbiomas e CAR.</p> <p><strong>[22/05/2024 10h00] - Versão v.0.7. </strong>Relação ampliada de abrigos da crise, com tabela CSV em separado. Nova camada de insumo tubulações de gás da SulGás. Substituição da camada de insumo de endereços CNEFE pela camada divulgada pelo IBGE em 21/5, com microdados (incluindo CEP). Nova camada de insumo: topografia do modelo digital de elevação ANADEM na região hidrográfica (Modelo Copernicus corrigido para vegetação no Brasil). Próximos melhoramentos: incluir status de barragens e saneamento durante a crise, incluir pontos de validadao de campo da ADA nos vales, incluir pontos de amostragem da coleta de agua e sedimentos. Camadas de insumo diversas, incluindo Mapbiomas, CAR, HAND.</p> <p><strong>[20/05/2024 21h00] - Versão v.0.6. </strong>Relação ampliada de abrigos da crise. Atualização dos autores. Atualização da ADA (área diretamente afetada) a partir de manchas obtidas na bacia do Rio dos Sinos e Rio Gravataí (dia 8 de Maio). Nova camada de pontos de nível levantados em campo em Porto Alegre.<strong> </strong>Remoção da análise municipal.<strong> </strong>Proximos melhoramentos: incluir status de barragens e saneamento durante a crise, incluir pontos de validadao de campo da ADA nos vales, incluir pontos de amostragem da coleta de agua e sedimentos.</p> <p><strong>[13/05/2024 22h00] - Versão v.0.5. </strong>Relação ampliada de abrigos da crise. Atualização dos autores. Nova nomenclatura de nomes para português. Título foi modificado para "cheias" em vez de "inundação". Atualização da ADA (área diretamente afetada). Nova camada de severidade física do escoamento simulado por HEC-RAS (primeira cheia). Geopackages adicionais de insumos carregados em separado do banco de dados principal. Proximos melhoramentos: completar camadas de saneamento basico para Regiao Metropolitana, incluir insumos para analises sociais e economicas, incluir pontos de validadao de campo da ADA, incluir pontos de amostragem da coleta de agua e sedimentos.</p> <p><strong>[10/05/2024 22h00]</strong> - <strong>Versão v.0.4.</strong> Nova versão da analise de municipios com endereços CNEFE; Novas camadas de manchas de inundação nos vales Taquari, Caí e Pardo com cenas Planet e Skysat; Relação ampliada de abrigos da crise. Atualização dos autores. Proximos melhoramentos: ajustar camada de abrigos e camada Sentinel de lama para sistema de referência WGS 84.</p> <p> </p> <p> </p>
Dados Unificados do Censo da Educação Superior de 2020 - Indicadores de Fluxo da Educação Superior no Brasil
<p>Indicadores de fluxo de ingressantes de cursos de graduação produzidos a partir das informações coletadas pelo Censo da Educação Superior, tendo como forma de análise o acompanhamento longitudinal em uma trajetória cronológica dos estudantes quando ingressam em um curso de graduação até a sua saída, seja por meio da conclusão ou da desistência do curso.</p> <p>Esses indicadores servem de base para diferentes análises, bem como para medida da eficiência de cada curso, podendo ser combinados com outros indicadores ou insumos, auxiliando na criação de novos parâmetros de controle de eficiência do curso, além de qualificar a oferta e a demanda desses cursos. Além disso, eles subsidiam discussões acerca da eficácia do sistema de ensino superior, principalmente quanto à capacidade deste para formar pessoas.</p> <p>Essa classe de indicadores educacionais tem como unidade de análise o curso de graduação, abrangendo três dimensões principais do vínculo do estudante ao curso: permanência, desistência e conclusão. </p> <p>Permanência no curso de ingresso: corresponde aos estudantes que possuem vínculos ativos com o seu curso de ingresso em um determinado ano de referência.</p> <p>Desistência do curso de ingresso: corresponde aos estudantes que encerram seu vínculo com o seu curso de ingresso em um determinado ano de referência, seja por meio da desvinculação ou da transferência para outro curso da mesma instituição de educação superior.</p> <p>Conclusão no curso de ingresso: corresponde aos estudantes que se formam no seu curso de ingresso em um determinado ano de referência.</p> <p>Dados brutos: <a href="https://www.gov.br/inep/pt-br/acesso-a-informacao/dados-abertos/indicadores-educacionais/indicadores-de-fluxo-da-educacao-superior">INEP</a></p>
Censo da Educação Superior no Brasil - Dados Unificados
<p><strong>Dados unificados do Censo da Educação do Ensino Superior por curso e Unidade Federativa do Brasil.</strong></p> <p> </p> <table> <tbody> <tr> <td><strong>Campo</strong></td> <td><strong>Valor</strong></td> </tr> <tr> <td>Organização:</td> <td>Instituto REDI</td> </tr> <tr> <td>Autor:</td> <td>André Santos - andre@institutoredi.org</td> </tr> <tr> <td>Criado:</td> <td>27/03/2022</td> </tr> <tr> <td>Dataset:</td> <td>Observações = 44.254; Variáveis = 26.</td> </tr> <tr> <td>Sinopses:</td> <td>Censo da Educação Superior entre 2015 até 2020</td> </tr> <tr> <td>Sinopse (2015):</td> <td>1.15 - Dados Gerais dos Cursos de Graduação Presenciais e a Distância, por Categoria Administrativa das IES, segundo o Curso (Classe INEP) e a Unidade da Federação - 2015</td> </tr> <tr> <td>Sinopse (2016):</td> <td>1.15 - Dados Gerais dos Cursos de Graduação Presenciais e a Distância, por Categoria Administrativa das IES, segundo o Curso (Classe INEP) e a Unidade da Federação - 2016</td> </tr> <tr> <td>Sinopse (2017):</td> <td>1.15 - Dados Gerais dos Cursos de Graduação Presenciais e a Distância, por Categoria Administrativa das IES, segundo o Curso (Classe INEP) e a Unidade da Federação - 2017</td> </tr> <tr> <td>Sinopse (2018):</td> <td>1.17 - Dados Gerais dos Cursos de Graduação Presenciais e a Distância, por Categoria Administrativa das IES, segundo o Tipo de Cursos e a Unidade da Federação - 2018</td> </tr> <tr> <td>Sinopse (2019):</td> <td>1.17 - Dados Gerais dos Cursos de Graduação Presenciais e a Distância, por Categoria Administrativa das IES, segundo o Tipo de Cursos e a Unidade da Federação - 2019</td> </tr> <tr> <td>Sinopse (2020):</td> <td>1.17 - Dados Gerais dos Cursos de Graduação Presenciais e a Distância, por Categoria Administrativa das IES, segundo o Tipo de Cursos e a Unidade da Federação - 2020</td> </tr> <tr> <td>Dados Originais:</td> <td><a href="https://www.gov.br/inep/pt-br/acesso-a-informacao/dados-abertos/sinopses-estatisticas/educacao-superior-graduacao">Sinopses Estatísticas da Educação Superior – Graduação</a></td> </tr> </tbody> </table> <p><strong>Dataset:</strong></p> <table> <tbody> <tr> <td>Nº da Variável</td> <td>Campo</td> <td>Valor</td> <td>Tipo da Variável</td> </tr> <tr> <td>Variável 01</td> <td>OBS</td> <td>Número da observação na base de dados</td> <td>INT</td> </tr> <tr> <td>Variável 02</td> <td>CURSO</td> <td>Tipo de Cursos</td> <td>STR</td> </tr> <tr> <td>Variável 03</td> <td>UF_NOME</td> <td>Nome da Unidade da Federação</td> <td>STR</td> </tr> <tr> <td>Variável 04</td> <td>UF_SIGLA</td> <td>Sigla da Unidade da Federação</td> <td>STR</td> </tr> <tr> <td>Variável 05</td> <td>ANO</td> <td>Ano de referência da Sinopse</td> <td>INT</td> </tr> <tr> <td>Variável 06</td> <td>TIPO_INST</td> <td>Tipo da Instituição de Ensino Superior</td> <td>STR</td> </tr> <tr> <td>Variável 07</td> <td>N_INST</td> <td>Número de Instituições que oferecem o Curso</td> <td>INT</td> </tr> <tr> <td>Variável 08</td> <td>N_CURS</td> <td>Número de Cursos</td> <td>INT</td> </tr> <tr> <td>Variável 09</td> <td>MAT</td> <td>Matrículas</td> <td>INT</td> </tr> <tr> <td>Variável 10</td> <td>CONC</td> <td>Concluintes</td> <td>INT</td> </tr> <tr> <td>Variável 11</td> <td>VAG</td> <td>Vagas Oferecidas</td> <td>INT</td> </tr> <tr> <td>Variável 12</td> <td>CAND_INSC</td> <td>Candidatos Inscritos</td> <td>INT</td> </tr> <tr> <td>Variável 13</td> <td>SEL_VAG_NOV_OFER</td> <td>Seleção para Vagas Novas - Oferecidas</td> <td>INT</td> </tr> <tr> <td>Variável 14</td> <td>SEL_VAG_NOV_INSC</td> <td>Seleção para Vagas Novas - Candidatos Inscritos</td> <td>INT</td> </tr> <tr> <td>Variável 15</td> <td>SEL_PRO_ESP_OFER</td> <td>Seleção para Vagas de Programas Especiais - Oferecidas</td> <td>INT</td> </tr> <tr> <td>Variável 16</td> <td>SEL_PRO_ESP_INSC</td> <td>Seleção para Vagas de Programas Especiais - Candidatos Inscritos</td> <td>INT</td> </tr> <tr> <td>Variável 17</td> <td>SEL_REM_VAG_OFER</td> <td>Seleção para Vagas Remanescentes - Oferecidas</td> <td>INT</td> </tr> <tr> <td>Variável 18</td> <td>SEL_REM_CAN_INSC</td> <td>Seleção para Vagas Remanescentes - Candidatos Inscritos</td> <td>INT</td> </tr> <tr> <td>Variável 19</td> <td>ING_PRO_SELE</td> <td>Ingressos por Processo Seletivo</td> <td>INT</td> </tr> <tr> <td>Variável 20</td> <td>ING_SEL_ESPE</td> <td>Ingressos por Seleção para Vagas de Programas Especiais</td> <td>INT</td> </tr> <tr> <td>Variável 21</td> <td>ING_SEL_REMA</td> <td>Ingressos por Seleção para Vagas Remanescentes</td> <td>INT</td> </tr> <tr> <td>Variável 22</td> <td>ING_OUTR</td> <td>Ingressos por Outras Formas</td> <td>INT</td> </tr> <tr> <td>Variável 23</td> <td>MAT_TRAN</td> <td>Matrícula Trancada</td> <td>INT</td> </tr> <tr> <td>Variável 24</td> <td>MAT_DESV</td> <td>Matrículas Desvinvulados</td> <td>INT</td> </tr> <tr> <td>Variável 25</td> <td>ALU_TRANS</td> <td>Alunos Transferidos para outros cursos na IES</td> <td>INT</td> </tr> <tr> <td>Variável 26</td> <td>ALU_FALE</td> <td>Alunos Falecidos</td> <td>INT</td> </tr> </tbody> </table> <p> </p> <p><strong>Legenda:</strong></p> <p>Tipo de variáveis:</p> <ul> <li>INT: Numérico (inteiro)</li> <li>STR: Texto</li> </ul>
Dados completos do estudo: COM O QUE SE GASTA AO FAZER CAMPANHA EM PLENA PANDEMIA? UM ESTUDO SOBRE OS GASTOS DE CAMPANHA DURANTE A DISPUTA PELAS CAPITAIS BRASILEIRAS EM 2020
<p>As eleições municipais brasileiras de 2020 foram realizadas em meio a pandemia da COVID-19 e essa circunstância fez com que uma série de mudanças fossem impostas na forma de fazer campanha, inclusive com adiamento do calendário eleitoral. Desta forma, o objetivo deste artigo é compreender padrões nos tipos de gastos de campanha declarados por prefeituráveis que disputaram o comando das 26 capitais brasileiras em 2020. As perguntas que movem esse artigo são duas: a pandemia trouxe mudanças para os tipos de gastos feitos pelos candidatos(as) a prefeito(a) nas capitais brasileiras em 2020? Há diferenças nos gastos que tipos de candidatos fazem durante a campanha? A pesquisa lança mão de uma metodologia quantitativa e reúne dados das prestações de contas de todos os prefeituráveis de capitais que tiveram as candidaturas deferidas, formando um <em>corpus</em> de 304 candidatos(as). No aspecto teórico, o artigo apresenta uma discussão sobre campanhas eleitorais e gastos de campanha. Do ponto de vista empírico, além de informações sobre os gastos de campanha, a base de dados da pesquisa também engloba variáveis como o gênero (homem e mulher), partido (legenda), região da disputa (Sul, Sudeste, Norte, Nordeste ou Centro-Oeste) e classifica os candidatos(as) a partir de quatro tipologias: incumbentes, candidatos(as) com mandato, candidatos(as) sem mandato e candidatos(as) a sucessor(a). A partir destes dados, o estudo busca identificar padrões entre os tipos de gastos dos candidatos(as), dividindo os(as) prefeituráveis por regiões do Brasil, como também por tipologia de candidato. Os resultados mostram que, apesar da pandemia da Covid-19 e das mudanças no calendário eleitoral, os gastos tradicionais de campanha seguem entre os mais representativos, enquanto os investimentos em campanha on-line são mais significativos apenas entre alguns grupos de prefeituráveis específicos, como aqueles(as) sem mandato e de partidos com menos tempo de rádio e TV. Os dados também apontam para a manutenção de mecanismos de campanha <em>off-line </em>apenas em algumas regiões do país, como gastos com comício e carro de som concentrados na região Norte. Desta forma, a pesquisa conclui que há um padrão nas campanhas em capitais brasileiras representado pelo gasto com mecanismos tradicionais (rádio, TV e material impresso), mas que também há diferenças nestes gastos tradicionais entre as regiões do país. Já os gastos com ferramentas de campanha on-line, mesmo em um período de pandemia e necessidade de distanciamento, representaram fatias pequenas dos gastos das disputas municipais, aquelas travadas de maneira mais próxima entre eleitor(a) e candidato(a). A pesquisa aponta ainda para diferenças relevantes entre incumbentes, prefeituráveis com mandato, candidatos sem mandato e postulantes a sucessor(a) na maneira como estes distribuíram seus recursos de campanha no pleito de 2020.</p>
Banco de Dados - Eficiência das Despesas Públicas Municipais - Brasil
<p>Conjunto de dados formado por dados financeiros e operacionais dos municípios do Brasil. O Banco é formado por dados públicos, coletados de diversas fontes públicas de informação, referentes a despesas por função (educação, saúde, segurança, entre outros), indicadores e outros dados que refletem a realidade municipal nas áreas de educação, saúde, segurança pública, desenvolvimento, saneamento e situação fiscal.</p>
MGPB: Conjunto de Dados de Séries Temporais de Músicas de Gênero de Protesto Brasileiras
<p>O dataset MGPB é um conjunto de dados sobre gêneros musicais brasileiros ligados a movimentos de protesto, combinando dados acústicos do Spotify com letras processadas por técnicas de linguagem natural, permitindo uma análise detalhada da expressão de protestos na música. Além disso, o MGPB permite a construção de séries temporais, tornando-se um recurso valioso para analisar gêneros musicais brasileiro de protesto ao longo do tempo.</p> <p>Dessa forma o csv esta estruturado com as colunas:</p> <table> <tbody> <tr> <td> <div> <div> <p>Coluna</p> </div> </div> </td> <td> <div> <div> <p>Descrição</p> </div> </div> </td> </tr> <tr> <td> <div> <div> <p>ID do Spotify</p> </div> </div> </td> <td> <div> <div> <p>Identificador único para cada música na plataforma \textit{Spotify}.</p> </div> </div> </td> </tr> <tr> <td> <div> <div> <p>IDs do Artista</p> </div> </div> </td> <td> <div> <div> <p>Identificadores exclusivos dos artistas relacionados à música.</p> </div> </div> </td> </tr> <tr> <td> <div> <div> <p>Nome da Faixa</p> </div> </div> </td> <td> <div> <div> <p>Título da música.</p> </div> </div> </td> </tr> <tr> <td> <div> <div> <p>Nome do Álbum</p> </div> </div> </td> <td> <div> <div> <p>Título do álbum ao qual a música pertence.</p> </div> </div> </td> </tr> <tr> <td> <div> <div> <p>Nome do(s) Artista(s)</p> </div> </div> </td> <td> <div> <div> <p>Lista dos artistas associados à música.</p> </div> </div> </td> </tr> <tr> <td> <div> <div> <p>Duração (ms)</p> </div> </div> </td> <td> <div> <div> <p>Duração da música em milissegundos.</p> </div> </div> </td> </tr> <tr> <td> <div> <div> <p>Popularidade</p> </div> </div> </td> <td> <div> <div> <p>Medida de popularidade da música determinada pelo algoritmo do Spotify.</p> </div> </div> </td> </tr> <tr> <td> <div> <div> <p>Dançabilidade</p> </div> </div> </td> <td> <div> <div> <p>Indica o quão adequada a música é para dançar, baseado em características musicais.</p> </div> </div> </td> </tr> <tr> <td> <div> <div> <p>Energia</p> </div> </div> </td> <td> <div> <div> <p>Representa a intensidade e atividade percebida da música.</p> </div> </div> </td> </tr> <tr> <td> <div> <div> <p>Tonalidade</p> </div> </div> </td> <td> <div> <div> <p>Tonalidade da música.</p> </div> </div> </td> </tr> <tr> <td> <div> <div> <p>Intensidade Sonora</p> </div> </div> </td> <td> <div> <div> <p>Volume percebido da música.</p> </div> </div> </td> </tr> <tr> <td> <div> <div> <p>Modo Musical</p> </div> </div> </td> <td> <div> <div> <p>Indica se a música está em modo maior ou menor.</p> </div> </div> </td> </tr> <tr> <td> <div> <div> <p>Intensidade Vocal</p> </div> </div> </td> <td> <div> <div> <p>Grau de presença de palavras faladas na música.</p> </div> </div> </td> </tr> <tr> <td> <div> <div> <p>Acústica</p> </div> </div> </td> <td> <div> <div> <p>Indica o grau de presença de elementos acústicos na música.</p> </div> </div> </td> </tr> <tr> <td> <div> <div> <p>Instrumental</p> </div> </div> </td> <td> <div> <div> <p>Indica o grau de presença de elementos instrumentais na música.</p> </div> </div> </td> </tr> <tr> <td> <div> <div> <p>Vivacidade</p> </div> </div> </td> <td> <div> <div> <p>Presença de elementos ao vivo na gravação da música.</p> </div> </div> </td> </tr> <tr> <td> <div> <div> <p>Valência</p> </div> </div> </td> <td> <div> <div> <p>Medida que indica a positividade da música.</p> </div> </div> </td> </tr> <tr> <td> <div> <div> <p>Ritmo</p> </div> </div> </td> <td> <div> <div> <p>Andamento da música em batidas por minuto.</p> </div> </div> </td> </tr> <tr> <td> <div> <div> <p>Letra</p> </div> </div> </td> <td> <div> <div> <p>Conteúdo das letras da música.</p> </div> </div> </td> </tr> <tr> <td> <div> <div> <p>Frequência de Palavras</p> </div> </div> </td> <td> <div> <div> <p>Frequência das palavras usadas nas letras da música.</p> </div> </div> </td> </tr> <tr> <td> <div> <div> <p>Gênero</p> </div> </div> </td> <td> <div> <div> <p>Gênero musical da música.</p> </div> </div> </td> </tr> <tr> <td> <div> <div> <p>Década</p> </div> </div> </td> <td> <div> <div> <p>Década de lançamento da música.</p> </div> </div> </td> </tr> </tbody> </table>
ICPSet: Um Conjunto de Dados Estruturado de Itens de Compras Públicas
<div> <div> <div> <div> <p>O ICPSet é um conjunto de dados que compila informações detalhadas sobre compras públicas realizadas pelo Estado de Minas Gerais. Este conjunto abrangente de dados inclui registros de licitações, dispensas, contratos e notas fiscais, estruturados em formato JSON Lines (JSONL) para facilitar o acesso e análise. Cada registro contém atributos como identificação do item, tipo de licitação, ano de realização, preço, unidades de medida e descrição padronizada do item, tanto na forma original quanto pré-processada. </p> </div> </div> </div> </div>
Conjunto de Dados de Séries Temporais de Músicas Brasileiras
<p>O dataset é um conjunto de dados sobre gêneros musicais brasileiros, combinando dados acústicos do Spotify com letras processadas por técnicas de linguagem natural, permitindo uma análise detalhada. Além disso, permite a construção de séries temporais, tornando-se um recurso valioso para analisar gêneros musicais brasileiro de protesto ao longo do tempo.</p> <p>Dessa forma o csv de treino e avaliacao possui cerca de 51 mil musicas brasileiras de generos diversos e esta estruturado com as colunas:</p> <table> <tbody> <tr> <th>Nome da Coluna</th> <th>Descrição</th> </tr> </tbody> <tbody> <tr> <td>Nome da Música</td> <td>Nome da música.</td> </tr> <tr> <td>ID do Artista</td> <td>Identificador único do artista.</td> </tr> <tr> <td>Letra Tratada</td> <td>Letra da música após tratamento ou limpeza de dados (por exemplo, remoção de caracteres especiais).</td> </tr> <tr> <td>Raiva</td> <td>Pontuação ou indicador de raiva na letra da música.</td> </tr> <tr> <td>Medo</td> <td>Pontuação ou indicador de medo na letra da música.</td> </tr> <tr> <td>Alegria</td> <td>Pontuação ou indicador de alegria na letra da música.</td> </tr> <tr> <td>Tristeza</td> <td>Pontuação ou indicador de tristeza na letra da música.</td> </tr> <tr> <td>Surpresa</td> <td>Pontuação ou indicador de surpresa na letra da música.</td> </tr> <tr> <td>Gênero</td> <td>Gênero musical da música (por exemplo, pop, rock, jazz).</td> </tr> <tr> <td>Valor</td> <td>Valor associado à música, que pode representar uma métrica específica (por exemplo, popularidade, vendas).</td> </tr> </tbody> </table> <p>Dessa forma o csv de treino e avaliacao possui cerca de 51 mil musicas brasileiras de generos diversos e esta estruturado com as colunas:</p> <table> <tbody><tr> <th><strong>Coluna</strong></th> <th><strong>Descrição</strong></th> </tr> </tbody><tbody> <tr> <td>ID do <em>Spotify</em></td> <td>Identificador único para cada música na plataforma <em>Spotify</em>.</td> </tr> <tr> <td><em>IDs</em> do Artista</td> <td>Identificadores exclusivos dos artistas relacionados à música.</td> </tr> <tr> <td>Nome da Faixa</td> <td>Título da música.</td> </tr> <tr> <td>Nome do Álbum</td> <td>Título do álbum ao qual a música pertence.</td> </tr> <tr> <td>Nome do(s) Artista(s)</td> <td>Lista dos artistas associados à música.</td> </tr> <tr> <td>Duração (ms)</td> <td>Duração da música em milissegundos.</td> </tr> <tr> <td>Popularidade</td> <td>Medida de popularidade da música determinada pelo algoritmo do Spotify.</td> </tr> <tr> <td>Dançabilidade</td> <td>Indica o quão adequada a música é para dançar, baseado em características musicais.</td> </tr> <tr> <td>Energia</td> <td>Representa a intensidade e atividade percebida da música.</td> </tr> <tr> <td>Tonalidade</td> <td>Tonalidade da música.</td> </tr> <tr> <td>Intensidade Sonora</td> <td>Volume percebido da música.</td> </tr> <tr> <td>Modo Musical</td> <td>Indica se a música está em modo maior ou menor.</td> </tr> <tr> <td>Intensidade Vocal</td> <td>Grau de presença de palavras faladas na música.</td> </tr> <tr> <td>Acústica</td> <td>Indica o grau de presença de elementos acústicos na música.</td> </tr> <tr> <td>Instrumental</td> <td>Indica o grau de presença de elementos instrumentais na música.</td> </tr> <tr> <td>Vivacidade</td> <td>Presença de elementos ao vivo na gravação da música.</td> </tr> <tr> <td>Valência</td> <td>Medida que indica a positividade da música.</td> </tr> <tr> <td>Ritmo</td> <td>Andamento da música em batidas por minuto.</td> </tr> <tr> <td>Letra</td> <td>Conteúdo das letras da música.</td> </tr> <tr> <td>Frequência de Palavras</td> <td>Frequência das palavras usadas nas letras da música.</td> </tr> <tr> <td>Gênero</td> <td>Gênero musical da música.</td> </tr> <tr> <td>Década</td> <td>Década de lançamento da música.</td> </tr> </tbody> </table> <p>Além disso possui a analise emocional na tabela musica periferica emocoes com as colunas:</p> <table> <tbody><tr> <th><strong>Coluna</strong></th> <th><strong>Descrição</strong></th> </tr> </tbody><tbody> <tr> <td>ID do <em>Spotify</em></td> <td>Identificador único para cada música na plataforma <em>Spotify</em>.</td> </tr> <tr> <td>Raiva (BERT)</td> <td>Medida de raiva detectada usando o modelo BERT.</td> </tr> <tr> <td>Medo (BERT)</td> <td>Medida de medo detectada usando o modelo BERT.</td> </tr> <tr> <td>Alegria (BERT)</td> <td>Medida de alegria detectada usando o modelo BERT.</td> </tr> <tr> <td>Tristeza (BERT)</td> <td>Medida de tristeza detectada usando o modelo BERT.</td> </tr> <tr> <td>Surpresa (BERT)</td> <td>Medida de surpresa detectada usando o modelo BERT.</td> </tr> <tr> <td>Raiva (GPT)</td> <td>Medida de raiva detectada usando o modelo GPT.</td> </tr> <tr> <td>Medo (GPT)</td> <td>Medida de medo detectada usando o modelo GPT.</td> </tr> <tr> <td>Alegria (GPT)</td> <td>Medida de alegria detectada usando o modelo GPT.</td> </tr> <tr> <td>Tristeza (GPT)</td> <td>Medida de tristeza detectada usando o modelo GPT.</td> </tr> <tr> <td>Surpresa (GPT)</td> <td>Medida de surpresa detectada usando o modelo GPT.</td> </tr> </tbody> </table> <p>O arquivo zip <code>gpt result</code> contém análises do GPT na identificação de emoções, que podem ser utilizadas para compreender melhor as análises ou auditar os resultados.</p>
Banco de dados do projeto piloto de Pagamentos por Serviços Ambientais do Arroio Grande (Venâncio Aires, RS)
<p>Banco de dados do projeto piloto de Pagamentos por Serviços Ambientais do Arroio Grande (Venâncio Aires, RS).</p> <p>Projeto em andamento.</p> <p> </p> <table> <tbody> <tr> <td><strong>Arquivo</strong></td> <td><strong>Descrição</strong></td> </tr> <tr> <td>castelhano_db.gpkg </td> <td>Banco de dados georreferenciado</td> </tr> <tr> <td>layout_pip.zip</td> <td>PDFs com mapas internos e externos do projeto</td> </tr> <tr> <td>grande_lulc.zip</td> <td>Análise de mundança de uso do solo na região de interesse</td> </tr> <tr> <td>tier2.zip</td> <td>Fotografias e mapas internos dos imóveis</td> </tr> </tbody> </table>
Dados da Febrace
<p>Informações referentes aos projetos aprovados para a Feira de Ciências e Engenharia, no ano de 20xx. Inclui dados demográficos da escola dos estudantes proponentes, assim como título, resumo e palavras-chave dos projetos.</p>
Revisão Sistemática de Literatura sobre tipos de serviços de visualização de dados oferecidos por bibliotecas
<p>São dados oriundos de uma Revisão Sistemática de Literatura sobre tipos de serviços de visualização de dados oferecidos por bibliotecas acadêmicas.</p> <p>O primeiro documento é uma planilha com os passos seguidos na seleção das publicações e análise dos dados obtidos pela revisão.</p> <p>O segundo documento traz as referências dos 26 artigos selecionados e analisados na revisão sistemática.</p> <p>O terceiro documento se refere ao Protocolo revisão sistemática onde são descritos todos os passos realizados para se alcançar os resultados.</p> <p>O quarto traz a uma tabela com a descrição dos tipos de serviços de visualização encontrados na literatura classificados em suporte, treinamento, ferramentas e softwares, infraestrutura e eventos sobrepostos com o que foi exemplificado pelos autores identificados no processo de revisão de literatura.</p>
Base de dados TDI dos municípios brasileiros 2018-2022
<p>A base a seguir é o resultado do processamento do TDI nos anos de 2018-2022, os dados são originalmente fornecidos pelo INEP e podem ser encontrados no seguinte endereço https://www.gov.br/inep/pt-br/acesso-a-informacao/dados-abertos/indicadores-educacionais/taxas-de-distorcao-idade-serie.</p> <p>Existem duas bases que são disponibilizadas nesse processo, a primeira se trata da base com valores originais do TDI de cada município brasileiro dentre a faixa temporal especificada. Já a outra base retrata esse mesmo intervalo de tempo e localidade, além de definir um grupo baseado em seu desempenho naquele ano.</p>
Dados brutos: "Competência em informação: padrões do tempo de aceite de artigos indexados na BRAPCI"
<p>Esse conjunto de dados sustenta os resultados e as conclusões do estudo: LIMA, Luis Fernando Maia; DE LUCCA, Djuli Machado; LEITE, Cassiane Macedo. Competência em informação: padrões do tempo de aceite de artigos indexados na BRAPCI. Encontros Bibli, Florianópolis, v. 28, e. 94373, 2023. Disponível em: https://doi.org/10.5007/1518-2924.2023.e94373. Acesso em: 03 out. 2023. </p> <p>Resumo do artigo: Objetiva analisar aspectos relacionados ao tempo de aceite dos artigos brasileiros que contemplam a competência em informação indexados na base BRAPCI, indicando evolução temporal, padrões medianos de tempo de aceite, periódicos e a relação entre tempos de aceite e qualidade dos periódicos. Trata-se de análise estatística relacionada ao período entre a submissão e aprovação de artigos científicos originais brasileiros indexados na base BRAPCI entre os anos de 2000 a 2019, a partir de estratégia de busca que contempla os termos ‘competência em informação’ e seus sinônimos na literatura científica em Ciência da Informação. Foram úteis para a investigação um conjunto de 177 artigos publicados entre 2004 e 2019, sendo a maioria deles com tempo de aceite aceitável e esperado, conforme parâmetros levantados na literatura. Há, ainda, uniformidade da distribuição anual dos tempos de aceite entre os anos de 2014 e 2018. Os resultados evidenciam que não há relação entre a qualidade do periódico e tempos mais curtos de aceite. É possível observar, pelo menos a partir dos resultados levantados nesta investigação, que o tempo de aceite é um elemento favorável no processo de comunicação científica da temática de competência em informação no Brasil e pode, como consequência, constituir-se como um fator contribuidor para o desenvolvimento da temática em âmbito social, na ocasião em que os resultados das investigações são celeremente divulgados à sociedade. <strong>PALAVRAS-CHAVE:</strong> Tempo de aceite; Comunicação Científica; Competência em informação; Produção científica.</p>
Pandemia de COVID-19: Um Banco de Dados de Respostas Políticas Relacionadas ao Setor Financeiro
<p>Descrição do Calebe - Linha do tempo de decisões dos países com relação ao setor financeiro durante a pandemia.</p> <p>Descrição original:</p> <p>Visão geral das medidas de política adotadas nas jurisdições e por tipo de medida de apoio ao setor financeiro para enfrentar o impacto da pandemia COVID-19. Este conjunto de dados é atualizado regularmente e o trabalho continua em andamento.</p> <p>Ultima atualização para essa versão: </p> <p> </p> <p>2 de outubro de 2020</p> <p>Para perguntas, entre em contato com Erik Feyen ( <a href="mailto:efeijen@worldbank.org">efeijen@worldbank.org</a> ) e Tatiana Alonso Gispert ( <a href="mailto:talonsogispert@worldbank.org">talonsogispert@worldbank.org</a> ).</p> <p>https://datacatalog.worldbank.org/dataset/covid-19-finance-sector-related-policy-responses#</p>
Conjunto de dados "Competências e Empregabilidade"
<p>Este conjunto de dados contém 108 casos (incluindo <em>missing values</em>) e está disponível em vários formatos aqui <<a href="https://doi.org/10.5281/zenodo.4370760">https://doi.org/10.5281/zenodo.4370760</a>> e contém dados reais coletados com alunos de graduação (Administração, Contabilidade ou Economia) recém-formados ou que estavam no final do curso.</p> <p> </p> <p>Esta pesquisa foi desenvolvida na disciplina Métodos Quantitativos de Pesquisa em Administração ministrada pelo autor no Programa de Pós-graduação em Administração de Empresas da Universidade Presbiteriana Mackenzie.</p> <p> </p> <p>A ideia geral foi avaliar se havia relação entre as competências desenvolvidas durante o curso de graduação e a empregabilidade, e para mensurar esses construtos foram usadas as seguintes escalas:</p> <p> </p> <p>GODOY, A. S.; ANTONELLO, C. S.; BIDO, D. S.; SILVA, D. DA. O desenvolvimento das competências de alunos formandos do curso de Administração: um estudo de modelagem de equações estruturais. <em>RAUSP - Revista de Administração</em> da Universidade de São Paulo, v. 44, n. 3, p. 265-278, 2009.</p> <p> </p> <p>CAMPOS, K. C. L. <em>Construção de uma Escala de Empregabilidade: competências e habilidades pessoais, escolares e organizacionais. </em>Tese de Doutorado. São Paulo: Instituto de Psicologia da Universidade de São Paulo, 2006.</p>
ScienceDex guides
Understand access before you commit
These curated guides explain access requirements, typical timelines, costs, and reuse considerations for widely used research datasets.
Allen Brain Atlas
Allen Brain Atlas is an Allen Institute collection of brain map atlases, datasets, APIs, and analysis tools covering mouse, human, and non-human primate brain resources.
Annotated Behaviour and Observability Dataset (ABODe)
ABODe is a University of Edinburgh DataShare dataset for behavior classification in group-housed mice using home-cage video, identities, bounding boxes, ground-plate positions, and annotator labels.
DANDI Archive for NWB datasets
DANDI is a BRAIN Initiative archive for publishing and sharing neurophysiology data, including electrophysiology, optophysiology, and behavioral data packaged as NWB and related standards.
International Brain Laboratory public data
The International Brain Laboratory public data releases expose standardized mouse decision-making experiments, including Neuropixels recordings, widefield calcium imaging, behavior, and session metadata accessed through the ONE API.
OpenNeuro
OpenNeuro is a free, open platform for sharing neuroimaging datasets, with public search, dataset pages, and download paths for web, S3, DataLad, and the OpenNeuro CLI.