Análise do Impacto das Notícias do Ministério da Mulher sobre Chamadas ao Disque 180
Resumo
Este estudo investiga a influência das notícias divulgadas pelo Ministério da Mulher sobre o número de chamadas ao Disque 180, utilizando uma abordagem quantitativa que combina técnicas de séries temporais e modelos estatísticos avançados. Foram analisadas séries temporais de notícias com e sem filtro específico para o tema de violência contra a mulher, para avaliar o impacto direto no comportamento de denúncia da população. Os métodos incluíram o processo gaussiano, a causalidade de Granger, o modelo de vetores autorregressivos e a entropia de transferência. A análise foi assertiva, de modo a enfatizar a importância das publicações e ações periódicas feitas pelo Ministério da Mulher.Referências
Andrawis, R. R., Atiya, A. F., and El-Shishiny, H. (2011). Combination of long term and short term forecasts, with application to tourism demand forecasting. International Journal of Forecasting, 27(3):870–886.
Barnett, L., Barrett, A. B., and Seth, A. K. (2009a). Granger causality and transfer entropy are equivalent for gaussian variables. Physical review letters, 103(23):238701.
Barnett, L., Barrett, A. B., and Seth, A. K. (2009b). Granger causality and transfer entropy are equivalent for gaussian variables. Physical review letters, 103(23):238701.
Barnett, L. and Bossomaier, T. (2012). Transfer entropy as a log-likelihood ratio. Physical review letters, 109(13):138105.
Bossomaier, T., Barnett, L., Harré, M., Lizier, J. T., Bossomaier, T., Barnett, L., Harré, M., and Lizier, J. T. (2016). Transfer entropy. Springer.
Box, G. E., Jenkins, G. M., Reinsel, G. C., and Ljung, G. M. (2015). Time series analysis: forecasting and control. John Wiley & Sons.
Cai, J., Goudie, R. J., Starr, C., and Tom, B. D. (2024). Dynamic factor analysis with dependent gaussian processes for high-dimensional gene expression trajectories. Biometrics, 80(4):ujae131.
Chalkiadakis, I., Zaremba, A., Peters, G. W., and Chantler, M. J. (2022). On-chain analytics for sentiment-driven statistical causality in cryptocurrencies. Blockchain: Research and Applications, 3(2):100063.
ELY, R. A. (2019). Séries de tempo, aula 2, sazonalidade e tendência. [link]. Acesso em: 21 mar. 2025.
Federal, G. (2024). Central de atendimento à mulher – ligue 180. [link]. Acesso em: 21 mar. 2025.
Federal, G. (2025). Últimas notícias. [link]. Acesso em: 14 mai. 2025.
Fonnesbeck, C. (2022). Fitting gaussian process models in python. [link]. Acesso em: 21 mar. 2025.
Fonseca, N., Rivero, M., et al. (2020). Causalidade à granger em ciências sociais: um guia para a investigação aplicada. Egitania Sciencia, 2(27):21–36.
Katy (2021). Performing “granger causality” with python: Detailed examples. [link]. Acesso em: 21 mar. 2025.
Kwak, S. (2023). Are only p-values less than 0.05 significant? a p-value greater than 0.05 is also significant! Journal of Lipid and Atherosclerosis, 12(2):89.
Maria, G. and Bittar, P. (2018). Ligue 180 é o mais importante projeto de enfrentamento à violência contra a mulher, diz secretária. [link]. Acesso em: 21 mar. 2025.
Maucher, D. J. (2022). Gaussian process: Implementation in python. [link]. Acesso em: 21 mar. 2025.
Moore, D. G. (2019). Time series measures. [link]. Acesso em: 21 mar. 2025.
Neha (2024). Developing vector autoregressive model in python! [link]. Acesso em: 21 mar. 2025.
OMS (2021). Oms: uma em cada 3 mulheres em todo o mundo sofre violência. [link]. Acesso em: 21 mar. 2025.
Rosoł, M., Młyńczak, M., and Cybulski, G. (2022). Granger causality test with nonlinear neural-network-based methods: Python package and simulation study. Computer Methods and Programs in Biomedicine, 216:106669.
Tsay, R. S. (2000). Time series and forecasting: Brief history and future research. Journal of the American Statistical Association, 95(450):638–643.
Women, U. (2019). Un women: Ending violence against women. [link]. Acesso em: 21 mar. 2025.
Zaremba, A. and Peters, G. (2020). Statistical causality for multivariate non-linear time series via gaussian processes. Available at SSRN 3609497.
Zivot, E. and Wang, J. (2006). Vector autoregressive models for multivariate time series. Modeling financial time series with S-PLUS®, pages 385–429.
Barnett, L., Barrett, A. B., and Seth, A. K. (2009a). Granger causality and transfer entropy are equivalent for gaussian variables. Physical review letters, 103(23):238701.
Barnett, L., Barrett, A. B., and Seth, A. K. (2009b). Granger causality and transfer entropy are equivalent for gaussian variables. Physical review letters, 103(23):238701.
Barnett, L. and Bossomaier, T. (2012). Transfer entropy as a log-likelihood ratio. Physical review letters, 109(13):138105.
Bossomaier, T., Barnett, L., Harré, M., Lizier, J. T., Bossomaier, T., Barnett, L., Harré, M., and Lizier, J. T. (2016). Transfer entropy. Springer.
Box, G. E., Jenkins, G. M., Reinsel, G. C., and Ljung, G. M. (2015). Time series analysis: forecasting and control. John Wiley & Sons.
Cai, J., Goudie, R. J., Starr, C., and Tom, B. D. (2024). Dynamic factor analysis with dependent gaussian processes for high-dimensional gene expression trajectories. Biometrics, 80(4):ujae131.
Chalkiadakis, I., Zaremba, A., Peters, G. W., and Chantler, M. J. (2022). On-chain analytics for sentiment-driven statistical causality in cryptocurrencies. Blockchain: Research and Applications, 3(2):100063.
ELY, R. A. (2019). Séries de tempo, aula 2, sazonalidade e tendência. [link]. Acesso em: 21 mar. 2025.
Federal, G. (2024). Central de atendimento à mulher – ligue 180. [link]. Acesso em: 21 mar. 2025.
Federal, G. (2025). Últimas notícias. [link]. Acesso em: 14 mai. 2025.
Fonnesbeck, C. (2022). Fitting gaussian process models in python. [link]. Acesso em: 21 mar. 2025.
Fonseca, N., Rivero, M., et al. (2020). Causalidade à granger em ciências sociais: um guia para a investigação aplicada. Egitania Sciencia, 2(27):21–36.
Katy (2021). Performing “granger causality” with python: Detailed examples. [link]. Acesso em: 21 mar. 2025.
Kwak, S. (2023). Are only p-values less than 0.05 significant? a p-value greater than 0.05 is also significant! Journal of Lipid and Atherosclerosis, 12(2):89.
Maria, G. and Bittar, P. (2018). Ligue 180 é o mais importante projeto de enfrentamento à violência contra a mulher, diz secretária. [link]. Acesso em: 21 mar. 2025.
Maucher, D. J. (2022). Gaussian process: Implementation in python. [link]. Acesso em: 21 mar. 2025.
Moore, D. G. (2019). Time series measures. [link]. Acesso em: 21 mar. 2025.
Neha (2024). Developing vector autoregressive model in python! [link]. Acesso em: 21 mar. 2025.
OMS (2021). Oms: uma em cada 3 mulheres em todo o mundo sofre violência. [link]. Acesso em: 21 mar. 2025.
Rosoł, M., Młyńczak, M., and Cybulski, G. (2022). Granger causality test with nonlinear neural-network-based methods: Python package and simulation study. Computer Methods and Programs in Biomedicine, 216:106669.
Tsay, R. S. (2000). Time series and forecasting: Brief history and future research. Journal of the American Statistical Association, 95(450):638–643.
Women, U. (2019). Un women: Ending violence against women. [link]. Acesso em: 21 mar. 2025.
Zaremba, A. and Peters, G. (2020). Statistical causality for multivariate non-linear time series via gaussian processes. Available at SSRN 3609497.
Zivot, E. and Wang, J. (2006). Vector autoregressive models for multivariate time series. Modeling financial time series with S-PLUS®, pages 385–429.
Publicado
20/07/2025
Como Citar
RIBEIRO, Murilo U. G.; COSTA, Keila B.; FERNANDES, Sheyla C.; AQUINO, Andre L..
Análise do Impacto das Notícias do Ministério da Mulher sobre Chamadas ao Disque 180. In: LATIN AMERICAN SYMPOSIUM ON DIGITAL GOVERNMENT (LASDIGOV), 12. , 2025, Maceió/AL.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2025
.
p. 145-156.
ISSN 2763-8723.
DOI: https://doi.org/10.5753/lasdigov.2025.8964.
