Aplicação de Inteligência Computacional na Análise e Prevenção de Violência Contra Mulheres em Pernambuco

Resumo

Contexto: A violência contra as mulheres em Pernambuco é uma questão crítica de saúde pública, profundamente enraizada na desigualdade de gênero e nas normas patriarcais. A pandemia de COVID-19 exacerbou esse problema, resultando em um aumento de 22,2% nos casos de feminicídio no início de 2020 em comparação ao ano anterior. Em 2022, mais de 43.933 casos de violência contra as mulheres foram registrados em Pernambuco. Muitas vezes, essa violência não é denunciada devido ao estigma social e à desconfiança nos mecanismos de proteção, impactando gravemente a saúde física, emocional e psicológica das vítimas. O objetivo principal deste estudo é analisar dados do Ministério da Mulher (2015-2021) para identificar padrões e tendências na violência contra as mulheres em Pernambuco. Ao identificar os segmentos e locais mais afetados, o estudo visa fornecer insights acionáveis para desenvolver intervenções e sistemas de suporte eficazes e personalizados. Revisão da Literatura: Estudos anteriores, como os de Pimentel (2022) e Santos (2022), destacam as estruturas patriarcais que contribuem para os altos índices de feminicídio e violência contra mulheres jovens, respectivamente. Santos revela que mulheres jovens, de 10 a 29 anos, são particularmente vulneráveis a abusos físicos, psicológicos e sexuais, principalmente em suas residências. Esses achados reforçam a necessidade de medidas preventivas e sistemas de suporte adaptados às especificidades dessas vítimas. Metodologia: Este estudo utiliza uma abordagem quantitativa para analisar a violência contra as mulheres em Pernambuco, baseada em dados do Ministério da Mulher de 2015 a 2021. A metodologia inclui: 1. Análise de Tendências: Utilização da Análise Exploratória de Dados (EDA) para fornecer uma visão abrangente dos dados, destacando prevalências, perfis demográficos e tendências temporais. Os resultados incluem gráficos de linha e tabelas que ilustram as flutuações e mudanças demográficas ao longo do tempo, evidenciando, por exemplo, o aumento da violência psicológica durante a pandemia. 2. Análise Espacial: Identificação de hotspots geográficos e uso de métodos estatísticos avançados para explorar correlações entre variáveis demográficas e socioeconômicas e a incidência de violência. Mapas de calor e gráficos de dispersão foram utilizados para visualizar essas correlações, proporcionando uma compreensão mais profunda das áreas mais afetadas. 3. Mapas Auto-Organizáveis (SOM) e Algoritmo Apriori: Os Mapas Auto-Organizáveis (SOM) foram utilizados para a redução de dimensionalidade e clustering, revelando três clusters distintos no conjunto de dados. Cada cluster foi posteriormente analisado utilizando o algoritmo Apriori para identificar padrões de associação frequentes entre variáveis, como idade, tipo de violência e localização geográfica. A aplicação do Apriori permitiu descobrir relações significativas entre esses fatores, proporcionando insights detalhados que orientaram as recomendações de políticas públicas específicas para cada grupo identificado. Resultados e Discussões: Os resultados mostraram que a violência física e psicológica são as formas mais comuns de agressão contra mulheres em Pernambuco, com um aumento significativo durante a pandemia de COVID-19. A análise utilizando Mapas Auto-Organizáveis (SOM) identificou três clusters distintos: Cluster 1: Composto por vítimas jovens, principalmente entre 10 e 29 anos, com alta incidência de violência doméstica. Intervenções específicas são necessárias para abordar a dinâmica familiar que contribui para esses abusos. Cluster 2: Caracterizado por mulheres de meia-idade que enfrentam principalmente violência psicológica. Isso aponta para a necessidade de suporte psicológico contínuo e estratégias de saúde mental. Cluster 3: Abrange áreas urbanas densamente povoadas, onde fatores socioeconômicos como pobreza são prevalentes. Políticas públicas devem focar na melhoria das condições econômicas e sociais para reduzir a violência. A aplicação do algoritmo Apriori dentro de cada cluster revelou associações significativas entre variáveis-chave, como a idade da vítima, o tipo de violência e a localização dos incidentes. Por exemplo, foi possível identificar que mulheres mais jovens estão associadas a tipos específicos de violência em determinadas regiões, permitindo uma alocação mais eficiente de recursos e intervenções específicas para esses grupos. Esses insights são fundamentais para direcionar intervenções e fortalecer os mecanismos de denúncia e proteção, restaurando a confiança nos serviços de apoio às vítimas. Conclusão: Este estudo fornece uma análise detalhada da violência contra as mulheres em Pernambuco, utilizando Mapas Auto-Organizáveis e o algoritmo Apriori para identificar padrões e tendências significativas. Os achados revelam a necessidade urgente de intervenções específicas para diferentes grupos de vítimas e destacam a importância de estratégias que abordem tanto as causas sociais quanto as pessoais da violência. É essencial fortalecer os mecanismos de denúncia e apoio, garantir acesso a suporte psicológico e implementar políticas públicas que melhorem as condições socioeconômicas. Dessa forma, espera-se avançar na proteção das mulheres e na promoção da igualdade de gênero, contribuindo para a construção de uma sociedade mais justa e segura.