A Linha de Pesquisa “Análise Criminal, Geoespacialidade e Tecnologias de Dados” dedica-se ao desenvolvimento e à aplicação de métodos estatísticos, geoespaciais e de Data Science para a compreensão dos padrões de criminalidade no tempo e no espaço. Inclui modelagem geográfica, séries temporais, análise de redes, detecção de padrões, previsão de risco, uso de SIG (Sistemas de Informação Geográfica) e técnicas de data science para apoiar o planejamento estratégico, operacional e tático das instituições de segurança. Também abrange a integração de múltiplas bases de dados, construção de indicadores compostos e desenvolvimento de painéis interativos.
A linha fundamenta-se na Criminologia Ambiental e na literatura de Crime Mapping, especialmente nos trabalhos seminais de Eck e Weisburd (1995) sobre o papel central dos lugares na explicação do fenômeno criminal. A abordagem incorpora as contribuições de Chainey e Ratcliffe (2005) sobre o uso estratégico de SIG para a redução do crime , aliadas à Lei da Concentração do Crime de David Weisburd (2016), que demonstra que uma fração mínima de endereços e micro-lugares responde pela maioria dos eventos criminais. Essa base científica permite que a linha ofereça soluções tecnológicas que não apenas descrevem o passado, mas oferecem inteligência preditiva para intervenções de alta precisão.
• Eck, J. & Weisburd, D. (1995). Crime Places in Crime Theory. Criminal Justice Press.
• Chainey, S. & Ratcliffe, J. (2005). GIS and Crime Mapping. John Wiley & Sons.
• Weisburd, D. (2016). The Law of Crime Concentration and the Criminology of Place. Criminology.
O Centro de Estudos de Criminalidade e Segurança Pública (CRISP) não apenas se destaca pelo pioneirismo, mas também pela quantidade e qualidade dos trabalhos desenvolvidos, tornando-se uma referência nacional na análise e no desenvolvimento de iniciativas voltadas para o estudo da violência e da criminalidade no Brasil, bem como para o desenvolvimento e implementação de políticas públicas em segurança.
Contato
Política de Privacidade
