Search

O objetivo do presente artigo foi analisar as práticas de gestão da inovação em uma empresa de base tecnológica de Florianópolis/SC. O referencial teórico serviu como referência para a condução do estudo, o qual buscou, por meio da realização de entrevistas com um representante de cada nível hierárquico da empresa (estratégico, tático e operacional), identificar (i) sinais de disrupção da empresa e (ii) gestão da inovação na empresa. O estudo nos mostra que é possível apresentar características empreendedoras em cada um dos 3 níveis que foram entrevistados.

Esta obra faz parte de uma série de 11 livros que apresentam proposições de ações para habitats de inovação localizados em diferentes territórios do Brasil. Este é o resultado do trabalho realizado por alunos da disciplina de Habitats de Inovação, ministrada para o mestrado e doutorado do Programa de Pós-Graduação em Engenharia e Gestão do Conhecimento (EGC), que foi realizada em rede pelo grupo VIA Estação Conhecimento. A proposta é conduzida por meio da metodologia exclusiva do grupo VIA Estação Conhecimento, chamada Ciclo VIA que utiliza ferramentas inovadoras do grupo para a identificação de desafios e a proposição de enfrentamento, mitigação ou resolução dos mesmos. Para elaboração das proposições, os alunos receberam o compartilhamento de experiências de docentes e especialistas nos diversos temas de inovação. Ainda, contataram stakeholders locais que contribuíram no desenvolvimento das propostas. Dessa forma, os autores dessa série trabalharam em rede para propor ações para habitats de inovação localizados em 10 territórios brasileiros. Os territórios que possuem proposições estão localizados em Serra no Espírito Santo; Maceió em Alagoas; Santarém no Pará; Cuiabá em Mato Grosso; São Bento do Sul; Balneário Camboriú; São José; e Florianópolis em Santa Catarina; Santa Rosa; e, Santa Maria no Rio Grande do Sul. VIA Estação Conhecimento; Universidade Federal de Santa Catarina

Brazil has a large prison population, which places it as the third country in the world with the most incarceration rate. In addition, the criminal caseload is increasing in Brazilian Judiciary, which is encouraging AI usage to advance in e-Justice. Within this context, the paper presents a case study with a dataset composed of 2,200 judgments from the Supreme Federal Court (STF) about pre-trial detention. These are cases in which a provisional prisoner requests for freedom through habeas corpus. We applied Machine Learning (ML) and Natural Language Processing (NLP) techniques to predict whether STF will release or not the provisional prisoner (text classification), and also to find a reliable association between the judgment outcome and the prisoners’ crime and/or the judge responsible for the case (association rules). We obtained satisfactory results in both tasks. Classification results show that, among the models used, Convolutional Neural Network (CNN) is the best, with 95% accuracy and 0.91 F1-Score. Association results indicate that, among the rules generated, there is a high probability of drug law crimes leading to a dismissed habeas corpus (which means the maintenance of pre-trial detention). We concluded that STF has not interfered in first degree decisions about pre-trial detention and that is necessary to discuss the drug criminalization in Brazil. The main contribution of the paper is to provide models that can support judges and pre-trial detainees.