Palestra "Predição de Sucesso em Campanhas de Financiamento Coletivo"

Será realizada no dia 19 de Junho, às 16 horas, na Sala 07 do Labicom - FIC/UFG, a palestra "Predição de Sucesso em Campanhas de Financiamento Coletivo", ministrada pelo pesquisador Lafaiet Castro e Silva. Lafaiet é graduado em Ciências da Computação pela Universidade Federal de Goiás e pela Saint Louis University. É mestrando em Ciências da Computação com ênfase em inteligência artificial pela Universidade Federal de Goiás, trabalha com desenvolvimento web e como analista de dados, e tem interesse em desenvolvimento web, mineração de dados e computação semântica. 

A palestra faz parte do projeto Ciclo de Seminários em Tecnologias e Computação Aplicada à Informação e Comunicação, promovido pelo GTA, com apoio da Faculdade de Informação e Comunicação. Segue o resumo da palestra:

Plataformas de financiamento coletivo são um meio efetivo de se levantar fundos e vêm sendo adotadas de forma crescente como um meio de se atingir a viabilidade de projetos de indivíduos ou companhias. Apesar de sua importância em termos de volume de fundos sendo angariados, número de usuários aderindo e número de campanhas sendo criadas, o índice de sucesso de campanhas foi de somente 47% em 2017 e tem decaído ao longo dos anos. Uma forma de se aumentar as chances de sucesso seria predizer se uma campanha obterá sucesso ou não, utilizando o resultado como um guia que poderia indicar a necessidade de realizar alterações em uma campanha de um projeto para se obter um resultado positivo. Fazendo uso de modelos de classificação baseados em atributos de campanha, é possível estimar se uma dada campanha apresentada ao público será bem sucedida. A predição pode ser feita de forma estática, baseada em atributos disponíveis antes ou no exato momento que uma campanha é lançada, ou dinamicamente, baseada em atributos construídos a partir de dados sendo gerados ao decorrer do tempo de vida de uma campanha. Nós propomos uma solução que preconiza tratar cada predição individualmente, obtendo como resultado um preditor mais adequado para cada ponto no ciclo de vida das campanhas. Baseado em atributos e meta atributos, bem como uma combinação de atributos textuais, nós produzimos um preditor estático capaz de predizer se uma campanha obterá sucesso ou se falhará com uma acurácia de 71%, resultado encontrado na literatura fazendo uso de metodologia semelhante. Nosso preditor dinâmico foi capaz de obter 85% de acurácia antes de 10% de duração de campanha. Nós concluímos que a estratégia de dividir o problema de predição de sucesso em campanhas de financiamento coletivo em uma etapa estática e dinâmica pode produzir melhores resultados do que quando se opta em realizar um tipo de predição.