O objetivo deste artigo é analisar o impacto da presença e do número de filhos sobre a participação e a qualidade da inserção no mercado de trabalho das mulheres brasileiras. Os dados da Pesquisa de Emprego e Desemprego para seis regiões metropolitanas foram empregados em modelos de regressão logística para avaliar se as mulheres com e sem filhos diferem em termos de probabilidades de participação no mercado de trabalho, precariedade da ocupação, jornada de trabalho parcial e trabalho autônomo. Os resultados para os homens são também analisados, como contraponto. A presença de filhos, em especial em idade pré-escolar, afeta significativamente a condição de inserção das mulheres no mercado de trabalho, diminuindo a probabilidade de participação e elevando as chances de trabalho precário, de jornada parcial e de trabalho autônomo. Para os homens, os resultados são menos consistentes e, muitas vezes, a presença de filhos não se mostra estatisticamente significativa. Chega-se à conclusão de que é necessário redefinir os papéis de gênero, de modo a acomodar os distintos papéis sociais desempenhados pelas mulheres, para que sejam atenuadas as penalidades a que estão submetidas quando buscam conciliar trabalho e família.
COVID-19 rapidly spread across the world in an unprecedented outbreak with a massive number of infected and fatalities. The pandemic was heavily discussed and searched on the internet, which generated big amounts of data related to it. This led to the possibility of attempting to forecast coronavirus indicators using the internet data. For this study, Google Trends statistics for 124 selected search terms related to pandemic were used in an attempt to find which keywords had the best Spearman correlations with a lag, as well as a forecasting model. It was found that keywords related to coronavirus testing among some others, such as "I have contracted covid", had high correlations (≥0.7) with few weeks of lag (≤4 weeks). Besides that, the ARIMAX model using those keywords had promising results in predicting the increase or decrease of epidemiological indicators, although it was not able to predict their exact values. Thus, we found that Google Trends data may be useful for predicting outbreaks of coronavirus a few weeks before they happen, and may be used as an auxiliary tool in monitoring and forecasting the disease in Brazil.
Este artigo apresenta a construção e publicação de um repositório de dados utilizados e desenvolvidos no âmbito do projeto Covid Data Analytics (CDA), executado pelo Departamento de Ciência da Computação da UFMG. O projeto visou monitorar aspectos referentes à situação social, econômica e epidemiológica da COVID-19 no Brasil a partir da análise de dados provenientes de fontes oficiais e não oficiais, de redes sociais online e da web em geral. A construção do repositório, contendo 18 atributos e 1086 registros, se baseou na coleta direta de dados das fontes selecionadas, os quais foram posteriormente enriquecidos e, finalmente, disponibilizados por meio de uma ferramenta de busca desenvolvida exclusivamente para eles.
O geoprocessamento de dados e as análises espaciais são ferramentas importantes para o estudo de fenômenos como a disseminação de doenças pelo território e ao longo do tempo. O objetivo deste estudo é investigar, utilizando a Análise Exploratória de Dados Espaciais (AEDE), as alterações nos padrões de distribuição geográfica da Covid-19 no Brasil em dois períodos distintos da pandemia: (i) entre abril e agosto de 2020; e (ii) entre novembro de 2020 e março de 2021. Para tanto, as estatísticas I de Moran e LISA foram aplicadas aos dados referentes a três indicadores epidemiológicos: casos acumulados, novos casos e letalidade da doença. Os resultados encontrados e as visualizações propostas apresentam uma perspectiva ampla sobre a variação nos casos de Covid-19 nas regiões brasileiras e colaboram para um melhor entendimento sobre as dinâmicas epidemiológicas no Brasil no primeiro ano da pandemia de Covid-19.
This article describes the construction and deployment of the Covid Data Analytics Repository, a source for interdisciplinary studies about the impact of the COVID-19 pandemic in Brazil. We collected different types of data from official (IBGE, DATASUS) and non-official (Brasil.IO) sources, online social networks (Instagram, Twitter), and from a search engine analysis tool (Google Trends). We used these data to perform investigations aimed to understand the impacts of COVID-19 in the country, from economics to social behavior. At the moment of publication of this article, our repository contains 1,508 documents, classified into two main types: (i) databases and tables downloaded from the aforementioned sources; and (ii) papers, reports, maps and graphs resulting from the analyses that we performed. As a means to allow reproducibility and foster follow-up studies, we released our repository for public use.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.