Dados reais para a pesquisa de Joana
Pacotes do IPEA-GIT e fontes públicas brasileiras
Joana, terça-feira, 14h.
Joana fechou o caderno físico depois do almoço e abriu o RStudio na biblioteca da UNITINS. Em três linhas de R, baixou o shape do Tocantins inteiro pelo geobr, sobrepôs os 139 municípios e marcou os cinco câmpus da UNITINS em laranja. Em mais cinco linhas, com censobr, puxou o perfil etário e a renda média de Augustinópolis pelo Censo 2022.
Antes de chegar no calendário acadêmico, antes de abrir uma única planilha de matrícula, ela já tinha o território em frente — pixel por pixel — dos sistemas que ia diagnosticar. Diagnóstico cibernético sem mapa é diagnóstico no escuro.
Pesquisar política pública no Brasil sem dados oficiais geolocalizados é pesquisar com olhos fechados. O IPEA-GIT — grupo de pesquisa em Geo-tecnologias do IPEA — mantém pacotes gratuitos em R e Python que tiram dados do IBGE, do MEC, do DataSUS e do projeto Acesso a Oportunidades direto do servidor para o seu notebook, em uma linha de código.
Joana usa esses pacotes para responder perguntas concretas: quanto tempo um aluno de Augustinópolis leva para chegar ao polo UAB mais próximo? Quantos alunos potenciais existem dentro de um raio de 30 minutos? Como esse perfil muda em Alfenas?
Você pode usar igual.
Os pacotes do IPEA-GIT relevantes ao curso
O IPEA-GIT tem 60+ repositórios. Os seis abaixo são os que mais diretamente alimentam a pesquisa-cenário do curso:
geobr
Limites espaciais oficiais do Brasil: estados, municípios, setores censitários, áreas indígenas, biomas. Para Joana: mapas de TO, MG, polos UAB.
censobr
Microdados do Censo IBGE em Parquet. População, renda, educação, saneamento, raça-cor por setor censitário. Para Joana: perfilar Augustinópolis vs Alfenas.
aopdata
Projeto Acesso a Oportunidades. Tempo de viagem de cada hexágono H3 às oportunidades urbanas (empregos, saúde, educação). Para Joana: quantos minutos da casa ao polo UAB.
accessibility
Métricas formais de acessibilidade — cumulativa, gravitacional, por competição. Para Joana: calcular A(i) de educação acessível em cada município tocantinense.
r5r
Engine R5 para roteamento multimodal (caminhada, ônibus, carro). Calcula matrizes de tempo de viagem em escala municipal. Para Joana: traçar isócronas em torno dos polos UAB-UNITINS.
geocodebr
Geocoding de endereços brasileiros via CNEFE. Transforma "Av. NS-15, Palmas-TO" em coordenadas. Para Joana: localizar cada câmpus, polo, escola que entra na análise.
Como esses pacotes se encaixam na pesquisa-cenário
Joana faz cotutela UNITINS-UNIFAL comparando duas universidades públicas brasileiras como sistemas viáveis (vide Personagem). Para cada conceito do curso, há um uso concreto dos dados:
| Fase | Conceito do curso | Pacote ipeaGIT | Pergunta empírica |
|---|---|---|---|
| F1 (Strogatz) | ponto fixo, capacidade de carga | censobr |
a população em idade universitária de Augustinópolis estabilizou? |
| F1 (caos) | sensibilidade às condições iniciais | aopdata |
pequenas mudanças de localização do polo geram grandes mudanças no recrutamento? |
| F2 (Markov) | distribuição estacionária | censobr |
a distribuição de escolaridade do município converge ao longo de décadas? |
| F2 (tempo de mistura) | \(t_{\text{mix}}\) | r5r + matrículas |
quantos semestres até a coorte estabilizar perfil? |
| F3 (Sterman) | estoque-fluxo | censobr longitudinal |
população matriculável em cada ano vs ingressantes |
| F3 (validação) | replicação histórica | censobr 2010 + 2022 |
modelo prevê população que foi de fato observada? |
| F4 (VSM) | recursão tripla | geobr + aopdata |
mapear S1=município, S2=microrregião, S3=estado, S4=federal |
| F4 (BHRF paralelo) | sistema viável aplicado | geobr + ANA |
adicionar bacia hidrográfica BHRF como camada de comparação |
Recursos didáticos do próprio IPEA-GIT
O grupo mantém um livro aberto em RMarkdown que é, ele próprio, exemplar do estilo “explorable explanation”:
Introduction to Urban Accessibility: a practical guide in R — Pereira, Herszenhut & Saraiva (IPEA, atualizado periodicamente). Aborda:
- Conceitos de acessibilidade (cumulativa, gravitacional, dual)
- Pipeline completo: dados → matriz de viagem → métrica → mapa
- Estudos de caso brasileiros (São Paulo, Belo Horizonte, Fortaleza)
- Código R reproduzível em cada capítulo
Para Joana: este livro é referência primária da Fase 4 (aplicação) e poderia ser leitura paralela à Semana 19 (BHRF) ou Semana 20 (aplicação própria). Modelo a imitar quando for redigir o próprio diagnóstico.
Há também o pacote brverse — meta-pacote que lista os principais pacotes R para dados brasileiros, o equivalente do tidyverse para o ecossistema brasileiro de dados públicos. Caminho recomendado de instalação para quem quer começar:
# Em R:
install.packages(c("geobr", "censobr", "aopdata", "accessibility"))# Em Python (apenas geobr tem versão Python pública):
pip install geobrVoz dos personagens
Caveat
Os dados do IPEA-GIT são oficiais (IBGE, ANTT, CNES) mas defasados — o Censo 2022 saiu em 2024, atualizações dos polos UAB chegam com 1–2 semestres de atraso, dados de evasão acadêmica raramente são públicos no nível municipal. Para a pesquisa de Joana, isso significa que o diagnóstico é sempre sobre o “estado quase-recente”, não sobre o tempo presente. Em VSM, isso é função S4 (fora-e-depois) operando com latência — limitação real, não falha de método.
Cartografia avançada — quando e por quê PyGMT
Para mapas de qualidade publicação adequada a paper revisado por pares (ASC 2026, Environmental Management, Constructivist Foundations) ou pôster acadêmico, geobr + matplotlib deixa de ser suficiente. PyGMT (Tian et al., 2025) — interface Python para o canônico Generic Mapping Tools (Wessel et al., 2019) — é a opção padrão.
Tutorial standalone comparando matplotlib, cartopy e PyGMT, com exemplos sobre Brasil: recursos/notebook-cartografia.qmd. Aplicação ao caso BHRF: fase-04-sintese/02-bacia-formoso-caso/notebook.qmd.
Regra prática: PyGMT só vale aprender para o entregável final (paper ASC 2026, pôster sintegração IDEA, capítulo da tese). Para todas as figuras intermediárias do curso, geobr + matplotlib (caminho 1) é mais barato e suficiente.
Como começar concretamente
Três experimentos curtos que cabem em uma tarde:
Mapa do território: instale
geobr, baixe o estado de Tocantins (read_state("TO")) e o estado de Minas Gerais (read_state("MG")), plote os dois. Marque manualmente Palmas e Alfenas. Pergunta: quanto a geografia força arquiteturas distintas?Perfil demográfico comparado: com
censobr, baixe a faixa etária 18–24 anos para Augustinópolis (TO) e Alfenas (MG) no Censo 2022. Compare a fração da população nessa faixa. Pergunta: a base discente potencial é simétrica entre os dois casos?Acessibilidade educacional: com
aopdata, baixe o tempo médio para escola pública (ensino superior) em ambos os municípios. Pergunta: a “variedade” de oportunidades educacionais \(H(D)\) acessível em 60 minutos é maior em qual?
Os três experimentos cabem em ~50 linhas de R. Servem de aquecimento empírico antes da Semana 1 propriamente dita, e geram material para o próprio diagnóstico final (capítulo F4-03).
Próxima parada
Recursos externos curadosIMPA YouTube, ASC, Metaphorum, MIT 15.871, Anki Desktop, Excalidraw — saídas para profundidade.
Continuar →