Artificial Intelligence & Data Science for Public Administration Portugal Innovation Hub
Os objetivos estratégicos e o plano de ação do AI4PA Portugal têm um claro alinhamento com as principais áreas de foco do Plano de Ação para a Transição Digital:
Pilar I — Capacitação e inclusão digital das pessoas
Pilar II — Transformação digital do tecido empresarial
Pilar III — Digitalização do Estado
A atividade do Polo irá prosseguir seis objetivos estratégicos, alinhados com o Plano de Ação para a Transição Digital, a saber: a otimização das políticas públicas nas várias áreas da governação com base na Inteligência Artificial e na promoção de soluções tecnológicas digitais inovadoras; a melhoria da interação dos serviços públicos com os cidadãos e as empresas; a avaliação dos impactos sociais e das implicações éticas das tecnologias, incluindo da Inteligência Artificial; o aumento das competências digitais das entidades públicas e das pequenas e médias empresas (PME) que lhes prestam serviços; a disseminação de boas práticas e soluções reutilizáveis de origem nacional e internacional; e a melhoria da governação para a transição digital nas várias escalas de intervenção do Estado.
O AI4PA Portugal alinha a sua intervenção com o modelo estabelecido na rede europeia de polos de inovação digital visando os serviços prioritários dos Polos de Inovação Digital descritos o Plano de Ação para a Transição Digital,
1- Experimentação e teste de tecnologias digitais na fase prévia à decisão de investimento; 2- Qualificação e formação em competências digitais; 3- Apoio na procura de financiamento para investimento em tecnologias digitais; 4- Atuação como facilitador juntando diferentes atores.
Informação do Projeto
2023-01-01
2025-09-30
Parceiros do Projeto
- ISTAR-Iscte (DLS) - Líder
- AMA - (Portugal)
- AESINTRA - (Portugal)
- AIP – CCI - (Portugal)
- ANPME - (Portugal)
- AUDAX - (Portugal)
- CMS - (Portugal)
- CMV - (Portugal)
- CCDR Algarve - (Portugal)
- Cisco - (Portugal)
- CoLABOR - (Portugal)
- DGEEC - (Portugal)
- Esri Portugal - (Portugal)
- GEP/MTSSS - (Portugal)
- INDEG - (Portugal)
- IPPS - (Portugal)
- Mentortec - (Portugal)
- MORE CoLAB - (Portugal)
- NOVA IMS - (Portugal)
- Oeste CIM - (Portugal)
- UNINOVA - (Portugal)
- UNU-EGOV - (Portugal)
- UGT - (Portugal)
Estudo para o conhecimento da fraude nos fundos estruturais em Portugal
O presente estudo contribui para o conhecimento da realidade, a avaliação do risco e a definição de estratégias de prevenção de fraude associada ao uso dos fundos Europeus em Portugal.
Os principais objetivos deste estudo são:
* Recolher informação, tratar, sistematizar e analisar os dados sobre os fundos europeus em Portugal, em particular no que respeita a situações de irregularidades na sua utilização;
* Identificar oportunidades de melhoria no processo de recolha de dados, na gestão dos sistemas
de informação, e na partilha de informação entre as diversas organizações envolvidas;
* Aumentar a transparência sobre o uso dos fundos em Portugal.
Entidades envolvidas: Iscte, NovaSBE, ADC, IFAP, PGR
Data início do projeto: 1 Abril 2022
Duração: 12 meses
Informação do Projeto
2022-04-01
2023-05-31
Parceiros do Projeto
- CIES-Iscte
- Nova SBE Data Science Knowledge Center - (Portugal)
Monitorização e Alerta de Incumprimento em Projetos
O objeto de estudo é a previsão atempada da possibilidade de incumprimento de metas temporais ou financeiras. Pretende-se testar o potencial de um sistema capaz de gerar um alerta para a possibilidade de incumprimento baseado em dados conhecidos no momento da candidatura ou em momentos chave do acompanhamento de projetos. Esse alerta deve ser fundamentado de acordo com as variáveis estudadas que estão diretamente envolvidas nesse resultado, de modo a apoiar uma decisão devidamente informada.
Informação do Projeto
2022-02-01
2023-01-31
Parceiros do Projeto
Aplicações Móveis Baseadas em Inteligência Artificial para Resposta de Saúde Pública
O projeto FCT DSAIPA/AI/0122/2020 AIMHealth – Aplicações Móveis Baseadas em Inteligência Artificial para Resposta de Saúde Pública, está a ser promovido pelo Centro de Investigação em Ciências da Informação, Tecnologias e Arquitetura (ISTAR-IUL), em colaboração com o Centro de Investigação e de Intervenção Social (CIS-IUL), ambos do Iscte – Instituto Universitário de Lisboa, e ainda, o Instituto de Telecomunicações (IT), a Associação para Investigação e Desenvolvimento da Faculdade de Medicina da Universidade de Lisboa (AIDFM) e o Centro Cardiovascular da Universidade de Lisboa (CCUL).
Este projeto é financiado pela Fundação para a Ciência e a Tecnologia (FCT), segundo o contrato FCT DSAIPA/AI/0122/2020 ao abrigo do concurso “AI 4 COVID-19: Ciência dos Dados e Inteligência Artificial na Administração Pública para reforçar o combate à COVID 19 e futuras pandemias – 2020″.
Enquadramento
Devido à pandemia da COVID-19, os contactos pessoais foram limitados, tendo sido necessário o desenvolvimento de novas soluções para prevenir a propagação do vírus. Algumas das soluções tecnológicas apresentadas foram as aplicações de rastreamento de contactos, que informam os utilizadores e as autoridades acerca do potencial ou atual risco de propagação do vírus. Porém, entre os seus utilizadores esta abordagem levantou preocupações acerca da segurança e privacidade.
Objectivo
Tendo em conta as preocupações mencionadas, este projeto propõe a criação e a disponibilização de uma aplicação para smartphone e de uma plataforma segura e confiável de distribuição de serviços baseada em tecnologias de Blockchain e Inteligência Artificial, para identificar pacientes sintomáticos e assintomáticos assim como o risco de exposição, providenciando uma abordagem preventiva para as estratégias de Saúde Pública.
Informação do Projeto
2021-01-25
2023-01-24
Parceiros do Projeto
- ISTAR-Iscte (DLS)
- IT - (Portugal)
- AIDFM - (Portugal)
Inteligência Artificial na Gestão de Incentivos
O projecto, desenvolvido em colaboração com as agências públicas portuguesas IAPMEI e AICEP, pretende contribuir para a melhoria da gestão dos incentivos ao investimento empresarial, recorrendo a várias abordagens de aprendizagem automática que permitem identificar níveis de risco operacional e estratégico dos projectos, nas fases de análise de candidaturas e de verificação de pedidos de pagamento. O projecto deverá resultar na produção de scorings de risco que possam auxiliar as actividades de análise e verificação na gestão dos incentivos. Os principais tipos de risco a analisar incluem:
• Risco de anulação do projecto (antes ou depois do contrato, por iniciativa do promotor ou das autoridades públicas)
• Risco de devolução de incentivo (por anulação do projecto, incumprimento do contrato, não certificação de adiantamento, inconformidade da despesa ou outros motivos)
• Risco de não-utilização do incentivo aprovado
• Risco de inclusão de despesas inelegíveis (nos pedidos de adiantamentos contra-factura, na certificação pagamentos intercalares ou nos pedidos de reembolso)
• Não cumprimento das metas contratualizadas
Informação do Projeto
2020-02-01
2021-12-31
Parceiros do Projeto
- DINAMIA'CET-Iscte (GEC) - Líder
- ISTAR-Iscte
- BRU-Iscte
- CIES-Iscte
- AICEP - Portugal Global - (Portugal)
- IAPMEI - (Portugal)
Cloud-based Anti Malware Technology for Android App Stores
Mobile security faces serious challenges, with alarming threat levels of malicious applications (malware). Malware applications attempt to capture user’s private data for illicit purposes, namely financial data, of personal context (such as location), business / corporate or other kinds of valuable information.
To address this problem the AppSentinel project proposes that App Stores should incorporate proactive and intelligent anti-malware mechanisms themselves, given its privileged position between developers and end-users. In this sense, we propose to research and develop an intelligent anti-malware system for Android App Stores, capable of performing static and dynamic analysis of malicious applications from several sources and understand their behavior patterns, which will then be used in testing new applications submitted to these stores. Moreover, these new applications will also be tested regarding good practices in secure mobile software development, which will lead to educational feedbacks to developers. Finally, a supervised machine learning system will be investigated and developed for efficient detection of new malicious applications based on users’ feedback. With these technological innovations we intend to reduce the incidence of malware on mobile devices, increase the efficiency in the analysis of virus reported by users and accelerate the reaction to new threats, and contribute to the adoption of secure mobile software development practices by developers.
Informação do Projeto
2018-08-07
2020-07-03
Parceiros do Projeto
- ISTAR-Iscte (SSE)
- Aptoide - Líder (Portugal)