Palestra na PUC-RS: Como melhorar o ensino de economia no Brasil?

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][et_pb_column type="4_4"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font_size="18" use_border_color="off" border_color="#ffffff" border_style="solid"]

No próximo dia 05/04, às 18h, na PUC-RS, darei palestra sobre como melhorar o ensino de economia no Brasil. O evento faz parte da programação do Fórum da Liberdade desse ano e foi viabilizado pelo Instituto Millenium. A ideia é discorrer sobre por que os economistas brasileiros não conseguem sair do eterno debate entre ortodoxia vs heterodoxia, o que acaba por imperrar tanto a contribuição à ciência, quanto o próprio debate mais amplo sobre os problemas do país. Com base no trabalho aqui na Análise Macro, nas palestras que proferi em diversas universidades pelo projeto "IMIL na Sala de Aula" e na criação de um grupo de estudos sobre conjuntura econômica, minha leitura é que a causa desse problema é a má formação empírica dos profissionais de economia. Nosso ensino, salvo as exceções de praxe, é excessivamente teórico, o que ajuda na reprodução de hipóteses já amplamente rejeitadas pela evidência empírica disponível. Melhorar o ensino de economia, com efeito, passa por inserir um melhor treinamento em ferramentas que possibilitem compreender o que dizem os dados. Para maiores informações sobre a palestra, consulte aqui. Para maiores detalhes sobre as ideias aqui sintetizadas, ler artigo sobre o tema aqui.

_________________________________________________________

(**) Caso queira uma palestra da Análise Macro na sua empresa ou universidade, entre em contato pelo e-mail comercial@analisemacro.com.br. Podemos dar palestras sobre Data Science, Linguagens de Programação, Machine Learning e uso do R na análise da conjuntura econômica e na modelagem e previsão de variáveis econômicas. Nossas palestras são pro-bono, cujo objetivo é divulgar ferramentas de fronteira na análise de dados. A empresa/universidade arca apenas com deslocamento/hospedagem. 

[/et_pb_text][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2017/11/cursosaplicados.png" show_in_lightbox="off" url="https://analisemacro.com.br/cursos-de-r/" url_new_window="off" use_overlay="off" animation="off" sticky="off" align="left" force_fullwidth="off" always_center_on_mobile="on" use_border_color="off" border_color="#ffffff" border_style="solid"]

 

[/et_pb_image][/et_pb_column][/et_pb_row][/et_pb_section]

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Criando operações SQL com IA Generativa no R com querychat

No universo da análise de dados, a velocidade para obter respostas é um diferencial competitivo. Frequentemente, uma simples pergunta de negócio — “Qual foi nosso produto mais vendido no último trimestre na região Nordeste?” — inicia um processo que envolve abrir o RStudio, escrever código dplyr ou SQL, executar e, finalmente, obter a resposta. E se pudéssemos simplesmente perguntar isso aos nossos dados em português, diretamente no nosso dashboard Shiny?

Dashboard Financeiro com IA e Shiny Python: Análise de Dados Abertos da CVM

Este artigo apresenta um tutorial completo sobre como construir uma ferramenta de análise financeira de ponta. Utilizando Shiny for Python, demonstramos a automação da coleta de dados das Demonstrações Financeiras Padronizadas (DFP) da CVM e o tratamento dessas informações com Pandas. O ponto alto do projeto é a integração da IA Generativa do Google Gemini, que atua como um assistente de análise, interpretando os dados filtrados pelo usuário e fornecendo insights contábeis e financeiros em tempo real. O resultado é um dashboard dinâmico que democratiza a análise de dados complexos e acelera a tomada de decisão.

Econometria, ML ou IA para previsão da PMS?

Prever a Pesquisa Mensal de Serviços (PMS/IBGE) é um desafio por natureza: trata-se de uma série mensal, sujeita a volatilidade e choques que vão de fatores sazonais a mudanças estruturais no setor. Para enfrentar esse problema, realizamos um exercício de comparação entre três abordagens de modelagem: econometria tradicional (ARIMA), machine learning (XGBoost) e inteligência artificial (TimeGPT).

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.