José Luís Borges

Abstract
Intelligent Transportation Systems are an important enabler for the smart cities paradigm. Currently, such systems generate massive amounts of granular data that can be analyzed to better understand people’s dynamics. To address the multivariate nature of spatiotemporal urban mobility data, researchers and practitioners have developed an extensive body of research and interactive visualization tools. Data visualization provides multiple perspectives on data and supports the analytical tasks of domain experts. This article surveys related studies to analyze which topics of urban mobility were addressed and their related phenomena, and to identify the adopted visualization techniques and sensors data types. We highlight research opportunities based on our findings. © 2019 by the authors. Licensee MDPI, Basel, Switzerland.

Abstract

Abstract
With the increase in availability of online national archives and software to manage genealogical records, genealogy studies are growing in popularity. While conducting research, genealogists communicate their findings either in written narratives or in genealogical charts. In that context, visualization methods can be very effective for promoting the understanding of the intricacies of a family tree and the relations among its individuals. Most of the software designed for genealogy provides a collection of standard charts to plot family trees, despite having limited analysis capabilities in general. In addition, most of the research in family tree visualization designs have been focused on methods to represent very large trees in a restricted space. Herein, we propose the contextual family tree, a new visualization design for family trees that represents individuals and their spouses with enhanced details about their families' context. The design was developed through an iterative prototype-evaluation design cycle. For illustrating the potential of our new visualization design, we used contextual family trees created from publicly available genealogical data communication files, showing that the design can be useful to provide a better understanding of the data and also for validating the consistency of the genealogical data.

Abstract
The personal characteristics of entrepreneurs can be importantly related to entrepreneurial startup intentions and behaviors. A country-moderated hypothesis including the relationship between an individual's risk-taking propensity and entrepreneurship (behaviors or intentions of the person) was conceptually developed and empirically tested in this study. The data collection was performed through a structured questionnaire. Multinominal logistic regression was used for analyzing data obtained from 1,414 students in six countries. The crucial contribution of this research is the clarification of the character of risk-taking propensity in entrepreneurship and the indication that the risk-taking propensity-entrepreneurship relationship can be moderated contingent on power distance.

Abstract
Resumo O abandono escolar é um problema complexo que afeta a maioria dos programas de graduação pós-secundária, em todo o mundo. O curso de engenharia industrial do Instituto ISVOUGA, localizado em Santa Maria da Feira, Portugal, não é exceção. Este estudo usou um conjunto de dados contendo informações gerais dos estudantes e suas notas para as unidades curriculares já avaliadas. A partir deste conjunto de dados, foram selecionados dezessete preditores potenciais: cinco intrínsecos (gênero, estado civil, situação profissional, idade e regime de dedicação aos estudos – integral ou parcial) e doze extrínsecos (as notas em todas as doze unidades curriculares ministradas durante os dois primeiros semestres do curso). O objetivo principal desta investigação foi prever a probabilidade de um estudante abandonar o curso com base nos referidos preditores. Foi usada uma regressão logística binária para classificar os estudantes como tendo uma probabilidade alta ou baixa de não se reinscreverem no curso. Para validar se a metodologia utilizada é apropriada para o estudo em causa, a precisão obtida com o modelo de regressão logística foi comparada, por via de uma validação cruzada com cinco partições, com a precisão obtida pela utilização de três métodos muito utilizados em data mining: One R, K Nearest Neighbors e Naive Bayes. O modelo de regressão logística identificou quatro variáveis significativas na previsão do abandono escolar (as classificações nas unidades curriculares de ciência dos materiais, eletricidade, cálculo 1 e química). Os dois preditores mais influentes do abandono dos estudantes são não conseguir aprovação nas unidades curriculares menos exigentes: ciência dos materiais e eletricidade. Ao contrário do que seria de supor antes desta investigação, descobrimos que a não aprovação em unidades curriculares mais exigentes, como física ou estatística, não tem influência significativa no abandono escolar.