Developing a hybrid forecasting system for agricultural commodity prices (case study: Thailand rice free on board price) / Desenvolvimento de um sistema de previsão híbrido para preços de commodities agrícolas: estudo de caso para arroz tailandês

Forecast the price of agricultural goods is a beneficial action for farmers, marketing agents, consumers, and policymakers. Today, managing this product security requires price forecasting models that are both efficient and reliable for a country's import and export. In the last few decades, the Autoregressive Integrated Moving Average (ARIMA) model has been widely used in economics time series forecasting. Recently, many of the time series observations presented in economics have been clearly shown to be nonlinear, Machine learning (ML) modelling, conversely, offers a potential price forecasting technique that is more flexible given the limited data available in most countries' economies. In this research, a hybrid price forecasting model has been used, through a novel clustering technique, a new cluster selection algorithm and a multilayer perceptron neural network (MLPNN), which had many advantages and using monthly time series of Thai rice FOB price form November 1987 to October 2017. The empirical results of this study showed that the value of root mean square error (RMSE) equals 14.37 and the Mean absolute percentage error (MAPE) equals 4.09% for the hybrid model. The evaluation results of proposed method and comparison its performance with four benchmark models, by monthly time series of Thailand rice FOB price from November 1987 to October 2017 showed the outperform of proposed method.

Prever o preço dos produtos agrícolas é uma ação benéfica para agricultores, agentes de marketing, consumidores e legisladores. Hoje, o gerenciamento da segurança desse produto requer modelos de previsão de preços eficientes e confiáveis para a importação e exportação de um país. Nas últimas décadas, o modelo Autoregressive Integrated Moving Average (ARIMA) tem sido amplamente utilizado na previsão de séries temporais da economia. Recentemente, muitas das observações de séries temporais apresentadas em economia têm se mostrado claramente não lineares. A modelagem de aprendizado de máquina (ML), por outro lado, oferece uma técnica de previsão de preços potencial que é mais flexível, apresentados os dados limitados disponíveis na maioria dos países. Nesta pesquisa, um modelo híbrido de previsão de preços foi usado, por meio de uma nova técnica de agrupamento, um novo algoritmo de seleção de agrupamento e uma rede neural perceptron multicamadas (MLPNN), que teve muitas vantagens, e usando séries temporais mensais de preços FOB do arroz tailandês de novembro 1987 a outubro de 2017. Os resultados empíricos deste estudo mostraram que o valor da raiz do erro quadrático médio (RMSE) é igual a 14,37 e o erro percentual absoluto médio (MAPE) é igual a 4,09% para o modelo híbrido. Os resultados da avaliação do método proposto e a comparação de seu desempenho com quatro modelos de benchmark, por séries temporais mensais de preço FOB do arroz tailandês de novembro de 1987 a outubro de 2017, mostram o desempenho superior do método proposto.

Mudanças e adaptações das universidades comunitárias em tempos de crise / Changes and adaptations of community universities in times of crisis

Na entrevista, o professor Vilmar Thomé considera sua trajetória acadêmica e profissional, em especial sua experiência de Pró-Reitor e de Reitor na Universidade de Santa Cruz do Sul (UNISC), para analisar as mudanças e as adaptações que ocorrem nas Universidades Comunitárias num momento em que o ensino universitário no Brasil é provocado a se reinventar. Para o professor Thomé, vivemos um momento em que os diferentes modelos de Universidade no Brasil precisam ser repensados, considerando a importância de melhorar o aproveitamento dos recursos investidos, de alcançar melhores resultados, de ter maior capacidade de atender às necessidades da sociedade. Na experiência das Universidades Comunitárias, o professor destaca três questões que se consolidaram como legado da história até então construída: transparência, descentralização e participação. Mas destaca que o momento é de adaptações, sem esquecer o legado construído, mas considerando os desafios de um tempo de crise e de transformações tecnológicas que criam novas possibilidades de organização das atividades universitárias.(AU)

In the interview, Professor Vilmar Thomé considers his academic and professional trajectory, especially his experience as Pro-Rector and Rector at the University of Santa Cruz do Sul (UNISC), to analyze the changes and adaptations that occur in Community Universities at a time in which university education in Brazil is provoked to reinvent itself. For Professor Thomé, we live in a moment in which the different models of University in Brazil need to be rethought, considering the importance of improving the use of invested resources, of achieving better results, of having a greater capacity to meet the needs of society. In the experience of Community Universities, the professor highlights three issues that have consolidated themselves as a legacy of the history built up to then: transparency, decentralization and participation. But he highlights that the moment is one of adaptations, without forgetting the legacy built, but considering the challenges of a time of crisis and technological changes that create new possibilities for organizing university activities.(AU)