Liderança Vulnerável, Modelos Mentais Compartilhados e Comprometimento Organizacional: um estudo quantitativo no Hospital Oftalmológico Pacini

Este trabalho analisa as contribuições teóricas, metodológicas e operacionais do modelo de Policiamento Orientado pela Inteligência (Intelligence-Led Policing ou POI/ILP) e das técnicas de Aprendizado de Máquina (Machine Learning) voltadas à prevenção criminal e à otimização da alocação de recursos em segurança pública. A investigação fundamenta-se na convergência entre inovação tecnológica, doutrina policial e governança institucional, alinhando-se diretamente às diretrizes normativas brasileiras, em especial a Política Nacional de Inteligência de Segurança Pública (PNISP) e a Estratégia Nacional de Inteligência de Segurança Pública (ENISP), instituídas pelos Decretos nº 10.777/2021 e nº 10.778/2021. O percurso metodológico estruturou-se em duas frentes complementares. A  primeira consistiu em uma revisão sistemática da literatura baseada nas diretrizes internacionais da declaração Prisma 2020, avaliando quinze estudos empíricos extraídos das bases Scopus e Web of Science. A segunda frente envolveu a tradução técnica e a adaptação transcultural de um instrumento de pesquisa empírica baseado no questionário do Departamento de Polícia de Denver e nos constructos
organizacionais de Steve Darroch. Esse instrumento passou por validação de conteúdo com banca técnica especializada e foi aplicado por meio de entrevistas semiestruturadas com Oficiais Chefes dos Centros de Inteligência das Polícias Militares que compõem a Câmara Técnica de Inteligência. Os resultados demonstram que a transição de um paradigma policial tradicional e reativo para um modelo proativo e preditivo depende de um ecossistema tecnológico adaptado aos diferentes níveis de maturidade de dados. Para bases de dados estruturadas e históricas, algoritmos de Ensemble Learning, como XGBoost e Random Forest, apresentaram o melhor equilíbrio entre custo computacional, velocidade e acurácia preditiva. Esse desempenho comprova a viabilidade técnica de implantação imediata em agências com restrição de infraestrutura ou em cidades médias que necessitam de agregações temporais semanais para contornar a escassez de dados pontuais. Por outro lado, em cenários metropolitanos de alta complexidade urbana, arquiteturas avançadas de Deep Learning, tais como os modelos híbridos ST-GCN e Informer, destacaram-se na identificação de padrões espaço-temporais e na dinâmica de contágio criminal entre bairros contíguos. Da mesma forma, ferramentas de visão computacional em tempo real e de fusão multimodal evidenciaram grande potencial para transformar sistemas de videomonitoramento passivo em sensores preditivos
ativos. Conclui-se que o avanço tecnológico deve ser acompanhado pela incorporação de métodos de Inteligência Artificial Explicável (Explainable AI ou XAI) e raciocínio semântico, assegurando transparência às decisões de comando e evitando o fenômeno
da caixa-preta. Além disso, os dado  de campo confirmam que a consolidação prática do POI nas Polícias Militares exige liderança transformacional, capacitação doutrinária contínua e uma governança integrada capaz de orientar a atuação do
policial na ponta da linha.