Compreendendo e prevendo o processo legislativo via ciência de dados (2019)
- Authors:
- Autor USP: OLIVEIRA, DANILO AMARAL DE - ICMC
- Unidade: ICMC
- Sigla do Departamento: SSC
- Subjects: PROCESSO LEGISLATIVO; SOFTWARES; APRENDIZADO COMPUTACIONAL; REGRESSÃO LOGÍSTICA; BASES DE DADOS
- Keywords: Ciência de dados; Dados abertos; Data science; Legislative process; Open data
- Language: Português
- Abstract: Apenas 10% dos cerca de 1.6 mil novos Projetos de Lei Ordinária apresentados anualmente na Câmara dos Deputados são aprovados. Uma grande quantidade de tempo e de recursos são investidos em análises qualitativas para entender e identificar quais projetos possuem ou não a chance de serem aprovados. Porém, as análises qualitativas manuais são tarefas difíceis e caras devido ao grande volume de projetos e a complexidade do Processo Legislativo. Neste trabalho desenvolvemos um artefato de software capaz de identificar as características que influenciam na aprovação ou arquivamento dos projetos visando automatizar a tarefa de análise. O artefato foi desenvolvido em três etapas. Na primeira etapa foi criado um banco de dados de projetos de lei apresentados entre 2003 e 2016 e com 72 variáveis. A base de dados foi dividida em 7 conjuntos, estes submetidos a análises de mineração de dados. Na segunda etapa, por meio do LASSO, selecionamos as 20 características de maior poder preditivo. Na terceira etapa, submetemos essas variáveis a três análises de Aprendizado de Máquina: Regressão Logística, LASSO e Floresta Aleatória. O cruzamento dos resultados das análises de Aprendizado de Máquina, identificou 7 características do Processo Legislativo estatisticamente relevantes para a aprovação ou para o arquivamento de um projeto. Finalmente, analisamos a própria base de dados de projetos de lei para testar a capacidade preditiva do artefato. Por meio da Floresta Aleatória, obtivemos umaperformance preditiva média de F1-Score de 0.861 com uma precisão positiva de 0.778. Nossos resultados indicam que é possível utilizar inteligência artificial para prever em parte o comportamento do processo legislativo. O uso do artefato desenvolvido ajudará diferentes grupos sociais e econômicos a se anteciparem a mudanças legislativas.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2019
- Data da defesa: 28.01.2019
-
ABNT
OLIVEIRA, Danilo Amaral de. Compreendendo e prevendo o processo legislativo via ciência de dados. 2019. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2019. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-17072019-141938/. Acesso em: 09 jan. 2026. -
APA
Oliveira, D. A. de. (2019). Compreendendo e prevendo o processo legislativo via ciência de dados (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-17072019-141938/ -
NLM
Oliveira DA de. Compreendendo e prevendo o processo legislativo via ciência de dados [Internet]. 2019 ;[citado 2026 jan. 09 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-17072019-141938/ -
Vancouver
Oliveira DA de. Compreendendo e prevendo o processo legislativo via ciência de dados [Internet]. 2019 ;[citado 2026 jan. 09 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-17072019-141938/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
