Métodos de classificação supervisionados aplicados à identificação de fraudes de fornecedores do Estado do Rio de Janeiro.

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Sá, Tainá Ayres
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade do Estado do Rio de Janeiro
Centro de Ciências Sociais::Faculdade de Administração e Finanças
Brasil
UERJ
Programa de Pós-Graduação em Ciências Contábeis
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Bidding fraud
Indicators
Classification algorithms
Finanças públicas – Auditoria – Legislação
Licitação pública
Fraude – Prevenção
Fraude em licitações
Indicadores
Algoritmos de classificação
CIENCIAS SOCIAIS APLICADAS
Link de acesso: http://www.bdtd.uerj.br/handle/1/19530
Resumo: A fraude nas licitações ocorre pela tentativa de frustrar o seu caráter competitivo, causando o superfaturamento e o favorecimento de um grupo específico. Esta pesquisa tem como objetivo verificar qual conjunto de indicadores e algoritmos possui melhores propriedades para identificar a propensão de um fornecedor ter praticado uma fraude contra a administração pública nos processos de contratação do Governo do Estado do Rio de Janeiro. A delimitação da pesquisa foram os fornecedores de pessoa jurídica do Governo do Estado do Rio de Janeiro que tiveram contratos ou participaram de licitações entre 2017 e 2021. Foram utilizados os dados de licitações e fornecedores publicados no Portal da Transparência do Governo do Estado do Rio de Janeiro, e os dados dos CNPJs publicados pela Receita Federal. O teste de hipótese baseado na Lei de Benford demonstrou que a base de contratos não estava em conformidade com a lei, podendo estar propensa a ter sofrido manipulação dos números.A pesquisa proposta demonstrou resultados satisfatórios para a classificação de fornecedores sancionados nesse estado. O algoritmo de classificação com melhor resultado nas três métricas de avaliação foi o Support Vector Machine (SVM), com precisão de 99,30%, e apenas um falso positivo na verificação da base-teste. Os atributos levantados por meio das bases de dados também se mostraram relevantes no resultado do modelo.
id UERJ_9eb7c54af3569bb9af09ca03fd6d7bba
oai_identifier_str oai:www.bdtd.uerj.br:1/19530
network_acronym_str UERJ
network_name_str Biblioteca Digital de Teses e Dissertações da UERJ
repository_id_str
spelling Métodos de classificação supervisionados aplicados à identificação de fraudes de fornecedores do Estado do Rio de Janeiro.Supervised classification methods applied to identify supplier fraud in the State of Rio de Janeiro.Bidding fraudIndicatorsClassification algorithmsFinanças públicas – Auditoria – LegislaçãoLicitação públicaFraude – PrevençãoFraude em licitaçõesIndicadoresAlgoritmos de classificaçãoCIENCIAS SOCIAIS APLICADASA fraude nas licitações ocorre pela tentativa de frustrar o seu caráter competitivo, causando o superfaturamento e o favorecimento de um grupo específico. Esta pesquisa tem como objetivo verificar qual conjunto de indicadores e algoritmos possui melhores propriedades para identificar a propensão de um fornecedor ter praticado uma fraude contra a administração pública nos processos de contratação do Governo do Estado do Rio de Janeiro. A delimitação da pesquisa foram os fornecedores de pessoa jurídica do Governo do Estado do Rio de Janeiro que tiveram contratos ou participaram de licitações entre 2017 e 2021. Foram utilizados os dados de licitações e fornecedores publicados no Portal da Transparência do Governo do Estado do Rio de Janeiro, e os dados dos CNPJs publicados pela Receita Federal. O teste de hipótese baseado na Lei de Benford demonstrou que a base de contratos não estava em conformidade com a lei, podendo estar propensa a ter sofrido manipulação dos números.A pesquisa proposta demonstrou resultados satisfatórios para a classificação de fornecedores sancionados nesse estado. O algoritmo de classificação com melhor resultado nas três métricas de avaliação foi o Support Vector Machine (SVM), com precisão de 99,30%, e apenas um falso positivo na verificação da base-teste. Os atributos levantados por meio das bases de dados também se mostraram relevantes no resultado do modelo.Bidding fraud occurs by the attempt to frustrate its competitive character, causing overpricing and favoring a specific group. This research aims to verify which set of indicators and algorithms have best properties to identify the propensity of a supplier to have committed fraud against the public administration in the contracting process of the Government of the State of Rio de Janeiro. The delimitation of the research was the suppliers of legal entities of the Government of the State of Rio de Janeiro that had contracts or participated in bids between 2017 and 2021. Data from bids and suppliers published on the Transparency Portal of the Government of the State of Rio de Janeiro, and data from CNPJs published by the Brazilian Internal Revenue Service were used. The hypothesis test based on Benford’s Law demonstrated that the contracts database was not in compliance with the law, being prone to have had manipulation of the numbers. The proposed research showed satisfactory results for the classification of suppliers sanctioned by this state. The classification algorithm with the best result in the three metrics of evaluation was the Support Vector Machine (SVM), with an accuracy of 99.30%, and only one false positive in the verification of the test base. The attributes collected through the databases also proved to be relevant in the model result.Universidade do Estado do Rio de JaneiroCentro de Ciências Sociais::Faculdade de Administração e FinançasBrasilUERJPrograma de Pós-Graduação em Ciências ContábeisAlves, Francisco José dos Santoshttp://lattes.cnpq.br/5717307958113119Pessanha, José Francisco Moreirahttp://lattes.cnpq.br/3384481291163061Carvalho, Frederico Antonio Azevedo deSá, Tainá Ayres2023-05-08T19:16:58Z2022-07-07info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfSÁ, Tainá Ayres. Métodos de classificação supervisionados aplicados à identificação de fraudes de fornecedores do Estado do Rio de Janeiro. 2022. 68 f. Dissertação (Mestrado em Ciências Contábeis) – Faculdade de Administração e Finanças, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2022.http://www.bdtd.uerj.br/handle/1/19530porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UERJinstname:Universidade do Estado do Rio de Janeiro (UERJ)instacron:UERJ2024-02-26T19:50:37Zoai:www.bdtd.uerj.br:1/19530Biblioteca Digital de Teses e Dissertaçõeshttp://www.bdtd.uerj.br/PUBhttps://www.bdtd.uerj.br:8443/oai/requestbdtd.suporte@uerj.bropendoar:29032024-02-26T19:50:37Biblioteca Digital de Teses e Dissertações da UERJ - Universidade do Estado do Rio de Janeiro (UERJ)false
dc.title.none.fl_str_mv Métodos de classificação supervisionados aplicados à identificação de fraudes de fornecedores do Estado do Rio de Janeiro.
Supervised classification methods applied to identify supplier fraud in the State of Rio de Janeiro.
title Métodos de classificação supervisionados aplicados à identificação de fraudes de fornecedores do Estado do Rio de Janeiro.
spellingShingle Métodos de classificação supervisionados aplicados à identificação de fraudes de fornecedores do Estado do Rio de Janeiro.
Sá, Tainá Ayres
Bidding fraud
Indicators
Classification algorithms
Finanças públicas – Auditoria – Legislação
Licitação pública
Fraude – Prevenção
Fraude em licitações
Indicadores
Algoritmos de classificação
CIENCIAS SOCIAIS APLICADAS
title_short Métodos de classificação supervisionados aplicados à identificação de fraudes de fornecedores do Estado do Rio de Janeiro.
title_full Métodos de classificação supervisionados aplicados à identificação de fraudes de fornecedores do Estado do Rio de Janeiro.
title_fullStr Métodos de classificação supervisionados aplicados à identificação de fraudes de fornecedores do Estado do Rio de Janeiro.
title_full_unstemmed Métodos de classificação supervisionados aplicados à identificação de fraudes de fornecedores do Estado do Rio de Janeiro.
title_sort Métodos de classificação supervisionados aplicados à identificação de fraudes de fornecedores do Estado do Rio de Janeiro.
author Sá, Tainá Ayres
author_facet Sá, Tainá Ayres
author_role author
dc.contributor.none.fl_str_mv Alves, Francisco José dos Santos
http://lattes.cnpq.br/5717307958113119
Pessanha, José Francisco Moreira
http://lattes.cnpq.br/3384481291163061
Carvalho, Frederico Antonio Azevedo de
dc.contributor.author.fl_str_mv Sá, Tainá Ayres
dc.subject.por.fl_str_mv Bidding fraud
Indicators
Classification algorithms
Finanças públicas – Auditoria – Legislação
Licitação pública
Fraude – Prevenção
Fraude em licitações
Indicadores
Algoritmos de classificação
CIENCIAS SOCIAIS APLICADAS
topic Bidding fraud
Indicators
Classification algorithms
Finanças públicas – Auditoria – Legislação
Licitação pública
Fraude – Prevenção
Fraude em licitações
Indicadores
Algoritmos de classificação
CIENCIAS SOCIAIS APLICADAS
description A fraude nas licitações ocorre pela tentativa de frustrar o seu caráter competitivo, causando o superfaturamento e o favorecimento de um grupo específico. Esta pesquisa tem como objetivo verificar qual conjunto de indicadores e algoritmos possui melhores propriedades para identificar a propensão de um fornecedor ter praticado uma fraude contra a administração pública nos processos de contratação do Governo do Estado do Rio de Janeiro. A delimitação da pesquisa foram os fornecedores de pessoa jurídica do Governo do Estado do Rio de Janeiro que tiveram contratos ou participaram de licitações entre 2017 e 2021. Foram utilizados os dados de licitações e fornecedores publicados no Portal da Transparência do Governo do Estado do Rio de Janeiro, e os dados dos CNPJs publicados pela Receita Federal. O teste de hipótese baseado na Lei de Benford demonstrou que a base de contratos não estava em conformidade com a lei, podendo estar propensa a ter sofrido manipulação dos números.A pesquisa proposta demonstrou resultados satisfatórios para a classificação de fornecedores sancionados nesse estado. O algoritmo de classificação com melhor resultado nas três métricas de avaliação foi o Support Vector Machine (SVM), com precisão de 99,30%, e apenas um falso positivo na verificação da base-teste. Os atributos levantados por meio das bases de dados também se mostraram relevantes no resultado do modelo.
publishDate 2022
dc.date.none.fl_str_mv 2022-07-07
2023-05-08T19:16:58Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv SÁ, Tainá Ayres. Métodos de classificação supervisionados aplicados à identificação de fraudes de fornecedores do Estado do Rio de Janeiro. 2022. 68 f. Dissertação (Mestrado em Ciências Contábeis) – Faculdade de Administração e Finanças, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2022.
http://www.bdtd.uerj.br/handle/1/19530
identifier_str_mv SÁ, Tainá Ayres. Métodos de classificação supervisionados aplicados à identificação de fraudes de fornecedores do Estado do Rio de Janeiro. 2022. 68 f. Dissertação (Mestrado em Ciências Contábeis) – Faculdade de Administração e Finanças, Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2022.
url http://www.bdtd.uerj.br/handle/1/19530
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade do Estado do Rio de Janeiro
Centro de Ciências Sociais::Faculdade de Administração e Finanças
Brasil
UERJ
Programa de Pós-Graduação em Ciências Contábeis
publisher.none.fl_str_mv Universidade do Estado do Rio de Janeiro
Centro de Ciências Sociais::Faculdade de Administração e Finanças
Brasil
UERJ
Programa de Pós-Graduação em Ciências Contábeis
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UERJ
instname:Universidade do Estado do Rio de Janeiro (UERJ)
instacron:UERJ
instname_str Universidade do Estado do Rio de Janeiro (UERJ)
instacron_str UERJ
institution UERJ
reponame_str Biblioteca Digital de Teses e Dissertações da UERJ
collection Biblioteca Digital de Teses e Dissertações da UERJ
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UERJ - Universidade do Estado do Rio de Janeiro (UERJ)
repository.mail.fl_str_mv bdtd.suporte@uerj.br
_version_ 1829133695574867968

Registros relacionados