Eficácia no uso de aprendizagem de máquina para estimação de risco em contratos públicos e empresas.
Ano de defesa: | 2019 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | , |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Federal de Campina Grande
|
Programa de Pós-Graduação: |
PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO
|
Departamento: |
Centro de Engenharia Elétrica e Informática - CEEI
|
País: |
Brasil
|
Palavras-chave em Português: | |
Área do conhecimento CNPq: | |
Link de acesso: | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/8380 |
Resumo: | A contratação de empresas pela Administração Pública é um processo frequente e necessário na prestação de serviços para autarquias e órgãos governamentais em diversos países. Por lei, os contratos celebrados devem ser acompanhados em sua execução. Entretanto, devido à grande quantidade de contratos administrativos gerados entre empresas e entes públicos, e à escassez de recursos da Administração, é impraticável fiscalizar todos os documentos firmados e seus andamentos. Uma das estratégias de controle utilizadas pelos órgãos de persecução criminal e cortes de contas é a priorização de casos a serem investigados a partir do seu nível de risco. Na literatura, o problema da estimação de risco utilizando aprendizado de máquina para entidades da Administração é tratado, na maioria dos casos, no contexto Federal. Atualmente na Paraíba esta escolha de casos é feita na prática através de uma série de heurísticas que compõem uma Matriz de Risco. Através da avaliação experimental da eficácia deste modelo prático e de seis modelos de aprendizagem de máquina na estimação do risco de empresas, concluímos que esta abordagem se sobressaiu em relação àquela. No contexto de contratos públicos municipais do estado da Paraíba, mediante a análise experimental do desempenho de três técnicas de balanceamento de classes e seis modelos de aprendizagem de máquina, foi possível verificar que a utilização destes modelos para o grânulo "contrato" da Administração Pública é, de fato, promissora. Para além disso, observou-se também que a construção de modelos com dados de contratos de áreas específicas (no contexto deste estudo, obras e serviços de engenharia) pode torná-los ainda mais eficazes. Com isso, esperamos auxiliar na otimização dos recursos públicos e no traçado de estratégias de controle interno que permitam subsidiar entidades de controle externo. |
id |
UFCG_02bd594a92ad6b73acc359e5507926b8 |
---|---|
oai_identifier_str |
oai:localhost:riufcg/8380 |
network_acronym_str |
UFCG |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFCG |
repository_id_str |
|
spelling |
ANDRADE, Nazareno Ferreira de.ANDRADE, N. F.http://lattes.cnpq.br/2729979018100977MONTEIRO , João Arthur Brunet.VELOSO, Adriano Alonso.http://lattes.cnpq.br/0658946296561461MENEZES, Talita Lôbo de.A contratação de empresas pela Administração Pública é um processo frequente e necessário na prestação de serviços para autarquias e órgãos governamentais em diversos países. Por lei, os contratos celebrados devem ser acompanhados em sua execução. Entretanto, devido à grande quantidade de contratos administrativos gerados entre empresas e entes públicos, e à escassez de recursos da Administração, é impraticável fiscalizar todos os documentos firmados e seus andamentos. Uma das estratégias de controle utilizadas pelos órgãos de persecução criminal e cortes de contas é a priorização de casos a serem investigados a partir do seu nível de risco. Na literatura, o problema da estimação de risco utilizando aprendizado de máquina para entidades da Administração é tratado, na maioria dos casos, no contexto Federal. Atualmente na Paraíba esta escolha de casos é feita na prática através de uma série de heurísticas que compõem uma Matriz de Risco. Através da avaliação experimental da eficácia deste modelo prático e de seis modelos de aprendizagem de máquina na estimação do risco de empresas, concluímos que esta abordagem se sobressaiu em relação àquela. No contexto de contratos públicos municipais do estado da Paraíba, mediante a análise experimental do desempenho de três técnicas de balanceamento de classes e seis modelos de aprendizagem de máquina, foi possível verificar que a utilização destes modelos para o grânulo "contrato" da Administração Pública é, de fato, promissora. Para além disso, observou-se também que a construção de modelos com dados de contratos de áreas específicas (no contexto deste estudo, obras e serviços de engenharia) pode torná-los ainda mais eficazes. Com isso, esperamos auxiliar na otimização dos recursos públicos e no traçado de estratégias de controle interno que permitam subsidiar entidades de controle externo.The hiring of companies by the Public Administration is a frequent and necessary process in providing services to municipalities and government agencies in several countries. By law, contracts concluded must be accompanied by their execution. However, due to the large number of administrative contracts generated between companies and public entities, and the scarcity of management resources, it is impracticable to inspect all signed documents and their progress. One of the control strategies used by criminal prosecution and accountability agencies is the prioritization of cases to be investigated based on their level of risk. In the literature, the problem of risk estimation using machine learning for management entities is dealt with, in most cases, in the Federal context. Currently, in Paraíba, this choice of cases is made in practice through a series of heuristics that make up a Risk Matrix. Through experimental evaluation of the e ectiveness of this practical model and six machine learning models to the risk assessment of companies, we concluded that this approach had outperformed that one. In the context of public municipal contracts of the Paraíba state, through experimental analysis of the e ectiveness of three class balancing techniques and six models of machine learning, it was validated that the use of these models for public contracts is, indeed, promising. Also, we noted that building models with data from specific areas (in this work, engineering works and services) could improve its performance. With this, we aim to assist the use of public resources and the design of internal control strategies that allow subsidizing external control entities.Submitted by Maria Medeiros (maria.dilva1@ufcg.edu.br) on 2019-10-23T10:19:13Z No. of bitstreams: 1 TALITA LÔBO DE MENEZES - DISSERTAÇÃO (PPGCC) 2019.pdf: 1163090 bytes, checksum: 2c90d74e30dc62f25de18bdfc7d0ce1f (MD5)Made available in DSpace on 2019-10-23T10:19:13Z (GMT). No. of bitstreams: 1 TALITA LÔBO DE MENEZES - DISSERTAÇÃO (PPGCC) 2019.pdf: 1163090 bytes, checksum: 2c90d74e30dc62f25de18bdfc7d0ce1f (MD5) Previous issue date: 2019-07-29CapesUniversidade Federal de Campina GrandePÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃOUFCGBrasilCentro de Engenharia Elétrica e Informática - CEEICiência da ComputaçãoAprendizagem de MáquinaContratos PúblicosAvaliação de RiscoGastos PúblicosMachine LearningPublic ProcurementRisk AssessmentPublic SpendingEficácia no uso de aprendizagem de máquina para estimação de risco em contratos públicos e empresas.Effectiveness in using machine learning to estimation of risk in public contracts and companies.2019-07-292019-10-23T10:19:13Z2019-10-232019-10-23T10:19:13Zhttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/8380MENEZES, T. L. de. Eficácia no uso de aprendizagem de máquina para estimação de risco em contratos públicos e empresas. 2019. 77 f. Dissertação (Mestrado em Ciência da Computação) – Pós-Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2019. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/8380info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFCGinstname:Universidade Federal de Campina Grande (UFCG)instacron:UFCGORIGINALTALITA LÔBO DE MENEZES - DISSERTAÇÃO (PPGCC) 2019.pdfTALITA LÔBO DE MENEZES - DISSERTAÇÃO (PPGCC) 2019.pdfapplication/pdf1649924http://dspace.sti.ufcg.edu.br:8080/xmlui/bitstream/riufcg/8380/3/TALITA+L%C3%94BO+DE+MENEZES+-+DISSERTA%C3%87%C3%83O+%28PPGCC%29+2019.pdf2e7e590d4afb1f65e2636bf0c49c3881MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://dspace.sti.ufcg.edu.br:8080/xmlui/bitstream/riufcg/8380/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52riufcg/83802022-03-30 09:21:08.582oai:localhost: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Biblioteca Digital de Teses e Dissertaçõeshttp://bdtd.ufcg.edu.br/PUBhttp://dspace.sti.ufcg.edu.br:8080/oai/requestbdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.bropendoar:48512022-03-30T12:21:08Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)false |
dc.title.pt_BR.fl_str_mv |
Eficácia no uso de aprendizagem de máquina para estimação de risco em contratos públicos e empresas. |
dc.title.alternative.pt_BR.fl_str_mv |
Effectiveness in using machine learning to estimation of risk in public contracts and companies. |
title |
Eficácia no uso de aprendizagem de máquina para estimação de risco em contratos públicos e empresas. |
spellingShingle |
Eficácia no uso de aprendizagem de máquina para estimação de risco em contratos públicos e empresas. MENEZES, Talita Lôbo de. Ciência da Computação Aprendizagem de Máquina Contratos Públicos Avaliação de Risco Gastos Públicos Machine Learning Public Procurement Risk Assessment Public Spending |
title_short |
Eficácia no uso de aprendizagem de máquina para estimação de risco em contratos públicos e empresas. |
title_full |
Eficácia no uso de aprendizagem de máquina para estimação de risco em contratos públicos e empresas. |
title_fullStr |
Eficácia no uso de aprendizagem de máquina para estimação de risco em contratos públicos e empresas. |
title_full_unstemmed |
Eficácia no uso de aprendizagem de máquina para estimação de risco em contratos públicos e empresas. |
title_sort |
Eficácia no uso de aprendizagem de máquina para estimação de risco em contratos públicos e empresas. |
author |
MENEZES, Talita Lôbo de. |
author_facet |
MENEZES, Talita Lôbo de. |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
ANDRADE, Nazareno Ferreira de. |
dc.contributor.advisor1ID.fl_str_mv |
ANDRADE, N. F. |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/2729979018100977 |
dc.contributor.referee1.fl_str_mv |
MONTEIRO , João Arthur Brunet. |
dc.contributor.referee2.fl_str_mv |
VELOSO, Adriano Alonso. |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/0658946296561461 |
dc.contributor.author.fl_str_mv |
MENEZES, Talita Lôbo de. |
contributor_str_mv |
ANDRADE, Nazareno Ferreira de. MONTEIRO , João Arthur Brunet. VELOSO, Adriano Alonso. |
dc.subject.cnpq.fl_str_mv |
Ciência da Computação |
topic |
Ciência da Computação Aprendizagem de Máquina Contratos Públicos Avaliação de Risco Gastos Públicos Machine Learning Public Procurement Risk Assessment Public Spending |
dc.subject.por.fl_str_mv |
Aprendizagem de Máquina Contratos Públicos Avaliação de Risco Gastos Públicos Machine Learning Public Procurement Risk Assessment Public Spending |
description |
A contratação de empresas pela Administração Pública é um processo frequente e necessário na prestação de serviços para autarquias e órgãos governamentais em diversos países. Por lei, os contratos celebrados devem ser acompanhados em sua execução. Entretanto, devido à grande quantidade de contratos administrativos gerados entre empresas e entes públicos, e à escassez de recursos da Administração, é impraticável fiscalizar todos os documentos firmados e seus andamentos. Uma das estratégias de controle utilizadas pelos órgãos de persecução criminal e cortes de contas é a priorização de casos a serem investigados a partir do seu nível de risco. Na literatura, o problema da estimação de risco utilizando aprendizado de máquina para entidades da Administração é tratado, na maioria dos casos, no contexto Federal. Atualmente na Paraíba esta escolha de casos é feita na prática através de uma série de heurísticas que compõem uma Matriz de Risco. Através da avaliação experimental da eficácia deste modelo prático e de seis modelos de aprendizagem de máquina na estimação do risco de empresas, concluímos que esta abordagem se sobressaiu em relação àquela. No contexto de contratos públicos municipais do estado da Paraíba, mediante a análise experimental do desempenho de três técnicas de balanceamento de classes e seis modelos de aprendizagem de máquina, foi possível verificar que a utilização destes modelos para o grânulo "contrato" da Administração Pública é, de fato, promissora. Para além disso, observou-se também que a construção de modelos com dados de contratos de áreas específicas (no contexto deste estudo, obras e serviços de engenharia) pode torná-los ainda mais eficazes. Com isso, esperamos auxiliar na otimização dos recursos públicos e no traçado de estratégias de controle interno que permitam subsidiar entidades de controle externo. |
publishDate |
2019 |
dc.date.issued.fl_str_mv |
2019-07-29 |
dc.date.accessioned.fl_str_mv |
2019-10-23T10:19:13Z |
dc.date.available.fl_str_mv |
2019-10-23 2019-10-23T10:19:13Z |
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 |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/8380 |
dc.identifier.citation.fl_str_mv |
MENEZES, T. L. de. Eficácia no uso de aprendizagem de máquina para estimação de risco em contratos públicos e empresas. 2019. 77 f. Dissertação (Mestrado em Ciência da Computação) – Pós-Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2019. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/8380 |
url |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/8380 |
identifier_str_mv |
MENEZES, T. L. de. Eficácia no uso de aprendizagem de máquina para estimação de risco em contratos públicos e empresas. 2019. 77 f. Dissertação (Mestrado em Ciência da Computação) – Pós-Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2019. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/8380 |
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.publisher.none.fl_str_mv |
Universidade Federal de Campina Grande |
dc.publisher.program.fl_str_mv |
PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO |
dc.publisher.initials.fl_str_mv |
UFCG |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Centro de Engenharia Elétrica e Informática - CEEI |
publisher.none.fl_str_mv |
Universidade Federal de Campina Grande |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFCG instname:Universidade Federal de Campina Grande (UFCG) instacron:UFCG |
instname_str |
Universidade Federal de Campina Grande (UFCG) |
instacron_str |
UFCG |
institution |
UFCG |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFCG |
collection |
Biblioteca Digital de Teses e Dissertações da UFCG |
bitstream.url.fl_str_mv |
http://dspace.sti.ufcg.edu.br:8080/xmlui/bitstream/riufcg/8380/3/TALITA+L%C3%94BO+DE+MENEZES+-+DISSERTA%C3%87%C3%83O+%28PPGCC%29+2019.pdf http://dspace.sti.ufcg.edu.br:8080/xmlui/bitstream/riufcg/8380/2/license.txt |
bitstream.checksum.fl_str_mv |
2e7e590d4afb1f65e2636bf0c49c3881 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG) |
repository.mail.fl_str_mv |
bdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.br |
_version_ |
1799309460267597824 |