Eficácia no uso de aprendizagem de máquina para estimação de risco em contratos públicos e empresas.

• Autor(a) principal: MENEZES, Talita Lôbo de.
• Data de Publicação: 2019
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
• Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/8380
• topic: Aprendizagem de Máquina; Contratos Públicos; Avaliação de Risco; Gastos Públicos; Machine Learning; Public Procurement; Risk Assessment; Public Spending; Ciência da Computação

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.