Análise e predição nas votações de leis federais na Câmara dos Deputados.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE) |
Texto Completo: | https://repository.ufrpe.br/handle/123456789/3162 |
Resumo: | Este estudo tem por objetivo analisar algoritmos de aprendizagem de máquina e deep learning para a tarefa de previsibilidade de aprovação de PLs. É seguida uma abordagem pós-positivista, adotando o paradigma quali-quantitativo como metodologia. Na busca por resultados foram feitos experimentos utilizando os dados disponíveis no Portal da Câmara dos Deputados, seguindo as etapas de revisão bibliográfica, definição de ambiente de perimentação, análise descritiva e predição. Buscou-se ainda realizar uma análise descritiva e prever possíveis resultados no processo de votação de proposições legislativas tendo como foco projetos de lei que tenham sido votados. |
id |
UFRPE_ebb296733856635ade235786533ae1c0 |
---|---|
oai_identifier_str |
oai:dspace:123456789/3162 |
network_acronym_str |
UFRPE |
network_name_str |
Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE) |
repository_id_str |
https://v2.sherpa.ac.uk/id/repository/10612 |
spelling |
Análise e predição nas votações de leis federais na Câmara dos Deputados.Aprendizado do computadorAnálise descritivaPoder legislativoProcesso legistativoEste estudo tem por objetivo analisar algoritmos de aprendizagem de máquina e deep learning para a tarefa de previsibilidade de aprovação de PLs. É seguida uma abordagem pós-positivista, adotando o paradigma quali-quantitativo como metodologia. Na busca por resultados foram feitos experimentos utilizando os dados disponíveis no Portal da Câmara dos Deputados, seguindo as etapas de revisão bibliográfica, definição de ambiente de perimentação, análise descritiva e predição. Buscou-se ainda realizar uma análise descritiva e prever possíveis resultados no processo de votação de proposições legislativas tendo como foco projetos de lei que tenham sido votados.This study aims to analyze machine learning algorithms and deep learning for the task of predictability of approval of bills. It follows a post-positivist approach, adopting the quali-quantitative paradigm as a methodology. In the search for results, experiments were carried out using the available data on the Portal of the Chamber of Deputies, following the steps of bibliographic review, definition of experimentation environment, descriptive analysis and prediction. It was also sought to do a descriptive analysis and to predict possible outcomes in the voting process of legislative proposals focusing on bills that have been voted.BrasilBrito, Kellyton dos Santoshttp://lattes.cnpq.br/1061900830319137http://lattes.cnpq.br/8750956715158540Brito, Ranniery Dias de2022-08-29T16:15:00Z2022-08-29T16:15:00Z2022-05-27info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis36 f.application/pdfBrito, Ranniery Dias de. Análise e predição nas votações de leis federais na Câmara dos Deputados. 2022. 36 f. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Departamento de Computação, Universidade Federal Rural de Pernambuco, Recife, 2022.https://repository.ufrpe.br/handle/123456789/3162porAtribuição-NãoComercial 4.0 Internacional (CC BY-NC 4.0)https://creativecommons.org/licenses/by-nc/4.0/deed.pt_BRopenAccessinfo:eu-repo/semantics/openAccessreponame:Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE)instname:Universidade Federal Rural de Pernambuco (UFRPE)instacron:UFRPE2022-08-29T16:15:33Zoai:dspace:123456789/3162Repositório InstitucionalPUBhttps://repository.ufrpe.br/oai/requestrepositorio.sib@ufrpe.bropendoar:https://v2.sherpa.ac.uk/id/repository/106122022-08-29T16:15:33Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE) - Universidade Federal Rural de Pernambuco (UFRPE)false |
dc.title.none.fl_str_mv |
Análise e predição nas votações de leis federais na Câmara dos Deputados. |
title |
Análise e predição nas votações de leis federais na Câmara dos Deputados. |
spellingShingle |
Análise e predição nas votações de leis federais na Câmara dos Deputados. Brito, Ranniery Dias de Aprendizado do computador Análise descritiva Poder legislativo Processo legistativo |
title_short |
Análise e predição nas votações de leis federais na Câmara dos Deputados. |
title_full |
Análise e predição nas votações de leis federais na Câmara dos Deputados. |
title_fullStr |
Análise e predição nas votações de leis federais na Câmara dos Deputados. |
title_full_unstemmed |
Análise e predição nas votações de leis federais na Câmara dos Deputados. |
title_sort |
Análise e predição nas votações de leis federais na Câmara dos Deputados. |
author |
Brito, Ranniery Dias de |
author_facet |
Brito, Ranniery Dias de |
author_role |
author |
dc.contributor.none.fl_str_mv |
Brito, Kellyton dos Santos http://lattes.cnpq.br/1061900830319137 http://lattes.cnpq.br/8750956715158540 |
dc.contributor.author.fl_str_mv |
Brito, Ranniery Dias de |
dc.subject.por.fl_str_mv |
Aprendizado do computador Análise descritiva Poder legislativo Processo legistativo |
topic |
Aprendizado do computador Análise descritiva Poder legislativo Processo legistativo |
description |
Este estudo tem por objetivo analisar algoritmos de aprendizagem de máquina e deep learning para a tarefa de previsibilidade de aprovação de PLs. É seguida uma abordagem pós-positivista, adotando o paradigma quali-quantitativo como metodologia. Na busca por resultados foram feitos experimentos utilizando os dados disponíveis no Portal da Câmara dos Deputados, seguindo as etapas de revisão bibliográfica, definição de ambiente de perimentação, análise descritiva e predição. Buscou-se ainda realizar uma análise descritiva e prever possíveis resultados no processo de votação de proposições legislativas tendo como foco projetos de lei que tenham sido votados. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-08-29T16:15:00Z 2022-08-29T16:15:00Z 2022-05-27 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
Brito, Ranniery Dias de. Análise e predição nas votações de leis federais na Câmara dos Deputados. 2022. 36 f. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Departamento de Computação, Universidade Federal Rural de Pernambuco, Recife, 2022. https://repository.ufrpe.br/handle/123456789/3162 |
identifier_str_mv |
Brito, Ranniery Dias de. Análise e predição nas votações de leis federais na Câmara dos Deputados. 2022. 36 f. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Departamento de Computação, Universidade Federal Rural de Pernambuco, Recife, 2022. |
url |
https://repository.ufrpe.br/handle/123456789/3162 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Atribuição-NãoComercial 4.0 Internacional (CC BY-NC 4.0) https://creativecommons.org/licenses/by-nc/4.0/deed.pt_BR openAccess info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Atribuição-NãoComercial 4.0 Internacional (CC BY-NC 4.0) https://creativecommons.org/licenses/by-nc/4.0/deed.pt_BR openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
36 f. application/pdf |
dc.publisher.none.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Brasil |
dc.source.none.fl_str_mv |
reponame:Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE) instname:Universidade Federal Rural de Pernambuco (UFRPE) instacron:UFRPE |
instname_str |
Universidade Federal Rural de Pernambuco (UFRPE) |
instacron_str |
UFRPE |
institution |
UFRPE |
reponame_str |
Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE) |
collection |
Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE) |
repository.name.fl_str_mv |
Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE) - Universidade Federal Rural de Pernambuco (UFRPE) |
repository.mail.fl_str_mv |
repositorio.sib@ufrpe.br |
_version_ |
1809277154210349056 |