Análise e predição nas votações de leis federais na Câmara dos Deputados.

Detalhes bibliográficos
Autor(a) principal: Brito, Ranniery Dias de
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

Registros relacionados