Uma avaliação dos métodos de inteligência artificial para a classificação de empresas corruptas através da modelagem das relações público-privadas

Detalhes bibliográficos
Autor(a) principal: Neiva, Wagner da Fonseca
Data de Publicação: 2018
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Biblioteca Digital de Monografias da UnB
Texto Completo: https://bdm.unb.br/handle/10483/23856
Resumo: Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade e Gestão de Políticas Públicas, Departamento de Administração, 2018.
id UNB-2_b99d6a3eaa760dbcdeb87537d4df4915
oai_identifier_str oai:bdm.unb.br:10483/23856
network_acronym_str UNB-2
network_name_str Biblioteca Digital de Monografias da UnB
repository_id_str 11571
spelling Neiva, Wagner da FonsecaKimura, HerbertNEIVA, Wagner da Fonseca. Uma avaliação dos métodos de inteligência artificial para a classificação de empresas corruptas através da modelagem das relações público-privadas. 57 f., il. Trabalho de Conclusão de Curso (Bacharelado em Administração)—Universidade de Brasília, Brasília, 2018.https://bdm.unb.br/handle/10483/23856Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade e Gestão de Políticas Públicas, Departamento de Administração, 2018.A Inteligência Artificial e sua aplicação nos mais diversos ramos de atividades, vêm sido vigorosamente estudada pela academia internacional em busca de soluções transformadoras para os problemas reais enfrentados pelas organizações. Nesse estudo, inspirado no trabalho de Barboza (2017) na predição de insolvência, buscamos realizar testes com métodos de aprendizagem de máquinas (support vector machine, bagging, boosting, random forest e artificial neural network) com intuito de classificar virtualmente aquelas empresas que realizaram contratos fraudados com o Governo através do favorecimento de agentes públicos. Coletamos dados de todas as despesas efetuadas pelo Governo Federal, no período de 2011 a 2017 e relacionamos com o Cadastro de Empresas Inidôneas e Suspensas e o Cadastro Nacional de Empresas Punidas com o objetivo de modelar objetivamente o relacionamento dessas empresas com a esfera pública. Através dessa modelagem foi possível alcançar métricas interessantes e conseguimos observar um modesto destaque para os métodos baseados em aprendizagem de máquina em relação aos métodos estatísticos, porém, uma diferença significativa ao acrescentarmos todas as variáveis coletadas, verificando a dificuldade desses modelos de trabalhar com um número acentuado de variáveis, contribuindo para o debate levantado por Tsai, Hsu e Yen (2014) acerca da superioridade dos métodos computacionais. Nesse trabalho percebemos uma superioridade na acurácia geral do Support Vector Machine alcançando 89,41% de acertos em nossa amostra de teste, porém, observamos um ótimo desempenho de Bagging e Random Forest na minimização de Falsos Positivos, um fator importante na implementação desses métodos, conforme discutido neste trabalho.Submitted by Tania Malheiros (tania@bce.unb.br) on 2020-04-19T17:50:45Z No. of bitstreams: 1 2018_WagnerdaFonsecaNeiva.pdf: 902915 bytes, checksum: e3f7bdad6d5e4a6a98d5f0d0c6b39ec1 (MD5)Rejected by Tania Malheiros (tania@bce.unb.br), reason: Faltou o depto on 2020-04-29T00:04:03Z (GMT)Submitted by Tania Malheiros (tania@bce.unb.br) on 2020-04-29T13:40:24Z No. of bitstreams: 1 2018_WagnerdaFonsecaNeiva.pdf: 902915 bytes, checksum: e3f7bdad6d5e4a6a98d5f0d0c6b39ec1 (MD5)Rejected by Tania Malheiros (tania@bce.unb.br), reason: faltou o depto on 2020-04-29T13:58:02Z (GMT)Submitted by Tania Malheiros (tania@bce.unb.br) on 2020-04-30T12:55:29Z No. of bitstreams: 1 2018_WagnerdaFonsecaNeiva.pdf: 902915 bytes, checksum: e3f7bdad6d5e4a6a98d5f0d0c6b39ec1 (MD5)Approved for entry into archive by Luanna Maia (luanna@bce.unb.br) on 2020-05-04T23:18:39Z (GMT) No. of bitstreams: 1 2018_WagnerdaFonsecaNeiva.pdf: 902915 bytes, checksum: e3f7bdad6d5e4a6a98d5f0d0c6b39ec1 (MD5)Made available in DSpace on 2020-05-04T23:18:39Z (GMT). No. of bitstreams: 1 2018_WagnerdaFonsecaNeiva.pdf: 902915 bytes, checksum: e3f7bdad6d5e4a6a98d5f0d0c6b39ec1 (MD5)Artificial Intelligence and its applications in the fields of study had been vigorously investigated by the international academy in the search of solutions for real problems faced by organizations. In this paper, inspired by the work of Barboza (2017) in the development of insolvency predicting models, we seek to perform series of tests with machine learning algorithms (Support Vector Machine, Bagging, Boosting, Random Forest and Artificial Neural Inteligence) with the goal to virtually classificate those companies that were involved in fraudulent contracts with the Brazilian Government. We collected data from public expenses of the Federal Government from 2011 to 2017 and crossed that data with the National Record of Punished Companies and the Record of Suspends and Indone Companies with the goal to create an objective model that would translate the public-private relationship. Through that model, we were capable to reach interesting results and it was noticed a minor advantage by the machine learning models in relation to traditional statistics techniques. However, a meaningful difference when added all the variables collected, showing the struggle of those models to work with a higher number of variables. This paper contributes to the debate raised by Tsai, Hsu and Yen about superiority of computational methods. In this work, we perceive that Support Vector Machine lead to higher accuracy rates in our testing samples, but, a great performance by Bagging and Random Forest minimizing Falses Positives results, a relevant factor in the implementation of those methods.A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.info:eu-repo/semantics/openAccessInteligência artificialEmpresasCorrupçãoUma avaliação dos métodos de inteligência artificial para a classificação de empresas corruptas através da modelagem das relações público-privadasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis2020-05-04T23:18:39Z2020-05-04T23:18:39Z2018-12-07porreponame:Biblioteca Digital de Monografias da UnBinstname:Universidade de Brasília (UnB)instacron:UNBLICENSElicense.txtlicense.txttext/plain1817http://bdm.unb.br/xmlui/bitstream/10483/23856/2/license.txt21554873e56ad8ddc69c092699b98f95MD52ORIGINAL2018_WagnerDaFonsecaNeiva.pdf2018_WagnerDaFonsecaNeiva.pdfapplication/pdf902915http://bdm.unb.br/xmlui/bitstream/10483/23856/1/2018_WagnerDaFonsecaNeiva.pdfe3f7bdad6d5e4a6a98d5f0d0c6b39ec1MD5110483/238562020-11-19 12:06:47.712oai:bdm.unb.br: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Biblioteca Digital de Monografiahttps://bdm.unb.br/PUBhttp://bdm.unb.br/oai/requestbdm@bce.unb.br||patricia@bce.unb.bropendoar:115712020-11-19T14:06:47Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)false
dc.title.pt_BR.fl_str_mv Uma avaliação dos métodos de inteligência artificial para a classificação de empresas corruptas através da modelagem das relações público-privadas
title Uma avaliação dos métodos de inteligência artificial para a classificação de empresas corruptas através da modelagem das relações público-privadas
spellingShingle Uma avaliação dos métodos de inteligência artificial para a classificação de empresas corruptas através da modelagem das relações público-privadas
Neiva, Wagner da Fonseca
Inteligência artificial
Empresas
Corrupção
title_short Uma avaliação dos métodos de inteligência artificial para a classificação de empresas corruptas através da modelagem das relações público-privadas
title_full Uma avaliação dos métodos de inteligência artificial para a classificação de empresas corruptas através da modelagem das relações público-privadas
title_fullStr Uma avaliação dos métodos de inteligência artificial para a classificação de empresas corruptas através da modelagem das relações público-privadas
title_full_unstemmed Uma avaliação dos métodos de inteligência artificial para a classificação de empresas corruptas através da modelagem das relações público-privadas
title_sort Uma avaliação dos métodos de inteligência artificial para a classificação de empresas corruptas através da modelagem das relações público-privadas
author Neiva, Wagner da Fonseca
author_facet Neiva, Wagner da Fonseca
author_role author
dc.contributor.author.fl_str_mv Neiva, Wagner da Fonseca
dc.contributor.advisor1.fl_str_mv Kimura, Herbert
contributor_str_mv Kimura, Herbert
dc.subject.keyword.pt_BR.fl_str_mv Inteligência artificial
Empresas
Corrupção
topic Inteligência artificial
Empresas
Corrupção
description Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade e Gestão de Políticas Públicas, Departamento de Administração, 2018.
publishDate 2018
dc.date.submitted.none.fl_str_mv 2018-12-07
dc.date.accessioned.fl_str_mv 2020-05-04T23:18:39Z
dc.date.available.fl_str_mv 2020-05-04T23:18:39Z
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.citation.fl_str_mv NEIVA, Wagner da Fonseca. Uma avaliação dos métodos de inteligência artificial para a classificação de empresas corruptas através da modelagem das relações público-privadas. 57 f., il. Trabalho de Conclusão de Curso (Bacharelado em Administração)—Universidade de Brasília, Brasília, 2018.
dc.identifier.uri.fl_str_mv https://bdm.unb.br/handle/10483/23856
identifier_str_mv NEIVA, Wagner da Fonseca. Uma avaliação dos métodos de inteligência artificial para a classificação de empresas corruptas através da modelagem das relações público-privadas. 57 f., il. Trabalho de Conclusão de Curso (Bacharelado em Administração)—Universidade de Brasília, Brasília, 2018.
url https://bdm.unb.br/handle/10483/23856
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.source.none.fl_str_mv reponame:Biblioteca Digital de Monografias da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Biblioteca Digital de Monografias da UnB
collection Biblioteca Digital de Monografias da UnB
bitstream.url.fl_str_mv http://bdm.unb.br/xmlui/bitstream/10483/23856/2/license.txt
http://bdm.unb.br/xmlui/bitstream/10483/23856/1/2018_WagnerDaFonsecaNeiva.pdf
bitstream.checksum.fl_str_mv 21554873e56ad8ddc69c092699b98f95
e3f7bdad6d5e4a6a98d5f0d0c6b39ec1
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv bdm@bce.unb.br||patricia@bce.unb.br
_version_ 1813908002469576704

Registros relacionados