A new machine learning based framework to classify and analyze industry-specific regulations

Detalhes bibliográficos
Autor(a) principal: Valle, Letícia Moreira
Data de Publicação: 2023
Tipo de documento: Tese
Idioma: eng
Título da fonte: Repositório Institucional da UnB
Texto Completo: http://repositorio2.unb.br/jspui/handle/10482/48384
Resumo: Tese (doutorado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2023.
id UNB_2bde2f782787f1fc45023c0a349788d1
oai_identifier_str oai:repositorio.unb.br:10482/48384
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling A new machine learning based framework to classify and analyze industry-specific regulationsAprendizagem de máquinaTransparência governamentalMétricas de regulaçãoClassificação de textoTese (doutorado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2023.A transparência e abertura do governo são elementos cruciais no avanço da modernização do estado. A combinação entre transparência e informação digital deu origem ao conceito de Governo Aberto, que aumenta o entendimento do cidadão sobre processos governamentais e como consequência o monitoramento das ações do governo, o que, por sua vez, melhora a qualidade dos serviços públicos e do processo decisório governamental. Com o objetivo de melhorar a transparência legislativa e a compreensão do processo regulatório brasileiro e suas características, este estudo apresenta o RegBR, a primeira estrutura nacional projetada para centralizar, classificar e analisar as regulamentações do governo brasileiro. O RegBR emprega rotinas de ETL automatizadas e técnicas de mineração de dados e aprendizado de máquina para construir um banco de dados centralizado da legislação federal brasileira. A estrutura avalia vários modelos de processamento de linguagem natural (NLP) em uma tarefa de classificação de texto em um novo corpus jurídico português e realiza análises regulatórias com base em métricas que dizem respeito à complexidade linguística, restritividade, popularidade e relevância de citação específica dos setores da economia. Este estudo propõe e apresenta métricas que podem ser usadas pelos formuladores de políticas para avaliar seu próprio trabalho, aumentando assim a abertura e a transparência do processo público, além de facilitar novas pesquisas na área de impacto regulatório brasileiro. De acordo com os dados do Google Analytics, as paginas contendo a métrica de popularidade e o fluxo regulatório são a quarta e a quinta páginas mais visitadas no site Infogov, respectivamente, indicando interesse significativo nas informações disponibilizadas pela RegBR. Especificamente, essas duas páginas sozinhas receberam mais de 800 visualizações únicas nos dois primeiros meses de 2023.Escola Nacional de Administração Pública (ENAP)Government transparency and openness are crucial elements in advancing the modernization of the state. The combination of transparency and digital information has given rise to the concept of Open Government, which increases citizen understanding and monitoring of government actions, improving the quality of public services and the government decision making process. To enhance legislative transparency and comprehension of the Brazilian regulatory process and its characteristics, this study introduces RegBR, the first national framework designed to centralize, classify, and analyze regulations from the Brazilian government. RegBR employs automated ETL routines, data mining and machine learning techniques to construct a centralized database of Brazilian federal legislation. The framework evaluates various natural language processing (NLP) models in a text classification task on a novel Portuguese legal corpus and conducts regulatory analysis based on metrics that pertain to linguistic complexity, restrictiveness, popularity, and industry-specific citation relevance. This study proposes and presents metrics policymakers can use to assess their own work, thereby increasing the openness and transparency of the public process while also facilitating new research in the area of Brazilian regulatory impact. According to Google Analytics data, the popularity metric and the regulatory flow pages rank as the fourth and fifth most visited web pages in the Infogov website, respectively, indicating significant interest in the information made available by RegBR. Specifically, these two pages alone received over 800 unique views within the first two months of 2023.Faculdade de Tecnologia (FT)Departamento de Engenharia Elétrica (FT ENE)Programa de Pós-Graduação em Engenharia ElétricaDias, Ugo SilvaValle, Letícia Moreira2024-06-24T17:46:58Z2024-06-24T17:46:58Z2024-06-242023-05-09info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfVALLE, Letícia Moreira. A new machine learning based framework to classify and analyze industry-specific regulation. 2023. 90 f., il. Tese (Doutorado em Engenharia Elétrica) — Universidade de Brasília, Brasília, 2023.http://repositorio2.unb.br/jspui/handle/10482/48384engA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2024-06-24T17:46:58Zoai:repositorio.unb.br:10482/48384Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2024-06-24T17:46:58Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv A new machine learning based framework to classify and analyze industry-specific regulations
title A new machine learning based framework to classify and analyze industry-specific regulations
spellingShingle A new machine learning based framework to classify and analyze industry-specific regulations
Valle, Letícia Moreira
Aprendizagem de máquina
Transparência governamental
Métricas de regulação
Classificação de texto
title_short A new machine learning based framework to classify and analyze industry-specific regulations
title_full A new machine learning based framework to classify and analyze industry-specific regulations
title_fullStr A new machine learning based framework to classify and analyze industry-specific regulations
title_full_unstemmed A new machine learning based framework to classify and analyze industry-specific regulations
title_sort A new machine learning based framework to classify and analyze industry-specific regulations
author Valle, Letícia Moreira
author_facet Valle, Letícia Moreira
author_role author
dc.contributor.none.fl_str_mv Dias, Ugo Silva
dc.contributor.author.fl_str_mv Valle, Letícia Moreira
dc.subject.por.fl_str_mv Aprendizagem de máquina
Transparência governamental
Métricas de regulação
Classificação de texto
topic Aprendizagem de máquina
Transparência governamental
Métricas de regulação
Classificação de texto
description Tese (doutorado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2023.
publishDate 2023
dc.date.none.fl_str_mv 2023-05-09
2024-06-24T17:46:58Z
2024-06-24T17:46:58Z
2024-06-24
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv VALLE, Letícia Moreira. A new machine learning based framework to classify and analyze industry-specific regulation. 2023. 90 f., il. Tese (Doutorado em Engenharia Elétrica) — Universidade de Brasília, Brasília, 2023.
http://repositorio2.unb.br/jspui/handle/10482/48384
identifier_str_mv VALLE, Letícia Moreira. A new machine learning based framework to classify and analyze industry-specific regulation. 2023. 90 f., il. Tese (Doutorado em Engenharia Elétrica) — Universidade de Brasília, Brasília, 2023.
url http://repositorio2.unb.br/jspui/handle/10482/48384
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1814508366654865408

Registros relacionados