Agradeço acima de tudo à Deus, por me permitir estar aqui nesse momento e ser o suporte de todos os passos da minha vida.Agradeço aos meus pais, minha mãe Magda Scheicher e ao meu falecido pai Jorge Scheicher, que me deram toda a base para chegar até aqui.Agradeço à minha esposa Tânia Scheicher, companheira de todos os meus momentos, dores, angústias, cansaço, alegrias e comemorações. Meu braço direito de uma longa jornada.Agradeço à minha orientadora, Profa. Dra. Solange Oliveira Rezende, por todos os ensinamentos, pela sua amizade e generosidade, pela oportunidade de pesquisa e pela confiança depositada em meu trabalho.Agradeço também aos diversos colegas do curso de doutorado, que estiveram presentes em minha vida e, de alguma forma, fizeram parte do meu crescimento profissional. Dentre eles, o agradecimento especial é para Roberta Akemi Sinoara, Dildre Georgiana Vasques e Flávia Lemos Sampaio Xavier.Agradeço a todos os professores e pesquisadores por todo empenho e dedicação nos ensinamentos.Agradecimentos especiais são direcionados à Universidade de São Paulo, aos professores e funcionários do ICMC-USP, aos membros da banca do exame de qualificação e de defesa.Agradeço ao apoio da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior -Brasil (CAPES) -Código de Financiamento 001, que apoiou financeiramente a realização desta pesquisa.
Desde o início da implementação da Lei de Acesso à Informação no Brasil até 2020, existiu uma demanda crescente de pedidos de acesso à informação no âmbito da Controladoria-Geral da União (CGU) e de todo Poder Executivo federal. A busca por um modelo de automação de processos utilizando Inteligência Artificial visa levar à redução de custos para a administração pública e à melhoria das condições de trabalho, bem como auxilia na eficiência das respostas à sociedade. Neste trabalho, foi realizada a aplicação do método de classificação semanticamente enriquecida por expressões do domínio com uma análise comparativa dos resultados de classificação dos pedidos de acesso à informação usando como base algoritmos com diferentes níveis de explicabilidade e transparência para o processo. A melhor acurácia foi obtida pelo modelo do algoritmo Support Vector Machine, com valor de 91,1% e Medida-F1 Weighted de 91,7%, enriquecido pela representação de textos gBoED. Outros destaques também podem ser observados para algoritmos que oferecem maior explicabilidade. Os resultados apresentaram grande potencial quanto ao uso deste modelo para classificação dos pedidos de acesso à informação não apenas na CGU, mas em todo o setor público.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.