| Summary: | Made available in DSpace on 2014-06-12T15:56:38Z (GMT). No. of bitstreams: 2
arquivo2958_1.pdf: 2624002 bytes, checksum: 513ebfc26b253d09c042e76312480f61 (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2010 === A celeridade processual das Cortes de Decisão indica grau de desenvolvimento das
nações. A morosidade processual, por sua vez, pode ser usada para medir o seu nível de
subdesenvolvimento, uma vez que causa prejuízos sociais, ao erário e, mais especificamente,
ao cidadão que é parte em um processo. No Brasil, trata-se de um problema real, de larga
escala, cuja solução ainda não foi investigada usando as técnicas de mineração de dados,
conforme demonstra a pesquisa realizada em todos os 33 (trinta e três) Tribunais de Contas
nacionais.
Este trabalho investiga a aplicação de mineração de dados como metodologia de
tecnologia da informação para apoio à solução do problema da morosidade processual e do
retrabalho, que resultam em aumento dos estoques de processos nas Cortes de Decisão. As
bases de dados foram integradas, os dados foram transformados, o conhecimento foi extraído
e o desempenho dos modelos avaliado. Para extração do conhecimento, foram utilizadas
técnicas de Inteligência Artificial, tradicionalmente aceitas: Regras de Classificação, para a
descrição das condições que influenciam o problema e, Redes Neurais Artificiais, para a
construção dos classificadores.
A qualidade da solução desenvolvida e sua aceitação pelos especialistas no domínio
mostraram a viabilidade de utilizar Mineração de Dados para apoio à decisão gerencial na
administração do estoque de processos dos Tribunais de Contas. Para o estudo de caso foram
utilizados os dados do Tribunal de Contas do Estado de Pernambuco
|
|---|
