Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/54564
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
LoreaneEvelynNazarethBrandizzi_DISSERT.pdf2,25 MBAdobe PDFVisualizar/Abrir
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorRodrigues, Guilherme Souza-
dc.contributor.authorBrandizzi, Loreane Evelyn Nazareth-
dc.date.accessioned2026-06-01T19:02:42Z-
dc.date.available2026-06-01T19:02:42Z-
dc.date.issued2026-06-01-
dc.date.submitted2025-12-18-
dc.identifier.citationBRANDIZZI, Loreane Evelyn Nazareth. Juridiscovery: análise automatizada da judicialização de políticas públicas com inteligência artificial, aplicada ao microempreendedor individual. 2025. 108 f., il. Dissertação (Mestrado profissional em Computação Aplicada) — Universidade de Brasília, Brasília, 2025.pt_BR
dc.identifier.urihttp://repositorio.unb.br/handle/10482/54564-
dc.descriptionDissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, Programa de Pós-Graduação em Computação Aplicada, 2025.pt_BR
dc.description.abstractA judicialização das políticas públicas no Brasil representa um desafio crescente, como se observa no caso do regime jurídico do Microempreendedor Individual (MEI). Com milhares de processos judiciais discutindo obrigações, direitos e fragilidades dessa modalidade empre sarial, compreender os principais desafios enfrentados tanto por esses contribuintes quanto pelo poder público é uma tarefa complexa. Embora possa ser conduzida com o apoio de técnicas de jurimetria, essa tarefa não é trivial, considerando o grande volume e a natureza não estruturada dos dados judiciais. Neste cenário, os avanços em Inteligência Artificial (IA), especialmente por meio de Mod elos de Linguagem de Grande Escala (LLMs) e técnicas de agrupamento semântico, abrem caminho para transformar textos jurídicos em conhecimento estruturado. Este trabalho propõe o desenvolvimento de uma ferramenta para a análise automatizada da judicialização de políticas públicas, com foco no estudo de casos envolvendo o MEI. Para isso, apresenta um pipeline que combina técnicas de extração de modelagem de tópicos com BERTopic e prompt engineering para sumarização e extração de informações estruturadas. O principal desafio da pesquisa está na obtenção, processamento e avaliação de técnicas voltadas à análise de grandes volumes de dados judiciais não rotulados, com o objetivo de identificar problemas centrais e tendências relacionadas à política pública em estudo. Os resultados revelaram aspectos relevantes da judicialização do MEI, com destaque para temas recorrentes como vínculo empregatício, acesso a benefícios previdenciários, insenção de taxas e fraudes registrais. A metodologia adotada mostrou-se sólida, escalável e adaptável a diferentes contextos judiciais, oferecendo contribuições significativas no campo jurídico e na administração pública.pt_BR
dc.language.isoporpt_BR
dc.rightsAcesso Abertopt_BR
dc.titleJuridiscovery : análise automatizada da judicialização de políticas públicas com inteligência artificial, aplicada ao microempreendedor individualpt_BR
dc.typeDissertaçãopt_BR
dc.subject.keywordPolíticas públicaspt_BR
dc.subject.keywordJurimetriapt_BR
dc.rights.licenseA 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.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.pt_BR
dc.description.abstract1The litigation arising from the implementation of public policies in Brazil represents a growing challenge, as observed in the case of the legal framework of the Individual Microentrepreneur (MEI). With thousands of legal proceedings discussing obligations, rights, and weaknesses of this business model, understanding the main challenges faced by both these taxpayers and public authorities is a complex task. Although it can be approached with the support of jurimetric techniques, this task is far from trivial, given the large volume and unstructured nature of judicial data. In this context, advances in Artificial Intelligence (AI), especially through Large Language Models (LLMs) and semantic clustering techniques, pave the way for transforming legal texts into structured knowledge. This study proposes the development of a tool for the automated analysis of the judicialization of public policies, focusing on case studies involving the MEI. For this purpose, it presents a pipeline that combines topic modeling techniques using BERTopic with prompt engineering for summarization and structured information extraction. The main challenge of the research lies in the acquisition, processing, and evaluation of techniques aimed at analyzing large volumes of unlabeled judicial data, with the goal of iden tifying core issues and trends related to the public policy under study. The results revealed relevant aspects of the judicialization of the MEI, highlighting recurring topics such as em ployment relationships, registration fraud, and fee exemptions. The adopted methodology proved to be robust, scalable, and adaptable to different judicial contexts, offering significant contributions to academic research, public administration, and the legal field.pt_BR
dc.description.unidadeInstituto de Ciências Exatas (IE)pt_BR
dc.description.unidadeDepartamento de Ciência da Computação (IE CIC)pt_BR
dc.description.ppgPrograma de Pós-Graduação em Computação Aplicada, Mestrado Profissionalpt_BR
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro simples do item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.