Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio2.unb.br/jspui/handle/10482/40758
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2020_MauricioBarrosdeJesus.pdf1,57 MBAdobe PDFVisualizar/Abrir
Título: Modelo preditivo de risco de irregularidades em compras públicas no Estado de Goiás
Autor(es): Jesus, Mauricio Barros de
Orientador(es): Silva, Gladston Luiz da
Assunto: Mineração de dados
Compras governamentais - avaliação
Licitações - irregularidades
Data de publicação: 30-Abr-2021
Referência: JESUS, Mauricio Barros de. Modelo preditivo de risco de irregularidades em compras públicas no Estado de Goiás. 2020. xv, 90 f., il. Dissertação (Mestrado Profissional em Computação Aplicada)—Universidade de Brasília, Brasília, 2020.
Resumo: O exercício eficaz do controle externo, dada as limitações de recursos públicos, deve acontecer em um cenário em que o esforço de fiscalização se concentra nos casos de maior probabilidade de risco de se encontrar irregularidades. No tocante às compras governamentais, na ausência de uma métrica objetiva de seleção de licitações para fins de auditoria, este trabalho apresenta uma proposta de modelo preditivo para estabelecer um indicador de risco de irregularidades em compras públicas em dois momentos da licitação: publicação do edital e disputa. A partir desse indicador foi construído um ranking de licitações com indícios de irregularidades que pode ser utilizado como ferramenta para tomada de decisão nas auditorias. Para isso, foram utilizadas licitações realizadas nos Estado de Goiás nos anos de 2014 à 2019, coletados em bases de dados que o TCE- GO tem acesso. Inicialmente foi realizado um estudo da fundamentação legal das irregularidades em compras públicas com vistas a identificar quais atributos que podem influenciar no risco do certame e suas respectivas bases de dados. A partir dos dados levantados, foram aplicados quatro métodos de seleção de atributos para identificar as variáveis mais importantes e em que medida contribuem para explicar o risco da licitação. O risco foi calculado utilizando técnicas de treinamento supervisionado com quatro classificadores. Como resultado, foi constatado que modelos especialistas por modalidade de licitação têm melhor desempenho do que modelos genéricos treinados com todo o conjunto de dados. Para a fase de publicação do edital, licitações da modalidade pregão, dispensa e inexigibilidade apresentaram resultados de AUROC acima de 70%, no entanto, a modalidade concorrência não apresentou resultados aceitáveis. Para a etapa de disputa, todas as modalidades tiveram AUROC acima de 70%.
Abstract: The effective exercise of external control must be optimized so that the inspection effort is concentrated in cases of high risk of irregularities. With regard to government procurement, in the absence of an objective metric for selecting public procurement for audit purposes, this paper presents a proposal for a predictive model to establish an indicator of the risk of irregularities in public procurement in two phases: “Publication” phase and “Dispute” phase. A ranking of public purchases classified by the probability of irregularities was built. This ranking can be used as a tool for decision making in audits. Public purchases made by the State of Goiás between 2014 and 2019, which were collected in databases to which the TCE-GO has access. Initially, a study was carried out on the legal requirements of irregularities in public purchases, in order to identify which attributes may influence the risk of irregularity and which are the most important databases Four methods of attribute selection were applied to identify the variables Most important and to identify how much these variables contribute to explain the risk in public purchases. The risk was calculated using supervised training techniques with four classifiers. As a result, it was found that the specialized models by bidding modality performed better than the generic models trained with the entire data set. For the “Publication” phase, the “Pregão”, “Dispensa” and “Inexigibilidade” modalities presented AUROC results above 70%, but the “Concorrência” modality did not present acceptable results. For the ‘ “Dispute” phase, all modalities had AUROC above 70%.
Unidade Acadêmica: Instituto de Ciências Exatas (IE)
Departamento de Ciência da Computação (IE CIC)
Informações adicionais: Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2020.
Programa de pós-graduação: Programa de Pós-Graduação em Computação Aplicada, Mestrado Profissional
Licença: A 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.
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro completo do item Visualizar estatísticas



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