
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Rodrigues, Guilherme Souza | - |
| Autor(es): dc.creator | Brandizzi, Loreane Evelyn Nazareth | - |
| Data de aceite: dc.date.accessioned | 2026-08-11T11:07:22Z | - |
| Data de disponibilização: dc.date.available | 2026-08-11T11:07:22Z | - |
| Data de envio: dc.date.issued | 2026-06-01 | - |
| Data de envio: dc.date.issued | 2026-06-01 | - |
| Data de envio: dc.date.issued | 2026-06-01 | - |
| Data de envio: dc.date.issued | 2025-12-17 | - |
| Fonte completa do material: dc.identifier | http://repositorio.unb.br/handle/10482/54564 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1187190 | - |
| Descrição: dc.description | Dissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, Programa de Pós-Graduação em Computação Aplicada, 2025. | - |
| Descrição: dc.description | A 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. | - |
| Descrição: dc.description | The 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. | - |
| Descrição: dc.description | Instituto de Ciências Exatas (IE) | - |
| Descrição: dc.description | Departamento de Ciência da Computação (IE CIC) | - |
| Descrição: dc.description | Programa de Pós-Graduação em Computação Aplicada, Mestrado Profissional | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Direitos: dc.rights | Acesso Aberto | - |
| Direitos: dc.rights | 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.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. | - |
| Palavras-chave: dc.subject | Políticas públicas | - |
| Palavras-chave: dc.subject | Jurimetria | - |
| Título: dc.title | Juridiscovery : análise automatizada da judicialização de políticas públicas com inteligência artificial, aplicada ao microempreendedor individual | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional – UNB | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: