Classificação de processos judiciais da Procuradoria Geral da União utilizando algoritmos de aprendizado de máquina: uma análise comparativa da abordagem clássica e GPT-4

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Angrisano, Luciana
Orientador(a): Buchbinder, Felipe
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://hdl.handle.net/10438/35220
Resumo: Objetivo: O estudo tem como objetivo investigar formas de melhorar a distribuição e classificação de processos judiciais e petições iniciais na Procuradoria-Geral da União (PGU), aproveitando as técnicas de aprendizado de máquina (ML) para aumentar a precisão na alocação desses processos aos setores judiciários correspondentes. Metodologia: Adota-se uma abordagem quantitativa, utilizando métodos computacionais e experimentais para testar e explorar uma variedade de técnicas de ML e processamento de linguagem natural (NLP) em documentos jurídicos. A pesquisa enfoca a realização de uma análise comparativa entre diferentes pipelines de inteligência artificial, desde modelos tradicionais de ML até inovações recentes como o Generative Pre-trained Transformer (GPT). Resultados: Foram identificadas limitações significativas no modelo GPT-4 com Zero-Shot Learning em termos de volume de dados processáveis em comparação com métodos tradicionais de classificação. Isso destaca uma barreira na eficácia dessa abordagem específica. Limitações: O estudo reconhece restrições operacionais, incluindo a capacidade limitada do modelo GPT-4 para processar grandes volumes de dados, o que sugere a necessidade de futuras pesquisas para expandir o escopo de treinamento para dados de outras regiões da PGU. Sugere-se a expansão do escopo de treinamento para dados de outras regiões da PGU e a exploração de estratégias de fine-tuning em modelos pré-treinados, visando aprimorar a aplicabilidade e eficácia das soluções de ML no âmbito jurídico. Aplicabilidade do trabalho: A pesquisa ambiciona aplicar técnicas de aprendizado de máquina para aumentar a efetividade na distribuição automática dos processos da PRU1. Este problema de pesquisa é relevante tanto do ponto de vista tecnológico quanto operacional, pois implica na integração de soluções tecnológicas no processamento de dados judiciais, com o objetivo de melhorar a gestão e a qualidade do fluxo de trabalho da PGU, com potencial para transformar significativamente as práticas atuais e contribuir para a transformação digital dentro do órgão. Contribuições para a sociedade: Este estudo contribui para a transformação digital do sistema de justiça, oferecendo insights valiosos para a melhoria contínua da gestão processual e reforçando o compromisso com a modernização e eficiência dos serviços judiciais. Originalidade: A pesquisa introduz uma abordagem inovadora ao combinar técnicas de ML com a análise de documentos jurídicos para aprimorar a distribuição e classificação de processos na PGU, marcando uma contribuição original para o campo da tecnologia jurídica.