Agência FAPESP* – Pesquisadores do Centro de Ciências Matemáticas Aplicadas à Indústria (CeMEAI) estão desenvolvendo modelos matemáticos e criando ferramentas computacionais para o Tribunal de Contas do Estado de São Paulo (TCESP). O objetivo da parceria, formalizada por meio de um acordo de cooperação acadêmica, é apoiar atividades de fiscalização, controle e tomada de decisão.
O CeMEAI é um Centro de Pesquisa, Inovação e Difusão (CEPID) da FAPESP sediado no Instituto de Ciências Matemáticas e Computação da Universidade de São Paulo (ICMC-USP), campus de São Carlos.
Um dos modelos de aprendizado de máquina em desenvolvimento pelo grupo – formado por oito pesquisadores – explora grandes bases de dados de notas fiscais eletrônicas e poderia identificar compras consideradas estranhas, dando apoio aos servidores no trabalho de fiscalização.
“Métodos de processamento de linguagem natural [PLN] estão sendo investigados e desenvolvidos especificamente para extrair características e melhorar as informações constantes nas notas fiscais eletrônicas. Essas informações são utilizadas por métodos de aprendizado de máquina para classificar determinados segmentos em textos dos documentos, beneficiando a identificação das mercadorias, bem como o agrupamento de compras similares. Mais precisamente, espera-se identificar riscos relacionados às compras públicas, especialmente sobrepreço. Por fim, técnicas de visualização permitem explorar relações entre empresas, municípios, órgãos públicos e outras entidades envolvidas nos processos de compras descritas nas notas fiscais eletrônicas, facilitando a análise exploratória para detecção de fraudes envolvendo as compras governamentais”, explicou Francisco Louzada Neto, um dos coordenadores do projeto.
O pesquisador Ricardo Marcondes Marcacini explica que a análise de grandes bases de notas fiscais eletrônicas é uma estratégia utilizada por órgãos de controle para calcular referenciais de preços de vários produtos comercializados com o setor público.
“Nosso método está sendo treinado, por meio de algoritmos de aprendizado de máquinas, em um grande volume de notas fiscais eletrônicas para aprender padrões que tornem mais fácil identificar quando as notas tratam de um mesmo produto e, assim, calcular preços referenciais e gerar alertas de sobrepreços. Um dos diferenciais em usar tais métodos é que eles podem ser ajustados para notas fiscais eletrônicas de novos produtos, evoluindo conforme a necessidade”, explica Marcacini.
Eficácia escolar e despesas públicas
Outra ferramenta computacional em desenvolvimento envolve modelos de predição e identificação de fatores associados à eficácia escolar dentro da rede municipal de ensino.
“Estamos trabalhando com o desenvolvimento de modelos hierárquicos para avaliação de eficácia escolar dentro da rede, perseguindo os preceitos da avaliação de políticas públicas com base em evidências e a produção de indicadores de eficácia escolar para as escolas municipais no âmbito estadual. A plataforma permitirá ainda uma apuração mais embasada da situação das várias redes de ensino, auxiliando as atividades de fiscalização por meio da produção de parâmetros de avaliação e do direcionamento eficiente de recursos humanos e materiais”, comenta Mariana Curi, responsável por esse subprojeto.
A terceira plataforma desenvolvida propõe o uso de inteligência artificial para identificar anomalias nas despesas públicas. Esse subprojeto desenvolverá modelos para análise preditiva das despesas municipais e detecção de outliers – dados que se diferenciam drasticamente de todos os outros – em remuneração de servidores ou informações contábeis.
O foco é disponibilizar para o Tribunal de Contas do Estado de São Paulo ferramentas e análises que aumentem a produtividade e a eficácia dos agentes de fiscalização, melhorando o controle e, consequentemente, a gestão dos recursos públicos.
* Com informações da Assessoria de Comunicação do CeMEAI.
Este texto foi originalmente publicado por Agência FAPESP de acordo com a licença Creative Commons CC-BY-NC-ND. Leia o original aqui.
