Classificação da percepção de servidores públicos federais em relação a atos de corrupção utilizando algoritmos de aprendizado de máquina

Abstract

Técnicas computacionais têm-se mostrado úteis na luta contra a corrupção no setor público, permitindo a detecção precoce de atividades suspeitas. Sob este pressuposto, o objetivo deste trabalho foi comparar algoritmos de aprendizado de máquina no contexto da observação de atos de corrupção no Serviço Público. Nesse sentido, foram analisados dados extraídos de uma pesquisa realizada pelo Banco Mundial em 2021 sobre o tema “Ética e Corrupção no Serviço Público”, com cerca de 22.000 respondentes, sendo proposto o desenvolvimento de modelos que auxiliem na promoção da transparência e da integridade no serviço público brasileiro. Os resultados mostraram a viabilidade do uso de técnicas de aprendizado de máquina, com a Regressão Logística se mostrando a melhor opção para o cenário estudado, com acurácia de 82%. O modelo desenvolvido e as análises geradas podem ser usados para auxiliar na identificação de atividades suspeitas de corrupção no setor público, contribuindo para a detecção precoce e a prevenção de práticas ilegais. Os resultados também destacam a importância do desenvolvimento de políticas públicas para promover a ética e a integridade no serviço público, bem como o papel das tecnologias avançadas na melhoria da governança e da confiança da sociedade nas instituições públicas.