Banca de QUALIFICAÇÃO: NILSON ROMERO MICHILES JUNIOR

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : NILSON ROMERO MICHILES JUNIOR
DATA : 22/09/2025
HORA: 10:00
LOCAL: https://us02web.zoom.us/j/88586098448?pwd=xILOUCpQNRbvqjpbYVMy3BEkznpIrP.1
TÍTULO:

Score de Risco para Priorização de Auditoria em Contratos Públicos: Uma abordagem com Inteligência Artificial Explicável (XAI)

PALAVRAS-CHAVES:

contratações públicas, auditoria preditiva, aprendizado de máquina, explicabilidade (XAI), SHAP, TabPFN, Model Confidence Set (MCS), detecção de risco.

PÁGINAS: 107
RESUMO:

A priorização eficiente de auditorias em contratos públicos é fundamental para o combate à corrupção, a melhoria da governança e a otimização do uso dos recursos públicos. Este trabalho apresenta uma metodologia inovadora que integra aprendizado de máquina e explicabilidade de inteligência artificial (XAI) para classificar contratos e fornecedores com maior risco de irregularidades. Foram utilizadas bases públicas para construção de um datalake unificado, seguido de etapas de pré-processamento, balanceamento e seleção de atributos via LASSO. Entre os modelos testados, o Tabular Prior–Data Fitted Network (TabPFN) com técnica de rebalanceamento undersampling obteve o melhor desempenho, com recall de 0,963, AUC de 0,9034 e F2-Score de 0,8476, -- métrica que mede a eficácia na detecção de empresas com padrão de fraude, porém com maior penalização de falsos negativos — visando reduzir o risco da auditoria. Para garantir a robustez da escolha, aplicou-se o Model Confidence Set (MCS) com nível de confiança de 90%, permitindo comparar e selecionar o modelo com menor variabilidade estatística (desvio padrão reduzido nas métricas F2 e AUC) ao longo das validações cruzadas. Adicionalmente, foram aplicadas técnicas de interpretabilidade com valores de Shapley (SHAP), permitindo compreender os fatores determinantes no cálculo do risco para cada contrato ou fornecedor. Os resultados demonstram que a abordagem proposta pode transformar a auditoria pública ao torná-la mais estratégica, eficiente, transparente e orientada a dados.

MEMBROS DA BANCA:
Presidente - ***.366.561-** - JOAO GABRIEL DE MORAES SOUZA - UnB
Interno - 3164711 - JOAO CARLOS FELIX SOUZA
Interno - ***.535.421-** - PENG YAOHAO - UnB
Externa à Instituição - TICIANA LINHARES COELHO DA SILVA - UFC