Clasificación de demandas según los Objetivos de Desarrollo Sostenible de la Agenda 2030 de la ONU

Autores/as

DOI:

https://doi.org/10.36428/revistadacgu.v14i26.548

Palabras clave:

Agenda 2030 de la ONU. Procesamento del Lenguage Natural. Aprendizaje Automático.

Resumen

RESUMEN

 El Supremo Tribunal Federal (STF), a partir de noviembre de 2020, clasifica algunos de sus procesos en los Objetivos de Desarrollo Sostenible (ODS) de la Agenda 2030 de la ONU. El objetivo de esta clasificación es integrar la Agenda en el día a día del tribunal. En este contexto, una herramienta de apoyo tecnológico a la clasificación tiene un potencial inmenso para automatizar las tareas manuales y repetitivas de lectura de piezas y registro de etiquetas. La iniciativa RAFA 2030 surgió con el objetivo de ayudar a los funcionarios judiciales a clasificar mejor los procesos. Este artículo tiene como objetivo presentar la integración entre la Agenda 2030 y la rutina del STF y la propia herramienta tecnológica RAFA 2030, en sus aspectos técnicos de desarrollo. Actualmente, los principales productos intermedios de este proyecto consisten en herramientas gráficas para PNL (grafos de coocurrencia, nube de palabras), algoritmos de aprendizaje automático, redes neuronales, búsqueda de contexto y conteo de palabras clave, además de otras herramientas disponibles en R (Shiny) y Python (Keras, Tensorflow y Pytorch). Los resultados iniciales sugieren un inmenso potencial para las aplicaciones de PNL y aprendizaje automático en la clasificación de documentos legales en temas de la Agenda 2030.

Descargas

Los datos de descarga aún no están disponibles.

Biografía del autor/a

  • Luiz Fux, STF

    Ministro e atual presidente do Supremo Tribunal Federal, jurista e professor universitário. Foi ministro do Tribunal Superior Eleitoral de 2014 a 2018 e ministro do Superior Tribunal de Justiça de 2001 a 2011, promotor de justiça do Ministério Público do Estado do Rio de Janeiro de 1979 a 1982 e juiz de direito fluminense de 1983 até 1997, quando foi promovido a desembargador do Tribunal de Justiça do Rio de Janeiro. É bacharel (1976) e doutor (2009) em direito pela Faculdade de Direito da Universidade do Estado do Rio de Janeiro (UERJ). Desde 1995 é professor titular de direito processual civil da UERJ, tendo chefiado o Departamento de Direito Processual dessa universidade, além de ter lecionado processo civil na Escola de Magistratura do Estado do Rio de Janeiro e direito judiciário civil na Pontifícia Universidade Católica do Rio de Janeiro. É membro da Academia Brasileira de Letras Jurídicas desde 2008 e da Academia Brasileira de Filosofia desde 2014. Presidiu a comissão de juristas que elaborou o anteprojeto do Código de Processo Civil, em vigor desde 2016.

    Brasília - DF, Brasil

  • Pedro Felipe de Oliveira Santos, STF

    Juiz Federal do Tribunal Regional Federal da Primeira Região, atualmente convocado como Secretário-Geral da Presidência do Supremo Tribunal Federal. Coordenador Pedagógico da Escola de Magistratura Federal do TRF-1 (ESMAF-TRF1). Atuou como Juiz Auxiliar e como Juiz Instrutor do Supremo Tribunal Federal. Atuou como Juiz Auxiliar da Presidência do Conselho Nacional de Justiça. Foi Defensor Público Federal. Doutorando em Direito pela Universidade de Oxford. Mestre em Direito pela Universidade de Harvard. Graduado em Direito pela Universidade de Brasília. Professor de Direito Constitucional.

    Brasília - DF, Brasil

  • Aline Carlos Dourado Braga, STF

    Analista Judiciária do Supremo Tribunal Federal, onde atua desde 2000. É graduada em Direito pelo Uniceub-Centro de Ensino Unificado de Brasília, pós-graduada em Direito Público pela Universidade Cândido Mendes e responsável pela interlocução para a execução das ações do Projeto Agenda 2030 no STF.

    Brasília - DF, Brasil

  • Pamella Sada Dias Edokawa, STF

    Coordenadora do Escritório de Gestão da Estratégia do Supremo Tribunal Federal. Graduada em Estatística pela UnB e especialista em regulação financeira. É responsável pelo núcleo de Análise Estatística e pela gerência da Gestão da Estratégia. Já passou por diversos órgãos públicos como Fundação Hemocentro, pelo Instituto Nacional de Estudos e Pesquisas Educacionais (INEP) onde foi coordenadora de disseminação de dados da educação básica até chegar ao STF em 2016.

    Brasília - DF, Brasil

  • Júlio Luz Sisson de Castro, STF

    Analista judiciário desde 2005, tendo trabalho na 12ª Vara Federal de Brasília e no Superior Tribunal de Justiça. É pós-graduado em Processo Civil pelo UniCeub-Centro de Ensino Unificado de Brasília. Atua no projeto Agenda 2030 no STF.

    Brasília - DF, Brasil

Referencias

CNJ - Conselho Nacional de Justiça. Programa Justiça 4.0. 2022. Disponível em: https://www.cnj.jus.br/tecnologia-da-informacao-e-comunicacao/justica-4-0/. Acesso em: 10 mai. 2022.

______. Projetos com Inteligência Artificial no Poder Judiciário. 2022. Disponível em: https://paineisanalytics.cnj.jus.br/single/?appid=29d710f7-8d8f-47be-8af8-a9152545b771&sheet=b8267e5a-1f1f-41a7-90ff-d7a2f4ed34ea&lang=pt-BR&opt=ctxmenu,currsel/. Acesso em: 11 mai. 2022.

DAVID, M. S.; RENJITH, S. Comparison of word embeddings in text classification based on RNN and CNN. In: IOP Conference Series: Materials Science and Engineering. IOP Publishing, 2021. p. 012029. Disponível em: https://doi.org/10.1088/1757-899x/1187/1/012029. Acesso em: 12 mai. 2022.

FGV - Fundação Getúlio Vargas. Portal FGV. 2021. Artificial Intelligence in the Judiciary: the most complete research on the subject. Disponível em: https://portal.fgv.br/en/news/artificial-intelligence-judiciary-most-complete-research-subject. Acesso em: 04 de mai. 2022.

GANAIE, M. A. et al. Ensemble deep learning: A review. arXiv preprint arXiv:2104.02395. 2021. Disponível em: https://doi.org/10.48550/arXiv.2104.02395. Acesso em: 12 mai. 2022.

GUPTA, S. et al. Task-optimized word embeddings for text classification representations. Frontiers in Applied Mathematics and Statistics, v. 5, p. 67, 2020. Disponível em: https://doi.org/10.3389/fams.2019.00067. Acesso em: 12 mai. 2022.

HOSSIN, M.; SULAIMAN, M. N. A review on evaluation metrics for data classification evaluations. International journal of data mining & knowledge management process, v. 5, n. 2, p. 1, 2015. Disponível em: http://dx.doi.org/10.5121/ijdkp.2015.5201. Acesso em: 06 jun. 2022.

HOVY, D. Text Analysis in Python for Social Scientists: Prediction and Classification. Cambridge University Press, 2021. Disponível em: https://doi.org/10.48550/arXiv.2104.02395. Acesso em: 06 jun. 2022.

HVITFELDT, E.; SILGE, J. Supervised machine learning for text analysis in R. Chapman and Hall/CRC, 2021.

JOCKERS, M. L. Text analysis with R for students of literature. Cham: Springer, 2014.

KULAS, Jack. Philosophy and Natural-Language Processing. In: Kulas, J., Fetzer, J.H., Rankin, T.L. (eds) Philosophy, Language, and Artificial Intelligence. Studies in Cognitive Systems, vol 2. Springer, Dordrecht. 1988. Disponível em: https://doi.org/10.1007/978-94-009-2727-8_1. Acesso em: 07 abr. 2022.

LIU, Bing. Sentiment analysis: Mining opinions, sentiments, and emotions. Cambridge university press, 2020.

LIU, Q.; KUSNER, M. J.; BLUNSOM, P. A survey on contextual embeddings. arXiv preprint arXiv:2003.07278, 2020. Disponível em: https://doi.org/10.48550/arXiv.2003.07278. Acesso em: 15 abr. 2022.

MARTIN, J. H. Speech and language processing: An introduction to natural language processing, computational linguistics, and speech recognition. Pearson/Prentice Hall, 2009.

MEIJER, H. J.; TRUONG, J.; KARIMI, R. Document embedding for scientific articles: Efficacy of word embeddings vs TFIDF., 2021. Disponível em: https://doi.org/10.48550/arXiv.2107.05151. Acesso em: 12 mai. 2022.

NAY, J. Natural Language Processing for Legal Texts. In D. Katz, R. Dolin, & M. Bommarito (Eds.), Legal Informatics (pp. 99-113). Cambridge: Cambridge University Press. 2021. Disponível em: https://doi.org/10.1017/9781316529683.011. Acesso em: 07 abr. 2022.

OOMS, J. 2022. Tesseract: Open Source OCR Engine. Disponível em: https://CRAN.R-project.org/package=tesseract. Acesso em: 02 fev. 2022.

PEIXOTO, F. H. Projeto Victor: relato do desenvolvimento da inteligência artificial na repercussão geral do Supremo Tribunal Federal. Revista Brasileira de Inteligência Artificial e Direito-RBIAD, v. 1, n. 1, p. 1-22, 2020.

PYTHON SOFTWARE FOUNDATION. Python Language, 2022. Disponível em: https://www.python.org/. Acesso em: 06 jun. 2022.

R CORE TEAM. R: A language and environment for statistical computing. Vienna, Austria: R Foundation for Statistical Computing, 2022. Disponível em: https://www.R-project.org/. Acesso em: 06 jun. 2022.

SHERSTINSKY, A. Fundamentals of recurrent neural network (RNN) and long short-term memory (LSTM) network. Physica D: Nonlinear Phenomena, v. 404, p. 132306, 2020. Disponível em: https://doi.org/10.48550/arXiv.1808.03314. Acesso em: 06 jun. 2022.

STF - Supremo Tribunal Federal. Hotsite Agenda 2030 STF. 2022. Disponível em: http://portal.stf.jus.br/hotsites/agenda-2030/. Acesso em: 11 abr. 2022.

______. Painel: STF e Agenda 2030. 2022. Metadados de processos. Disponível em: https://transparencia.stf.jus.br/single/?appid=bc086310-9ce5-4b55-9a8a-e420a907ccca&sheet=db127d33-d4c1-47e0-8bab-3079214719c6&opt=ctxmenu. Acesso em: 11 abr. 2022.

STJ - Superior Tribunal de Justiça. Revolução tecnológica e desafios da pandemia marcaram gestão do ministro Noronha na presidência do STJ. 2020. Disponível em: https://www.stj.jus.br/sites/portalp/Paginas/Comunicacao/Noticias/23082020-Revolucao-tecnologica-e-desafios-da-pandemia-marcaram-gestao-do-ministro-Noronha-na-presidencia-do-STJ.aspx. Acesso em: 14 mai. 2022.

TJGO - Tribunal de Justiça do Estado de Goiás. Lançamento Oficial da ferramenta Berna - Sistema de Inteligência Artificial. Youtube, 26 mai. 2020. Disponível em: https://www.youtube.com/watch?v=MY8OG7UGdhM. Acesso em: 14 mai. 2022.

VAJJALA, S. et al. Practical natural language processing: a comprehensive guide to building real-world NLP systems. O'Reilly Media, 2020.

Descargas

Publicado

2022-12-20

Número

Vol. 14 Núm. 26 (2022): Revista da CGU, 26,jul-dez/2022

Sección

Ciência de Dados na Administração Pública: Desafios e Oportunidades

Licencia

Derechos de autor 2022 Revista da CGU

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

La Revista da CGU sigue a la Licencia Creative Commons Atribución 4.0 Internacional (CC BY), que permite que los trabajos publicados se usen y compartan, siempre dando crédito a los autores y origen. Los contenidos publicados hasta 2019 tienen permiso genérico de uso y distribución con indicación obligatoria de autoría y origen.


La presentación de la propuesta implica un compromiso de no enviarla a otra revista y autoriza, si se aprueba, su publicación.Destacamos algunos puntos esenciales y no exhaustivos relacionados:

  • La presentación de la propuesta también implica que el (los) autor (es) está (n) de acuerdo con la publicación, sin resultar en remuneración, reembolso o compensación de ningún tipo.
  • Los textos publicados son responsabilidad de los autores y no representan necesariamente la opinión de la revista.
  • La responsabilidad por cualquier plagio es responsabilidad del (de los) autor (es).
  • La persona responsable de la presentación declara, bajo las sanciones de la Ley, que la información sobre la autoría del trabajo es completa y correcta.

También se destacan los elementos relacionados con nuestras Políticas editoriales, en particular con la Misión y Alcance de la revista, la Ética de Publicación, el Proceso de Evaluación por Pares y la Política de Acceso Abierto.

Cómo citar

Clasificación de demandas según los Objetivos de Desarrollo Sostenible de la Agenda 2030 de la ONU. Revista da CGU, [S. l.], v. 14, n. 26, 2022. DOI: 10.36428/revistadacgu.v14i26.548. Disponível em: https://revista.cgu.gov.br/Revista_da_CGU/article/view/548.. Acesso em: 18 may. 2024.

Artículos similares

11-20 de 224

También puede Iniciar una búsqueda de similitud avanzada para este artículo.