MACHINE LEARNING TESTS IN THE TCE MANAGEMENT SURVEILLANCE SYSTEM DATABASES

Authors

  • Pablo Procópio Martins Universidade do Estado de Santa Catarina
  • Edjandir Corrêa Costa Universidade Federal de Santa Catarina
  • Aires José Rover Universidade Federal de Santa Catarina
  • Paloma Maria Santos Universidade Federal de Santa Catarina

DOI:

https://doi.org/10.48090/ciki.v1i1.898

Keywords:

Electronic Government, Artificial intelligence, Data Mining, Machine Learning, Fiscal Responsibility Law

Abstract

Motivated by the interest in making forecasts about the fulfillment of the Santa Catarina municipalities regarding the targets determined by the Fiscal Responsibility Law, this research, applied, quantitative and with an inductive approach, use data mining techniques and regression analysis to develop its object, which considered the net current revenue as a study variable and statistical comparison, using forecasting algorithms. The selected techniques showed that the executives' personnel expenses are close to 50% and that, among the algorithms analyzed, the best approach was obtained by RandomForest, which presented a relative absolute error of 5.1904%. These results showed that it is feasible to predict whether a municipality will exceed the targets imposed by law, information that conditions the Audit Courts to act proactively, making inspection activities more effective

Author Biographies

Edjandir Corrêa Costa, Universidade Federal de Santa Catarina

Graduado em Ciência da Computação pela Universidade do Sul de Santa Catarina (1996) e mestre em Ciências da Computação pela Universidade Federal de Santa Catarina (2000). Foi professor titular da Universidade do Sul de Santa Catarina entre 1996 e 2011, além de atuar na iniciativa privada nas funções de desenvolvedor de software, coordenador e gerente de TI. Atualmente é docente com dedicação exclusiva no Instituto Federal de Santa Catarina (IFSC). Possui larga experiência nas áreas de Ensino de Tecnologia de Informação, Desenvolvimento de Software, Gerência de Projetos e Melhoria de Processos de Software.

Aires José Rover, Universidade Federal de Santa Catarina

Graduação (1987), mestrado (1992) e doutorado em Direito (1999). Atualmente é prof. associado da UFSC nos cursos de direito e engenharia e gestao do conhecimento. Atua nos seguintes temas: gestao do conhecimento, governo eletrônico, informatica juridica, sistemas especialistas, internet, tecnologia e direito.

Paloma Maria Santos, Universidade Federal de Santa Catarina

Pesquisadora Pós-doutoranda junto ao Programa de Pós-Graduação em Engenharia e Gestão do Conhecimento da UFSC, atuando nas áreas de Desenvolvimento de Projetos, Metodologia da pesquisa, Avaliação de Portais e Indicadores de Desempenho. Doutora e Mestre em Engenharia e Gestão do Conhecimento pela UFSC. Possui MBA Executivo em Gerenciamento de Projetos pela FGV/SC e Graduação em Engenharia de Telecomunicações pela FURB e em Administração pela Estácio. Integrante do grupo de pesquisa do CNPq Governo eletrônico, inclusão digital e sociedade do conhecimento. Atua como revisora de alguns periódicos científicos no âmbito nacional e internacional. Atou como professora tutora da FGV Online em turmas de MBA livre e corporativo, cursos de aperfeiçoamento e certificação e professora conteudista da Delinea para o curso de Pós-Graduação em Gerenciamento de Projetos. Ganhou o Prêmio Mérito Acadêmico de Produção Científica (EGC/UFSC) nos anos de 2009 e 2010 pela relevância de suas publicações, Prêmio de Melhor Proposta de Projeto de Tese na área de concentração Engenharia do Conhecimento no ano de 2012 (EGC/UFSC) e o Highly Commended Paper Awards 2014 (Emerald Literati Network), pela relevância e destaque do seu artigo.

Published

2020-11-18

How to Cite

Martins, P. P., Corrêa Costa, E., Rover, A. J. ., & Santos, P. M. (2020). MACHINE LEARNING TESTS IN THE TCE MANAGEMENT SURVEILLANCE SYSTEM DATABASES. International Congress of Knowledge and Innovation - Ciki, 1(1). https://doi.org/10.48090/ciki.v1i1.898

Issue

Section

Full Paper