MODELAGEM PREDITIVA PARA A DETECÇÃO DE ANOMALIAS EM CONTRATOS PÚBLICOS
Palavras-chave:
Mineração de Dados, Contratos Públicos, Detecção de Anomalias, AI Explicável (XAI), BlockchainResumo
Os contratos públicos representam uma das áreas mais significativas de gastos do governo e, consequentemente, uma das mais vulneráveis a ineficiências e irregularidades. Este estudo propõe e valida um framework preditivo de ciência de dados destinado a detectar anomalias em contratos públicos, focando especificamente na probabilidade de alterações financeiras (aditivos) como indicadores de potenciais desvios. A pesquisa segue uma estrutura metodológica de ponta a ponta, abrangendo aquisição de dados de fontes abertas, pré-processamento, engenharia de recursos e implementação de um modelo Gradient Boosting Machine (GBM) otimizado para conjuntos de dados altamente desequilibrados. A validação empírica revelou um desempenho forte, com o modelo alcançando uma taxa de recordação de 0,85, enfatizando a sensibilidade sobre a precisão para minimizar a não detecção de irregularidades reais. Além do desenvolvimento técnico, o estudo também discute a necessidade de Inteligência Artificial Explicável (XAI) para transparência algorítmica e explora a tecnologia Blockchain como uma base potencial para a próxima geração de ecossistemas de auditoria. Por fim, o documento contribui com um roteiro reprodutível para a governança algorítmica, fortalecendo os mecanismos de supervisão proativa e apoiando a tomada de decisões baseada em dados no setor público.
