Inteligência artificial na segurança institucionaldo Poder Judiciário
análise de dados criminais
Palavras-chave:
Inteligência artificial, Segurança institucional, Análise de dados de criminalidade, Aprendizado de máquina.Resumo
Apresenta a implementação de dois algoritmos de aprendizado de máquina não supervisionado que foram utilizados na análise de dados relacionados à criminalidade no estado do Rio de Janeiro. O objetivo é explorar quais as possíveis aplicações das técnicas de mineração de dados utilizadas atualmente no campo da inteligência artificial na atividade de segurança institucional do Poder Judiciário. A análise segue metodologia quantitativa e resulta em diversos outputs relevantes para apoiar as decisões do gestor da Polícia Judicial do Tribunal Regional do Trabalho da Primeira Região, um dos resultados é um índice de criminalidade e a formação de agrupamentos que reúnem municípios semelhantes. Espera-se que a pesquisa abra caminho para que a inteligência artificial, especialmente seu componente de ciência de dados, possam encontrar seu lugar nas atividades de segurança do Poder Judiciário.
Downloads
Referências
CONSELHO NACIONAL DE JUSTIÇA. Inteligência artificial no Poder Judiciário brasileiro. Brasília: CNJ, 2019. Disponível em: https://bibliotecadigital.cnj.jus.br/jspui/bitstream/123456789/98/1/Intelig%c3%aancia%20Artificial %20no%20Poder%20Judiciario%20Brasileiro.pdf. Acesso em: 10 set. 2023.
CONSELHO NACIONAL DE JUSTIÇA. Resolução n. 332, de 21 de agosto de 2020. Dispõe sobre a ética, a transparência e a governança na produção e no uso de Inteligência Artificial no Poder Judiciário e dá outras providências. Brasília, DF: CNJ, 2020a. Disponível em: https://atos.cnj.jus.br/files/original191707202008255f4563b35f8e8.pdf. Acesso em: 30 ago. 2023.
CONSELHO NACIONAL DE JUSTIÇA. Resolução n. 344, de 9 de setembro de 2020. Regulamenta o exercício do poder de polícia administrativa no âmbito dos tribunais, dispondo sobre as atribuições funcionais dos agentes e inspetores da polícia judicial. Brasília, DF: CNJ,2020b. Disponível em: https://atos.cnj.jus.br/atos/detalhar/3460. Acesso em: 20 set. 2023.
CONSELHO NACIONAL DE JUSTIÇA. Resolução n. 383 de 25 de março de 2021. Cria o Sistema de Inteligência de Segurança Institucional do Poder Judiciário e dá outras providências. Brasília, DF: CNJ, 2021a. Disponível em: https://atos.cnj.jus.br/files/original22430820210329606257fc252cc.pdf. Acesso em: 30 ago. 2023.
CONSELHO NACIONAL DE JUSTIÇA. Resolução n. 435, de 28 de outubro de 2021. Dispõe sobre a política e o sistema nacional de segurança do Poder Judiciário e dá outras providências. Brasília, DF: CNJ, 2021b. Disponível em: https://atos.cnj.jus.br/files/original152110202111036182a8e64e88e.pdf. Acesso em: 30 ago. 2023.
FÁVERO, Luiz Paulo.; BELFIORE, Patrícia. Manual de análise de dados. Rio de Janeiro: LTC, 2021.
KAUFMAN, Dora. Desmistificando a inteligência artificial. Belo Horizonte: Grupo Autêntica, 2022. E-book. Disponível em: https://integrada.minhabiblioteca.com.br/#/books/9786559281596/. Acesso em: 10 set. 2023.
MATOS, Daniel Abud Seabra.; RODRIGUES, Erica Castilho. Análise Fatorial. Brasília: Enap, 2019. 74 p. E-book. Disponível em: https://repositorio.enap.gov.br/bitstream/1/4790/1/Livro%20An%C3%A1lise%20Fatorial.pdf. Acesso em: 9 ago. 2023.
PROVOST, Foster.; FAWCETT, Tom. Data Science para negócios. Rio de Janeiro: Alta Books, 2016. 408 p.
RUSSELL, Stuart J.; Norvig, Peter. Artificial Intelligence: A Modern Approach. 3 ed. Pratice Hall, 2010.
SHARDA, Ramesh.; DELEN, Dursun.; TURBAN, Efraim. Business Intelligence e análise de dados para gestão do negócio. 4 ed. Porto Alegre: Bookman, 2019. 584 p.
SEABRA, Marcelo.; SILVA, Antônio da. A atividade de inteligência no Poder Judiciário: a defesa dos Princípios de Bangalore e sua aplicação nos núcleos de pesquisa patrimonial. Revista CNJ, Brasília, v 4, n. 1, p. 145-157, jan/jun, 2020. Disponível em: https://bibliotecadigital.cnj.jus.br/jspui/bitstream/123456789/163/1/A%20atividade% 20de%20intelig%c3%aancia%20no%20Poder%20Judici%c3%a1rio.pdf. Acesso em: 30 ago. 2023.
WICKHAM, Hadley; Mine; GROLEMUND, Garrett. R for data science: Import, Tidy, Transform, Visualize, and Model Data. [S. l.]: O'Reilly Media, Inc., 2017. 518 p. Disponível em: https://r4ds.had.co.nz/index.html. Acesso em: 30 ago. 2023.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2023 PEDRO IVO VASCONCELLOS DA COSTA PINTO
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
