Palavras-chave
orange
análises
relato integrado
universidades
Resumo
O objetivo do estudo é analisar, sob o enfoque da mineração de dados, as informações do Relato Integrado de Gestão (RIG) em algumas Unidades Prestadoras de Contas (UPCs) brasileiras por meio da ferramenta Orange Data Mining (ODM). Para tanto, foi realizado um estudo qualitativo, documental e exploratório por meio de práticas de análise textual de dados financeiros e não financeiros do RIG de quinze universidades federais brasileiras. São apresentados dois exemplos de análises, com foco em um único exercício, 2019, o que poderá ser mais explorado em estudos futuros, considerando-se a expectativa de adoção da Estrutura Internacional do Relato Integrado (EIRI) pelas UPCs nos Estados e Municípios. Os resultados da abordagem prática na execução da ODM demonstraram que as características intuitivas da ferramenta podem facilitar as análises por diversos perfis de pesquisadores, do iniciante ao mais experiente, e que se configura como oportunidade para diferentes análises dos referidos dados do RIG. As contribuições da pesquisa poderão integrar a literatura sobre o uso da ODM no setor público, no estímulo a estudantes, servidores públicos, inclusive os do controle, na prática da avaliação das informações do RIG, sobretudo no controle social e na transparência.
Referências
ALEXANDRE, Cláudio Reginaldo; BALSA, João. Incorporating machine learning and a risk-based strategy in an anti-money laundering multiagent system. Expert Systems With Applications, [s. l.], v. 217, 119500, maio 2023. DOI: https://doi.org/10.1016/j.eswa.2023.119500. Disponível em: https://www.sciencedirect.com/science/article/pii/S0957417423000015?via%3Dihub. Acesso em: 12 abr. 2024.
ARAÚJO, Ricardo Henrique Miranda de; CALLADO, Antônio André Cunha. Características qualitativas da informação contábil: a percepção de profissionais de controle interno do setor público. Management Control Review, Universidade Federal Rural de Pernambuco, v. 5, n. 1, p. 47-65, jan./jun. 2020. DOI: https://doi.org/10.51720/mcr.v5i1.3696. Disponível em: https://www.journals.ufrpe.br/index.php/managementcontrolreview/article/view/3696. Acesso em: 12 jan. 2024.
AUDIBERT, Julien; MICHIARDI, Pietro; GUYARD, Frédéric; MARTI, Sébastien; ZULUAGA, Maria A. USAD: UnSupervised anomaly detection on multivariate time series. In: Proceedings of the 26th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD ’20), ago. 2020, Virtual. p. 3395-3404. DOI: https://doi.org/10.1145/3394486.3403392. Disponível em: https://dl.acm.org/doi/10.1145/3394486.3403392. Acesso em: 15 abr. 2023.
AUDIBERT, Julien; MICHIARDI, Pietro; GUYARD, Frédéric; MARTI, Sébastien; ZULUAGA, Maria A. Do deep neural networks contribute to multivariate time series anomaly detection? Pattern Recognition, [s. l.], v. 132, 108945, dez. 2022. DOI: https://doi.org/10.1016/j.patcog.2022.108945. Disponível em: https://www.sciencedirect.com/science/article/pii/S0031320322004253?via%3Dihub. Acesso em: 14 abr. 2024.
BAGAGI, Leone C. Dinâmica de inovação em diferentes modelos de gestão hospitalar. 2022. Tese (Doutorado em Administração) – Universidade Federal da Bahia, Escola de Administração, Salvador, 2022. Disponível em: https://repositorio.ufba.br/handle/ri/36038. Acesso em: 15 abr. 2023.
BRASIL. Tribunal de Contas da União. Decisão Normativa nº 170, de 19 de setembro de 2018. Dispõe acerca das unidades cujos dirigentes máximos devem prestar contas de suas gestões ocorridas no exercício de 2018, especificando a forma, os conteúdos e os prazos de apresentação, nos termos do art. 3º da Instrução Normativa TCU 63, de 1º de setembro de 2010. Brasília: TCU, 2018. Disponível em:
https://portal.tcu.gov.br/contas/contas-e-relatorios-de-gestao/contas-do-exercicio-de-2018.htm. Acesso em: 16 abr. 2023.
BRASIL. Tribunal de Contas da União. Instrução Normativa nº 84, de 22 de abril de 2020. Estabelece normas para a tomada e prestação de contas dos administradores e responsáveis da administração pública federal, para fins de julgamento pelo Tribunal de Contas da União, nos termos do art. 7º da Lei 8.443, de 1992, e revoga as Instruções Normativas TCU 63 e 72, de 1º de setembro de 2010 e de 15 de maio de 2013, respectivamente. Brasília: TCU, 2020. https://www.gov.br/defesa/pt-br/arquivos/lai/transparencia_e_prestacao_de_contas/Norma_InTcu84.2020.pdf. Acesso em: 15 abr. 2023.
CALADO, João Eudes de Souza; MATIAS-PEREIRA, José; RODRIGUES, Evaldo César Cavalcante; COSTA, Abimael de Jesus Castro. Tópicos contemporâneos da pesquisa contábil no setor público sob a ótica interdisciplinar: um estudo exploratório e descritivo. Revista de Gestão e Contabilidade da UFPI, no prelo.
CAMILO, Cássio Oliveira; SILVA, João Carlos da. Mineração de dados: conceitos, tarefas, métodos e ferramentas. Relatório técnico, Instituto de Informática, Universidade Federal de Goiás (UFG), p. 1-29, 2009. Disponível em: https://ww2.inf.ufg.br/node/355. Acesso em: 15 abr. 2023.
CASTRO, Sarah; COSTA, Abimael. O status quo do relato integrado no setor público brasileiro. Revista Gestão Organizacional, Chapecó, v. 15, n. 3, p. 254-270, set./dez, 2022. DOI: https://doi.org/10.22277/rgo.v15i3.6542. Disponível em: https://bell.unochapeco.edu.br/revistas/index.php/rgo/article/view/6542. Acesso em: 15 jan. 2024.
CURK, Tomaz.; DEMSAR, Janez; XU, Qikai; LEBAN, Gregor; PETROVIC, Uros; BRATKO, Ivan; SAULSKY, Gad; ZUPAN, Blaz. Microarray data mining with visual programming. Bioinformatics, Oxford University, v. 21, n. 3, p. 396-398, fev. 2005. DOI: https://doi.org/10.1093/bioinformatics/bth474. Disponível em: https://academic.oup.com/bioinformatics/article/21/3/396/237562. Acesso em: 15 abr. 2023.
DEMSAR, Janez; CURK, Tomaz.; ERJAVEC, Ales.; GORUP, Crt.; HOCEVAR, Tomaz; MILUTINOVIC, Mitar; MOZINA, Martin; POLAJNAR, Matija; TOPLAK, Marko; STARIC, Anze; STAJDOHAR, Miha; UMEK, Lan; ZAGAR, Lan; ZBONTAR, Jure; ZITNIK, Marinka; ZUPAN, Blaz. Orange: Data Mining Toolbox in Python, Journal of Machine Learning Research, [s. l.], v. 14, p. 2349-2353, ago. 2013. Disponível em: https://jmlr.org/papers/volume14/demsar13a/demsar13a.pdf. Acesso em: 15 abr. 2023.
DEMSAR, Janez; ZUPAN, Blaz; LEBAN, Gregor; CURK, Tomaz. Orange: from experimental machine learning to interactive Data Mining. In: BOULICAUT, Jean-François; ESPOSITO, Floriana; GIANNOTTI, Fosca; PEDRESCHI, Dino (eds.). Knowledge discovery in databases: PKDD 2004. Springer-Verlag Berlin Heidelberg, 2004. p. 537-539. Disponível em: https://link.springer.com/chapter/10.1007/978-3-540-30116-5_58. Acesso em: 16 abr. 2023.
DUMAY, John; BERNARDI, Cristiana; GUTHRIE, James; DEMARTINI, Paola. Integrated Reporting: A Structured Literature Review. Accounting Forum, Londres, v. 40, n. 3, p. 166-185, 2016. DOI: http://dx.doi.org/doi:10.1016/j.accfor.2016.06.001. Disponível em: https://www.tandfonline.com/doi/full/10.1016/j.accfor.2016.06.001. Acesso em: 21 abr. 2023.
FATIMA, Samar; SOUZA, Kevin C. de; DAWSON, Gregory S. National strategic artificial intelligence plans: a multi-dimensional analysis. Economic Analysis and Policy, Austrália, v. 67, p. 178-194, set. 2020. DOI: https://doi.org/10.1016/j.eap.2020.07.008. Disponível em: https://www.sciencedirect.com/science/article/pii/S0313592620304021?via%3Dihub. Acesso em: 18 jan. 2024.
GUTHRIE, James; PARKER, Lee D.; DUMAY, John; MILNE, Markus J. What counts for quality in interdisciplinary accounting research in the next decade: a critical review and reflection. Accounting, Auditing & Accountability Journal, [s. l.], v. 32, n. 1, p. 2-25, jan. 2019. DOI: https://doi.org/10.1108/AAAJ-01-2019-036. Disponível em: https://www.emerald.com/insight/content/doi/10.1108/AAAJ-01-2019-036/full/html. Acesso em: 21 abr. 2023.
HOZAIRI, Hozairi; ANWARI, Anwari; ALIM, Syariful. Orange Data mining implementation for student graduation classification using K-Nearest Neighbor, Decision Tree and Naive Bayes Models. Network Engineering Research Operation, [s. l.], v. 6, n. 2, 2021. Disponível em: https://www.mendeley.com/catalogue/e4e2d21c-9a8a-3ba8-9a3a-252e01bb9dfc/. Acesso em: 2 jun. 2023.
INTERNATIONAL INTEGRATED REPORTING COUNCIL. Integrated Reporting Framework. Londres: IIRC, 2013. Disponível em: https://www.integratedreporting.org/resource/international-ir-framework/. Acesso em: 22 abr. 2023.
JOVIC, Alan; BRKIC, Karla; BOGUNOVIC, Nikola. An overview of free software tools for general data mining. In: International Convention on Information and Communication Technology, Electronics and Microelectronics, 37., 2014. Opatija: IEEE Xplore, 2014. p. 1112-1117. Disponível em: https://ieeexplore.ieee.org/document/6859735. Acesso em: 15 abr. 2024.
KODATI, Sarangam; VIVEKANANDAM, Reethu. Analysis of heart disease using in data mining tools Orange and Weka. Global Journal of Computer Science and Technology, [s. l.], v. 18, n. 1, versão 1.0, 2018. Disponível em:
https://api.semanticscholar.org/CorpusID:145873002. Acesso em: 15 abr. 2023.
MARWA, Emelia Aprodaid; KRISTANTO, Ari Budi. Analisis sentimen pengungkapan informasi manajemen: text mining berbasis metode VADER. Owner: Riset Dan Jurnal Akuntansi, [s. l.], v. 6, n. 3, p. 2973-2984, jul. 2022. DOI: https://doi.org/10.33395/owner.v6i3.895. Disponível em: https://owner.polgan.ac.id/index.php/owner/article/view/895. Acesso em: 12 jun. 2023.
OTIA, Javis Ebua; BRACCI, Enrico. Digital transformation and the public sector auditing: the SAI’s perspective. Financial Accountability & Management, [s. l.], v. 38, n. 2, p. 252-280, maio 2022. DOI: https://doi.org/10.1111/faam.12317. Disponível em: https://onlinelibrary.wiley.com/doi/10.1111/faam.12317. Acesso em: 22 jan. 2024.
PEKER, Musa; ÖZKARACA, Osman; ŞAŞAR, Ali. Use of Orange Data Mining Toolbox for data analysis in clinical decision making: the diagnosis of diabetes disease. IGI Global, Harshey, cap. 7, p. 143-167, 2018. Disponível em: https://www.igi-global.com/gateway/chapter/205478. Acesso em: 2 jun. 2023.
VAISHNAV, Devashree; RAO, B. Rama. Comparison of machine learning algorithms and fruit classification using Orange Data Mining Tool. In: International Conference on Inventive Computation Technologies, 3, 2020. Coimbatore: IEEE Xplore, 2020. Disponível em: https://ieeexplore.ieee.org/document/9034442. Acesso em: 15 abr. 2024.
WAHBERH, Abdullah H.; AL-RADAIDEH, Qasem A.; AL-KABI, Mohammed N.; AL-SHAWAKFA, Emad M. A comparison study between Data Mining Tools over some classification methods. International Journal of Advanced Computer Science and Applications, [s. l.], v. 8, n. 2, p. 18-26, 2011. Disponível em: https://thesai.org/Publications/ViewPaper?Volume=1&Issue=3&Code=SpecialIssue&SerialNo=4. Acesso em: 5 jun. 2023.
WIGUNA, Ratu Aghnia Raffaidy; RIFAI, Andri Irfan. analisis text clustering masyarakat di twitter mengenai omnibus law menggunakan Orange Data Mining. Journal of Information Systems and Informatics, [s. l.], v. 3, n. 1, p. 1-12, mar. 2021. DOI: https://doi.org/10.33557/journalisi.v3i1.78. Disponível em: https://journal-isi.org/index.php/isi/article/view/78. Acesso em: 19 abr. 2024.
WIRTZ, Bernd. W.; WEYERER, Jan C.; GEYER, Carolin. Artificial Intelligence and the public sector: applications and challenges. International Journal of Public Administration, Londres, v. 42, n. 7, p. 596-615, jul. 2018. DOI: https://doi.org/10.1080/01900692.2018.1498103. Disponível em: https://www.tandfonline.com/doi/full/10.1080/01900692.2018.1498103. Acesso em: 10 jan. 2024.
ZHANG, Shichao; ZHANG, Chengqi; YANG, Qiang. Data preparation for Data Mining. Applied Artificial Intelligence, Taylor & Francis, v. 17, n. 5-6, p. 375-381, 2003. DOI: https://doi.org/10.1080/713827180. Disponível em: https://www.tandfonline.com/doi/abs/10.1080/713827180. Acesso em: 15 abr. 2023.
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Copyright (c) 2024 João Eudes de Souza Calado, José Matias-Pereira, Abimael de Jesus Barros Costa