Aplicação do Aprendizado de Máquina para Previsão do Tempo de Espera dos Serviços Públicos Federais Brasileiros

• Vítor G. de Menezes UnB
• Glauco V. Pedrosa UnB https://orcid.org/0000-0001-5573-6830
• Michel A. Ribeiro UnB
• Rejane M. da C. Figueiredo UnB https://orcid.org/0000-0001-8243-7924

DOI: https://doi.org/10.5753/wcge.2021.15981

Resumo

Este artigo utiliza técnicas de aprendizado de máquina para prever o tempo de espera dos serviços públicos. O tempo de espera analisado neste trabalho se refere ao período (em dias) da duração desde a solicitação do serviço até a efetiva entrega ao usuário solicitante. Este trabalho foi desenvolvido em cooperação com o Governo Brasileiro, que realizou uma entrevista exploratória com gestores de 289 serviços federais. Em seguida, foi realizada uma mineração de dados para identificar um conjunto de variáveis que permitissem prever com alta efetividade o tempo de espera de um serviço a partir de seus aspectos gerenciais. Dois modelos são apresentados neste artigo: um modelo preditivo para serviços oferecidos a pessoas físicas, com acurácia de 77% e outro para pessoas jurídicas com acurácia de 70%.

Palavras-chave: Ciência de Dados, Aprendizado de Máquinas, Governo Digital

Referências

Alanezi, M. A., Mahmood, A. K., and Basri, S. (2011). Conceptual model for measuringe-government service quality. In2011 IEEE Conference on Open Systems, pages 411–416.

Arias, M. I. and Maçada, A. C. G. (2018). Digital government for e-government servicequality: A literature review. InProceedings of the 11th International Conference onTheory and Practice of Electronic Governance, ICEGOV ’18, pages 7–17, New York,NY, USA. ACM.

Bielen, F. and Demoulin, N. (2007).Waiting time influence on the satisfaction-loyalty relationship in services.Managing Service Quality: An International Journal,17(2):174–193.

Hall, M. A. (1998).Correlation-based Feature Subset Selection for Machine Learning.PhD thesis, University of Waikato, Hamilton, New Zealand.

Manocha, P., Som, S., and Chanana, L. (2018). Technological Trends, Impact andAnalysis of Social Media Quality Parameters on e-Governance Applications. In 2018 International Conference on System Modeling & Advancement in Research Trends(SMART), pages 280–285, Moradabad, India. IEEE.

Pareja, A., Fernandez, C., Blanco, B., Theobald, K., and Martinez, A. (2016).Simplificando vidas: qualidade e satisfação com os servic ̧os públicos. Banco Interamericano de Desenvolvimento (BID).

Soares, V., Yukari, G., Menezes, V., Gomes, M., Pedrosa, G., Silva, W., and Figueiredo,R. (2019). Evaluating government services based on user perspective. In Proceedings of the 20th Annual International Conference on Digital Government Research, dg.o2019, pages 425–432, New York, NY, USA. ACM.

Witten, I. H. and Frank, E. (2009).Data Mining: Practical machine learning tools andtechniques with java implementations. Massachusetts: Morgan Kaufmann