Prezado usuário, este portal não é compatível com o navegador Internet Explorer ou outros navegadores antigos.

Recomenda-se o uso de versões atualizadas dos navegadores Google Chrome, Microsoft Edge ou Mozilla Firefox.

Utilização de aprendizagem supervisionada para a detecção de benefício assistencial com maior probabilidade de conter irregularidade

tcc-marcel_azevedo_coutinho_de_freitas.png

Trabalhos acadêmicos

Autor:
Freitas, Marcel
Data:
31/03/20
Áreas temáticas:
Social Serviços Essenciais ao Estado Tecnologia da Informação Assistência Social
Palavras-chave:
Controle de detecção Previdência social Mineração de dados Fraude Assistência social
Clientela:
TCU
Unidades técnicas:
ISC

A Previdência Social e a Assistência Social são importantes políticas públicas e nelas são investidos uma quantidade expressiva de recursos públicos. Nesse sentido, a verificação da regularidade dos benefícios deve, necessariamente, levar esse fator em consideração. A tecnologia de mineração de dados (Data Mining) é uma abordagem viável quando se lida com grande volume e tem diversas áreas de aplicação, inclusive na detecção de fraudes. Diante disso, este trabalho foi realizado com objetivo criar um modelo preditivo capaz de identificar benefícios assistenciais com maior probabilidade de conter irregularidades utilizando como insumos as características dos conjuntos de dados disponíveis. Por fim, registra-se a importância de testar o modelo preditivo com dados reais afim de medir o seu real desempenho, visto que ele é treinado e testado com base em um conjunto de dados que reflete o passado. Todavia, o seu objetivo é identificar futuros benefícios com maior probabilidade de conter fraude.