Use este identificador para citar ou linkar para este item:
https://ri.ufs.br/jspui/handle/riufs/22519
Tipo de Documento: | Dissertação |
Título: | Quality concerns in public procurement data |
Autor(es): | Oliveira, Fernando Henrique Moura de |
Data do documento: | 9-Dez-2024 |
Orientador: | Carneiro, Glauco de Figueiredo |
Resumo: | Dados de compras governamentais, apesar de seu potencial para melhorar a transparência e a tomada de decisão, enfrentam desafios significativos relacionados à qualidade, incluindo descoberta, acessibilidade e usabilidade. Essas questões impedem uma análise efetiva e a adoção de estratégias orientadas por dados nos processos de contratação. Este estudo busca preencher essas lacunas ao caracterizar os principais desafios na qualidade dos dados de compras governamentais e explorar o papel dos Grandes Modelos de Linguagem ou Large Language Models (LLMs), como o ChatGPT, em superá-los. A pesquisa utiliza um protocolo duplo: um estudo de mapeamento sistemático para identificar e classificar desafios e soluções existentes, e um protocolo experimental exploratório que aproveita os LLMs para avaliar sua capacidade de melhorar a descoberta, acessibilidade e usabilidade dos dados. Por meio de prompts personalizados e modelagem de interação, o estudo demonstra como os LLMs podem auxiliar usuários, como fornecedores governamentais, a navegar em conjuntos de dados de contratação complexos, traduzir jargão técnico e melhorar a descoberta de dados. Descobertas importantes incluem a identificação das principais lacunas de qualidade nos dados de compras governamentais e a validação dos LLMs como ferramentas eficazes para enfrentar esses desafios. As contribuições desta pesquisa são o desenvolvimento de uma taxonomia para a qualidade dos dados de compras governamentais, nas aplicações de LLMs neste contexto e nas recomendações para integrar ferramentas avançadas de IA nos fluxos de trabalho do setor público. Essas percepções abrem caminho para futuros estudos que visem otimizar ainda mais os processos de compras governamentais por meio de soluções impulsionadas por IA. |
Abstract: | Public procurement data, despite its potential to enhance transparency and decision-making, faces significant challenges related to quality, including discoverability, accessibility, and usability. These issues hinder effective analysis and the adoption of data-driven strategies in procurement processes. This study seeks to address these gaps by characterizing the primary challenges in public procurement data quality and exploring the role of Large Language Models (LLMs), such as ChatGPT, in overcoming them. The research employs a twofold protocol: a systematic mapping study to identify and classify existing challenges and solutions, and an exploratory experimental protocol leveraging LLMs to assess their capacity to improve data usability and accessibility. Through tailored prompts and interaction modeling, the study demonstrates how LLMs can assist users, such as government suppliers, in navigating complex procurement datasets, translating technical jargon, and enhancing data discoverability. Key findings include the identification of major quality gaps in procurement data and the validation of LLMs as effective tools for addressing these challenges. The contributions of this research lie in the development of a taxonomy for public procurement data quality, the demonstration of LLM applications in this context, and recommendations for integrating advanced AI tools into public sector workflows. These insights pave the way for future studies to further optimize procurement processes through AI-driven solutions. |
Palavras-chave: | Compras (serviço público) Informações eletrônicas governamentais Inteligência arficial ChatGPT Dados abertos Dados abertos governamentais Compras governamentais Grandes modelos de linguagem Open data Open government data Public procurement Artificial Intelligence Large language models |
área CNPQ: | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
Agência de fomento: | Fundação de Apoio a Pesquisa e à Inovação Tecnológica do Estado de Sergipe - FAPITEC/SE |
Idioma: | por |
Sigla da Instituição: | Universidade Federal de Sergipe (UFS) |
Programa de Pós-graduação: | Pós-Graduação em Ciência da Computação |
Citação: | OLIVEIRA, Fernando Henrique Moura de. Quality concerns in public procurement data. 2024. 98 f. Dissertação (Mestrado em Ciência da Computação) — Universidade Federal de Sergipe, São Cristóvão, 2024. |
URI: | https://ri.ufs.br/jspui/handle/riufs/22519 |
Aparece nas coleções: | Mestrado em Ciência da Computação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
FERNANDO_HENRIQUE_MOURA_OLIVEIRA.pdf | 3,8 MB | Adobe PDF | ![]() Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.