Banca de DEFESA: HELCIO DE ABREU SOARES
2025-08-27 17:57:16.164
Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: HELCIO DE ABREU SOARES
DATA: 26/09/2025
HORA: 08:30
LOCAL: meet.google.com/nht-vxbq-ftc
TÍTULO: Detecção de Correlações Espúrias em descrições de objetos de Licitações/Contratações Públicas com IA Explicável e Aprendizado Não Supervisionado
PALAVRAS-CHAVES: PLN; XAI; Classificação binária; Padrões espúrios
PÁGINAS: 107
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO: Apesar dos avanços em Inteligência Artificial (IA), modelos de Machine Learning
e Deep Learning ainda carecem de transparência e explicabilidade, sendo
tratados como caixas-pretas. Este trabalho aborda o problema das correlações
espúrias associações entre padrões e classes sem relação causal que,
em tarefas de classificação binária em Processamento de Linguagem Natural
(PLN), comprometem a precisão, a imparcialidade e a generalização dos
modelos. Propomos um método que combina técnicas de Inteligência Artificial
Explicável (XAI) e aprendizado não supervisionado para identificar e graduar
padrões espúrios. Utilizando o algoritmo K-means, os padrões são agrupados
e analisados pela distância aos centroides, sob a hipótese de que distâncias
maiores indicam maior grau de espuriedade. A abordagem considera a influência
desses padrões sobre explicadores e sua associação com erros de previsão. A
metodologia é aplicada a dados de licitações e contratos do Tribunal de Contas
do Estado do Piauí (TCE-PI), usando modelos baseados em Support Vector
Machine (SVM), Logistic Regression (LR) com representações textuais TF-IDF
e Word Embeddings, e o modelo BERTimbau, como codificador e classificador
com embeddings contextuais dinâmicos. Aplicamos também o método ao
IMDB para avaliar generalização e compará-lo com métodos de referências.
Os resultados confirmam a hipótese e mostram consistência entre modelos e
bases. As principais contribuições incluem: (i) método agnóstico a modelos e
explicadores; (ii) detecção automática de padrões espúrios; (iii) uma métrica
de espuriedade baseada na distância ao centroide; e (iv) organização lógica e
interpretável dos padrões, ampliando a compreensão dos modelos e apoiando
a mitigação de padrões espúrios.
MEMBROS DA BANCA:
Presidente - 641.754.563-68 - RODRIGO DE MELO SOUZA VERAS
Interno - 407686 - ANSELMO CARDOSO DE PAIVA
Interno - 751.764.243-04 - VINICIUS PONTE MACHADO
Externo à Instituição - AJALMAR REGO DA ROCHA NETO - IFCE
Externo à Instituição - GUSTAVO PAIVA GUEDES E SILVA - CEFETRJ
Externo à Instituição - RAIMUNDO SANTOS MOURA - UFPI