Democracia aumentada: Inteligência Artificial como ferramenta de combate à desinformação

Autores

DOI:

https://doi.org/10.1590/s0103-4014.202438111.021

Palavras-chave:

Democracia digital, Processamento de linguagem natural, Inteligência Artificial, Informação legislativa

Resumo

Um dos princípios da democracia digital é informar ativamente os cidadãos e mobilizá-los para participarem no debate político. Este artigo apresenta uma ferramenta de processamento de documentos políticos públicos para tornar as informações mais acessíveis aos cidadãos e grupos profissionais específicos. Em particular, investigamos e desenvolvemos técnicas de Inteligência Artificial para mineração de textos do Diário da Assembleia da República de Portugal para particionar, analisar, extrair e sintetizar a informação das atas das sessões parlamentares. Desenvolvemos ainda dashboards que mostram as informações extraídas de forma simples e visual, como resumos de falas e tópicos discutidos. O nosso objetivo principal é, mais do que caracterizar o comportamento político, aumentar a transparência e a responsabilidade dos eleitores e das autoridades eleitas.

Downloads

Os dados de download ainda não estão disponíveis.

Biografia do Autor

  • Alexandre Alcoforado, Universidade de São Paulo, Escola Politécnica, São Paulo, Brasil

    é mestrando em Engenharia de Computação na Escola Politécnica da Universidade de São Paulo, e engenheiro elétrico pela mesma instituição.

  • Thomas Palmeira Ferraz, Telécom Paris, Institut Polytechnique de Paris, Palaiseau, França

    é doutorando em Ciência da Computação na Télécom Paris e École Polytechnique, Institut Polytechnique de Paris. É Engenheiro pela Escola Politécnica da Universidade de São Paulo (USP) e mestre em Matemática Aplicada e Inteligência Artificial pela École Normale Supérieure Paris-Saclay (ENS).

  • Enzo Bustos, Universidade de São Paulo, Escola Politécnica, São Paulo, Brasil

    é estudante de graduação em Engenharia Elétrica com ênfase em Computação na Universidade de São Paulo.

  • André Seidel Oliveira, Universidade de São Paulo, Escola Politécnica, São Paulo, Brasil

    é mestre em Engenharia de Computação pela Escola Politécnica da Universidade de São Paulo.

  • Rodrigo Gerber, Universidade de São Paulo, Escola Politécnica, São Paulo, Brasil

    é engenheiro elétrico pela Escola Politécnica da Universidade de São Paulo.

  • Gian Lucca du Mont Santoro, Universidade de São Paulo, Instituto de Matemática e Estatística, São Paulo, Brasil

    é estudante de graduação em Matemática Aplicada e Computacional (com qualificação em Estatística Econômica) no Instituto de Matemática e Estatística da Universidade de São Paulo, e cientista de dados no Itaú Unibanco.

  • Israel Campos Fama, Universidade de São Paulo, Escola Politécnica, São Paulo, Brasil

    é doutorando em Engenharia de Computação na Escola Politécnica da Universidade de São Paulo. É engenheiro mecânico pela Universidade Federal do Ceará (UFC) e mestre em Engenharia Aeronáutica pelo Instituto Tecnológico de Aeronáutica (ITA).

  • Bruno Veloso, Universidade do Porto e INESC TEC, Porto, Portugal

    é professor auxiliar da Faculdade de Economia da Universidade do Porto. É pesquisador sênior da Liaad Inesc Tec na área de Machine Learning, Data Streams e AutoML, e membro da associação espanhola de inteligência artificial. Suas áreas de interesse incluem sistemas multiagentes, agentes de software inteligentes, mineração de dados e fluxos de dados.

  • Fábio Levy Siqueira , Universidade de São Paulo, Escola Politécnica, São Paulo, Brasil

    é professor doutor no Departamento de Engenharia de Computação e Sistemas Digitais da Escola Politécnica da Universidade de São Paulo. É pesquisador na área de Engenharia de Software, com interesses de pesquisa em Engenharia de Requisitos, Métodos Ágeis e Engenharia Dirigida por Modelos.

  • Anna Helena Reali Costa, Universidade de São Paulo, Escola Politécnica, São Paulo, Brasil

    é professora titular de Engenharia de Computação na Universidade de São Paulo (USP). Doutora pela USP, pesquisadora convidada no Karlsruhe Institute of Technology, Alemanha, e na Carnegie Mellon University, EUA. É diretora do Centro de Ciência de Dados (C2D), uma parceria entre a USP e o Banco Itaú-Unibanco, e membro do Centro de Inteligência Artificial USP-Fapesp-IBM (C4AI).

Referências

ADADI, A.; BERRADA, M. Peeking inside the black-box: a survey on explainable artificial intelligence (XAI). IEEE access, IEEE, v.6, p.52138-60, 2018.

ALCOFORADO, A. et al. Zeroberto: Leveraging zero-shot text classification by topic modeling. In: PINHEIRO, V. et al. (Ed.) Computational Processing of the Portuguese Language. Cham: Springer International Publishing, 2022. p.125-36.

ARRIETA, A. B. et al. Explainable artificial intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible ai. Information Fusion, v.58, p.82-115, 2020.

ASSEMBLEIA DA REPÚBLICA. 2021. Disponível em: . Acesso em: 29 jun. 2024.

BLEI, D. M.; NG, A. Y.; JORDAN, M. I. Latent Dirichlet Allocation. Journal of Machine Learning Research, v.3, n.Jan, p.993-1022, 2003.

BONTCHEVA, K.; GORRELL, G.; WESSELS, B. Social Media and Information Overload: Survey Results. arXiv preprint arXiv:1306.0813, 2013.

BREINDL, Y.; FRANCQ, P. Can Web 2.0 applications save e-democracy? A study of how new internet applications may enhance citizen participation in the political process online. International Journal of Electronic Democracy, Inderscience Publishers, v.1, n.1, p.14-31, 2008.

CARMO, F. A. et al. Embeddings Jurídico: Representações Orientadas à Linguagem Jurídica Brasileira. In: WORKSHOP DE COMPUTAÇÃO APLICADA EM GOVERNO ELETRÔNICO (WCGE), 11, João Pessoa/PB. Anais... Porto Alegre: Sociedade Brasileira de Computação, p.188-99, 2023.

CASCELLA, M. et al. Evaluating the Feasibility of ChatGPT in Healthcare: An Analysis of Multiple Clinical and Research Scenarios. Journal of medical systems, v.47, n.33, 4 Mar. 2023.

COUNCIL OF EUROPE. Electronic democracy (“e-democracy”) – Recommendation CM/Rec(2009)1 and explanatory memorandum. Council of Europe Publishing, 2009.

FAN, A. et al. Beyond english-centric multilingual machine translation. Journal of Machine Learning Research, v.22, n.107, p.1-48, 2021.

FERRAZ, T. P. et al. DEBACER: a method for slicing moderated debates. In: SBC. XVIII ENCONTRO NACIONAL DE INTELIGÊNCIA ARTIFICIAL E COMPUTACIONAL. p. 667-78, 2021.

GANDOMI, A.; HAIDER, M. Beyond the hype: Big data concepts, methods, and analytics. International Journal of Information Management, v.35, n.2, p.137-44, April 2015.

GROOTENDORST, M. BERTopic: Neural topic modeling with a class-based TF-IDF procedure. arXiv preprint arXiv:2203.05794, 2022.

JAIMES, A.; SEBE, N. Multimodal human–computer interaction: A survey. Computer Vision and Image Understanding, v.108, n.1-2, p.116-34, 2007.

MITCHELL, R. Web scraping with Python: Collecting more data from the modern web. O’Reilly Media, Inc., 2018.

MOTA, C. V. 7 fatores que explicam os ataques de 8 de janeiro em Brasília. BBC News - Brasil. Disponível em <https://www.bbc.com/portuguese/articles/cye7egj6y1no>. Acesso em: 29 jun. 2024.

MULLEN, T.; MALOUF, R. A Preliminary Investigation into Sentiment Analysis of Informal Political Discourse. In: AAAI SPRING SYMPOSIUM: Computational Approaches to Analyzing Weblogs, p.159-62, 2006.

PANT, G.; SRINIVASAN, P.; MENCZER, F. Crawling the web. In: Web Dynamics: Adapting to Change in Content, Size, Topology and Use, Berlin, Heidelberg: Springer Berlin Heidelberg, 2004. p.153-77.

PRÉMIO TÁGIDES 2021. Disponível em: <https://www.all4integrity.org/premio--tagides/edicao2021/>. Acesso em: 29 jun. 2024.

PROCTER, R. et al. Citizen Participation and Machine Learning for a Better Democracy. Digital Government: Research and Practice, ACM New York, NY, USA, v.2, n.3, p.1-22, 2021.

PROTHRO, J. W.; GRIGG, C. M. Fundamental Principles of Democracy: Bases of Agreement and Disagreement. The Journal of Politics, Southern Political Science Association, v.22, n.2, p.276-94, 1960.

RAO, P. S. The role of english as a global language. Research Journal of English, v.4, n.1, p. 65-79, 2019.

ROMERA-PAREDES, B.; TORR, P. An embarrassingly simple approach to zero-shot learning. In: INTERNATIONAL CONFERENCE ON MACHINE LEARNING. p.2152-61, 2015.

SAFRANEK, R. The emerging role of social media in political and regime change. p.1–14. ProQuest Discovery Guides, 2012.

SICHMAN, J. S. Inteligência artificial e sociedade: avanços e riscos. Estudos Avançados, v.35, p.37-50, 2021.

SILVA, N. F. et al. Evaluating topic models in portuguese political comments about bills from Brazil’s chamber of deputies. In: BRITTO, A.; VALDIVIA DELGADO, K. (Ed.) Intelligent Systems. BRACIS 2021. Lecture Notes in Computer Science, v.13074, p.104-20. Springer, Cham, 2021.

SIMON, J. et al. Digital Democracy: The tools transforming political engagement. [S.l.]: NESTA, UK, England and Wales 1144091, 2017. Disponível em: <https://www.nesta.org.uk/report/digital-democracy-the-tools-transforming-political-engagement/>. Acesso em: 29 jun. 2024.

TUCKER, J. A. et al. Social media, political polarization, and political disinformation: A review of the scientific literature. SSRN Electronic Journal, 2018.

VASWANI, A. et al. Attention is all you need. In: 31st CONFERENCE ON NEURAL INFORMATION PROCESSING SYSTEMS, Long Beach, USA, 2017.

VEDEL, T. L’idée de démocratie électronique: origines, visions, questions. In: PASCAL, P. (Ed.). Le désenchantement démocratique. Paris: Editions de l’Aube, 2003. p.243-66.

WATANABE, K.; ZHOU, Y. Theory-driven analysis of large corpora: Semisupervised topic classification of the UN speeches. Social Science Computer Review, v.40, i. 2, Apr, p.346-66, 2022.

YIN, W.; HAY, J.; ROTH, D. Benchmarking Zero-shot Text Classification: Datasets, Evaluation and Entailment Approach. In: 2019 CONFERENCE ON EMPIRICAL METHODS IN NATURAL LANGUAGE PROCESSING and the 9th International Joint Conference On Natural Language Processing (EMNLP-IJCNLP). p.3914-23, 2019.

YOUNG, T. et al. Recent trends in deep learning based natural language processing. IEEE Computational Intelligence Magazine, IEEE, v.13, n.3, p.55-75, 2018.

ZHANG, J. et al. PEGASUS: Pre-training with extracted gap-sentences for abstractive summarization. In: INTERNATIONAL CONFERENCE ON MACHINE LEARNING. p.11328-339, 2020.

Downloads

Publicado

2024-11-11

Edição

v. 38 n. 111 (2024)

Seção

Inteligência Artificial: Democracia E Impactos Sociais

Licença

Copyright (c) 2024 Alexandre Alcoforado, Thomas Palmeira Ferraz, Enzo Bustos, André Seidel Oliveira, Rodrigo Gerber, Gian Lucca du Mont Santoro, Israel Campos Fama, Bruno Veloso, Fábio Levy Siqueira , Anna Helena Reali Costa

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.

Estudos Avançados não celebra contrato de cessão de direitos autorais com seus colaboradores, razão pela qual não detém os direitos autorais dos artigos publicados. Os interessados em reproduzir artigos publicados na revista devem necessariamente obter o consentimento do autor e atribuir devidamente os créditos ao periódico.

Como Citar

Alcoforado, A., Ferraz, T. P., Bustos, E., Oliveira, A. S., Gerber, R., Santoro, G. L. du M., Fama, I. C., Veloso, B., Siqueira , F. L., & Costa, A. H. R. (2024). Democracia aumentada: Inteligência Artificial como ferramenta de combate à desinformação. Estudos Avançados, 38(111), 407-426. https://doi.org/10.1590/s0103-4014.202438111.021