evidoria

← Voltar à navegação

Boa prática Importada

Classificador de Sentimento por IA do Expresso — Goiás Automatiza a Análise do Feedback dos Cidadãos na Sua Rede Estadual de Serviços

Brasil · Goiânia · Ver o perfil de Brasil

Evidência: Descritivo / autorreportado Top 83% 40/100 · Pergunte a Evidence Copilot sobre esta prática

A Secretaria de Estado da Administração (SEAD) de Goiás construiu um classificador Multinomial Naïve Bayes para organizar automaticamente o feedback dos cidadãos sobre a rede de serviços Expresso num painel de sentimento em tempo real, substituindo a revisão manual — embora não tenham sido publicados números de precisão ou volume.

Classificador de Sentimento por IA do Expresso — Goiás Automatiza a Análise do Feedback dos Cidadãos na Sua Rede Estadual de Serviços

Detalhes

Maturidade
Piloto
Promotor
Secretaria de Estado da Administração (SEAD), Government of the State of Goiás
Período
2024-2025
Palavras-chave
public administration, service delivery, citizen feedback, sentiment analysis, machine learning

Contexto

O EXPRESSO é o modelo de prestação de serviços ao cidadão de Goiás, abrangendo sete canais (lojas físicas, atendimento presencial, web, app, bot, quiosques e correio). O feedback dos cidadãos que usam estes canais era revisto manualmente por funcionários da SEAD, um processo que a própria equipa da agência descreveu como "moroso e propenso a inconsistências".

Atividades

A equipa da SEAD (Rafaela M. Rosa, Jessé D. de Souza e Camila do N. Freitas) construiu e testou um pipeline de classificação de sentimento: pré-processamento de texto (remoção de ruído, tokenização, stemming, ajuste de stopwords) alimentando vários algoritmos candidatos, com o Naive Bayes Multinomial selecionado pelo seu desempenho comparativamente mais forte a sinalizar feedback negativo. O modelo validado foi integrado no Data Warehouse central do estado, alimentando um painel em tempo real com visualizações em nuvem de palavras dos comentários positivos e negativos, permitindo aos gestores da SEAD monitorizar o sentimento a pedido, em vez de esperar por relatórios manuais.

Conclusões

O relato publicado, apresentado na Conferência de 2025 sobre Investigação em Governo Digital, não divulga valores de precisão, o volume de feedback processado, nem uma comparação antes/depois face ao processo manual que substituiu, e a data exata em que a ferramenta entrou em produção (por oposição a ser validada com gestores) não é indicada. Os autores descrevem a abordagem como "um enquadramento escalável e replicável" que esperam alargar a outros centros de serviço público, mas essa extensão ainda não foi documentada.

Implementação

Custo indicativo
Baixo (< 50 mil €) — Internal state data-team development; no separate budget disclosed.
Tempo até resultados
Curto (< 1 ano) — Presented at the 2025 Conference on Digital Government Research; production launch date not stated.
Equipa e competências
SEAD (Goias state secretariat) data team: Rafaela M. Rosa, Jesse D. de Souza, Camila do N. Freitas

Condições de sucesso

  • Integration into the state's existing central Data Warehouse rather than a standalone tool
  • Real-time dashboard letting managers monitor sentiment on demand

Modos de falha comuns

  • No accuracy figures, feedback volume, or before/after comparison disclosed
  • Production go-live date not stated

Onde se enquadra

Tipo de governação
state government citizen-service agency
Escala
state (Goias, Brazil)
Nível de rendimento
upper-middle-income

Habitualmente financiado por

National / regional programmes

Vias de financiamento indicativas para práticas deste tipo — verifique sempre os avisos abertos e as regras de elegibilidade de cada programa.

Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.

Fontes de dados

De onde foi obtida a informação desta prática, e quando.

Anexos

Práticas semelhantes que podem ser úteis