O Pipeline de Aprendizagem Automática de Seul para a Triagem de Propostas de Orçamento Participativo

Seul gere, desde maio de 2012, um dos maiores programas de orçamento participativo (OP) do mundo, afetando cerca de 50 mil milhões de wons sul-coreanos (cerca de 2,2% do orçamento da cidade) através de uma Comissão Geral com 250 cidadãos, funcionários e representantes da sociedade civil; só em 2014, o processo recebeu 1.533 propostas, das quais 352 foram finalmente selecionadas para financiamento.

Para ajudar a gerir este volume, a investigadora Bokyong Shin (Universidade de Helsínquia) publicou em 2026 um estudo no Journal of Public Budgeting, Accounting & Financial Management, analisando 21.833 propostas sem duplicações (de um total de 25.415 submetidas) entre 2013 e 2021. O estudo combinou modelação de tópicos não supervisionada com embeddings Sentence-BERT — identificando 17 tópicos principais em dois grupos (nove ligados a infraestruturas, oito a áreas sociais/bem-estar) — com um classificador supervisionado Random Forest que previu a seleção de propostas com uma AUROC de 0,73, superando alternativas como regressão logística, gradient boosting, SVM e árvores de decisão. O objetivo é reduzir os 'custos de aprendizagem' dos cidadãos através de categorização e resumo automáticos, e os 'custos de conformidade' através de feedback preditivo antes da deliberação formal.

Trata-se ainda de uma capacidade em fase de investigação, construída sobre dados históricos abertos, e não de uma ferramenta confirmada em funcionamento no processo de OP em curso em Seul — pelo que o seu papel de triagem deve ser lido como uma prova de conceito validada, não como um sistema operacional. A escala e a estrutura de governação do programa são corroboradas de forma independente pela documentação do caso da Participedia.