Deliberação de proposições parlamentares utilizando sistemas multiagentes e aprendizado de máquina

Abstract

O processo de deliberação de proposições na Câmara dos Deputados é caracterizado por interações complexas entre parlamentares, partidos e outras influências políticas, refletindo a diversidade de interesses representados na Câmara. Este trabalho investiga a aplicação de sistemas multiagentes e aprendizado de máquina na análise de proposições parlamentares. Foram criados de agentes capazes de processar dados de votos, proposições e orientações de voto dos partidos, utilizando técnicas de redes neurais, como a Long Short-Term Memory (LSTM), para treinar os modelos com base em proposições que foram votadas entre os anos de 2008 à 2023, a fim prever comportamentos políticos e facilitar deliberações. Também apresenta a implementação de uma interface de usuário que permite selecionar uma votação e acompanhar em tempo real os agentes votando e comparar com os resultados reais. A pesquisa destaca a importância de ferramentas avançadas de processamento de linguagem natural e simulação de interações políticas, oferecendo uma visão embasada sobre como essas tecnologias podem ser aplicadas para melhorar a compreensão e a previsão de cenários legislativos.