DEFESA DE DISSERTAÇÃO DE MESTRADO Nº 336

Aluna: Jaqueline Keila Leite da Cruz

Título: “Uma Investigação na duração dos processos judiciais nos tribunais de justiça brasileiros utilizando técnicas de mineração de processos e clusterização"

Orientador: Byron Leite Dantas Bezerra

Coorientador: Luiz Felipe Vieira Vercosa

Examinador Externo: Rômulo César Dias de Andrade (UPE)

Examinador Interno: Cleyton Mário de Oliveira Rodrigues

Data-hora: 26 de setembro de 2025 às 9h

Local: Formato remoto - Google meet

---

Resumo:

         "A morosidade processual constitui um dos principais desafios do sistema judicial brasileiro,comprometendo diretamente a efetividade da prestação jurisdicional e minando a confiança de investidores e da sociedade. Nesse contexto, técnicas de jurimetria e ciência de dados têm se mostrado como ferramentas promissoras para apoiar a análise do tempo das movimentações processuais. Esta dissertação propõe uma abordagem metodológica que integra Mineração de Processos e Aprendizado de Máquina para diagnosticar e prever a duração de ações judiciais, a partir de duas investigações complementares. O primeiro estudo aprofunda a análise das movimentações processuais, aplicando modelos de aprendizado de máquina a processos de tribunais regionais eleitorais do nordeste brasileiro. Com foco em características extraídas da sequência de movimentações e do tribunal responsável, os modelos desenvolvidos foram capazes de prever o tempo total do processo com alta precisão, onde o Light Gradient Boosting Machine (LGBM) obteve um R2 médio de 0.9. O segundo estudo expande a análise para um universo de mais de 60.000 processos de tribunais trabalhistas. Nesta abordagem, foram aplicadas técnicas de Mineração de Processos, utilizando três métodos de clusterização com complexidade crescente (K-means, Agglomerative e ActiTraC) para segmentar os casos em variantes processuais com base em seus fluxos de atividades. Esses agrupamentos, que permitiram uma análise focada em gargalos e padrões, foram empregados como features de alto valor agregado para modelos de regressão como SVR e DART. O modelo Gradient Boosting se destacou, alcançando um R2 de 0.87 e permitindo a identificação dos fatores-chave que mais influenciam a duração dos processos. Por fim, este trabalho apresenta uma contribuição relevante para a análise da morosidade processual no sistema judicial brasileiro, ao integrar técnicas de mineração de processos e aprendizado de máquina, para a análise preditiva do tempo de tramitação processual. Os resultados obtidos fornecem subsídios técnicos que podem apoiar tanto a modernização da gestão judicial quanto o avanço da pesquisa aplicada na área de mineração de processos aplicada à Justiça brasileira."