Participação, linguagem e impacto dos grupos de interesseanálise quantitativa das contribuições recebidas pela Anatel

Resumo

O presente trabalho busca responder à pergunta: para que um participante consiga propor uma contribuição em uma consulta pública da Agência Nacional de Telecomunicações – Anatel e ter chance de ver seu pedido atendido, ele precisa conhecer a linguagem empregada pela agência? Em outras palavras, para participar de forma efetiva das consultas, de forma a impactar as decisões regulatórias da Anatel, é necessário em primeiro lugar “falar a língua” da agência? A pergunta dialoga com trabalhos empíricos que estudam a participação social nas agências reguladoras a partir de teorias sobre a influência de grupos de interesse na formulação de políticas públicas. Um elemento crucial para a compreensão dessas teorias diz respeito ao papel das ideias e da linguagem na atuação dos grupos de interesse. Para estudar esse problema, o trabalho propõe a utilização de técnicas de processamento natural de linguagem para analisar em que medida o impacto de uma contribuição – se a agência aceita ou não o proposto – pode ser explicado pelo seu conteúdo textual. Essa análise é aqui desenvolvida em duas etapas. Primeiro, modelos de classificação baseados em técnicas de aprendizagem de máquina são utilizados para prever as respostas da Anatel, a partir de uma representação TF-IDF das contribuições. As tarefas de aprendizagem são implementadas com 3 algoritmos distintos (K-Nearest Neighbors, Random Forest e Support Vector Machines) e todos atingem bons níveis de acurácia, prevendo corretamente o impacto da contribuição em mais de 85% dos casos. Esse resultado é tomado como evidência de que a representação é adequada e de que as respostas da agência são sistemáticas o suficiente para serem estudadas a partir do conteúdo textual das contribuições. Em seguida, métricas textuais são utilizadas em modelos de regressão logística para explicar o impacto das contribuições. Os resultados das regressões indicam que, na Anatel: (i) contribuições com texto mais próximo do da agência têm mais chances de serem aceitas, (ii) métricas textuais baseadas no vocabulário das contribuições explicam grande parte da variância dos dados de impacto, e (iii) o conteúdo textual das contribuições explica a maior parte das diferenças de impacto entre categorias de grupo de interesse. Ao final do trabalho, os resultados são avaliados e conclui-se com considerações sobre as limitações do estudo desenvolvido e indicações de oportunidades de aprofundamento.

Ficha do documento

Tipo

Dissertação

Ano

2022

Instituição

Fundação Getulio Vargas

Fonte

Repositório da FGV

Idioma

Português

Acesso

Acesso aberto

Identificador

oai:repositorio.fgv.br:10438/33068

Temas

Políticas PúblicasTransportesAdministração PúblicaDados

Palavras-chave

RegulaçãoProcessamento de linguagem naturalParticipação SocialPolíticas PúblicasAprendizagem de MáquinaGrupos de InteresseRegulationSocial participationInterest groupsNatural language processingMachine learningDireitoAgência Nacional de Telecomunicações (Brasil)Aprendizado do computadorAgências reguladoras de atividades privadasProcessamento da linguagem natural (Computação)