Logo do repositório
Comunidades & Coleções
Busca no Repositório
Guia Arandu
  • Sobre
  • Equipe
  • Como depositar
  • Fale conosco
  • English
  • Português do Brasil
Entrar
Novo usuário? Clique aqui para cadastrar.Esqueceu sua senha?
  1. Início
  2. Pesquisar por Assunto

Navegando por Assunto "Ouvidorias"

Filtrar resultados informando o último nome do autor
Agora exibindo 1 - 4 de 4
  • Resultados por Página
  • Opções de Ordenação
  • Imagem de Miniatura
    Item
    Avaliação de algoritmos multi-classe para classificação de solicitações enviadas a Ouvidoria Geral do Estado de Pernambuco
    (2021-03-29) Carvalho, Luiz Henrique Teixeira; Ferreira, Jeneffer Cristine; http://lattes.cnpq.br/3000364145302421
    A Ouvidoria Geral é um órgão público que abrange todo o estado de Pernambuco e todos os dias recebe diversas solicitações com os mais variados temas envolvendo todos os outros órgãos do estado, com isso em determinadas épocas do ano, essas solicitações podem chegar a onerar os recursos do estado. O objetivo principal desse trabalho é aplicar os algoritmos de classificação multi-classe nos dados obtidos a partir do portal da transparência, e tentar prever as solicitações enviadas a Ouvidoria Geral do Estado de Pernambuco Para obtenção dos dados da Ouvidoria Geral do Estado de Pernambuco, foi executada uma raspagem de dados no Portal da Transparência de Pernambuco. Foram obtidos os dados dos anos de 2017, 2018 e 2019. Foi aplicado nos dados da ouvidoria os algoritmos de Arvore de Decisões(Decision Tree), Floresta Aleatoria(Random Forest), Bagging e kNN. Os resultados mostraram que os algoritmos de classificação automática de dados, particularmente os algoritmos de Decision Tree(Arvore de decisões), Random Forest (Floresta Aleatória) e Bagging conseguiram de 55 por cento e 32 por cento nas classes de tipo e órgão respectivamente, tendo um aproveitamento de um acerto a cada duas tentativas na classe de tipo e de um acerto a cada três tentativas na classe de órgão. Os algoritmos também foram avaliados acerca de seu desempenho em tempo de criação e treinamento do modelo, tendo o algoritmo de Decision Tree(Arvore de decisões) como o mais performático.
  • Imagem de Miniatura
    Item
    Benchmark for public ombudsman portals of the State Courts of Accounts in Brazil
    (2024-03-01) Silva, Hugo Rafael Alves da; Brito, Kellyton dos Santos; Santos, Glória M.; http://lattes.cnpq.br/8750956715158540
  • Imagem de Miniatura
    Item
    Cartilha Ouvidoria UFRPE
    (EDUFRPE, 2022) Universidade Federal Rural de Pernambuco
  • Imagem de Miniatura
    Item
    Pesquisa de satisfação nas ouvidorias gerais dos estados: aplicação e modelos
    (2020-09-14) Almeida, Nilson Braga de; Ceolin, Alessandra Carla; http://lattes.cnpq.br/7810633996702948; http://lattes.cnpq.br/2458153938745233
    A legislação em vigor tem exigido que o setor público disponibilize instrumentos para o cidadão avaliar os serviços públicos prestados. Este artigo tem como objetivo analisar os modelos de pesquisa de satisfação adotados pelas ouvidorias gerais estaduais com os seus usuários, considerando aspectos como forma de aplicação e perguntas elaboradas. Para isso, foi aplicado um questionário com todos os estados e o DF, obtendo-se uma amostra com 23 entes federativos, cujos resultados foram analisados por meio de uma abordagem qualitativa. As informações coletadas permitiram identificar que, dessa amostra, nove ouvidorias gerais (39,13%) não aplicam pesquisas de satisfação, tendo como principal motivo aspectos relacionados a suporte tecnológico; enquanto que as demais (60,87%) aplicam, no entanto, sem haver um padrão definido quanto ao modelo de questionário adotado. A principal dificuldade na elaboração das pesquisas envolve a definição de perguntas e a maioria das ouvidorias acompanha os seus resultados, inclusive por meio de indicadores, visando melhorias.
Logo do SIB-UFRPE
Arandu - Repositório Institucional da UFRPE

Universidade Federal Rural de Pernambuco - Biblioteca Central
Rua Dom Manuel de Medeiros, s/n, Dois Irmãos
CEP: 52171-900 - Recife/PE

+55 81 3320 6179  repositorio.sib@ufrpe.br
Logo da UFRPE

DSpace software copyright © 2002-2025 LYRASIS

  • Enviar uma sugestão