100%
8.11.2019

Gestão pública colaborativa, machine learning e sentimentos: como usar essa equação improvável para melhorar o país

Descubra neste artigo como a gestão pública, machine learning e sentimentos podem ajudar a melhorar o país.


No Colab sempre buscamos o pioneirismo na inovação da gestão pública e, por esse motivo, novas ideias e projetos que podem auxiliar o servidor público a melhor atender e se comunicar com o cidadão fazem parte do nosso dia a dia. Uma das últimas ferramentas que estamos utilizando para melhorar a gestão pública colaborativa é a análise de sentimentos.

Eu sei, você deve estar se perguntando o que chamamos de análise de sentimentos. Na verdade, não somos nós. Análise de sentimentos é um campo de estudos que tem por objetivo extrair, identificar e classificar o sentimento a partir da linguagem. Com isso, é possível determinar se um texto expressa um sentimento positivo ou negativo, e até mesmo diferenciar emoções dentro desse sentimento, como raiva e tristeza - ambas emoções negativas, nesse caso.

E como usamos isso no Colab?

Hoje, através dos comentários nas publicações realizadas na rede social já conseguimos utilizar essa análise para entender o sentimento geral dos cidadãos em relação a determinados aspectos da gestão pública, melhorando a comunicação entre servidor e cidadão, além da qualidade do atendimento das prefeituras. E toda essa análise é feita através de técnicas de machine learning

Como podemos saber se uma poda de árvore solicitada pelo Colab foi bem feita ou se aquela rua esburacada teve todos os buracos tapado? Muitas vezes a emoção associada aos comentários em publicações do Colab ajudam a responder essas perguntas, ou indicam se, ainda que o buraco não tenha sido tapado no tempo esperado, a comunicação do andamento do processo foi frequente e transparente.

Utilizando essa nova ferramenta, conseguimos determinar pontos de atenção para as prefeituras, auxiliando gestores e facilitando a melhoria do atendimento, tanto em relação ao tempo de resposta a indagações dos cidadãos quanto à qualidade da resolução dos problemas - e das respostas!

Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.

Por exemplo, se uma publicação foi marcada como resolvida, e os comentários posteriores a resolução são predominantemente negativos, provavelmente essa demanda não foi resolvida corretamente.

Assim, podemos notificar os servidores responsáveis para checar o que de fato aconteceu e agir de maneira proativa, sem que seja necessário abrir uma nova demanda. Também podemos gerar relatórios que mostram aos servidores quais categorias estão mais associadas a emoções positivas, indicando assim departamentos que estão fazendo um bom trabalho de comunicação e resolução de demandas, ou seja, uma experiência positiva que pode ser aplicada em outra secretaria.

Observando as categorias com mais sentimentos negativos, acham-se pontos de melhoria dentro da gestão, fornecendo inteligência para direcionar os esforços da prefeitura e, ao mesmo, tempo fazendo com que o cidadão esteja cada vez mais satisfeito com os serviços prestados. 

Entendemos que ser uma govtech no Brasil é ter responsabilidade de melhorar a gestão pública, ao mesmo tempo em que é possível explorar e experimentar diversas tecnologias neste campo. Com isso, garantimos que as mais novas ferramentas façam parte do dia a dia dos milhares de servidores de nossas prefeituras clientes, replicando boas práticas, otimizando seu trabalho e possibilitando que o sentimento de centenas de milhares de cidadãos seja positivo em relação à gestão pública (:

Cesar Oliveira

Sobre o autor

Cientista da computação pelo IME-USP. Desenvolvedor de software generalista com vontade de aprender de tudo um pouco, mas fascinado na intersecção da computação com outras áreas do conhecimento.