Será defendida no dia 26 de agosto de 2026, às 9:00 horas, por videoconferência, a Tese de Doutorado intitulada “A Reference Model for Data Driven Fraud Risk Analysis in Public Procurement”, do candidato ao título de Doutor em Computação – Igor Garcia Ballhausen Sampaio.

Link para defesa: https://meet.google.com/reg-hczx-zdm

A Reference Model for Data Driven Fraud Risk Analysis in Public Procurement

Resumo:

As Contratações Públicas (CP) representam uma parcela significativa dos gastos governamentais e permanecem altamente vulneráveis a fraudes, corrupção e outras irregularidades. Embora os avanços em Inteligência Artificial (IA) e Dados Governamentais Abertos (DGA) tenham criado novas oportunidades para apoiar atividades de fiscalização, os estudos existentes enfatizam predominantemente técnicas analíticas isoladas, negligenciando as condições mais amplas — de dados, organizacionais, de governança e éticas — necessárias para sua adoção eficaz na auditoria pública. Esta tese visa projetar e avaliar um modelo de referência para a análise de risco de fraude em CP orientada por dados, integrando perspectivas analíticas, sociotécnicas, de governança e éticas em uma abordagem unificada de apoio à decisão. Em vez de focar na detecção automatizada de fraudes, o modelo proposto auxilia auditores na identificação, priorização e investigação de indicadores de risco de fraude por meio de processos analíticos transparentes e responsáveis. A pesquisa segue o paradigma da Design Science Research, combinando revisões sistemáticas da literatura, entrevistas com especialistas, estudos empíricos quantitativos e qualitativos e a avaliação de artefatos. A pesquisa inclui: (i) uma avaliação comparativa dos ecossistemas de DGA de contratações públicas no Brasil, nos Países Baixos e na União Europeia, utilizando métricas quantitativas de qualidade de dados e análise sociotécnica; (ii) a construção de um catálogo de indicadores de risco de fraude apoiado por conjuntos de dados governamentais heterogêneos; (iii) o projeto de um modelo de referência em camadas, compreendendo as camadas de Dados, Motor Analítico, Decisão, Ética, Proveniência, Governança e Segurança, e Avaliação e Refinamento; e (iv) o desenvolvimento e a avaliação de um protótipo utilizando dados de contratações públicas brasileiras com auditores públicos. Os resultados demonstram que uma análise eficaz de risco de fraude depende não apenas de modelos de IA, mas também da disponibilidade de dados interoperáveis e de alta qualidade, de governança institucional, supervisão humana, explicabilidade, proveniência e mecanismos de avaliação contínua. A análise comparativa mostra, ainda, que a qualidade dos dados por si só não determina a capacidade analítica, a qual também emerge de condições legais, organizacionais e culturais que moldam os ecossistemas de dados de contratações públicas. O modelo de referência proposto foi avaliado positivamente por auditores públicos e demonstrou sua capacidade de apoiar a priorização e a interpretação de indicadores de risco de fraude, preservando a autoridade humana na tomada de decisões. Esta tese contribui para a pesquisa em Sistemas de Informação e Governo Digital ao fornecer um modelo de referência sociotécnico que integra infraestruturas de dados, inteligência analítica, mecanismos de governança e princípios éticos em uma arquitetura unificada para a análise de risco de fraude em CP. Do ponto de vista prático, oferece às organizações públicas uma base estruturada para o desenvolvimento de sistemas de auditoria confiáveis apoiados por IA, que promovem a transparência, a responsabilidade e a tomada de decisões baseada em evidências.

Abstract:

Public procurement (PP) accounts for a substantial share of government expenditure and remains highly vulnerable to fraud, corruption, and other irregularities. Although advances in artificial intelligence (AI) and Open Government Data (OGD) have created new opportunities for supporting oversight activities, existing studies predominantly emphasize isolated analytical techniques while overlooking the broader data, organizational, governance, and ethical conditions required for their effective adoption in public auditing. This thesis aims to design and evaluate a reference model for data-driven fraud risk analysis in PP that integrates analytical, socio-technical, governance, and ethical perspectives into a unified decision-support approach. Rather than focusing on automated fraud detection, the proposed model supports auditors in identifying, prioritizing, and investigating fraud risk indicators through transparent and accountable analytical processes. The research follows the Design Science Research paradigm, combining systematic literature reviews, expert interviews, quantitative and qualitative empirical studies, and artifact evaluation. The research includes (i) a comparative assessment of procurement OGD ecosystems in Brazil, the Netherlands, and the European Union through quantitative data quality metrics and socio-technical analysis; (ii) the construction of a catalog of fraud risk indicators supported by heterogeneous government datasets; (iii) the design of a layered Reference Model comprising Data, Engine, Decision, Ethical, Provenance, Governance and Security, and Evaluation and Refinement layers; and (iv) the development and evaluation of a prototype using Brazilian procurement data with public auditors. The results demonstrate that effective fraud risk analysis depends not only on AI models but also on the availability of interoperable and high-quality data, institutional governance, human oversight, explainability, provenance, and continuous evaluation mechanisms. The comparative analysis further shows that data quality alone does not determine analytical capability, which also emerges from legal, organizational, and cultural conditions shaping procurement data ecosystems. The proposed reference model was positively evaluated by public auditors and demonstrated its ability to support the prioritization and interpretation of fraud risk indicators while preserving human decision-making authority. This thesis contributes to Information Systems and Digital Government research by providing a sociotechnical reference model that integrates data infrastructures, analytical intelligence, governance mechanisms, and ethical principles into a unified architecture for fraud risk analysis in PP. From a practical perspective, it offers public organizations a structured foundation for developing trustworthy AI-supported auditing systems that enhance transparency, accountability, and evidence-based decision-making.

Banca examinadora:

Profa. Flavia Cristina Bernardini, UFF – Presidente

Prof. José Viterbo Filho, UFF

Prof. Daniel Cardoso Moraes de Oliveira, UFF

Prof. Flávio Luiz Seixas, UFF

Prof. Nitesh Bharosa, TU Delft

Prof. Cristiano Maciel, UFMT