A resolução online de litígios (ODR) na administração pública: o uso da tecnologia como estímulo à transparência
Bibliographic record
Abstract
Neste trabalho é analisada a possibilidade de se utilizar a Resolução Online de Litígios (ODR) como meio de fomentar a transparência pública e solucionar eventuais conflitos surgidos entre a administração e o cidadão, bem como a viabilidade de sua integração ao processo judicial, naqueles casos em que não se alcançar uma solução. O trabalho é desenvolvido a partir de pesquisa bibliográfica, abordada qualitativamente e da metodologia dedutiva. O ordenamento jurídico brasileiro permite o uso da ODR pela administração pública, evitando a judicialização de questões de baixa complexidade e oportunizando ao gestor a correção de falhas de transparência. É possível acoplar uma plataforma ODR aos Serviços de Informação ao Cidadão ou aos Portais da Transparência, mantidos pelo poder público, de modo a alcançar uma rápida resolução de eventuais litígios relacionados à transparência pública, sem sobrecarregar o judiciário. Nos casos em que não se alcançar uma solução via ODR, é cabível a sua integração a um processo judicial eletrônico subsequente, adaptando-se o procedimento comum, de modo a aproveitar-se as etapas já desenvolvidas anteriormente, com fundamento na cláusula geral de negociação processual do artigo 190 do CPC. Cumpre avaliar a conveniência de celebrar protocolos ou acordos institucionais com a finalidade de ajustar uma política pública de justiça, voltada ao estímulo da consensualidade e à rápida solução dos conflitos.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.021 | 0.100 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.007 | 0.008 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.019 | 0.015 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.020 | 0.005 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".