UMA ANÁLISE EMPÍRICA DOS TRIBUNAIS DE CONTAS BRASILEIROS: CAPACIDADES E DESEMPENHO
Bibliographic record
Abstract
Resumo Este artigo busca, por meio de análise empírica, responder à seguinte questão: as características institucionais dos Tribunais de Contas, conforme definidas na Constituição Federal de 1988, influenciam seu desempenho? A resposta foi alcançada por meio do método estatístico dos mínimos quadrados, em que se analisou a relação entre a performance e as capacidades desses órgãos autônomos. A atuação foi medida pelas variáveis: número de processos julgados; quantidade de fiscalizações in loco; valor das multas e ressarcimentos; e percentual de rejeição das contas de governo. E as capacidades por: orçamento em 2015, total de funcionários, percentual de efetivos, existência de Ministros/Conselheiros substitutos e Procuradores do Ministério Público de Contas (ambos providos por concurso), e de Ministros/Conselheiros advindos dessas carreiras. Os dados foram coletados diretamente dos Tribunais de Contas por meio da Lei de Acesso à Informação. O artigo, na busca por uma abordagem mais realista dos Tribunais de Contas, também apresenta críticas importantes a estudos anteriores. Apesar do grande foco de discussões para aprimoramento dos Tribunais de Contas no Brasil girar em torno das indicações de Ministros e Conselheiros, o estudo indica que outro fator, negligenciado nos debates, está diretamente associado a um aumento da produtividade e da independência das Cortes de Contas, qual seja, o percentual de agentes públicos advindos de concurso público.
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 | 0.003 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.004 | 0.011 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".