Construção de um modelo preditivo para decisões do STF em Ações Diretas de Inconstitucionalidade

Abstract

Este trabalho objetiva iniciar a construção de um modelo de previsão de decisões judiciais utilizando um algoritmo de machine learning para prever decisões do Supremo Tribunal Federal (STF). A ideia que guia este trabalho é a de que testando-se e avaliando-se elementos do processo decisório judicial que são importantes para a realização de uma análise preditiva da decisão, é possível delimitar como e quais fatores podem estar influindo no processo decisório. Para tanto, inicialmente, analisa-se a literatura que estuda a influência de fatores cognitivos, econômicos e institucionais nas decisões. Num segundo momento, desenvolve-se um modelo preditivo de decisões do Supremo Tribunal Federal em Ações Diretas de Inconstitucionalidade, utilizando um algoritmo de random forest. O algoritmo foi aplicado duas vezes. Na primeira, considerou-se os seguintes elementos como features do modelo: (i) relatórios das decisões; (ii) ano em que a decisão foi publicada; (iii) ministro relator; e (iv) requerente. Na segunda aplicação foi considerado, além do mencionado anteriormente, o voto do ministro relator. Na primeira aplicação, o algoritmo acertou o resultado de 85% dos casos previstos e, na segunda aplicação, acertou 90% dos resultados. A partir disso, foi analisada a importância de cada feature para a realização da análise preditiva. Esse exame permitiu discutir e delimitar como e quais fatores psicológicos, econômicos e institucionais podem estar influindo no processo decisório judicial.

The goal of this paper is to initiate the construction of a predictive model of decisions of the Brazilian Supreme Court (Supremo Tribunal Federal) in “Ações Diretas de Inconstitucionalidade” using a machine learning algorithm. We consider that by testing and evaluating the elements of the judicial decision-making process that are relevant to perform a predictive analysis of the decisions, it is possible to narrow down how and which factors can influence the decision making process. To do so, first, we analyzed the literature that studies the influence of cognitive, economic and institutional factors on decisions. Then, we began the construction of the predictive model using a random forest algorithm. The algorithm was applied twice. The first time, the algorithm was input with the following features: (i) the report of the case; (ii) the year in which the decision was published; (iii) the judge rapporteur; and (iv) the claimant. The second time, in addition to these features, the vote of the judge rapporteur was also considered. In the first application, the algorithm predicted 85% of the cases correctly and, in the second time, 90% of the cases. From these results, the importance of each feature for the prediction was analyzed. This process allowed us to discuss and narrow down how and which cognitive, economic and institutional factors could be influencing the judicial decision-making process.