3  Sumário do Curso ESMAT

Esta é a página de apoio do Professor Alexandre Nicolella e Jose de Jesus Filho ao curso de Curso de Extensão em Jurimetria da Escola Superior da Magistratura Tocantinense (ESMAT).

3.1 Motivação:

O curso tem como propósito introduzir os participantes aos conceitos fundamentais de jurimetria e de inteligência artificial aplicada ao Direito, oferecendo uma formação integrada entre teoria e prática. A proposta parte da compreensão de como métodos quantitativos e computacionais podem apoiar a análise jurídica, aprimorando a tomada de decisão e promovendo maior eficiência e transparência no sistema de Justiça.

A motivação central é capacitar os alunos a desenvolver uma visão empírica do Direito, a partir de atividades que envolvem o desenho de pesquisa e a definição de hipóteses, o planejamento de estratégias de coleta e listagem de processos, e a estruturação, limpeza e organização de bases de dados jurídicas.

Durante o curso, serão exploradas ferramentas e pacotes da linguagem R voltados à manipulação e à visualização de dados jurídicos, com aplicação prática em exemplos reais do Tribunal de Justiça do Tocantins (TJTO). A combinação entre conceitos teóricos, prática orientada por problemas e uso de dados reais visa proporcionar uma formação sólida e aplicada, aproximando os participantes dos desafios contemporâneos da jurimetria e da análise de dados no Direito.

3.2 Objetivo:

O objetivo é fornecer aos participantes competências necessárias para:

  • Formular e estruturar pesquisas empíricas no Direito.
  • Extrair e organizar dados processuais de forma sistemática.
  • Aplicar ferramentas estatísticas e computacionais básicas para análise inicial de dados jurídicos.
  • Criar visualizações que traduzam informações complexas em resultados claros e objetivos.

3.3 Professores

Os professores do curso são:

Professor Email
José de Jesus Filho jose.filho@mpsp.mp.br; jjfilho@pucsp.br
Alexandre Nicolella nicolella@usp.br

4 O Cronograma das Aulas:

4.1 Etapa Online: Fundamentos e Conceitos (6 horas síncronas)

Nesta fase, os participantes terão contato com os conceitos fundamentais de jurimetria e inteligência artificial aplicada ao Direito. O enfoque será teórico, preparando o terreno para a etapa prática.

4.1.1 Aula 01 - Introdução ao Desenho de Pesquisa e à Jurimetria

  • Pergunta de pesquisa
  • Formulação da hipótese
  • Operacionalização de conceitos
  • Inferência causal
  • Conceito de jurimetria e a interdisciplinaridade necessária (Direito, Computação e Estatística)
  • Jurimetria e inteligência artificial aplicada ao Direito
  • Exemplos práticos de jurimetria

4.1.2 Aula 02 - Desafios da Jurimetria, Análise de Viabilidade e Listagem de Processos

  • Grandes desafios da jurimetria aplicada ao Direito
    • Limites teóricos: Teoremas de Pristin Klein e Gallam evidenciam.
    • Problema de seleção: Nem todos os conflitos chegam aos tribunais
    • Natureza dos dados: Bases judiciais são administrativas
    • Desafio metodológico: Modelar viéses e lacunas.
    • Boas práticas: Validação jurídica e transparência analítica.
  • Análise de viabilidade
  • Escopo de pesquisa: pesquisa prospectiva vs. retrospectiva (resultado, tempo e distribuição)
  • Sistemas de listagem (CJ e CPO)

4.2 Etapa Presencial: Aplicação Prática no Tocantins (24 horas)

Realizada no Tocantins, esta etapa é dividida em duas partes. Na primeira, os participantes terão noções de ciência de dados para coletar, organizar, estruturar e analisar dados de processos judiciais, com duração de um dia de oito horas.

4.2.1 Nosso Caso de Estudo

Nosso foco será a análise empírica dos processos de homicídio doloso de competência do Tribunal do Júri, com ênfase no tempo de tramitação, nas fases processuais e na identificação de eventuais gargalos procedimentais. Busca-se compreender os fatores que influenciam a duração dos feitos e suas implicações para a garantia da duração razoável do processo.

4.2.2 Aula 03 - Estruturação de Dados I

  • Introdução ao dplyr
  • Tratamento de datas com lubridate
  • Tratamento de texto com stringr
  • Iteração com purrr
  • Introdução aos Large Language Models (LLMs)
  • Engenharia de prompt
  • Noções básicas de estatística
  • Introdução ao ggplot2

4.2.3 Aula 04 - Estruturação de Dados II

  • Definind a pergunta do grupo.
  • Coleta de dados relevantes.
  • Estruturação, organização e limpeza das bases.
  • Teorias necessárias para análise

4.2.4 Aula 05 - Visualização de Dados

  • Estruturação, organização e limpeza das bases.
  • Análise exploratória e visualização de resultados.
  • Apresentação final dos achados.
  • Teorias necessárias para análise

A segunda fase, com duração de 16 horas, divididas em dois dias, será totalmente prática e orientada a resultados. Os participantes serão organizados em grupos de trabalho por tema, e cada grupo desenvolverá um projeto jurimétrico completo realacionado ao tempo do processo, percorrendo as seguintes etapas:

  1. Definição de uma pergunta de pesquisa aplicada ao contexto do TJTO.
  2. Coleta de dados judiciais relevantes.
  3. Estruturação, organização e limpeza das bases.
  4. Análise exploratória e visualização de resultados.
  5. Apresentação final dos achados.

Ao final do módulo, os participantes terão vivenciado o ciclo completo da jurimetria, desde a formulação inicial até a comunicação dos resultados, combinando competências jurídicas, estatísticas e computacionais.

4.3 Método de Trabalho

4.3.1 Divisão do Curso em Módulos e Formatos

Online (6h, síncrono):

  • Desenvolvimento dos conceitos centrais de forma teórica
  • Discussão de fundamentos, referências e boas práticas
  • Interação por meio de exercícios guiados e debates curtos

Presencial (8h, em Tocantins) - PARTE I:

  • Estruturação de dados
  • Análise Estatística Descritiva
  • Visulaização

Presencial (24h, em Tocantins) - PARTE II:

  1. Definição do problema ou pergunta de pesquisa: cada grupo escolhe um tema específico a partir dos conceitos apresentados.
  2. Coleta e organização de dados/informações: orientação sobre como levantar dados relevantes para a análise.
  3. Análise e interpretação dos resultados: uso das ferramentas e métodos aprendidos na parte online e presencial.
  4. Apresentação e discussão dos resultados: compartilhamento das conclusões e lições aprendidas.

4.3.2 Integração Teoria e Prática

O método garante que os conceitos vistos online e presencialmente sejam aplicados de forma concreta.
A interação presencial reforça o aprendizado ativo e colaborativo.

4.3.3 Comunicação e Colaboração

  • Uso da ferramenta de grupo do whatsapp para agilizar as respostas de dúvidas e organização dos grupos/trabalhos.
  • Responder aos questionários enviados via Google Forms. Perfil
  • Teremos um drive do curso para compartilhamento de materiais: Drive do Curso

4.3.4 Feedback e Aprimoramento

  • Avaliação contínua do progresso dos grupos.
  • Discussões coletivas para melhorar abordagens e resultados.

4.4 Infraestrutura e Dados

4.4.1 Dados

Os dados utilizados no curso serão fornecidos pelo TJTO, diretamente ou via uso de API para acesso à informação.

4.4.2 Computadores e Rede

  • Cada participante terá acesso a um computador individual.
  • Todos os computadores estarão conectados à internet de alta velocidade.

4.4.3 Softwares e Ferramentas

  • R (versão mais recente) pré-instalado em todas as máquinas.
  • Positron (preferencialmente) ouRStudio como ambiente de desenvolvimento integrado (IDE).
  • Instalação de packages adicionais conforme necessidade dos exercícios.
  • Outros softwares de apoio poderão ser instalados mediante solicitação.

4.4.4 Ambiente de Trabalho

  • Espaço preparado para trabalho em grupo e colaboração.
  • Projetor e quadro branco disponíveis.
  • Suporte técnico para instalação de pacotes e resolução de problemas.

4.4.5 Segurança e Backup

  • Sistemas de backup configurados para evitar perda de dados.
  • Garantia de que os participantes possam salvar e recuperar seus projetos com segurança.

4.5 Resultados Esperados

4.5.1 Aprendizado Conceitual

  • Compreensão dos fundamentos, metodologias e boas práticas do tema.
  • Capacidade de aplicar conceitos teóricos em situações reais.

4.5.2 Habilidades Práticas

  • Desenvolvimento da análise de dados e interpretação de resultados utilizando R.
  • Experiência em trabalho colaborativo, da definição do problema à apresentação de soluções.

4.5.3 Produção de Resultados Concretos

  • Cada grupo produzirá relatórios ou apresentações com análise detalhada de seu tema.
  • Discussão coletiva dos resultados, promovendo aprendizado entre todos.

4.5.4 Fortalecimento da Capacidade Analítica

  • Habilidade de formular perguntas relevantes, organizar dados, aplicar métodos e tirar conclusões consistentes.
  • Preparação para aplicar o conhecimento em projetos profissionais ou acadêmicos.

4.5.5 Feedback e Melhoria Contínua

  • Feedback detalhado sobre os trabalhos dos grupos.
  • Incentivo à reflexão sobre processos e resultados, promovendo aprimoramento contínuo.

4.6 Bibliografia

AGRESTI, Alan; FINLAY, Barbara. Métodos Estatísticos para as Ciências Sociais. São Paulo: Tenso, 2017.
AMINIKHANGHAHI, Samaneh; COOK, Daniel J. A Survey of Methods for Time Series Change Point Detection. Knowl Inf Syst, v. 51, p. 339–367, 2017. DOI: 10.1007/s10115-016-0987-z.
ENDERS, Craig. Applied Missing Data Analysis. New York: The Guilford Press, 2022.
EPSTEIN, Lee; KING, Gary. As Regras de Inferência. São Paulo: Direito GV, 2013.
GALANTER, Marc. Why the ‘Haves’ Come Out Ahead: Speculations on the Limit of Social Change. Law and Society Review, v. 9:1, 1974.
HILBE, Joseph. Practical Guide for Logistic Regression. Chapman and Hall/CRC, 2018.
KELLSTEDT, Paul M.; WHITTEN, Guy D. Fundamentos da Pesquisa em Ciência Política. São Paulo: Blucher, 2014.
KING, Gary; KEOHANE, Roberto; VERBA, Sidney. Designing Social Inquiry: Scientific Inference for Qualitative Methods. 2021.
LEE, Alex Yoon-Ho; KLERMAN, Daniel M. The Priest-Klein Hypotheses: Proofs and Generality. International Review of Law and Economics, v. 59, 2016.
MOORE, Dirk F. Applied Survival Analysis Using R. Switzerland: Springer, 2016.
MORETTIN, Wilton de O.; BUSSAB, Pedro A. Estatística Básica. São Paulo: Saraiva, 2021.
PRIEST, George L.; KLEIN, Benjamin. The Selection of Disputes for Litigation. Journal of Legal Studies, v. XIII, jan. 1984.
SILVA, Glauco. Desenho de Pesquisa. São Paulo: ENAP, 2018.
STOCK, James H.; WATSON, Mark W. Introduction to Econometrics. London: Pearson, 2020.
WOOLDRIDGE, Jeffrey M. Introductory Econometrics: A Modern Approach. South Western Educational Publishing, 2012.
KILLICK, Rebecca; ECKLEY, Idris A. changepoint: An R Package for Changepoint Analysis. Journal of Statistical Software, 58(3), 1–19, 2014. DOI: 10.18637/jss.v058.i03.
TOOMET, Ott; HENNINGSEN, Arne. Sample Selection Models in R: Package sampleSelection. Journal of Statistical Software, 27(7), 1–23, 2008. DOI: 10.18637/jss.v027.i07.
TRUONGA, Charles; OUDRE, Laurent; VAYATIS, Nicolas. Selective Review of Offline Change Point Detection Methods. Signal Processing, 167, 2020.