| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 5.69 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
Digital participatory processes allow citizens to contribute to public decision-making through
online platforms. However, many proposals are submitted with limited clarity, incomplete
information, or weak alignment with process rules. In addition, similar or complementary ideas
are often submitted separately, increasing fragmentation and reducing opportunities for
collaboration.
This dissertation addresses these challenges by designing, implementing, and evaluating a proof
of concept for AI-assisted proposal writing and semantic convergence in digital participatory
processes. The work was developed within the CoParticipation project and aligned with the
EMPATIA framework. The prototype combines a Laravel and Livewire web platform with a
FastAPI-based AI service responsible for regulatory validation, proposal improvement,
document ingestion, retrieval, semantic convergence, and local language model interaction.
The solution uses Natural Language Processing, Large Language Models, Retrieval-Augmented
Generation, embeddings, vector retrieval, and LoRA-based model adaptation. Its main
functionalities are a two-stage proposal review workflow and a semantic convergence
mechanism that identifies similar or complementary proposals before submission.
The evaluation combined automatic tests, non‑functional quality assessment, and expert
feedback. Results show that contextual knowledge and model adaptation improve regulatory
validation and proposal review, while the prototype meets the defined quality requirements.
Experts confirmed the usefulness and adoption potential of the solution. Overall, the approach
enhances proposal clarity, supports regulatory awareness, identifies related proposals, and
provides effective contextual assistance without compromising citizen control or administrative
responsibility.
A participação cidadã em processos democráticos digitais tem vindo a ganhar importância nos últimos anos, sobretudo através de plataformas de participação eletrónica utilizadas em orçamentos participativos, consultas públicas e outras iniciativas de envolvimento cívico. Apesar deste crescimento, continuam a existir dificuldades relevantes na forma como os cidadãos formulam as suas contribuições. Muitas propostas são submetidas com pouca clareza, estrutura insuficiente, informação incompleta ou desalinhamento com as regras do processo participativo. Além disso, a existência de propostas semelhantes ou complementares pode levar à fragmentação de ideias, reduzindo a visibilidade de iniciativas com objetivos comuns e dificultando a construção de soluções mais fortes e colaborativas. Esta dissertação foi desenvolvida no contexto do projeto CoParticipation e tem como objetivo estudar, conceber, implementar e avaliar mecanismos inteligentes de apoio contextual à escrita e à convergência de propostas em processos participativos digitais. O trabalho foca-se na utilização de técnicas de Processamento de Linguagem Natural e de Modelos de Linguagem de Grande Dimensão para apoiar os cidadãos durante a criação de propostas, sem substituir a sua decisão nem o processo formal de avaliação realizado pelas entidades responsáveis. A investigação seguiu uma metodologia de Design and Creation, combinando revisão do estado da arte, análise de requisitos, desenho da solução, implementação de um protótipo funcional e avaliação experimental. A solução proposta estende o ecossistema da framework EMPATIA através de uma camada de assistência baseada em Inteligência Artificial, organizada como um serviço independente. O protótipo é composto por uma aplicação web desenvolvida em Laravel e Livewire, responsável pela interação com o utilizador e pela gestão de propostas, e por um serviço de Inteligência Artificial desenvolvido em FastAPI, responsável pelo processamento inteligente, pela comunicação com modelos de linguagem executados localmente e pela gestão de conhecimento contextual. A solução implementada inclui dois mecanismos principais. O primeiro é a revisão assistida de propostas, organizada em duas etapas: validação regulamentar e melhoria da proposta. A validação regulamentar analisa a proposta face às regras do processo participativo e devolve uma explicação clara quando são identificados possíveis problemas. A etapa de melhoria analisa o título, a descrição e os campos dinâmicos da proposta, sugerindo alterações que possam melhorar a clareza, estrutura, coerência e adequação ao processo. As sugestões são sempre apresentadas ao cidadão, que pode aceitá-las ou rejeitá-las antes da submissão final. O segundo mecanismo é a convergência semântica, cujo objetivo é identificar propostas semelhantes ou complementares antes da submissão. Para isso, a solução utiliza embeddings, pesquisa vetorial e verificação com modelos de linguagem, permitindo apresentar ao cidadão propostas relacionadas já existentes no mesmo processo participativo. Este mecanismo pretende reduzir a fragmentação de ideias e incentivar a reflexão sobre possíveis relações entre propostas. Para apoiar estes mecanismos, foram integradas estratégias de Retrieval-Augmented Generation, bases de dados vetoriais, extração de regras a partir de documentos regulamentares, utilização de propostas históricas e adaptação de modelos através de Low- Rank Adaptation. Foram também construídos diferentes conjuntos de dados para desenvolvimento, demonstração, treino e avaliação, incluindo propostas históricas, propostas sintéticas de teste, exemplos de reescrita e exemplos de instrução para adaptação do modelo. A avaliação combinou testes automáticos e avaliação por especialistas. Os testes automáticos compararam diferentes modelos e configurações, incluindo modelos base, configurações com recuperação de contexto e um modelo adaptado com Low-Rank Adaptation. Os resultados mostraram que a combinação de conhecimento contextual e adaptação do modelo melhora o desempenho na validação regulamentar e na revisão de propostas. Complementarmente, foram realizados testes aos requisitos não funcionais, avaliando aspetos como o tempo de resposta, a qualidade e manutenibilidade do código, a segurança das dependências e a usabilidade da interface Web, cujos resultados demonstraram que o protótipo satisfaz os requisitos definidos para este trabalho. A avaliação por especialistas envolveu profissionais com experiência em processos participativos, que analisaram a utilidade, clareza, adequação e potencial de adoção da solução. Os resultados foram positivos, especialmente na melhoria da clareza e estrutura das propostas, bem como na transparência das explicações apresentadas ao cidadão. Os resultados obtidos indicam que mecanismos inteligentes baseados em Processamento de Linguagem Natural e Modelos de Linguagem de Grande Dimensão podem apoiar a escrita contextual de propostas, promover maior consistência estrutural e contribuir para a identificação antecipada de ideias relacionadas em processos participativos digitais. Embora o protótipo não constitua uma plataforma pronta para produção, demonstra a viabilidade da abordagem e fornece uma base para futuras integrações no ecossistema CoParticipation e na framework EMPATIA.
A participação cidadã em processos democráticos digitais tem vindo a ganhar importância nos últimos anos, sobretudo através de plataformas de participação eletrónica utilizadas em orçamentos participativos, consultas públicas e outras iniciativas de envolvimento cívico. Apesar deste crescimento, continuam a existir dificuldades relevantes na forma como os cidadãos formulam as suas contribuições. Muitas propostas são submetidas com pouca clareza, estrutura insuficiente, informação incompleta ou desalinhamento com as regras do processo participativo. Além disso, a existência de propostas semelhantes ou complementares pode levar à fragmentação de ideias, reduzindo a visibilidade de iniciativas com objetivos comuns e dificultando a construção de soluções mais fortes e colaborativas. Esta dissertação foi desenvolvida no contexto do projeto CoParticipation e tem como objetivo estudar, conceber, implementar e avaliar mecanismos inteligentes de apoio contextual à escrita e à convergência de propostas em processos participativos digitais. O trabalho foca-se na utilização de técnicas de Processamento de Linguagem Natural e de Modelos de Linguagem de Grande Dimensão para apoiar os cidadãos durante a criação de propostas, sem substituir a sua decisão nem o processo formal de avaliação realizado pelas entidades responsáveis. A investigação seguiu uma metodologia de Design and Creation, combinando revisão do estado da arte, análise de requisitos, desenho da solução, implementação de um protótipo funcional e avaliação experimental. A solução proposta estende o ecossistema da framework EMPATIA através de uma camada de assistência baseada em Inteligência Artificial, organizada como um serviço independente. O protótipo é composto por uma aplicação web desenvolvida em Laravel e Livewire, responsável pela interação com o utilizador e pela gestão de propostas, e por um serviço de Inteligência Artificial desenvolvido em FastAPI, responsável pelo processamento inteligente, pela comunicação com modelos de linguagem executados localmente e pela gestão de conhecimento contextual. A solução implementada inclui dois mecanismos principais. O primeiro é a revisão assistida de propostas, organizada em duas etapas: validação regulamentar e melhoria da proposta. A validação regulamentar analisa a proposta face às regras do processo participativo e devolve uma explicação clara quando são identificados possíveis problemas. A etapa de melhoria analisa o título, a descrição e os campos dinâmicos da proposta, sugerindo alterações que possam melhorar a clareza, estrutura, coerência e adequação ao processo. As sugestões são sempre apresentadas ao cidadão, que pode aceitá-las ou rejeitá-las antes da submissão final. O segundo mecanismo é a convergência semântica, cujo objetivo é identificar propostas semelhantes ou complementares antes da submissão. Para isso, a solução utiliza embeddings, pesquisa vetorial e verificação com modelos de linguagem, permitindo apresentar ao cidadão propostas relacionadas já existentes no mesmo processo participativo. Este mecanismo pretende reduzir a fragmentação de ideias e incentivar a reflexão sobre possíveis relações entre propostas. Para apoiar estes mecanismos, foram integradas estratégias de Retrieval-Augmented Generation, bases de dados vetoriais, extração de regras a partir de documentos regulamentares, utilização de propostas históricas e adaptação de modelos através de Low- Rank Adaptation. Foram também construídos diferentes conjuntos de dados para desenvolvimento, demonstração, treino e avaliação, incluindo propostas históricas, propostas sintéticas de teste, exemplos de reescrita e exemplos de instrução para adaptação do modelo. A avaliação combinou testes automáticos e avaliação por especialistas. Os testes automáticos compararam diferentes modelos e configurações, incluindo modelos base, configurações com recuperação de contexto e um modelo adaptado com Low-Rank Adaptation. Os resultados mostraram que a combinação de conhecimento contextual e adaptação do modelo melhora o desempenho na validação regulamentar e na revisão de propostas. Complementarmente, foram realizados testes aos requisitos não funcionais, avaliando aspetos como o tempo de resposta, a qualidade e manutenibilidade do código, a segurança das dependências e a usabilidade da interface Web, cujos resultados demonstraram que o protótipo satisfaz os requisitos definidos para este trabalho. A avaliação por especialistas envolveu profissionais com experiência em processos participativos, que analisaram a utilidade, clareza, adequação e potencial de adoção da solução. Os resultados foram positivos, especialmente na melhoria da clareza e estrutura das propostas, bem como na transparência das explicações apresentadas ao cidadão. Os resultados obtidos indicam que mecanismos inteligentes baseados em Processamento de Linguagem Natural e Modelos de Linguagem de Grande Dimensão podem apoiar a escrita contextual de propostas, promover maior consistência estrutural e contribuir para a identificação antecipada de ideias relacionadas em processos participativos digitais. Embora o protótipo não constitua uma plataforma pronta para produção, demonstra a viabilidade da abordagem e fornece uma base para futuras integrações no ecossistema CoParticipation e na framework EMPATIA.
Descrição
Palavras-chave
Electronic participation Natural language processing Large Language Models Writing support Semantic convergence Artificial intelligence Participação eletrónica Processamento de linguagem natural Modelos de linguagem de grande dimensão Apoio à escrita Convergência semântica Inteligência artificial