When Justice Just Is Identificando parcialidade judicial através da mineração de texto em sentenças envolvendo a Lei de Drogas N.º 11.343/06

Resumo

Ao longo dos últimos quinze anos, desde a entrada em vigor da Lei 11.343/2006 (Lei de Drogas), tem sido constatado, em consequência da aplicação dessa lei, um aumento expressivo de processos judiciais e do cárcere de indivíduos no Brasil (COSTA, 2020). Diante da ausência de uma definição clara e padronizada nas decisões e ações praticadas pelos operadores do Direito, muitos processos acabam sendo julgados de modo indistinto, sem quase nenhuma observância aos direitos e garantias previstas no ordenamento jurídico brasileiro (MARTINS, 2018). Isso ocasiona prejuízos irreparáveis na vida de quem acaba sendo preso e julgado injustamente em processos que chegam a durar décadas, sem contar os que acabam prescrevendo sem nem sequer ter tido uma audiência de instrução. Diante desta problemática, este trabalho tem por objetivo apresentar uma abordagem para ajudar na identificação de parcialidades em processos envolvendo a Lei de Drogas, através da mineração de textos de sentenças judiciais. Para isso, foi desenvolvida através da linguagem Python, uma aplicação baseada em Sistemas Multiagentes (Multi Agent System – MAS) (SPEROTTO, 2020) utilizando o framework (Python Agent Development – PADE) (MELO; SARAIVA; LEÃO; SAMPAIO et al., 2020) que poderá corroborar na detecção automática de indícios de parcialidade. Assim, foram criados quatro agentes responsáveis por realizar respectivamente as ações de: (1) obter o texto da sentença; (2) identificar os réus do processo, (3) fazer a mineração de texto e gerar a nuvem de palavras mais mencionadas na sentença, e (4) fazer uma análise com cada um dos réus associado com as palavras mais citadas que possam determinar a parcialidade no tratamento desses réus. Deste modo, a mineração de texto utilizou a biblioteca NLTK e foi gerada uma nuvem de palavras através da biblioteca WORDCLOUD, ambas da linguagem Python. Um estudo de caso foi aplicado para fazer a mineração textual, para isso, foi utilizada uma sentença envolvendo seis réus, todos acusados pelos crimes previstos nos artigos 33 e 35 da Lei de Drogas, correspondendo respectivamente aos crimes de tráfico e associação ao tráfico.  A partir da obtenção do texto da sentença pelo “agente_inicial”, o “agente_identificador” obteve, a partir de uma requisição para o “’agente_inicial”, os réus dentro da sentença. Em seguida, o “agente_minerador” obteve através de uma requisição para o “agente_inicial” o texto da sentença para realizar a mineração e assim, gerou uma imagem com a nuvem de palavras contendo os termos mais mencionados na sentença, possibilitando uma visão mais detalhada de como esses estão distribuídos na sentença analisada. Portanto, com a nuvem de palavras gerada foi possível identificar termos associados ao nome de cada réu pelo “agente_analisador” e assim extrair, as possíveis parcialidades existentes no tratamento dos seis réus no processo. Foi constatado, por exemplo, que a palavra “acusado” é um dos termos mais amplamente mencionados na sentença, sendo essa palavra escolhida para realizar a análise na sentença pelo “agente_analisador” juntamente com o nome de cada réu presente no processo. A análise realizada mostrou que o termo “acusado” aparece no texto 73 vezes, sendo que 26 vezes está associada ao primeiro réu, 22 vezes ao segundo réu, 6 vezes ao terceiro réu e 4 vezes ao quarto réu. Nas demais ocasiões, o termo “acusado” foi utilizado de forma genérica sem uma associação direta aos réus. Importante mencionar que as outras duas pessoas no processo são do sexo feminino, logo, o termo “acusado” não é aplicado a elas. No entanto, o termo “acusada” ocorreu 7 vezes no texto e foi diretamente associado as duas rés. Diante desses resultados, é possível discutir como cada réu é mencionado dentro da sentença pelo juiz, onde mais de 50% das vezes o juiz trata com o termo “acusado” apenas dois dos seis réus no processo, sendo que um desses foi absolvido e outro condenado. Por outro lado, os outros dois réus presentes no processo totalizam apenas cerca de 13% das vezes em que são mencionados com o termo “acusado” no texto da sentença proferida pelo magistrado. Isso demonstra uma certa parcialidade em como o juiz enxerga os réus, tendo dado maior enfoque nos seus tratamentos a apenas dois dos réus existentes no processo. É importante salientar ainda que o réu absolvido foi rotulado com o termo “acusado” mais que o outro réu que foi condenado. Um ponto a ser mencionado na parcialidade identificada a partir da aplicação da abordagem apresentada neste trabalho é que ela considerou apenas o uso do termo “acusado” na análise que foi realizada pelo “agente_analisador”. Contudo, outros termos que foram identificados com grande ocorrência na nuvem de palavras também poderiam ser usados para corroborar ainda mais com a existência da parcialidade judicial identificada no texto da sentença proferida pelo magistrado, como poder ser visto na figura a seguir.
Com isso, através dos resultados obtidos, é possível verificar como a utilização de mineração de texto e outras técnicas envolvendo a análise de termos e palavras mais frequentes na sentença podem ajudar na identificação de parcialidade do juiz, além de outros operadores do direito como promotores e desembargadores. Contudo, vale ressaltar que este trabalho é uma parte inicial do projeto que está sendo desenvolvido como pesquisa de doutorado. Desta forma a proposta desta pesquisa é considerada parcial e ainda será integrada na abordagem geral envolvendo sistemas híbridos com uso de Inteligência Artificial (IA) simbólica e IA conexionista para lidar com o conhecimento baseado em casos normativos da Lei 11.343/06 (Lei de Drogas) e em casos passados, respectivamente.