Paper Information | SBC BOOKS

Fill in your paper information

Language (*)

Title (*)

Keywords (*)

Abstract (*)

Para os estados e municípios brasileiros, o Imposto sobre a Propriedade de Veículos Automotores (IPVA) é a segunda fonte mais importante de
receita. A adimplência na arrecadação do IPVA depende de diferentes fatores, tais como a economia do país, o valor venal e a residência dos veículos, dentre outros fatores. Prever se os contribuintes serão adimplentes ou não em relação ao pagamento do IPVA pode fornecer subsídios que auxiliem os governos a elaborar políticas públicas, planejando ações fiscais e direcionando as campanhas de incentivo ao pagamento tempestivo do imposto. Neste trabalho, foi realizada uma série de experimentos buscando construir uma solução para o problema de classificação de contribuintes quanto à adimplência em relação ao pagamento do IPVA. Foram utilizados dados reais referentes ao IPVA do Estado do Ceará
no período de 2019 a 2023. Ao todo, quatro algoritmos de classificação foram explorados para classificar os contribuintes em dois grupos: adimplentes e inadimplentes. Os melhores resultados alcançaram uma pontuação F1 de 0,86 comprovando a viabilidade da solução proposta.

Pages (*)

File Link

English Information

Title

Keywords

Abstract

For Brazilian states and municipalities, the Motor Vehicle Ownership Tax (IPVA) is the second most important source of revenue. Compliance with the collection of IPVA depends on different factors, such as the country’s economy, the market value and residence of the vehicles, among other factors. Predicting whether taxpayers will be compliant or not in relation to the payment of IPVA can provide subsidies that help governments to develop public policies, planning tax actions and directing campaigns to encourage timely tax payment. In this work, we conducted a series of experiments aiming to build an efficient solution to the problem of classifying taxpayers in terms of their compliance with the IPVA payment. Real data referring to the IPVA of the State of Ceará was used from 2019 to 2023. In total, four classification algorithms were explored to classify taxpayers into two groups: compliant and non-compliant. The best results achieved an F1 score of 0.86 proving the viability of the proposed solution.

(*) To change the order drag the item to the new position.

Authors

#	Name
1	Maria Inês V. Silva(ines.vale@sefaz.ce.gov.br)
2	Francisco Victor da S. Pinheiro(victor.pinheiro.ce@alu.ufc.br)
3	César Lincoln C. Mattos(cesarlincoln@dc.ufc.br)
4	José Maria da S. Monteiro Filho(monteiro@dc.ufc.br)
5	Rossana M. C. Andrade(rossana@ufc.br)

(*) To change the order drag the item to the new position.

Reference

#	Reference
1	Akinrinola, O., Addy, W. A., Ajayi-Nifise, A. O., Odeyemi, O., and Falaiye, T. (2024). Application of machine learning in tax prediction: A review with practical approaches. Global Journal of Engineering and Technology Advances, page 102–117.
2	Amarasinghe, K., Rodolfa, K. T., Lamba, H., and Ghani, R. (2023). Explainable machine learning for public policy: Use cases, gaps, and research directions. Data 38; Policy, 5:e5.
3	Brasil (1988). Constituição da República Federativa do Brasil. Acesso em: 25 de maio de 2024.
4	Faceli, K. (2011). Inteligência artificial: uma abordagem de aprendizado de máquina. Grupo Gen - LTC.
5	Governo do Estado do Ceará (2023). Sefaz divulga tabela do IPVA 2024, que apresenta redução média de 4,59. Acesso em: 28 de maio de 2024.
6	Hastie, T., Tibshirani, R., Friedman, J. H., and Friedman, J. H. (2009). The elements of statistical learning: data mining, inference, and prediction, volume 2. Springer.
7	Lima, M. S. M. and Delen, D. (2020). Predicting and explaining corruption across countries: A machine learning approach. Government Information Quarterly, 37(1):101407.
8	Silva, D., Carvalho, S. T., and Silva, N. (2022). Comparative analysis of classification algorithms applied to circular trading prediction scenarios. In K˝o, A., Francesconi, E., Kotsis, G., Tjoa, A. M., and Khalil, I., editors, Electronic Government and the Information Systems Perspective, pages 95–109, Cham. Springer International Publishing.

Paper Registration

Fill in your paper information

English Information

Authors

Reference