Mestrado e Doutorado
Aquisição e organização
de jurisprudência
Como vocês pesquisam jurisprudência hoje, e como montar uma base própria, indexada e pesquisável.
Mestrado e Doutorado
Quem conduz
Anderson Fraiha Machado
música
aviação
São Paulo
sala de aulaMestrado e Doutorado
O propósito último é que o aluno conclua a disciplina sabendo usar a inteligência artificial a seu lado, e não em seu lugar. Aprender a usar a inteligência artificial com você — e não por você.Ementa da disciplinaLabtech · FGV Direito SP, 2026
Mestrado e Doutorado
Cada aula produz uma ferramenta que a aula seguinte usa
| Aula | O que entra | O que sai |
|---|---|---|
| 1 | Crawlers, APIs e RAG | Coletor Jurisprudencial |
| 2 | Extração, tabulação e anonimização | Extrator Jurídico |
| 3 | Jurimetria e visualização | Painel Jurimétrico |
| 4 | Ferramentas e suporte de IA na aplicação de questionários | Construtor de Questionários |
| 5 | Revisão acadêmica assistida por IA | Agente Revisor |
| 6 | Análise e cruzamento de documentos | Cruzador de Documentos |
| 7 | Checagem e auditoria guiada por IA | Auditor de IA (checklist guiado) |
| 8 | Apresentação dos protótipos | O protótipo da sua pesquisa |
Mestrado e Doutorado
Como a nota é composta
Mestrado e Doutorado
O que vamos fazer hoje
Pesquisar à mão
do jeito de sempre
Automatizar
e bater no captcha
A API do CNJ
o que ela dá e o que não dá
O GitHub
quem já resolveu
miniRAG
achar dentro do que se tem
Mestrado e Doutorado
Pesquisa manual
de jurisprudência
Diagnóstico em grupos: do jeito que vocês fazem hoje.
Mestrado e Doutorado
Mesma pergunta para todos os grupos
Como os tribunais vêm decidindo sobre desconsideração da personalidade jurídica nos últimos três anos?
15 minutos no cronômetro. Façam exatamente o que fariam hoje.
Entrar
no site do tribunal
Buscar
o termo
Ler a ementa
por cima
Baixar
se servir
Mestrado e Doutorado
Operadores de busca: o que cada um faz
| Operador | Exemplo | Efeito |
|---|---|---|
| Aspas | "desconsideração da personalidade" | só a expressão exata |
| E / OU | desconsideração E inversa | combina ou alterna termos |
| NÃO | desconsideração NÃO tributário | exclui quem traz o termo, para limpar o resultado |
| Truncamento | desconsidera* | pega as variações da palavra |
| Caractere coringa | s?cio | troca um caractere qualquer, pega a grafia com e sem acento |
Mestrado e Doutorado
Quanto tempo levaria para 300 decisões
Os critérios de descarte não bateram entre os grupos, porque ninguém escreveu o critério antes de começar.
Mestrado e Doutorado
Um programa pode repetir esses passos
Um webbot é um programa que repete exatamente os passos de vocês, sem cansar e sem errar de linha.
Abre
o navegador
Digita
no campo
Clica
em buscar
Lê
a página
Salva
o arquivo
Selenium
O mais antigo e difundido. Muita documentação e muito exemplo pronto.
Playwright
O mais prático hoje: traz o próprio navegador, espera os elementos sozinho e baixa arquivo de forma nativa.
Obscura
Infraestrutura: sessões de navegador isoladas, sem estado entre execuções. O mesmo código do Playwright aponta para lá quando precisa escalar.
Mestrado e Doutorado
Demonstração: o programa opera o site do TJSP
Playwright abre o Chromium, digita desconsideração de personalidade jurídica na Consulta de Jurisprudência do TJSP, busca e percorre os resultados página a página.
| processo | classe | comarca | julgado |
|---|
Em algum ponto o site vai bloquear
O e-SAJ usa reCAPTCHA e pede login para o inteiro teor. Quando isso acontece o programa para e diz por quê. A lista de resultados sai inteira em CSV de qualquer jeito.
Mestrado e Doutorado
Webbot, crawler e scraper: o que cada um faz
Webbot
Age. Usa o site como uma pessoa: digita, clica e espera a página responder.
Crawler
Percorre. Segue links e vira páginas, descobrindo o que existe ali dentro.
Scraper
Extrai. Lê o HTML e tira dele os campos que interessam para a pesquisa.
| No coletor que vocês acabaram de ver | O preço | |
|---|---|---|
| Webbot | digita o termo na busca e aperta Enter | mais lento, mas passa onde exige interação |
| Crawler | vai da página 1 para a 2, para a 3 | precisa respeitar o ritmo do servidor |
| Scraper | tira processo, relator, comarca e data | quebra quando o site muda de layout |
Mestrado e Doutorado
O site barra o programa: captcha e outros limites
Um teste para separar humano de programa. O tribunal usa para proteger a infraestrutura de consulta automatizada em massa.
Parte da turma já encontrou o captcha na dinâmica.
Captcha
humano ou máquina?
Rate limit
consultas por minuto
Sessão
que expira
Sistemas
e-SAJ, PJe, Projudi, eproc
Mestrado e Doutorado
Os dados básicos do processo de livre acesso são: (...) IV – inteiro teor das decisões, sentenças, votos e acórdãos.Resolução CNJ nº 121/2010, art. 2ºAcesso assegurado a toda e qualquer pessoa, sem cadastro nem demonstração de interesse (art. 1º)
Mestrado e Doutorado
Um direito de acesso que não escala além da consulta humana, caso a caso, ainda é um direito de acesso?
São advogados, essa é a pergunta de vocês.
Mestrado e Doutorado
Não vamos quebrar captcha
Existe pacote acadêmico pronto para isso, o decryptr, em R, com rede neural treinada para captchas de tribunais brasileiros.
Se a dissertação disser que contornou o controle de acesso do tribunal, a banca vai questionar a legitimidade dos dados.
Mestrado e Doutorado
Intervalo
Na volta: o CNJ prometeu uma API. O que é isso?
Mestrado e Doutorado
API: a porta oficial para programas consultarem o tribunal
Site de consulta = balcão
- Página feita para olhos humanos
- Uma consulta por vez
- Tem captcha
API = protocolo eletrônico
- Requerimento padronizado, resposta padronizada
- Feita para programas
- Não tem captcha: já é a porta oficial
Mestrado e Doutorado
A analogia do restaurante: quem pede, quem leva o pedido, quem tem a comida
A documentação da API lista o que pode ser pedido. Um pedido fora da documentação devolve erro.
Mestrado e Doutorado
Tela do tribunal e API: o que cada uma permite fazer com o resultado
| Na tela do tribunal | Pela API | |
|---|---|---|
| O que você manda | cliques e um campo de texto | um pedido escrito, com campos nomeados |
| O que volta | uma página bonita | uma lista estruturada, sempre igual |
| O que dá para fazer | ler | guardar, contar, filtrar, refazer igual |
Poder refazer a consulta igual é o que torna a busca reproduzível.
Mestrado e Doutorado
A Base Nacional de Dados do Poder Judiciário
- A face sem códigoos painéis estatísticos do CNJ, no navegador.
- A API públicachave aberta, um endereço por tribunal.
- Conta em segundosagregações funcionam: contar por classe, assunto, período.
POST api_publica_tjsp/_search
{
"track_total_hits": true,
"query": { "bool": { "filter": [
{ "term": { "classe.codigo": 12119 } },
{ "range": { "dataAjuizamento":
{ "gte": "20230101000000" } } }
] } }
}Mestrado e Doutorado
O DataJud entrega metadados; não entrega o texto das decisões
| Campo | Exemplo real |
|---|---|
| classe | Apelação Cível (198) |
| assuntos | Expurgos Inflacionários |
| órgão julgador | 10ª Câm. de Direito Privado |
| movimentos | 90 registros |
| datas | ajuizamento, atualização |
Não há inteiro teor, ementa nem link para a fonte. Conferido campo a campo numa resposta real da API.
A norma diz que o inteiro teor é de livre acesso. O texto existe em canais oficiais, mas espalhado.
Mestrado e Doutorado
A resposta da API, sem tratamento
aperte Consultar para ver a resposta da API
Procurem juntos: inteiro teor, ementa, link para o PDF. Não estão lá. O que está é metadado.
Mestrado e Doutorado
O total que a API mostra não é o total real
N é o número de casos. Aqui há três números diferentes, e é preciso dizer qual se usa.
Mestrado e Doutorado
Mesma pergunta, três tribunais
Duas explicações possíveis: São Paulo litiga onze vezes mais, ou os tribunais cadastram a classe de formas diferentes. A API não diz qual.
Mestrado e Doutorado
Pacotes de código aberto que já coletam de tribunais
courtsbr
esaj, JurisMiner, tjsp, dje, djt, stfstj
abjur
109 repositórios da Associação Brasileira de Jurimetria
Querido Diário
510 cidades na plataforma, 3.075 projetadas
README
o que faz
Último commit
scraper apodrece
Licença
o que se pode fazer
Issues
onde quebrou
Mestrado e Doutorado
Antes de usar um pacote, leia as dependências
Suggests:
...
captchasaj,
...
decryptrArquivo DESCRIPTION do esaj, o pacote mais conhecido de raspagem de tribunal brasileiro.
decryptr e captchasaj quebram captcha, que é o que decidimos não fazer.
No juscraper, a parte problemática fica isolada em extras: [tjmg] resolve captcha e [stf] passa pelo desafio anti-robô do STF.
Mestrado e Doutorado
Três fontes oficiais com texto, sem contornar bloqueios
| Fonte | Entrega | Acesso |
|---|---|---|
| STJ · Dados Abertos | texto integral + metadados, pacotes diários | download direto · licença CC-BY |
| DJEN · API do CNJ | texto das comunicações publicadas | sem autenticação · busca por texto |
| juscraper (Python) | clientes prontos para DataJud e DJEN | instalação padrão, sem os extras |
"desconsideração da personalidade jurídica" no DJEN, TJSP, 11 a 18/09/2026: 2.168 comunicações, com texto.
Mestrado e Doutorado
Limite de requisições: a turma inteira sai pelo mesmo IP
A base foi pré-baixada antes da aula. Na oficina, cada um faz poucas consultas.
O que se baixa vem com termos: o DataJud não garante a precisão dos dados (3.6) e proíbe distribuir o que deriva dele (3.8). O STJ publica sob CC-BY.
Mestrado e Doutorado
Com 300 documentos, a busca por palavra não basta
- "desconsideração"não acha o acórdão que só fala em art. 50 do Código Civil.
- "art. 50"traz centenas de ocorrências irrelevantes.
- "disregard doctrine"nenhuma das duas buscas acha.
Mestrado e Doutorado
RAG: a máquina só responde com o que achou na sua base
A diferença está na última caixa: a resposta vem com o trecho e o documento de origem. Sem isso, você não tem como conferir.
Mestrado e Doutorado
Busca por palavra e busca por significado: usar as duas
| Léxica (BM25) | Semântica (embeddings) | |
|---|---|---|
| Acha por | palavra exata | significado |
| Ganha em | art. 50, nº de lei, súmula, nome de parte | disregard quando se buscou desconsideração |
| Perde em | sinônimo, paráfrase | número, citação literal, termo raro |
A busca híbrida combina as duas: encontra o termo exato e também o conceito escrito com outras palavras.
Mestrado e Doutorado
miniRAG: a base da turma, pesquisável
Coletor Jurisprudencial
Crawlers e APIs para coletar. miniRAG para organizar: busca léxica, semântica e híbrida com rerank.
- Entraos documentos do DJEN e do STJ.
- Saia base indexada, o corpus.csv e o registro.json.
- Em cada resultadoo trecho e o link da fonte.
Mestrado e Doutorado
Busque o termo exato. Depois busque a ideia sem o termo
Léxica
o termo exato que você usaria no tribunal
Semântica
a mesma ideia, com outras palavras
Híbrida
as duas juntas, reordenadas pela pertinência
Use a sua pesquisa
Não invente um tema de exemplo. Escolha um termo que você realmente precisa achar na sua dissertação.
Indexar a própria base não cabe em 8 minutos e fica para o laboratório. Aqui a base é a da turma.
Mestrado e Doutorado
Monte sua base a partir da busca léxica e refine-a com busca semântica
- Descrição da tarefa realizada.
- Ferramenta utilizada.
- Resultado: a base refinada.
- Verificação: três trechos conferidos na fonte oficial.
- Pelo menos uma limitação ou risco identificado.
Mestrado e Doutorado
No começo da aula: seis decisões em quinze minutos.
Agora: trezentas, indexadas.
Cada trecho com a fonte. Na Aula 2, vamos extrair dados delas.