O pacote {genderBR}, do R, permite extrair o sexo presumido a partir de um nome. Com isso, é possível fazer análises sobre viés de decisão pelo sexo presumido de pessoas da magistratura, por exemplo.
Exemplo de aplicação
O código abaixo faz uma tabela com a quantidade total de decisões e a quantidade de decisões reformadas de
tabela <- tjsp2inst::tjsp2inst |>
# considera apenas decisões de mérito e área cível
dplyr::filter(
dec_val %in% c("Reformou", "Não reformou", "Parcial"),
info_area == "Cível"
) |>
# considera apenas relatores com mais de 1500 decisões
dplyr::group_by(info_relator) |>
dplyr::filter(dplyr::n() > 1500) |>
# calcula as contagens
dplyr::summarise(
n_reformou = sum(dec_val %in% c("Reformou", "Parcial")),
n_total = dplyr::n()
)
head(tabela)
#> # A tibble: 6 × 3
#> info_relator n_reformou n_total
#> <fct> <int> <int>
#> 1 ACHILE ALESINA 581 1595
#> 2 AFONSO BRAZ 572 1631
#> 3 ALVARO TORRES JUNIOR 689 1591
#> 4 ANDRADE NETO 723 1724
#> 5 ARANTES THEODORO 614 1575
#> 6 BEATRIZ BRAGA 507 1710
#> ...
Agora, vamos fazer uma tabela por sexo presumido. Note que nem sempre o pacote consegue identificar com precisão suficiente.
tabela_sexo <- tabela |>
# estima o sexo presumido
dplyr::mutate(
sexo_presumido = genderBR::get_gender(as.character(info_relator))
) |>
# agrupa pelo sexo presumido e soma as decisões
dplyr::group_by(sexo_presumido) |>
dplyr::summarise(
n_reformou = sum(n_reformou),
n_total = sum(n_total)
) |>
# calcula taxa de reforma
dplyr::mutate(taxa_reforma = formattable::percent(n_reformou / n_total))
knitr::kable(tabela_sexo)
| sexo_presumido | n_reformou | n_total | taxa_reforma |
|---|---|---|---|
| Female | 5605 | 13890 | 40.35% |
| Male | 49080 | 113596 | 43.21% |
| NA | 6648 | 15599 | 42.62% |
Na tabela, identificamos uma proporção um pouco maior de reforma em relatores com sexo presumido masculino. Claro que existem diversos fatores que podem explicar a diferença, como o tipo de câmara, antiguidade, entre outras.
Que outras análises você faria com esse pacote?