6 Matérias Legislativas

O que o Senado realmente legisla? A grande maioria das matérias nunca vira lei — elas tramitam, são arquivadas ou ficam paradas por anos. Este capítulo mostra como mapear o universo de propostas e identificar padrões de tramitação.

Funções deste capítulo

Função	O que retorna
`materias_legislatura_atual()`	Matérias da legislatura em curso
`info_materia_temas()`	Temas/assuntos de matérias
`extrair_situacoes_tramitacao()`	Situações de tramitação cadastradas
`extrair_classificacoes_materia()`	Classificações/tipos de matéria
`extrair_siglas_ativas()`	Siglas de tipos (PL, PEC, MPV…)
`info_atualizacao_materias()`	Matérias atualizadas recentemente

6.1 Tipos de matérias legislativas

O Senado classifica as matérias por sigla:

library(senatebR)

siglas <- extrair_siglas_ativas()
head(siglas)
#> # A tibble: 6 × 4
#>    Sigla Descricao                               DataInicio  DataFim
#>    <chr> <chr>                                   <chr>       <chr>
#>  1 ACE   Aviso da Comissão de Educação           2017-01-01  2024-09-18
#>  2 ACL   Ato Conjunto Legislativo                2023-01-01  <NA>
#>  3 AP    Ato da Presidência                      2017-01-01  <NA>
#>  4 MPV   Medida Provisória                       2017-01-01  <NA>
#>  5 PEC   Proposta de Emenda à Constituição       2017-01-01  <NA>
#>  6 PL    Projeto de Lei                          2017-01-01  <NA>

As siglas mais comuns:

Sigla	Tipo
PL	Projeto de Lei
PEC	Proposta de Emenda à Constituição
MPV	Medida Provisória
PLS	Projeto de Lei do Senado (nomenclatura anterior a 2019)
PDL	Projeto de Decreto Legislativo
PRS	Projeto de Resolução do Senado

6.2 Matérias da legislatura atual

# Todas as matérias em tramitação na legislatura atual
materias <- materias_legislatura_atual()
glimpse(materias)
#> Rows: 4521
#> Columns: 9
#> $ CodigoMateria                  <chr> "158423", "158100", ...
#> $ SiglaCasaIdentificacaoMateria  <chr> "SF", "SF", ...
#> $ NomeCasaIdentificacaoMateria   <chr> "Senado Federal", ...
#> $ SiglaSubtipoMateria            <chr> "PL", "PEC", "MPV", ...
#> $ NumeroMateria                  <chr> "1234", "45", ...
#> $ AnoMateria                     <chr> "2024", "2023", ...
#> $ DescricaoIdentificacaoMateria  <chr> "PL 1234/2024", ...
#> $ IndicadorTramitando            <chr> "S", "N", ...
#> $ IdentificacaoProcesso          <chr> NA, NA, ...

Note

Esta função pode retornar mais de 4 000 linhas. Use os filtros abaixo para trabalhar com subconjuntos menores e evitar lentidão.

Atenção: a coluna AnoMateria contém apenas o ano de apresentação (ex: "2024"), não uma data completa. Não há coluna de data no retorno desta função. Para obter a data e a ementa, use info_atualizacao_materias().

library(dplyr)

# Filtrar apenas PECs
pecs <- materias |>
  filter(SiglaSubtipoMateria == "PEC")

# Matérias em tramitação (IndicadorTramitando == "S")
em_tramitacao <- materias |>
  filter(IndicadorTramitando == "S")

# Contagem por tipo
materias |>
  count(SiglaSubtipoMateria, sort = TRUE)
#> # A tibble: 28 × 2
#>    SiglaSubtipoMateria     n
#>    <chr>               <int>
#>  1 PL                   2841
#>  2 PDL                   612
#>  3 PEC                   210
#>  4 PRS                   187
#>  5 MPV                   143
#>  ...

IndicadorTramitando assume dois valores:

Valor	Significado
`"S"`	Ainda em tramitação
`"N"`	Tramitação encerrada

6.3 Temas de matérias

# Lista de temas/assuntos cadastrados
temas <- info_materia_temas()
head(temas)
#> # A tibble: 6 × 5
#>   Codigo AssuntoGeral     AssuntoEspecifico       DataInicio DataFim
#>   <chr>  <chr>            <chr>                   <chr>      <chr>
#> 1 1      Administração    Administração Pública    NA         NA
#> 2 2      Agricultura      Reforma Agrária          NA         NA
#> 3 3      Ciência          Tecnologia               NA         NA
#> 4 4      Comunicações     Telecomunicações         NA         NA
#> 5 5      Direitos Humanos Direitos Fundamentais    NA         NA
#> 6 6      Economia         Finanças Públicas        NA         NA

As colunas:

Coluna	Descrição
`Codigo`	Código do tema
`AssuntoGeral`	Área temática geral
`AssuntoEspecifico`	Subtema específico
`DataInicio` / `DataFim`	Vigência do tema no sistema

6.4 Situações de tramitação

situacoes <- extrair_situacoes_tramitacao()
head(situacoes)
#> # A tibble: 6 × 4
#>   Codigo Sigla Descricao                           DataCriacao
#>   <chr>  <chr> <chr>                               <chr>
#> 1 1      APS   Aguardando Pauta no Senado          NA
#> 2 2      AGC   Aguardando Complementação           NA
#> 3 3      APR   Aguardando Promulgação               NA
#> ...

As colunas:

Coluna	Descrição
`Codigo`	Código interno da situação
`Sigla`	Sigla abreviada
`Descricao`	Descrição completa
`DataCriacao`	Data de criação no sistema

6.5 Classificações de matéria

classificacoes <- extrair_classificacoes_materia()
head(classificacoes)
#> # A tibble: 6 × 6
#>   CodigoClasse NomeClasse         CodigoClassePai Nivel Tree  Path
#>   <chr>        <chr>              <chr>           <chr> <chr> <chr>
#> 1 1            Administração      NA              1     1     Administração
#> 2 2            Administração Pública 1            2     1.2   Administração > ...
#> ...

As colunas:

Coluna	Descrição
`CodigoClasse`	Código da classificação
`NomeClasse`	Nome da classe temática
`CodigoClassePai`	Código da classe superior (hierarquia)
`Nivel`	Nível hierárquico (1 = raiz)
`Tree`	Código completo na árvore
`Path`	Caminho legível (ex: `"Administração > Administração Pública"`)

6.6 Matérias atualizadas recentemente

Use info_atualizacao_materias() para monitorar matérias que tiveram movimentação recente:

# Matérias com atualização recente
atualizadas <- info_atualizacao_materias()
glimpse(atualizadas)
#> Rows: 87
#> Columns: 16
#> $ TipoSubtipoMateria    <chr> "PL", "MPV", ...
#> $ DataApresentacao      <chr> "2024-03-01", "2024-01-10", ...
#> $ DataUltimaAtualizacao <chr> "2024-04-17", "2024-04-15", ...
#> $ EmentaMateria         <chr> "Dispõe sobre crédito...", ...
#> $ IndicadorTramitando   <chr> "S", "S", ...
#> ...

Tip

info_atualizacao_materias() é útil para monitorar a pauta legislativa sem precisar baixar toda a lista de matérias a cada execução. Ela inclui a ementa (EmentaMateria) e a data de apresentação (DataApresentacao), que não estão disponíveis em materias_legislatura_atual().

6.7 Análise: volume de matérias por tipo

library(ggplot2)

materias |>
  count(SiglaSubtipoMateria, sort = TRUE) |>
  slice_head(n = 8) |>
  ggplot(aes(x = reorder(SiglaSubtipoMateria, n), y = n)) +
  geom_col(fill = "#2d6a4f") +
  coord_flip() +
  labs(
    title = "Matérias por tipo na legislatura atual",
    x = "Tipo", y = "Quantidade"
  ) +
  theme_minimal()

6.8 Análise: volume por ano de apresentação

Como AnoMateria já é o ano em formato texto, basta converter para inteiro:

materias |>
  filter(!is.na(AnoMateria)) |>
  mutate(Ano = as.integer(AnoMateria)) |>
  count(Ano, SiglaSubtipoMateria) |>
  filter(SiglaSubtipoMateria %in% c("PL", "PEC", "MPV")) |>
  ggplot(aes(x = Ano, y = n, color = SiglaSubtipoMateria)) +
  geom_line(linewidth = 1) +
  geom_point() +
  labs(
    title = "Volume de matérias ao longo do tempo",
    x = "Ano", y = "Quantidade", color = "Tipo"
  ) +
  theme_minimal()

6.9 Exercício

Exercício 5.1

PLs são muito mais comuns que PECs — mas quais tipos de matéria têm maior taxa de tramitação ativa? Em outras palavras, qual sigla gera mais projetos que ficam parados (IndicadorTramitando == "N") versus os que continuam em análise?

Além disso: os anos eleitorais (2022, 2024…) produzem mais ou menos matérias do que os anos não eleitorais? O que você esperaria encontrar — e o resultado confirma sua hipótese?

materias <- materias_legislatura_atual()

Uma resposta possível

library(senatebR)
library(dplyr)
library(ggplot2)

materias <- materias_legislatura_atual()

# Taxa de tramitação ativa por tipo
materias |>
  group_by(SiglaSubtipoMateria) |>
  summarise(
    total       = n(),
    tramitando  = sum(IndicadorTramitando == "S"),
    taxa_ativa  = tramitando / total,
    .groups     = "drop"
  ) |>
  filter(total >= 20) |>
  arrange(desc(taxa_ativa))
# MPVs tendem a ter alta taxa ativa (têm prazo legal) enquanto PLs acumulam muitos arquivados

# Matérias por ano x anos eleitorais
materias |>
  filter(!is.na(AnoMateria)) |>
  mutate(
    Ano          = as.integer(AnoMateria),
    ano_eleitoral = (Ano %% 2 == 0)
  ) |>
  count(Ano, ano_eleitoral) |>
  ggplot(aes(x = Ano, y = n, fill = ano_eleitoral)) +
  geom_col() +
  scale_fill_manual(
    values = c("FALSE" = "#5ba4cf", "TRUE" = "#e76f51"),
    labels = c("Não eleitoral", "Eleitoral")
  ) +
  labs(title = "Matérias por ano de apresentação",
       subtitle = "Anos eleitorais em destaque",
       x = NULL, y = "Quantidade", fill = NULL) +
  theme_minimal()

A hipótese mais comum é que anos eleitorais produzem mais PLs (ativismo legislativo para visibilidade). Os dados do Senado permitem testar isso — mas lembre que a 57ª legislatura começa em 2023, então anos anteriores refletem múltiplas legislaturas acumuladas.

# Matérias Legislativas O que o Senado realmente legisla? A grande maioria das matérias nunca vira lei — elas tramitam, são arquivadas ou ficam paradas por anos. Este capítulo mostra como mapear o universo de propostas e identificar padrões de tramitação. ::: {.callout-tip collapse="true"} ## Funções deste capítulo | Função | O que retorna | |---|---| | `materias_legislatura_atual()` | Matérias da legislatura em curso | | `info_materia_temas()` | Temas/assuntos de matérias | | `extrair_situacoes_tramitacao()` | Situações de tramitação cadastradas | | `extrair_classificacoes_materia()` | Classificações/tipos de matéria | | `extrair_siglas_ativas()` | Siglas de tipos (PL, PEC, MPV...) | | `info_atualizacao_materias()` | Matérias atualizadas recentemente | ::: ## Tipos de matérias legislativas O Senado classifica as matérias por sigla: ```r library(senatebR) siglas <- extrair_siglas_ativas() head(siglas) #> # A tibble: 6 × 4 #> Sigla Descricao DataInicio DataFim #> <chr> <chr> <chr> <chr> #> 1 ACE Aviso da Comissão de Educação 2017-01-01 2024-09-18 #> 2 ACL Ato Conjunto Legislativo 2023-01-01 <NA> #> 3 AP Ato da Presidência 2017-01-01 <NA> #> 4 MPV Medida Provisória 2017-01-01 <NA> #> 5 PEC Proposta de Emenda à Constituição 2017-01-01 <NA> #> 6 PL Projeto de Lei 2017-01-01 <NA> ``` As siglas mais comuns: | Sigla | Tipo | |---|---| | PL | Projeto de Lei | | PEC | Proposta de Emenda à Constituição | | MPV | Medida Provisória | | PLS | Projeto de Lei do Senado (nomenclatura anterior a 2019) | | PDL | Projeto de Decreto Legislativo | | PRS | Projeto de Resolução do Senado | ## Matérias da legislatura atual ```r # Todas as matérias em tramitação na legislatura atual materias <- materias_legislatura_atual() glimpse(materias) #> Rows: 4521 #> Columns: 9 #> $ CodigoMateria <chr> "158423", "158100", ... #> $ SiglaCasaIdentificacaoMateria <chr> "SF", "SF", ... #> $ NomeCasaIdentificacaoMateria <chr> "Senado Federal", ... #> $ SiglaSubtipoMateria <chr> "PL", "PEC", "MPV", ... #> $ NumeroMateria <chr> "1234", "45", ... #> $ AnoMateria <chr> "2024", "2023", ... #> $ DescricaoIdentificacaoMateria <chr> "PL 1234/2024", ... #> $ IndicadorTramitando <chr> "S", "N", ... #> $ IdentificacaoProcesso <chr> NA, NA, ... ``` ::: {.callout-note} Esta função pode retornar mais de 4 000 linhas. Use os filtros abaixo para trabalhar com subconjuntos menores e evitar lentidão. **Atenção**: a coluna `AnoMateria` contém apenas o ano de apresentação (ex: `"2024"`), não uma data completa. Não há coluna de data no retorno desta função. Para obter a data e a ementa, use `info_atualizacao_materias()`. ::: ```r library(dplyr) # Filtrar apenas PECs pecs <- materias |> filter(SiglaSubtipoMateria == "PEC") # Matérias em tramitação (IndicadorTramitando == "S") em_tramitacao <- materias |> filter(IndicadorTramitando == "S") # Contagem por tipo materias |> count(SiglaSubtipoMateria, sort = TRUE) #> # A tibble: 28 × 2 #> SiglaSubtipoMateria n #> <chr> <int> #> 1 PL 2841 #> 2 PDL 612 #> 3 PEC 210 #> 4 PRS 187 #> 5 MPV 143 #> ... ``` `IndicadorTramitando` assume dois valores: | Valor | Significado | |---|---| | `"S"` | Ainda em tramitação | | `"N"` | Tramitação encerrada | ## Temas de matérias ```r # Lista de temas/assuntos cadastrados temas <- info_materia_temas() head(temas) #> # A tibble: 6 × 5 #> Codigo AssuntoGeral AssuntoEspecifico DataInicio DataFim #> <chr> <chr> <chr> <chr> <chr> #> 1 1 Administração Administração Pública NA NA #> 2 2 Agricultura Reforma Agrária NA NA #> 3 3 Ciência Tecnologia NA NA #> 4 4 Comunicações Telecomunicações NA NA #> 5 5 Direitos Humanos Direitos Fundamentais NA NA #> 6 6 Economia Finanças Públicas NA NA ``` As colunas: | Coluna | Descrição | |---|---| | `Codigo` | Código do tema | | `AssuntoGeral` | Área temática geral | | `AssuntoEspecifico` | Subtema específico | | `DataInicio` / `DataFim` | Vigência do tema no sistema | ## Situações de tramitação ```r situacoes <- extrair_situacoes_tramitacao() head(situacoes) #> # A tibble: 6 × 4 #> Codigo Sigla Descricao DataCriacao #> <chr> <chr> <chr> <chr> #> 1 1 APS Aguardando Pauta no Senado NA #> 2 2 AGC Aguardando Complementação NA #> 3 3 APR Aguardando Promulgação NA #> ... ``` As colunas: | Coluna | Descrição | |---|---| | `Codigo` | Código interno da situação | | `Sigla` | Sigla abreviada | | `Descricao` | Descrição completa | | `DataCriacao` | Data de criação no sistema | ## Classificações de matéria ```r classificacoes <- extrair_classificacoes_materia() head(classificacoes) #> # A tibble: 6 × 6 #> CodigoClasse NomeClasse CodigoClassePai Nivel Tree Path #> <chr> <chr> <chr> <chr> <chr> <chr> #> 1 1 Administração NA 1 1 Administração #> 2 2 Administração Pública 1 2 1.2 Administração > ... #> ... ``` As colunas: | Coluna | Descrição | |---|---| | `CodigoClasse` | Código da classificação | | `NomeClasse` | Nome da classe temática | | `CodigoClassePai` | Código da classe superior (hierarquia) | | `Nivel` | Nível hierárquico (1 = raiz) | | `Tree` | Código completo na árvore | | `Path` | Caminho legível (ex: `"Administração > Administração Pública"`) | ## Matérias atualizadas recentemente Use `info_atualizacao_materias()` para monitorar matérias que tiveram movimentação recente: ```r # Matérias com atualização recente atualizadas <- info_atualizacao_materias() glimpse(atualizadas) #> Rows: 87 #> Columns: 16 #> $ TipoSubtipoMateria <chr> "PL", "MPV", ... #> $ DataApresentacao <chr> "2024-03-01", "2024-01-10", ... #> $ DataUltimaAtualizacao <chr> "2024-04-17", "2024-04-15", ... #> $ EmentaMateria <chr> "Dispõe sobre crédito...", ... #> $ IndicadorTramitando <chr> "S", "S", ... #> ... ``` ::: {.callout-tip} `info_atualizacao_materias()` é útil para monitorar a pauta legislativa sem precisar baixar toda a lista de matérias a cada execução. Ela inclui a ementa (`EmentaMateria`) e a data de apresentação (`DataApresentacao`), que não estão disponíveis em `materias_legislatura_atual()`. ::: ## Análise: volume de matérias por tipo ```r library(ggplot2) materias |> count(SiglaSubtipoMateria, sort = TRUE) |> slice_head(n = 8) |> ggplot(aes(x = reorder(SiglaSubtipoMateria, n), y = n)) + geom_col(fill = "#2d6a4f") + coord_flip() + labs( title = "Matérias por tipo na legislatura atual", x = "Tipo", y = "Quantidade" ) + theme_minimal() ``` ## Análise: volume por ano de apresentação Como `AnoMateria` já é o ano em formato texto, basta converter para inteiro: ```r materias |> filter(!is.na(AnoMateria)) |> mutate(Ano = as.integer(AnoMateria)) |> count(Ano, SiglaSubtipoMateria) |> filter(SiglaSubtipoMateria %in% c("PL", "PEC", "MPV")) |> ggplot(aes(x = Ano, y = n, color = SiglaSubtipoMateria)) + geom_line(linewidth = 1) + geom_point() + labs( title = "Volume de matérias ao longo do tempo", x = "Ano", y = "Quantidade", color = "Tipo" ) + theme_minimal() ``` ## Exercício ::: {.callout-note icon=false} ## Exercício 5.1 PLs são muito mais comuns que PECs — mas quais tipos de matéria têm maior *taxa de tramitação ativa*? Em outras palavras, qual sigla gera mais projetos que ficam parados (`IndicadorTramitando == "N"`) versus os que continuam em análise? Além disso: os anos eleitorais (2022, 2024...) produzem mais ou menos matérias do que os anos não eleitorais? O que você esperaria encontrar — e o resultado confirma sua hipótese? ```r materias <- materias_legislatura_atual() ``` ::: ::: {.callout-tip collapse="true"} ## Uma resposta possível ```r library(senatebR) library(dplyr) library(ggplot2) materias <- materias_legislatura_atual() # Taxa de tramitação ativa por tipo materias |> group_by(SiglaSubtipoMateria) |> summarise( total = n(), tramitando = sum(IndicadorTramitando == "S"), taxa_ativa = tramitando / total, .groups = "drop" ) |> filter(total >= 20) |> arrange(desc(taxa_ativa)) # MPVs tendem a ter alta taxa ativa (têm prazo legal) enquanto PLs acumulam muitos arquivados # Matérias por ano x anos eleitorais materias |> filter(!is.na(AnoMateria)) |> mutate( Ano = as.integer(AnoMateria), ano_eleitoral = (Ano %% 2 == 0) ) |> count(Ano, ano_eleitoral) |> ggplot(aes(x = Ano, y = n, fill = ano_eleitoral)) + geom_col() + scale_fill_manual( values = c("FALSE" = "#5ba4cf", "TRUE" = "#e76f51"), labels = c("Não eleitoral", "Eleitoral") ) + labs(title = "Matérias por ano de apresentação", subtitle = "Anos eleitorais em destaque", x = NULL, y = "Quantidade", fill = NULL) + theme_minimal() ``` A hipótese mais comum é que anos eleitorais produzem mais PLs (ativismo legislativo para visibilidade). Os dados do Senado permitem testar isso — mas lembre que a 57ª legislatura começa em 2023, então anos anteriores refletem múltiplas legislaturas acumuladas. :::