- Relator(a)
- Ministro Sérgio Kukina
- Órgão julgador
- Primeira Seção
- Data do julgamento
- 17/12/2019
- Data de publicação
- 19/12/2019
STJ – Acórdão, Rel. Ministro Sérgio Kukina, Primeira Seção, j. 17/12/2019, p. 19/12/2019
ADMINISTRATIVO E PROCESSUAL CIVIL. AGRAVO INTERNO NO PEDIDO DE UNIFORMIZAÇÃO DE INTERPRETAÇÃO DE LEI. INEXISTÊNCIA DE SIMILITUDE FÁTICO-JURÍDICA ENTRE OS JULGADOS CONFRONTADOS. NÃO CABIMENTO DO PEDIDO. AGRAVO INTERNO IMPROVIDO. 1. Nos termos do caput do art. 18 da Lei 12.153/2009 (que dispõe sobre os Juizados Especiais da Fazenda Pública no âmbito dos Estados, do DF e dos Territórios e dos Municípios), caberá pedido de uniformização de interpretação de lei quando houver divergência entre decisões proferidas por Turmas Recursais sobre questões de direito material. De acordo com o § 3º do mesmo dispositivo, quando as turmas de diferentes Estados derem à lei federal interpretações divergentes, ou quando a decisão proferida estiver em contrariedade com súmula do Superior Tribunal de Justiça, o pedido será por este julgado. 2. A ausência de similitude fático-jurídica entre o acórdão recorrido e os julgados indicados como paradigma inviabiliza o conhecimento do pedido de uniformização. Precedente: AgInt no PUIL 195/SE, Rel. Ministra ASSUSETE MAGALHÃES, PRIMEIRA SEÇÃO, DJe 20/03/2018. 3. Hipótese em que não restou demonstrada a similitude fático-jurídica entre os julgados confrontados, uma vez que a Turma Recursal em momento nenhum afastou o direito de a parte ora agravante, em sede judicial, comprovar o verdadeiro responsável pelo cometimento da infração - que era a questão abordada nos paradigmas -, tendo efetivamente adentrado no exame do mérito da controvérsia, confirmando a sentença de improcedência do pedido. 4. Agravo interno não provido. (AgInt no PUIL n. 1.509/SP, relator Ministro Sérgio Kukina, Primeira Seção, julgado em 17/12/2019, DJe de 19/12/2019.)
Consultar o inteiro teor no site do STJ ↗Pesquise jurisprudência como esta
Busque em dezenas de tribunais brasileiros, com busca inteligente por IA e comparação de precedentes.