Tinder, fotografia e Ciência da Informação: o que uma pesquisa revelou sobre como decidimos a partir de imagens / Thiagoteca

Tinder, fotografia e Ciência da Informação: o que uma pesquisa revelou sobre como decidimos a partir de imagens / Thiagoteca

A conclusão do estudo é que a fotografia em aplicativos de relacionamento cumpre uma função informacional precisa e identificável. Ela é indexada por algoritmos, que processam qualidade visual, popularidade do conteúdo e histórico de interações do usuário. E é indexada por pessoas, que aplicam critérios cognitivos, culturais e afetivos em frações de segundo.

Esses dois processos de indexação, o algorítmico e o humano, operam de forma paralela e se influenciam mutuamente. O algoritmo aprende com as escolhas das pessoas. As pessoas adaptam suas fotos às lógicas que percebem no algoritmo. É um ciclo de retroalimentação que a Ciência da Informação tem ferramentas para analisar.

A diferença em relação à indexação tradicional, praticada em bibliotecas, arquivos e museus, é que aqui o documento indexado é uma pessoa. E a decisão tomada a partir desse documento tem consequências que vão além da recuperação da informação.

#RecuperaçãoDaInformação #Tinder #Fotografias

via Thiagoteca

Disponível em: https://thiagoteca.wordpress.com/2026/04/22/analise-documentaria-tinder-ciencia-informacao-fotos-perfil/

Adeus às buscas na internet / Outras Palavras

Adeus às buscas na internet / Outras Palavras

Anatomia de uma regressão. Como às big techs devastam o ecossistema da rede, apropriam-se de todo o saber disponível e o mercantilizam, excluindo os autores. Por que a prática devasta a criação e pode produzir colapso. Quais as alternativas

Hoje, a ascensão da IA marca uma ruptura decisiva. Os serviços de Visão Geral de IA do Google, a Busca Copilot do Bing, o ChatGPT da OpenAI, o Claude da Anthropic, o Llama da Meta e o Grok da xAI funcionam efetivamente como um novo oligopólio daquilo que vem sendo cada vez mais chamado de “mecanismos de resposta”. Eles se interpõem entre os usuários e as fontes de onde eles obtêm informações. Essa mudança ameaça a viabilidade econômica da criação de conteúdo, degrada o compartilhamento de informações e concentra o poder informacional.

Para sustentar a web, um novo sistema de Integridade Artificial deve ser incorporado a esses “mecanismos de resposta” de IA, priorizando três aspectos: procedência clara, que torne as fontes de informação visíveis e rastreáveis de forma consistente; fluxos de valor justos, que garantam que os criadores compartilhem parte do valor gerado mesmo quando os usuários não clicam em seu conteúdo; e resiliência,um espaço de informação comum que impede que o conhecimento aberto desmorone por trás de paywalls.

#RecuperaçãoDaInformação #MediaçãoAlgorítmica #Buscadores #BigTechs

via Outras Palavras

Disponível em: https://outraspalavras.net/tecnologiaemdisputa/como-big-techs-arruinam-a-internet/

MIAAR – Modelo Inferencial de Análise de Assunto orientado pela Relevância / LIINC

MIAAR – Modelo Inferencial de Análise de Assunto orientado pela Relevância / LIINC

Como resultado, propõe-se um modelo composto por cinco etapas interdependentes: leitura contextual, seleção conceitual, avaliação situacional, pertinência epistêmica e formulação representacional. O MIAAR busca qualificar a mediação entre conteúdos documentais, sistemas de organização do conhecimento e critérios de julgamento dos usuários, promovendo representações temáticas mais coerentes, situadas e responsivas. (Conclusões) Conclui-se que o modelo contribui para aprimorar a eficácia comunicacional dos SRI, ao fortalecer o vínculo entre representação, contexto e experiência do sujeito da informação. Recomenda-se sua aplicação empírica em diferentes contextos documentais, bem como investigações sobre sua contribuição para o desenvolvimento de vocabulários controlados e ontologias.

#Indexação #RecuperaçãoDaInformação

DIsponível em: https://revista.ibict.br/liinc/article/view/7694

Proposta metodológica para a recuperação de informação documental / Investigación Bibliotecológica

Proposta metodológica para a recuperação de informação documental / Investigación Bibliotecológica

Os resultados desta análise, combinados com a metodologia proposta, sugerem que o uso de algoritmos de aprendizado de máquina para grafos na recuperação de informações documentais não é apenas tecnicamente viável, mas também representa uma mudança de paradigma em direção a sistemas mais confiáveis, interpretáveis ​​e eficientes. A capacidade de transformar documentos em grafos de conhecimento e, posteriormente, em representações vetoriais de baixa dimensionalidade permite uma comparação precisa e contextualizada das respostas, onde documentos sobre tópicos semelhantes são agrupados no espaço euclidiano. Essa transição é particularmente relevante em domínios especializados onde a precisão factual é um requisito fundamental.

#RecuperaçãoDaInformação

Disponível em: http://rev-ib.unam.mx/ib/index.php/ib/article/view/59051

As palavras-chave não morreram — mas a descoberta não se resume mais apenas à busca / Scholarly Kitchen

As palavras-chave não morreram — mas a descoberta não se resume mais apenas à busca / Scholarly Kitchen

As previsões sobre a “morte das palavras-chave” tendem a subestimar o quão profundamente elas estão inseridas nos fluxos de trabalho de pesquisa. A busca moderna por palavras-chave já é muito mais semântica do que seus predecessores. Quando um usuário digita “melhor restaurante italiano por perto”, o sistema interpreta a intenção, a localização e a preferência — e não apenas correspondências de strings. Em ambientes acadêmicos, o mesmo é cada vez mais verdadeiro: vocabulários controlados, enriquecimento de metadados e indexação semântica vêm aprimorando silenciosamente a busca por palavras-chave há anos.

Mais importante ainda, as palavras-chave ainda resolvem problemas com os quais os sistemas de IA atuais têm dificuldades. A precisão continua sendo fundamental para casos de uso específicos, como códigos de erro, números de produtos, especificações técnicas e frases exatas que exigem correspondência determinística. Pesquisadores profissionais — incluindo advogados, analistas e acadêmicos — frequentemente dependem da lógica booleana precisa para construir consultas abrangentes e reproduzíveis (por exemplo, “mudanças climáticas” OU “aquecimento global”, ou “aprendizado de máquina” E “saúde” NÃO “processamento de imagens”). Essas capacidades não são meros hábitos; são ferramentas essenciais para transparência, controle e rigor metodológico.

#RecuperaçãoDaInformação #PalavrasChave #IA

via Scholarly Kitchen

Disponível em: https://scholarlykitchen.sspnet.org/2026/01/06/keywords-are-not-dead-but-discovery-is-no-longer-just-search/

Recomendação de literatura acadêmica em redes de citação em larga escala aprimorada por grandes modelos de linguagem / Scientometrics 

Recomendação de literatura acadêmica em redes de citação em larga escala aprimorada por grandes modelos de linguagem / Scientometrics 

Em resumo, nosso trabalho não apenas fornece um sistema de dados completo para a construção e análise de redes de citação, mas também introduz um método prático de recomendação que auxilia pesquisadores a navegar pelo crescente volume de literatura acadêmica, facilitando a busca pelos artigos mais relevantes e influentes na era da sobrecarga de informação.

#RecuperaçãoDaInformação #IA #LLMs

Disponível em: https://link.springer.com/article/10.1007/s11192-025-05420-0

A inteligência artificial (IA) é uma substituta, uma ameaça ou uma aliada para bibliotecários especializados? / BiblioGETAFE

A inteligência artificial (IA) é uma substituta, uma ameaça ou uma aliada para bibliotecários especializados? / BiblioGETAFE

Qual seria o papel da IA?
A IA é especialmente útil nos estágios iniciais da pesquisa. Sua força reside na geração de quantidade: ela propõe termos, sugere combinações, elabora estratégias de busca e automatiza tarefas tediosas, como adaptar consultas a diferentes plataformas ou expandir sinônimos. Ela é rápida e eficiente no processamento de grandes volumes de informação.

Qual a contribuição do bibliotecário?
O bibliotecário, por sua vez, contribui com qualidade. Ele não apenas refina a terminologia e valida conceitos relevantes, como também domina o uso de tesauros, compreende a lógica de indexação de cada base de dados e detecta inconsistências que a IA não identifica. Além disso, garante o rigor metodológico: sabe quando um termo é muito amplo, quando um operador pode distorcer a questão de pesquisa e como documentar adequadamente uma estratégia reproduzível.

#RecuperaçãoDaInformação #IA #Bibliotecários

via BiblioGETAFE

Disponível em: https://bibliogetafe.com/2025/12/01/es-la-ia-un-sustituto-una-amenaza-o-un-aliado-para-los-bibliotecarios-especializados/

Análise comparativa na recuperação da informação da coleção Medline via Ebscohost, Embase, Ovid, Portal BVS, Pubmed e Web of Science / Código 31

Análise comparativa na recuperação da informação da coleção Medline via Ebscohost, Embase, Ovid, Portal BVS, Pubmed e Web of Science / Código 31

Os resultados revelaram variações consideráveis no número de documentos recuperados entre as plataformas, mesmo tratando-se da mesma coleção (MEDLINE) e com estratégias idênticas. Observou-se, por exemplo, maior recuperação na Embase, Ovid e EBSCOhost, e equivalência entre PubMed e Portal BVS. A discussão aponta que essas variações decorrem de diferenças nos Sistemas de Recuperação da Informação (SRIs), tais como vocabulários controlados, indexação, tratamento de campos e sintaxe de busca. Tais inconsistências podem impactar negativamente a reprodutibilidade de revisões sistemáticas e a qualidade da síntese de evidências. Conclui-se que compreender o funcionamento técnico de cada SRI e adaptar as estratégias de busca conforme suas especificidades é fundamental para garantir transparência e exaustividade nas revisões.

#InformaçãoEmSaúde #RecuperaçãoDaInformação

Disponível em: https://revista.fumec.br/index.php/codigo31/article/view/42-51

Às vezes, o fruto cai longe da árvore: um estudo de caso sobre erros de precisão na indexação automática do PubMed / Journal of the Medical Library Association

Às vezes, o fruto cai longe da árvore: um estudo de caso sobre erros de precisão na indexação automática do PubMed / Journal of the Medical Library Association

O erro de indexação mais comum foi o uso da palavra “apple” em símiles, metáforas e expressões idiomáticas (80, ou 59,2%), seguido pela presença de “apple” em nomes ou termos (50, ou 37%). Outros erros de indexação foram atribuídos ao uso de “apple” em acrônimos e, em um caso, a uma referência a Sir Isaac Newton. Conclusão: Conforme indicado pelos resultados deste estudo, a indexação automática pode cometer erros ao indexar registros que contêm palavras com significados não literais ou alternativos em seus títulos ou resumos. Os bibliotecários devem estar atentos à existência de erros de indexação automática e orientar os autores sobre a melhor forma de minimizar seus efeitos em seus próprios registros.

#IndexaçãoAutomática #RecuperaçãoDaInformação #PubMed

Disponível em: https://jmla.pitt.edu/ojs/jmla/article/view/2110

LLM é uma camada de apresentação na pesquisa de IA / DEJAN

LLM é uma camada de apresentação na pesquisa de IA / DEJAN

Existe um mito persistente de que os modelos de linguagem de grande porte (LLMs) substituíram fundamentalmente a busca. Na verdade, os LLMs não rastreiam a web, não mantêm índices e não impõem algoritmos de classificação em escala da internet. Eles operam como camadas de apresentação e raciocínio sobre o pipeline clássico de recuperação de informação (RI).

O artigo recente “Por que os Modelos de Linguagem Alucinam” (Kalai, Nachum, Vempala, Zhang, 2025) mostra por que essa distinção é importante: os LLMs inevitavelmente alucinam devido a limites estatísticos e incentivos de avaliação. Sem base em sistemas de recuperação reais, eles não podem fornecer buscas confiáveis.

#IA #LLMs #RecuperaçãoDaInformação

Disponível em: https://dejan.ai/blog/llm-is-a-presentation-layer-in-ai-search/

Introdução à recuperação da informação / Blas Torregrosa García

Introdução à recuperação da informação / Blas Torregrosa García

A recuperação da informação é uma disciplina que ocupa a representação, o armazenamento, a organização e o acesso a elementos de informação. O objetivo da recuperação de informações é obter informações que possam ser úteis ou relevantes para o usuário. Apresentaremos a recuperação de informações como disciplina científica, proporcionando uma caracterização formal baseada na noção de relevância. Exporemos os critérios de avaliação, a forma como se processam os documentos para obter um índice e os diferentes modelos clássicos de recuperação.

#RecuperaçãoDaInformação

Disponível em: https://openaccess.uoc.edu/server/api/core/bitstreams/2463454d-a476-4b75-ab48-8d9d4efc0967/content

A recuperação da informação na Ciência da Informação : diversidade conceitual e evolução teórica / RDBCI

A recuperação da informação na Ciência da Informação : diversidade conceitual e evolução teórica / RDBCI

Resultados: Percebe-se uma evolução conceitual que parte de enfoques técnicos voltados à eficiência dos sistemas, incorpora aspectos cognitivos e interativos e, mais recentemente, dimensões sociais e contextuais. Entre os autores, há consenso sobre a centralidade do usuário, a relevância da mediação informacional e a necessidade de tecnologias adaptáveis. Modelos com interoperabilidade, recuperação multimodal e uso de feedback iterativo são valorizados. Conclusão: A recuperação da informação, no âmbito da ciência da informação, configura-se como processo multifacetado, cuja efetividade depende da articulação entre fundamentos teóricos, recursos tecnológicos e compreensão contextual. Essa integração reforça seu papel estratégico na consolidação da área e na resposta às demandas complexas da sociedade da informação.

#RecuperaçãoDaInformação

Disponível em: https://periodicos.sbu.unicamp.br/ojs/index.php/rdbci/article/view/8678975