Busca acadêmica por IA e o elo perdido na descoberta de literatura / Aaron Tay

Busca acadêmica por IA e o elo perdido na descoberta de literatura / Aaron Tay

Mas minha tese é que, na profissão de bibliotecário hoje, o suporte à busca tornou-se mais visível e focado em duas áreas principais⁸ . De um lado, está a alfabetização informacional (AI) para alunos de graduação. Do outro, a síntese de evidências, especialmente nas ciências da saúde. Entre elas, encontra-se o pesquisador comum: o professor, o estudante de doutorado, o pós-doutorando, o pesquisador de políticas públicas ou o redator de propostas de financiamento que não está realizando uma revisão sistemática, mas ainda assim precisa de uma descoberta bibliográfica mais eficaz do que a proporcionada por uma busca básica em bases de dados.

Se os bibliotecários não se fizerem presentes nesse espaço, os pesquisadores não esperarão (na verdade, já não estão esperando). Eles usarão Undermind, Elicit, Consensus, Asta Paper Finder 9 , Google Scholar, Claude, ChatGPT, Semantic Scholar, Research Rabbit, Connected Papers, alertas de citação, PDFs de colegas e tudo o mais que funcionar. Eles construirão seus próprios fluxos de trabalho de descoberta, com ou sem a nossa ajuda.

via Aaron Tay

#RecuperaçãoDaInformação #FontesDeInformação #IA

Disponível em: https://aarontay.substack.com/p/ai-academic-search-and-the-missing

A busca deixou de ser sobre buscar: trata-se de delegar / Enrique Dans

A busca deixou de ser sobre buscar: trata-se de delegar / Enrique Dans

Durante vinte e cinco anos, o Google nos treinou para pensar em termos de palavras-chave. Hoje, está começando a nos treinar para pensar em termos de pedidos. E isso terá muitas, muitas consequências .

A caixa de pesquisa deixou de ser apenas um espaço para inserir termos; ela está se tornando uma interface expansível, multimodal, conversacional e, acima de tudo, interativa : texto, imagens, vídeos, arquivos, abas abertas, contexto pessoal e perguntas sucessivas que não visam mais necessariamente nos levar a uma página específica, mas sim a resolver algo dentro do Google. A empresa apresenta isso como “a maior atualização da caixa de pesquisa em mais de 25 anos “, baseada no Gemini 3.5 Flash e implementada onde o Modo IA estiver disponível. (…)

A questão, portanto, não é se a busca deve mudar. Ela precisa mudar. A questão é sob quais regras. Um mecanismo de busca para a era da inteligência artificial deve ser capaz de sintetizar, dialogar, personalizar e agir, mas também de atribuir, remunerar, permitir exclusões genuínas, auditar vieses, exibir fontes de forma significativa e preservar uma web economicamente viável. Sem isso, a inteligência artificial não será uma camada de acesso ao conhecimento, mas uma máquina de desintermediação que transforma produtores de conhecimento em provedores invisíveis de treinamento, contexto e verificação.

#Google #Buscadores #RecuperaçãoDaInformação #IA

Disponível em: https://www.enriquedans.com/2026/05/buscar-ya-no-es-buscar-es-delegar.html

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/