Ferramentas de IA Transparentes para Bibliotecas: Criando o Assistente OneSearch / ITAL

Ferramentas de IA Transparentes para Bibliotecas: Criando o Assistente OneSearch / ITAL

Este artigo apresenta um estudo de caso sobre uma ferramenta de descoberta baseada em IA, desenvolvida por bibliotecários, com foco na transparência e na pedagogia. O assistente converte consultas em linguagem natural em cadeias de busca booleana estruturadas e editáveis, torna explícita a lógica da busca e recupera resultados do acervo da biblioteca. Desenvolvida por meio de engenharia de prompts iterativa, a ferramenta demonstra como a IA generativa pode apoiar práticas de pesquisa sem comprometer o rigor. Resultados de avaliações qualitativas e quantitativas indicam que a ferramenta melhora a consistência e a qualidade da construção de consultas booleanas, ao mesmo tempo que estimula o engajamento do usuário com a busca como um processo reflexivo. O estudo argumenta que as bibliotecas podem desempenhar um papel fundamental na concepção de ferramentas de descoberta baseadas em IA que estejam alinhadas aos objetivos de competência informacional e aos padrões acadêmicos institucionais. Ao priorizar a transparência e a autonomia do usuário, o desenvolvimento de IA liderado por bibliotecários posiciona a IA generativa como um suporte pedagógico (scaffolding), e não como um substituto para a expertise humana.

#RAG #ExpressãoBooleana #RecuperaçãoDaInformação

Disponível em: https://ital.corejournals.org/index.php/ital/article/view/17697

Competência em busca acadêmica na era da IA ​​generativa: uma estrutura conceitual para navegar na ecologia de busca e linguagem / The Journal of Academic Librarianship

Competência em busca acadêmica na era da IA ​​generativa: uma estrutura conceitual para navegar na ecologia de busca e linguagem / The Journal of Academic Librarianship

Os pesquisadores acadêmicos de hoje navegam por um cenário de busca heterogêneo, transitando com fluidez entre o Google Acadêmico, bases de dados de bibliotecas e ferramentas de IA generativa (IAg). Apesar da rápida adoção da IAg pelos estudantes, o ensino de competência informacional em bibliotecas acadêmicas permanece ancorado em ferramentas tradicionais, com as ferramentas de IAg ocupando uma posição experimental à margem do ensino formal. (…) Este artigo conceitual busca alcançar três objetivos: desenvolver um quadro de referência que integre quatro dimensões — temporal, metodológica, contextual e cognitiva/interacional — e que esclareça por que essas tensões se manifestam de formas distintas entre disciplinas e contextos; utilizar esse quadro para examinar se os padrões de responsabilidade na síntese de evidências, desenvolvidos em áreas de vocabulário estável como a medicina, podem ou devem ser transferidos sem alterações para disciplinas de conceitos menos delimitados, nas quais a busca booleana sempre se mostrou pouco adequada; e traduzir esse quadro em orientações práticas para o ensino, as consultas e a formulação de políticas.

#FontesDeInformação #RecuperaçãoDaInformação

Disponível em: https://doi.org/10.1016/j.acalib.2026.103323

O uso de identificadores persistentes na recuperação da produção científica brasileira / Biblios

O uso de identificadores persistentes na recuperação da produção científica brasileira: análise da cobertura do Currículo Lattes no OpenAlex e no ORCID / Biblios

Este estudo buscou analisar a recuperação da produção científica brasileira em ambientes de informação internacionalizados e abertos, a partir da produção científica registrada nos Currículos Lattes dos bolsistas de Produtividade em Pesquisa do CNPq. A busca foi realizada utilizando os identificadores persistentes DOI e ORCID nas fontes OpenAlex e ORCID.(…) As diferenças na cobertura das fontes sugerem que as particularidades da comunicação científica, considerando o ecossistema editorial/informativo, diferem mais entre áreas do que entre regiões no que diz respeito às características de publicação dos resultados de pesquisa. A sobreposição das produções entre as fontes evidencia a potencial univocidade dos PIDs, permitindo que pesquisas como esta sejam realizadas de forma objetiva, sem que variações nos metadados textuais interfiram na qualidade dos resultados.

#IdentificadoresPersistentes #RecuperaçãoDaInformação #ProduçãoCientífica #FontesDeInformação

Disponível em: https://biblios.ufes.br/biblios/article/view/1370

IA em buscas bibliográficas: limitações e oportunidades / bibliogetafe

IA em buscas bibliográficas: limitações e oportunidades / bibliogetafe

A revolução da IA ​​nos abre portas incríveis, mas nós, profissionais da informação e bibliotecários, continuamos sendo o eixo de uma síntese de evidências livre de vieses e opacidade. O caminho a seguir é metodologicamente híbrido: mantenhamos nossa busca sistemática e transparente como motor principal e integremos a IA como um potente assistente especializado, sob rigorosa supervisão humana, documentação exaustiva e validação constante.

via bibliogetafe

#RecuperaçãoDaInformação #IA

Disponível em: https://bibliogetafe.com/2026/09/21/integracion-de-la-inteligencia-artificial-en-la-sintesis-de-evidencia-bases-metodologicas-y-limites-actuales/

Avaliação da Geração Aumentada por Recuperação para coleções pessoais: arquitetura, modelos e critérios / JList.it

Avaliação da RAG para coleções pessoais: arquitetura, modelos e critérios / JList.it

A estrutura proposta combina métricas automáticas, abordagens de LLM como avaliador (*LLM-as-a-judge*) e processos com participação humana (*human-in-the-loop*), tratando as divergências entre a avaliação automatizada e o julgamento de especialistas como ferramentas de diagnóstico para analisar o comportamento do sistema. Resultados preliminares indicam que categorias fundamentais da mediação documental — como relevância, completude, citabilidade e transparência — não podem ser totalmente reduzidas a parâmetros computacionais; em vez disso, exigem uma negociação contínua entre modelos automatizados e o conhecimento especializado da área. Nessa perspectiva, o RAG é concebido como um objeto de pesquisa epistemicamente instável, cuja confiabilidade e governabilidade dependem da robustez e da reflexividade dos processos de avaliação incorporados ao seu desenvolvimento.

#RAG #RecuperaçãoDaInformação

Disponível em: https://www.jlis.it/index.php/jlis/article/view/735

Estudo revela que a IA agora intermedia um terço da descoberta de informações acadêmicas / Research information

Estudo revela que a IA agora intermedia um terço da descoberta de informações acadêmicas / Research information

Entre as descobertas mais significativas do relatório está o fato de que um em cada dez pesquisadores agora inicia sua busca por informações diretamente em ferramentas de IA, enquanto outros 25% começam com mecanismos de busca gerais, onde as respostas geradas por IA estão cada vez mais integradas. Essa mudança é ainda mais acentuada entre pesquisadores em início de carreira e aqueles que trabalham em ambientes corporativos, onde a proporção de pesquisadores que começam com ferramentas de IA dobra.

O estudo também destaca a incompreensão generalizada sobre o papel que a IA desempenha atualmente na descoberta acadêmica. De acordo com as conclusões, 40% dos pesquisadores acreditam que os resumos gerados por IA em mecanismos de busca foram criados ou selecionados por humanos, percentual que sobe para 46% entre os estudantes. Bibliotecários relataram que os usuários estão solicitando cada vez mais artigos inexistentes, após serem direcionados a referências falsas geradas por sistemas de IA.

#RecuperaçãoDaInformação #IA #PráticasInformacionais

via Research information

RAG na Ciência da Informação: O que precisamos saber? / Advances in Knowledge Representation

RAG na Ciência da Informação: O que precisamos saber? / Advances in Knowledge Representation

Esta pesquisa teve como objetivo investigar como a técnica RAG tem sido implementada e utilizada atualmente — em 2026 — sob a ótica da organização e representação da informação, por meio de uma revisão da literatura acadêmica e científica. Observou-se que o RAG é uma técnica amplamente utilizada em diversas áreas; contudo, na Ciência da Informação, permanece relativamente pouco comum, apesar de os fundamentos da área — organização, representação e recuperação da informação — alinharem-se a essa técnica, o que justifica uma nova perspectiva para aproximar a área de técnicas computacionais relacionadas à Recuperação da Informação.

#RAG #RecuperaçãoDaInformação

Disponível em: https://periodicos.ufmg.br/index.php/advances-kr/article/view/67585


Competência em busca acadêmica na era da IA ​​generativa: uma estrutura conceitual para navegar na ecologia de busca e linguagem / The Journal of Academic Librarianship

Competência em busca acadêmica na era da IA ​​generativa: uma estrutura conceitual para navegar na ecologia de busca e linguagem / The Journal of Academic Librarianship

• Uma estrutura de quatro dimensões para a competência em busca acadêmica na era da IA ​​Generativa.
• As ferramentas de IA Generativa inserem-se em uma ecologia de linguagens de busca, não representando uma ruptura radical.
• Modos de busca baseados em conveniência e em critérios de responsabilidade exigem uma distinção conceitual explícita.
• Os padrões de responsabilidade associados à lógica booleana podem ser inadequados para áreas com contornos conceituais imprecisos.
• A elaboração de prompts para IA Generativa é ressignificada como uma negociação de perguntas autogerenciada pelo usuário.

#RecuperaçãoDaInformação #FontesDeInformação #IALiteracy

Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S0099133326001254

Metodologias Ativas no Ensino Superior / Brajis

Metodologias Ativas no Ensino Superior / Brajis

Os resultados sugerem que as palavras-cruzadas podem contribuir para a revisão, a integração e a consolidação de conteúdos de elevada complexidade conceitual, além de favorecer o engajamento discente e a construção coletiva do conhecimento. Conclui-se que, no contexto analisado, a experiência contribuiu para o aperfeiçoamento das práticas pedagógicas no ensino de Biblioteconomia e para a ampliação das discussões nacionais sobre inovação didática em Biblioteconomia e Ciência da Informação.

#MetodologiasAtivas #PalavrasCruzadas #RecuperaçãoDaInformação

Disponível em: https://revistas.marilia.unesp.br/index.php/bjis/article/view/18229

Entrevista com Lluís Codina: Inteligência Artificial, Recuperação da Informação e Criação de Conhecimento na Era Generativa / CLIP

Entrevista com Lluís Codina: Inteligência Artificial, Recuperação da Informação e Criação de Conhecimento na Era Generativa / CLIP

A conversa explora temas como a evolução dos mecanismos de busca, o papel do posicionamento nesses sistemas no contexto das tecnologias generativas, os riscos associados à confiabilidade da IA ​​e a necessidade de manter uma postura crítica diante da automação de tarefas cognitivas. Aborda também o conceito de “dívida cognitiva” – entendida como a perda gradual de habilidades decorrente da dependência intelectual excessiva de sistemas automatizados. O entrevistado analisa o grau de preparo dos profissionais de informação e comunicação para integrar essas tecnologias aos seus fluxos de trabalho, destacando uma lacuna de competências ainda significativa. Por fim, ele apresenta uma perspectiva voltada para o futuro sobre a relação entre inteligência artificial e criação de conhecimento, argumentando que essas ferramentas desempenharão um papel central em todas as etapas da pesquisa e da análise – desde que acompanhadas por protocolos de verificação rigorosos e práticas acadêmicas sólidas.

#Entrevista #IA #RecuperaçãoDaInformação

Disponível em: https://edicionsedic.es/clip/article/view/197

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