MESTRADO EM CIÊNCIA DA INFORMAÇÃO

A INTELIGÊNCIA ARTIFICIAL NOCONTEXTO DA CIÊNCIA DAINFORMAÇÃO: UMA ANÁLISE DEDOMÍNIORoberta Jerônimo da Silva

M

2021

UNIDADES ORGÂNICAS ENVOLVIDAS

FACULDADE DE ENGENHARIAFACULDADE DE LETRAS

Roberta Jerônimo da Silva

A Inteligência Artificial no contexto da Ciência da Informação:

uma análise de domínio

Dissertação realizada no âmbito do Mestrado em Ciência da Informação, orientada

pela Professora Doutora Olívia Manuela Marques Pestana.

Faculdade de Engenharia e Faculdade de Letras

Universidade do Porto

Julho de 2021

A Inteligência Artificial no contexto da Ciência da

Informação: uma análise de domínio

Roberta Jerônimo da Silva

Dissertação realizada no âmbito do Mestrado em Ciência da Informação, orientada

pela Professora Doutora Olívia Manuela Marques Pestana.

Membros do Júri

Professor Doutor António Manuel Lucas Soares

Faculdade de Engenharia - Universidade do Porto

Professora Doutora Maria Cristina Vieira de Freitas

Faculdade de Letras - Universidade de Coimbra

Professora Doutora Olívia Manuela Marques Pestana

Faculdade de Letras - Universidade do Porto

Agradecimentos

O caminho não foi fácil, mas valeu a pena. E algumas pessoas foram primordiais para chegar

até aqui.

Agradeço a amiga Luzimar e a professora Márcia Heloísa pela gentileza de dispor de seus

tempos em elaborar documentos essenciais para a entrada no mestrado.

Às queridas Tatiana, Elisângela e Mônica que contribuíram no início do processo, em que

foram essenciais para chegar nesta etapa.

À D. Sandra Reis por auxiliar e muito solícita quando necessitei da sua ajuda.

Agradeço à minha orientadora, professora Olívia, pelas sugestões enriquecedoras na

realização e no aprimoramento desta investigação.

Às amigas do MCI: Fernanda, Janaina, Karlla e Nara. Muitas histórias: estudos em grupo,

madrugadas de estudo, aflições acadêmicas e pessoais, mas também muitas conversas,

risadas, fotos e almoços no “puxadinho”.

À minha querida mãe, que superou momentos de angústia e saudades. Ao meu irmão

Roberto e à tia Eliane que sempre tentaram passar tranquilidade nas adversidades surgidas

no Brasil. Ao meu querido pai, um incentivador de que seus filhos estudassem. Com certeza

estaria orgulhoso com a nossa conquista.

Ao meu esposo que embarcou nesta minha decisão de fazermos o mestrado em Portugal e

juntos um incentivando o outro nas incertezas, dificuldades e alegrias durante a sua

realização. Na realização desta dissertação foram muitas renúncias, iniciadas ainda no Brasil

e só nós sabemos. Saiba que você foi fundamental para a realização deste objetivo.

E a todos que auxiliaram direta ou indiretamente, muito obrigada!

Somos a espécie animal mais inteligente que se conhece,

produto de uma extraordinária evolução biológica com

milhares de milhões de anos. Daí que não seja de estranhar

que hoje queiramos ultrapassar os nossos próprios limites,

criando sistemas que reproduzam comportamentos

inteligentes de forma artificial. Em que ponto estamos nesta

aventura?

(Oliveira 2019, contracapa)

Resumo

O presente trabalho analisa, por meio dos artigos de pesquisa como é a relação e como está

sendo utilizada a Inteligência Artificial (IA) na Ciência da Informação (CI) e perceber a

evolução e o impacto das áreas de atuação da CI com base em IA, concretizando-se este

objetivo através da Análise de Domínio (AD) de acordo com Hjørland (2002) e Smiraglia

(2014). Tendo como objetivos específicos: desenvolvimento de um quadro conceitual sobre o

tema; revisão sistemática da literatura assente nas publicações científicas identificadas como

tendo elevado impacto; e um estudo bibliométrico direcionado para a produção científica

sobre IA e CI. O referencial teórico apresenta o enquadramento sobre CI, IA e AD. Descreve

alguns aspectos e discussões sobre CI e IA. A abordagem da AD é a última a ser apresentada,

onde é exposto seus conceitos e aplicações metodológicas ou teóricas. As abordagens e

metodologia adotadas para o estudo em questão é uma pesquisa de literatura científica, no

qual faz uso da AD. Dentre as onze abordagens apresentadas por Hjørland (2002), foram

utilizadas três abordagens: estudos bibliométricos, estudos históricos e estudos

epistemológicos e crítico. A revisão dos artigos de pesquisa sobre IA na CI decorre entre

2011-2020, utilizando o método Preferred Reporting Items for Systematic and Meta-Analyses

(PRISMA). A coleta de dados foi realizada em bases de dados Scopus, Web of Science (WoS),

Library and Information Science Source (LISS), Library, Information Science & Technology

Abstracts (LISTA); e nas revistas Journal of Information Science (JIS) e Journal of the

Association for Information Science and Technology (JASIST). Foram analisados 109 artigos

de pesquisa e identificado ano de publicação, periódico, autor, afiliação, geográfico por

continente e por país e a área de aplicação. Os resultados apontam a falta de uma

regularidade. Os periódicos, JIS e JASIST, são responsáveis por mais da metade dos artigos

analisados. A respeito dos autores principais, não há um nome significativo em relação a

quantidade de publicações. Situação que estende-se à afiliação. Os Estados Unidos da

América (EUA) é o que têm o maior número de publicações, posteriormente China, seguido

do Reino Unido. Examina a empregabilidade da IA no âmbito da CI por intermédio de suas

subáreas estabelecidas, descritas por Araújo (2018). A subárea, representação e organização

da informação é a que apresenta o maior número de artigos. Dentre as diversas temáticas, as

que prevaleceram foram relacionadas ao âmbito do conhecimento e principalmente

Recuperação da Informação (RI). Observa que a aplicabilidade da IA tem como objetivo

apoiar a CI, sendo que mesmo com todo o potencial da IA, o seu uso exclusivo na aŕea da CI

ainda não é uma realidade em sua maioria devido a algumas limitações.

Palavras-chave: Ciência da Informação, Inteligência Artificial, Análise de Domínio.

6

Abstract

The present work analyzes, through research articles, how the relationship is and how

Artificial Intelligence (AI) is being used in Information Science (IS) and understands the

evolution and impact of the areas of action of IS based on AI , achieving this goal through

Domain Analysis (DA) according to Hjørland (2002) and Smiraglia (2014). Having specific

objectives: development of a conceptual framework on the subject; systematic literature

review based on scientific publications identified as having high impact; and a bibliometric

study aimed at scientific production on AI and IS. The theoretical framework presents the

framework on IS, AI and DA. Describes some aspects and discussions about IS and AI. The

DA approach is the last to be presented, where its concepts and methodological or theoretical

applications are exposed. The approaches and methodology adopted for the study in question

is a scientific literature survey, in which DA is used. Among the eleven approaches presented

by Hjørland (2002), three approaches were used: bibliometric studies, historical studies and

epistemological and critical studies. The review of research articles on AI in IS takes place

between 2011-2020, using the Preferred Reporting Items for Systematic and Meta-Analyses

(PRISMA) method. Data collection was performed in Scopus, Web of Science (WoS), Library

and Information Science Source (LISS), Library, Information Science & Technology Abstracts

(LIST) databases; and in the journals Journal of Information Science (JIS) and Journal of the

Association for Information Science and Technology (JASIST). We analyzed 109 research

articles and identified year of publication, journal, author, affiliation, geographic by continent

and by country and area of application. The results point to the lack of regularity. The

journals, JIS and JASIST, account for more than half of the articles analyzed. Regarding the

main authors, there is no significant name in relation to the number of publications.

Situation that extends to affiliation. The United States of America (USA) has the largest

number of publications, followed by China, followed by the United Kingdom. It examines the

employability of AI within the IS through its established sub-areas, described by Araújo

(2018). The sub-area, representation and organization of information is the one with the

largest number of articles. Among the various themes, those that prevailed were related to

the scope of knowledge and mainly Information Retrieval (IR). Note that the applicability of

AI aims to support IS, and even with all the potential of AI, its exclusive use in the area of IS

is still not a reality, mostly due to some limitations.

Keywords: Information Science, Artificial Intelligence, Domain Analysis.

7

Lista de ilustrações

Ilustração 1 - Diagrama do fluxo PRISMA (Revisão da Literatura e Ciência da

Informação)

42

Ilustração 2 - Quadro com as fontes mais utilizadas 44

Ilustração 3 - Diagrama do fluxo PRISMA (Inteligência Artificial e Ciência da

Informação)

47

Ilustração 4 - Gráfico dos artigos por ano de publicação 49

Ilustração 5 - Gráfico dos artigos por período de cinco anos 50

Ilustração 6 - Quadro com as informações dos seis periódicos com mais artigos 51

Ilustração 7 - Gráfico dos periódicos com mais artigos 52

Ilustração 8 - Gráfico dos autores 53

Ilustração 9 - Gráfico dos artigos por afiliações 54

Ilustração 10 - Gráfico dos artigos por continente 55

Ilustração 11 - Mapa mundial com destaque para os três países com mais artigos 57

Ilustração 12 - Gráfico dos artigos por país 58

Ilustração 13 - Gráfico dos tipos de CI 59

Ilustração 14 - Gráfico das subáreas 60

Ilustração 15 - Diagrama das subáreas por ano 61

8

Lista de siglas

AD Análise de Domínio

ASIS American Society for Information Science

ASIS&T American Society for Information Science and Technology

BCI Biblioteconomia e Ciência da Informação

BDTD Biblioteca Digital Brasileira de Teses e Dissertações

CBIR Content-Based Image Retrieval

CDD Classificação Decimal de Dewey

CDU Classificação Decimal Universal

CI Ciência da Informação

EPVE Educational Preventing Violent Extremism

EUA Estados Unidos da América

FID Federação Internacional para Informação e Documentação

GC Gestão do Conhecimento

GI Gestão da Informação

HLMI High-Level Machine Intelligence

IAG Inteligência Artificial Geral

IBM International Business Machines Corporation

ICT Information and Communication Technology

IIB Instituto Internacional de Bibliografia

9

IM Information Management

IPTC International Press Telecommunications Council

IS Information Science

IT Information Technology

JASIST Journal of the Association for Information Science and Technology

JDoc Journal of Documentation

JIS Journal of Information Science

KM Knowledge Management

LIS Library Information Science

LISS Library and Information Science Source

LISTA Library, Information Science & Technology Abstracts

MIT Massachusetts Institute of Technology

OC Organização do Conhecimento

OI Organização da Informação

PRISMA Preferred Reporting Items for Systematic and Meta-Analyses

RC Representação do Conhecimento

RGPD Regulamento Geral de Proteção de Dados

RI Recuperação da Informação

SJR SCImago Journal Rank

TI Tecnologia da Informação

10

TIC Tecnologia da Informação e Comunicação

UE União Europeia

VIP Chinese Science and Technology Periodical Citation Database

VPN Virtual Private Network

WoS Web of Science

11

Sumário

1. Introdução 13

2. Referencial teórico 18

2.1. Ciência da Informação 18

2.2. Inteligência Artificial 28

2.3. Análise de Domínio 35

3. Objetivos 38

3.1. Objetivo geral 38

3.2. Objetivos específicos 38

4. Abordagens e metodologia 39

4.1. Processo da revisão sistemática (Revisão da Literatura no contexto daCiência da Informação) 41

4.2. Processo da revisão sistemática (Inteligência Artificial no contexto da

Ciência da Informação) 45

5. Apresentação e análise de resultados (IA no contexto da CI) 48

5.1. Ano e período de publicação 48

5.2. Periódico 51

5.3. Autor 53

5.4. Afiliação 54

5.5. Geográfico 55

5.5.1. Continente 55

5.5.2. País 56

5.6. Área de aplicação 58

5.7. Discussão 62

6. Conclusão 74

Referências bibliográficas 77

Anexos 80

Anexo 1 82

Anexo 2 84

12

1. Introdução

Comenta-se, com frequência, a respeito da Inteligência Artificial (IA)1. Ela encontra-se

presente nas rotinas diárias das pessoas, apesar de que, muitas vezes, passam despercebidas

no cotidiano.

IA é um termo criado por John McCarthy em 1956, professor de matemática da Dartmouth

College durante a conferência realizada na mesma instituição. A conferência demonstrou, na

altura, que em um futuro próximo os computadores teriam a aptidão de copiar o pensamento

humano (Carr 2011; Oliveira 2020). No entanto, Tegmark (2019) aponta que alguns

fundadores da área, como John McCarthy, Marvin Minsky, Nathaniel Rochester e Claude

Shannon mostraram-se confiantes nas previsões onde acreditavam que dentro de poucos

meses com uso de computadores arcaicos teriam a capacidade de resolver obstáculos em

relação à linguagem relacionada a abstrações e conceitos enfrentados pelos seres humanos. O

que de fato não ocorreu.

A área da IA teve momentos de grande desenvolvimento, mas também dificuldades em

resolver questões de percepção e particularidades da inteligência humana, o que levou a uma

falta de esperança no âmbito da IA. Ocorrendo assim momentos de poucas pesquisas e em

certas situações de desânimo ou falta de financiamento, sucedendo longos períodos de

estagnação, momento conhecido como Invernos da IA (Oliveira 2019).

Tegmark, em seu livro Life 3.0, onde IA é caracterizada como inteligência não biológica,

afirma que a Inteligência Artificial Geral (IAG) [de nível humano] é definida como

“Capacidade de realizar qualquer tarefa cognitiva pelo menos tão bem quanto os seres

humanos” (Tegmark 2019, 63). E assim, afirma que provavelmente uma IAG superior a

humana não ocorrerá neste século.

IA é uma área da Ciência da Computação. Sendo que também encontra-se no limite de outras

áreas científicas, como a Matemática, a Psicologia, a Filosofia, a Biologia e a Medicina

(Oliveira 2019). O objetivo dela é criar mecanismos e/ou máquinas tecnológicas que tenham

a competência de realizar atividades humanas, como a capacidade de raciocinar, perceber,

compreender a linguagem, aprender, ver, ouvir e efetuar atividades das mais diversas

efetuadas pelos humanos.

IA é o resultado da junção de muitos algoritmos e sua organização de modo inteligente.

Importante dizer que “Algoritmo é um conjunto de instruções passo a passo, tão explícitas

1Optamos em colocar todos os campos científicos e suas subáreas iniciando com letra maiúscula.

13

que até algo com uma ‘mente’ tão literal como um computador pode segui-las” (Polson e

Scott 2020, 9-10).

É essencial destacar que muitas das ideias utilizadas pela IA não são novas, tendo mais de

séculos passados. A questão é, qual o motivo da IA ter um destaque somente nos últimos

anos? A explicação é apresentada através de três facilitadores:

a) crescimento exponencial nas últimas décadas da velocidade dos

computadores, no qual tem a denominação de Lei de Moore2;

b) crescimento cada vez maior da quantidade de dados disponíveis. Deste modo

o armazenamento desta quantidade de dados reflete na necessidade de

algoritmos mais inteligentes; e

c) computação em nuvem, onde é um facilitador na redução de custos para

armazenamento e análise de dados em larga escala por meio de uma

infraestrutura de uma empresa (Polson e Scott 2020).

Assim, com a junção destes três facilitadores e com a criação de ideias, ocasiona usar a IA

para aplicação na resolução de problemas concretos.

O entusiasmo pela IA é compartilhado tanto por pessoas como por grandes empresas, por

exemplo: Amazon, Google e Facebook. Identifica-se que a IA encontra-se atualmente em

muitos segmentos da sociedade para facilitar e realizar atividades complexas de forma mais

rápida e também na aplicação para o uso mais ágil do raciocínio quando necessário.

A inteligência artificial impactou muitas áreas da atividade humana, em parte devido

à velocidade com que pode processar informações em um mundo sobrecarregado,

economizando esforço humano e aparentemente oferecendo uma maneira mais

objetiva de avaliar e responder a uma variedade de situações (Broughton 2019, 597;

tradução da autora).

Dentre as variadas atividades da sua utilização: auxiliar na produção de pepinos por meio de

redução de tempo; usar para diagnosticar e tratar o cancro; aprimorar a produção de energia

pelas empresas elétricas; aperfeiçoar a segurança nas plataformas petrolíferas em alto-mar;

auxiliar os cientistas em encontrar novas descobertas na astronomia, na física e nas

neurociências (Polson e Scott 2020).

É significativo perceber que definir o termo inteligência não é fácil e não há uma definição

absoluta, inclusive para os especialistas não existe um consenso. Há uma diversidade de

definições “[...] capacidade de lógica, compreensão, planeamento, conhecimento emocional,

2“Em 1965, o cofundador da Intel, Gordon Moore, foi o primeiro a notar que o número de transístores que

poderiam ser colocados de forma pouco dispendiosa num circuito integrado aumentava exponencialmente ao

longo do tempo, duplicando aproximadamente a cada dois anos” (Oliveira 2018, 39).

14

autoconsciência, criatividade, resolução de problemas e aprendizagem” (Tegmark 2019, 77).

Deste modo o autor Tegmark (2019, 77) trabalha com a ideia no seu livro Life 3.0 com uma

definição abrangente de que inteligência é a “capacidade de realizar objetivos complexos”.

Como descrevemos anteriormente o entusiasmo pela IA é dividido por pessoas, empresas e

campos diferentes e portanto identifica-se que dentre as diversas áreas que a IA encontra-se

presente, ela é utilizada também na Ciência da Informação (CI), assim, pretendemos nesta

investigação identificar como é a sua relação com a CI no âmbito da literatura científica.

A CI é de origem anglo-saxônica (Freire 2006; Le Coadic 1996; Silva 2016) e foi assim

denominada no início da década de 1960 (Freire 2006; Silva 2016). Apesar de haver relatos

da origem correlacionado com Royal Society Scientific Information Conference em 1948

(Silva 2016). O termo surgiu da Biblioteconomia, trata-se de uma junção das palavras

biblioteca e economia e cuja essência é organizar, administrar e gerir. A informação

encontrava-se presente em bibliotecas ou centros de documentação, no entanto com a CI, o

objeto de estudo passa a ser a informação e não unicamente a biblioteca e o livro (Le Coadic

1996). Com a explosão informacional, inicialmente com a comunicação que alterou de oral

para escrita e principalmente com os avanços tecnológicos, o crescimento exponencial de

informações, tornou-se essencial estudar a informação.

O advento da eletrônica (que se traduziu pela transição dos suportes materiais para

suportes imateriais), seguido da informática e do desenvolvimento da comunicação

de informações à distância (telecomunicações) só fizeram reforçar essas tendências.

Demultiplexação, amplificação e armazenamento de enormes volumes de

informações ocorrem sem cessar e, às vezes, nos fazem duvidar da cordialidade da

nova sociedade da informação! (Le Coadic 1996, 7).

Assim, o intuito do presente trabalho é compreender através da literatura científica como a

IA está sendo utilizada na CI.

Uma característica fundamental da CI é a sua interdisciplinaridade. Pode-se confirmar

através de Le Coadic (1996, 22), que percebe a interdisciplinaridade como “[...] uma

colaboração entre diversas disciplinas, que leva a interações, isto é, uma certa reciprocidade,

de forma que haja, em suma, enriquecimento mútuo.” E também por Saracevic (1995; 1996;

1999), que sustenta que a CI é naturalmente interdisciplinar. E na qual a CI tem três

características gerais:

a) ser interdisciplinar;

b) estar ligada à tecnologia da informação; e

c) ser participante ativa no desenvolvimento da sociedade da informação, seja no âmbito

social e humano como também na área da tecnologia (Saracevic 1995; 1996; 1999).

15

A interdisciplinaridade da CI é presente em várias áreas, dentre algumas citadas por Borko

(1968) e Le Coadic (1996): Psicologia, Linguística, Ciência da Computação e Matemática.

Saracevic (1995; 1996) foca nas mais significativas e desenvolvidas: Biblioteconomia,

Ciência da Computação, Ciência Cognitiva e Comunicação. E algo que está em comum com a

proposta desta investigação, vai com um foco na área da Ciência Cognitiva para CI: IA e

interação humano-computador, áreas que também encontram-se na Ciência da Computação.

Outro ponto relatado é que "A ciência da informação se baseou fortemente em ideias teóricas

e experimentais em IA" (Saracevic 1995; tradução da autora).

Portanto, pretendemos analisar, por meio dos artigos selecionados para esta investigação,

como ocorre a aplicação da IA na CI e nas áreas interdisciplinares presentes.

Pretendemos, também, perceber como é realizada a utilização da IA na CI, uma vez que na

produção científica verifica-se o uso na organização e representação do conhecimento, sendo

que como a CI é um campo abrangente, compreender como é o desenvolvimento e o impacto

das áreas de atividade da CI e como tem ocorrido o desenvolvimento dos campos de

atividade da CI com base em IA.

Deste modo será realizada uma revisão sistemática da literatura dos artigos recolhidos para

esta investigação e uma Análise de Domínio (AD) da IA no contexto da CI. AD será entendida

tal como apresentada no artigo de Hjørland e Albrechtsen (1995) no campo da CI, mas

especificamente na Organização do Conhecimento3

(OC). Fazendo uso de algumas

abordagens descritas por Hjørland (2002) para uma compreensão do desenvolvimento,

evolução e as evidências do tema desta dissertação, IA na CI.

Na seção seguinte apresentaremos o referencial teórico, subdividido em Ciência da

Informação, Inteligência Artificial e Análise de Domínio, posteriormente a seção com os

objetivos: objetivo geral e os objetivos específicos. Em seguida as abordagens e metodologia

a serem realizadas na elaboração da pesquisa. Além de descrevermos o processo da revisão

sistemática e da coleta de dados.

Posteriormente relatamos os resultados da revisão sistemática da Inteligência Artificial no

contexto da Ciência da Informação conforme as abordagens escolhidas no âmbito da AD.

Onde apresentaremos através das subseções a análise dos resultados um estudo detalhado

dos artigos. A apuração acontecerá por determinados aspectos: ano de publicação; periódico;

autor; afiliação; geográfico por continente e por país, de acordo com a instituição de origem

3Também chamada de Organização da Informação (OI) (Hjørland 2015). No decorrer do texto ambos termos

aparecerão conforme utilizado pelos autores citados.

16

do autor; a área de aplicação; e tendo como último tópico de análise, a discussão a respeito

dos resultados.

Logo depois a conclusão, posteriormente a lista das referências bibliográficas utilizadas na

elaboração da dissertação e por fim os anexos.

17

2. Referencial teórico

Esta seção descreve o enquadramento sobre CI, IA e AD. Descrevemos nas suas subseções de

forma mais detalhada, umas já descritas na introdução, a respeito da CI e da IA e também

alguns aspectos e discussões sobre cada tema em questão. A abordagem da AD é a última a

ser apresentada, onde expomos seus conceitos e aplicações metodológicas ou teóricas.

2.1. Ciência da Informação

A CI surgiu após a Segunda Guerra Mundial (1939-1945) (Araújo 2018; Saracevic 1996;

Saracevic 1999). No entanto, evidenciamos alguns fatos importantes que antecederam o

nascimento da CI. O surgimento da Bibliografia (século XV, com a invenção da imprensa) e

posteriormente da Documentação. A elaboração de bibliografias levou a uma proximidade da

Biblioteconomia e no decorrer dos séculos não apresentaram uma diferença considerável. A

relação entre a Documentação e a Biblioteconomia, mais especificamente a perspectiva do

tratamento técnico dos documentos e também teve a institucionalização com a criação de

algumas associações e cursos de licenciatura e de aprimoramento (mestrado e

doutoramento). A elaboração de meios (resumos, índices etc) para disseminar os trabalhos

produzidos pelos cientistas. E como último fato foi o desenvolvimento tecnológico e estudos

sobre eles e a conceituação de informação (Araújo 2018).

Para uns o destaque inicial da CI para a sua origem ocorre no final do século XIX com Paul

Otlet4

(Silva e Ribeiro 2002). Mas sua denominação ocorreu no início da década de 1960

(Freire 2006; Silva 2016). O advento foi derivado de uma problemática informacional,

levando a construção da CI.

Pinheiro (2002, 72) sintetiza o surgimento da CI de acordo com alguns fatos e fatores:

- o avanço científico e tecnológico, principalmente em função da 2a Guerra Mundial

e, conseqüentemente, a “explosão bibliográfica” ;

- a necessidade social, histórica, cultural e política do registro e transmissão dos

conhecimentos e informações, produto do processo de desenvolvimento da Ciência e

Tecnologia; e

- o surgimento de novas tecnologias a partir do microfilme e, principalmente, do

computador.

A Ciência da Informação, nasce, portanto, sob a égide da Ciência e da Tecnologia.

Se a explosão da informação foi um dos fatores que levou ao surgimento da CI. No decorrer

de seu nascimento, houve a ampliação dos computadores pessoais, Internet, telemóveis e

4Advogado belga que criou e elaborou um sistema de classificação para o universo do conhecimento, a

Classificação Decimal Universal (CDU) para o Instituto Internacional de Bibliografia (IIB). Instituição concebida

por ele e por Henri La Fontaine em 1895 (Silva e Ribeiro 2002).

18

tecnologias das mais variadas, seja em volume, como também não limitando a ambientes

militares e governamentais, ocorrendo a ampliação para os mais diversos ambientes e

presentes em nosso dia a dia para o público geral. Consequentemente, o crescimento

exponencial da informação aumentou significativamente (Araújo 2018).

A CI por ter o seu começo da Biblioteconomia5, naturalmente seus estudos iniciais

decorreram da informação presente no âmbito da biblioteca e centros de documentação

(Saldanha 2020). O que é confirmado por Le Coadic (1996, 2-3).

A leitura pública e histórica do livro constituiu então a matéria dos primeiros estudos

que foram realizados. Mais tarde, a informação referente às ciências, às técnicas, às

indústrias e ao Estado tomou a dianteira sobre esses assuntos, dinamizada pelo

advento da tecnologia da informação e as necessidades crescentes de informação dos

setores científicos, técnicos e industriais, bem como do grande público.

Devemos destacar que mesmo com a proximidade entre a CI e a Biblioteconomia, elas são

campos diferentes. Alguns aspectos que as diferenciam são em relação aos problemas

determinados; questões teóricas; investigações; experiências e entre outros (Saracevic 1995;

Saracevic 1996).

E ainda pelas especificidades e ou problemas de cada país e mudanças vivenciadas na

humanidade. Atualmente uma das áreas mais presente em pesquisas da CI é relativa às

tecnologias. Importante salientar, tecnologias que apresentaram solução para vários

problemas, mas trouxe outras no âmbito das demandas humanas (sociais, culturais, políticas,

econômicas, jurídicas), presentes no século XXI (Araújo 2018).

As primeiras áreas participantes no campo da informação, Biblioteconomia, Museologia,

Documentação e Jornalismo tinham o interesse nos suportes da informação e não a

informação em si (Le Coadic 1996). Sendo que devido ao desenvolvimento no campo de

atividades científicas; o aparecimento das indústrias da informação, como bases de dados; e

o aparecimento das tecnologias eletrônicas. Levou a uma mudança do objeto da CI que não

era mais o mesmo das disciplinas iniciais da CI, biblioteca e o livro, o centro de

documentação e o documento, o museu e o objeto, e sim a informação (Le Coadic 1996). Mais

especificamente “Tem por objeto o estudo das propriedades gerais da informação (natureza,

gênese, efeitos), ou seja, mais precisamente: a análise dos processos de construção,

comunicação e uso da informação” (Le Coadic 1996, 26). Informação que tem como definição

apresentada por Silva e Ribeiro (2002, 37):

5Para Le Coadic (199) o começo foi com a Biblioteconomia, sendo que do ponto de vista da origem, Silva e

Ribeiro (2002) apontam a origem da CI com a Documentação.

19

[...] conjunto estruturado de representações mentais codificadas (símbolos

significantes) socialmente contextualizadas e passíveis de serem registadas num

qualquer suporte material (papel, filme, banda magnética, disco compacto, etc.) e,

portanto, comunicadas de forma assíncrona e multidirecionada.

Mas afinal o que é a CI? O que é trabalhado na área? Borko (1968), um dos pioneiros da CI,

apresenta em seu artigo clássico, Information science: what is it?, questões importantes

ainda para os dias de hoje (Silva 2016), principalmente referente a sua conceituação. Ele

relata que decorrente da mudança do American Documentation Institute6

para American

Society for Information Science (ASIS), primeira grande sociedade científica nos Estados

Unidos da América (EUA), levou seus integrantes a tentar explicar o que é CI, o que o

profissional da área faz e a relação com a Biblioteconomia e a Documentação. No entanto,

não era fácil e ainda permanece difícil a compreensão pela complexidade da área. Assim, ele

apresentou algumas explanações a respeito sobre o tema. Dentre elas, destacamos:

Ciência da Informação é a disciplina que investiga as propriedades e o

comportamento informacional, as forças que governam os fluxos de informação, e os

significados do processamento da informação, visando à acessibilidade e a

usabilidade. A Ciência da Informação está preocupada com o corpo de conhecimentos

relacionados à origem, coleção, organização, armazenamento, recuperação,

interpretação, transmissão, transformação, e utilização da informação. Isto inclui a

pesquisa sobre a representação da informação em ambos os sistemas, tanto naturais

quanto artificiais, o uso de códigos para a transmissão eficiente da mensagem, bem

como o estudo do processamento e de técnicas aplicadas aos computadores e seus

sistemas de programação. É uma ciência interdisciplinar derivada de campos

relacionados, tais como a Matemática, Lógica, Lingüística, Psicologia, Ciência da

Computação, Engenharia da Produção, Artes Gráficas, Comunicação,

Biblioteconomia, Administração, e outros campos científicos semelhantes. Têm

ambos componentes, de ciência pura visto que investiga seu objeto sem considerar

sua aplicação, e um componente de ciência aplicada, visto que desenvolve serviços e

produtos (Borko 1968, 3; tradução da autora).

É uma ciência interdisciplinar que investiga as propriedades e comportamento da

informação, as forças que governam os fluxos e os usos da informação, e as técnicas,

tanto manual quanto mecânica, de processamento da informação, visando sua

armazenagem, recuperação, e disseminação ideal (Borko 1968, 5; tradução da

autora).

Podemos perceber por estes trechos que a CI tem o propósito de pesquisar a informação

tanto no âmbito comportamental como também nas suas particularidades com o intuito de

oportunizá-la no acesso e no uso. Ela tem o interesse em investigar a informação nas suas

diversas fases: origem, acervo, organização, guarda, recuperação, compreensão, divulgação,

6Desde os anos 2000, seu nome atual é Association for Information Science and Technology (ASIS&T). “[...] é a

única associação profissional que preenche a lacuna entre a prática da ciência da informação e a pesquisa. Por

quase 80 anos, ASIS&T tem liderado a busca por novas e melhores teorias, técnicas e tecnologias para melhorar o

acesso à informação” (ASIS&T 2021). Seus membros são de variados campos: Ciência da Informação, Ciência da

Computação, Linguística, Gestão, Biblioteconomia e outros.

20

transformação e empregabilidade da informação. E independente de onde ela esteja, seja

sistemas7

naturais quanto em artificiais.

Apontamos algumas outras definições apresentadas por diferentes autores:

CIÊNCIA DA INFORMAÇÃO é um campo dedicado à investigação científica e à

prática profissional que aborda os problemas de comunicação eficaz de conhecimento

e registros de conhecimento entre humanos no contexto de usos sociais,

institucionais e / ou individuais e necessidades de informação. Ao abordar esses

problemas de particular interesse está tirando o máximo proveito possível da

moderna tecnologia da informação (Saracevic 1995, 2; tradução da autora).

Ciência da Informação é a disciplina que investiga as propriedades e o

comportamento da informação, as forças que regem o fluxo informacional e os meios

de processamento da informação para a optimização do acesso e uso. Está

relacionada com um corpo de conhecimento que abrange origem, colecta,

organização, armazenamento, recuperação, interpretação, transmissão,

transformação e utilização da informação (Silva e Ribeiro 2002, 53).

[...] a Ciência da Informação é uma ciência social que investiga os

problemas, temas e casos relacionados com o fenómeno

info-comunicacional perceptível e cognoscível através da confirmação ou

não das propriedades inerentes à génese do fluxo, organização e

comportamento informacionais (origem, colecta, organização,

armazenamento, recuperação, interpretação, transmissão, transformação e

utilização da informação). Ela é trans e interdisciplinar, o que significa estar dotada

de um corpo teórico-metodológico próprio construído, dentro do paradigma

emergente pós-custodial, informacional e científico, pelo contributo e simbiose da

Arquivística, da Biblioteconomia/Documentação, dos Sistemas de Informação e

Organização e Métodos. A Museologia (renovada e não patrimonialista0 poderá vir a

integrar este núcleo. Tende a intervir fecunda e activamente no seio da interdisciplina

Ciências da Comunicação. E desenvolve, por força da natureza transversal do seu

objecto científico (a Informação) à condição e vida humanas, um amplo arco de

interdisciplinaridade que privilegia as Ciências Sociais e Humanas (História,

Sociologia, Antropologia, a Psicologia Cognitiva e Social, as Ciências da Educação,

etc.), mas inclui também a Matemática e algumas Ciências Naturais (Silva 2006,

140-141; destaques originais).

Observamos que mesmo com definições apresentadas em períodos diferentes, todas possuem

similaridades. Destacamos, que Silva (2006) afirma que a CI além de ser interdisciplinar,

onde há uma colaboração de vários campos. Ela é também transdisciplinar, na qual fomenta

uma relação e contributo em áreas diversas. Assim, identificamos pelas definições que a CI é

trans e interdisciplinar, tendo como objeto de estudo a informação. Trabalhada em relação

ao comportamento, fluxo, utilização e técnicas, independente de que seja de modo manual ou

mecânico. Área dedicada à pesquisa científica e à prática profissional com o objetivo de

discutir os problemas informacionais existentes entre os humanos nos ambientes coletivos,

institucionais e/ou individuais e também atender as necessidades informacionais. Assim

otimizar a acessibilidade e utilização da informação através do conjunto que compreende

7“[...] um sistema pode ser definido enquanto estrutura (concepção analítica) observada como uma unidade

duravelmente caracterizada pelo próprio estado e com significado autónomo (concepção sintética). Não sendo

uma estrutura, o sistema pressupõe, possui ou integra uma estrutura duradoura com um fluxo de estados no

tempo. Um sistema não existe na realidade mas é definido como tal por qualquer observador que dê significado

aos estados (ou situações) assumidos por uma estrutura” (Mella 1997, 26 citado em Silva 2006, 161).

21

coleta, organização, armazenamento, recuperação, interpretação, transformação e utilização

da informação.

Como já foi descrito, a CI é interdisciplinar8

(Borko 1968; Hjørland 2014; Le Coadic 1996;

Saracevic 1995; Saracevic 1996; Saracevic 1999). Além de ter como características: a ligação à

tecnologia da informação e também participante ativa no desenvolvimento da sociedade da

informação, seja no âmbito social e humano como também na área da tecnologia (Saracevic

1995; Saracevic 1996; Saracevic 1999).

Importante destacar que, devido a esta característica interdisciplinar da CI, ocasiona

encontrar os artigos da área espalhados em revistas de variadas temáticas (Le Coadic 1996).

Um exemplo descrito por Hjørland (2014) sobre esta multiplicidade, são as pesquisas na

Internet encontradas em uma diversidade de tipos de revistas, seja na CI, Ciência da

Computação, Estudos de Comunicação e entre outras áreas. Acreditamos que isto ocorra por

ser um tema multidisciplinar.

Um assunto bastante presente na CI é a Recuperação da Informação (RI)9.

Certamente, a recuperação da informação não foi a única responsável pelo

desenvolvimento da CI mas pode ser considerada como principal; ao longo do tempo,

a CI ultrapassou a recuperação da informação, mas os problemas principais tiveram

sua origem aí e ainda constituem seu núcleo (Saracevic 1996, 45).

Saracevic (1995) aponta que a RI, termo criado por Calvin Mooers, é uma das mais

significativas atividades e a principal origem das relações interdisciplinares. E indicou os

principais problemas englobados por ela. “[Recuperação de informação] abrange os aspectos

intelectuais da descrição da informação e sua especificação para pesquisa e também

quaisquer sistemas, técnicas ou máquinas que são empregados para realizar a operação”

(Mooers, 1951 citado em Saracevic 1995, 3; tradução da autora). Percebemos que muitas

vezes a RI é usada pelas tecnologias e não querem uma associação com a CI. O que pode ser

confirmado por Hjørland (2014), onde aponta que a RI nas tecnologias têm o intuito de

esquecer as perspectivas da tradição da CI.

Existem diversas linhas de pesquisa e desenvolvimento em Ciência da Computação sem

nenhuma ligação com o desenvolvimento da CI, no entanto trabalha de forma similar da CI,

como por exemplo, bases de conhecimento, interação humano-computador. Sendo que como

relatado por Saracevic (1999, 11; tradução da autora).

9Especificamente a recuperação automatizada da informação foi compreendida como o foco da CI por alguns

autores, como por Saracevic (1970 citado em Araújo 2018).

8Saldanha (2020) aborda que a interdisciplinaridade da CI não é algo incomum em grande parte das ciências.

Inclusive aponta que a CI pode ser menos em comparação ao Direito, História, Sociologia e Linguística.

22

Essas áreas têm um componente informativo significativo que está associado à

representação da informação, sua organização intelectual e ligações;

meta-informação, busca de informação, pesquisa, recuperação e filtragem; uso,

qualidade, valor e impacto das informações; avaliação de sistemas de informação do

usuário e perspectiva de uso; e assim por diante - todos tradicionalmente tratados na

ciência da informação.

Importante salientar, como referido por Saracevic (1999) que apesar da tecnologia

encontrar-se presente na CI, com o intuito de beneficiar das vantagens das tecnologias da

informação, a CI não é sobre tecnologia. “Embora a ciência da informação não seja sobre

tecnologia, o problema de fornecer aplicativos de computador eficazes permeia o campo”

(Saracevic 1999, 6; tradução da autora).

É percebido por vezes que parece haver dois tipos de CI, inclusive foi apontado por Hjørland

(2014) que menciona a respeito de duas conferências sobre os fundamentos da CI. Elas

alegavam um tipo de CI. Para identificar se elas representavam um ou dois tipos de CI, é

preciso uma análise teórica das conferências. Observou que uma era baseada na cibernética e

a outra ligada a estudos sociais e epistemológicos de produção e disseminação do

conhecimento, portanto realmente eram campos diferentes. Saracevic (1999) também

apontou dois tipos.

Um que é baseado em ciência da computação com foco em RI, bibliotecas digitais,

mecanismos de busca e afins, e outro que é baseado em ciência da informação, mais

sintonizado com a interação, usuários e uso, com pouca conexão direta com o

desenvolvimento de sistemas, mas ainda completamente dependente dos sistemas,

perseguindo-os implacavelmente (Saracevic 1999, 1062; tradução da autora).

Se por vezes percebemos dois tipos de CI, notamos também uma multiplicidade em relação à

nomenclatura para CI. Como por exemplo, Ciência da Biblioteca e de Informação, Ciência e

Tecnologia da Informação, Ciência e Engenharia da Informação e após debates o termo mais

sólido é Ciência da Informação. Apesar de alguns autores escreverem no plural, Ciências da

Informação. Ocorreu também uma confusão de que a CI era Informática. O motivo foi

decorrente do nome em russo Informatik. Sendo que na verdade trata-se de uma

denominação para a teoria da informação científica (Pinheiro 2002). É apontado por

Hjørland (2014) que o conceito teve importância para a área.

A Federação Internacional para Informação e Documentação (FID) propôs a seguinte

definição: Informática é a disciplina da ciência que investiga a estrutura e as

propriedades (não o conteúdo específico) da informação científica, bem como as

regularidades da atividade da informação científica, sua teoria, história, metodologia

e organização (Mikhailov et al. 1967 citado em Hjørland (2014, 2017; tradução da

autora).

Apesar de que às vezes é utilizado como sinônimo de CI, como pode ser observado no

WordNet: "Ciência da informação, informática, processamento de informações, IP (as

23

ciências preocupadas com a coleta, manipulação, armazenamento, recuperação e

classificação de informações registradas)" (WordNet Search 3.1, s.d.; tradução da autora).

Hjørland (2014) também já havia relatado sobre esta definição, e ainda sim, sete anos depois

ainda permanece.

Ainda sobre a nomenclatura para CI, Hjørland (2014) investiga dez candidatos com algumas

variações para a denominação do campo. Ele deixa claro que não declara que todos os

termos são sinônimos. O objetivo é perceber [...] tensões teóricas subjacentes no campo, pois

um determinado nome não é apenas uma designação neutra, mas algo que envolve uma certa

conceitualização do campo” (Hjørland 2014, 206; tradução da autora). A seguir

apresentamos os nomes e suas variações de acordo com Hjørland (2014):

a) Economia da Biblioteca (Library Economy) - termo usado por Melvil Dewey na

Classificação Decimal de Dewey (CDD), teve algumas alterações e desde 1971 é

denominada por Library & Information. Apresenta uma abordagem similar dos

problemas e atividades da CI, tendo como foco os aspectos práticos, mas não analisa a

parte acadêmica e teórica;

b) Biblioteconomia (Library Science) - utilizado pela primeira vez na Alemanha por

Martin Schrettinger no início do século XIX, por volta de 1807 e 1829. Hjørland

(2014) aponta como um nome ultrapassado para nomear o campo da CI como é

percebido atualmente. Uma vez que:

"[...] questões centrais relacionadas ao desenvolvimento de serviços de biblioteca não

são específicas às bibliotecas, mas podem ser entendidas como incorporando

princípios comuns a outros tipos de sistemas de informação, serviços de informação

ou práticas de documentação. Por exemplo, a indexação e representação de

documentos em registros bibliográficos não é exclusiva das bibliotecas [...]"

(Hjørland 2014, 211; tradução da autora).

Sendo que por vezes o nome Biblioteconomia e Ciência da Informação (BCI)10

é

escolhido por alguns ao invés de CI, possivelmente por ter conteúdos de pesquisa

ligados especificamente ao termo biblioteca. No entanto, Hjørland apresenta uma

argumentação contra este termo, exemplifica ao campo da medicina não ser

designada como ciência hospitalar, uma vez que ela não trata de estudos de hospitais

e sim sobre saúde, doenças, e tratamento. E BCI pesquisa sobre disponibilizar

informações e documentos e não sobre bibliotecas especificamente;

c) Bibliografia (Bibliography) - termo para um tipo de documento e uma área de estudo.

Nome que posteriormente designou o campo CI. Em 1895 Paul Otlet fundou o

10Tradução do termo em inglês Library Information Science (LIS).

24

Institut International de Bibliographie11

e em 1903 buscou definir a ciência da

bibliografia. É apontado, dentre eles o próprio Hjørland, que o uso deste nome é

ultrapassado pelo aspecto do paradigma bibliográfico, apesar de identificar ser um

conceito central no campo;

d) Documentação ou Ciência da Documentação ou Estudos da Documentação

(Documentation, Documentation science, Documentation Studies) - termo para o

campo ligado ao movimento fundado por Paul Otlet e Henri Lafontaine. Nome criado

por Paul Otlet para designar o que é atualmente Armazenamento e Recuperação de

Informações. Meadows relata que a Biblioteconomia e a Documentação possuem

alguns vínculos por serem da área da Bibliografia, porém existem algumas diferenças.

[...] havia um consenso geral de que os documentalistas se preocupavam não apenas

com o manuseio físico dos documentos, mas, em grau muito maior que os

bibliotecários tradicionais, com a exploração das informações contidas nos

documentos (Meadows 1990, 59 citado por Hjørland 2014, 2013; tradução da

autora).

Com o tempo, o termo foi perdendo destaque e modificado para CI.

e) Tecnologia da Informação (TI)/Tecnologia da Informação e Comunicação (TIC)

(Information Technology (IT)/Information and Communication Technology (ICT) -

aponta que às vezes a CI é confundida com TI e com Ciência da Computação ou

identificada como da área da TI e computadores. Existem alguns pesquisadores que

entendem a CI como parte da TI, outros não concordam, como é o caso do Hjørland.

A confusão ocorre por três motivos: alteração da nomenclatura da ASIS que

acrescentou and Technology; incorporação de departamentos de CI com os de

Ciência da Computação; e por causa do subcampo central, a Recuperação de

Informações, ser dominado pela comunidade da Ciência da Computação.

f) Ciência(s) da Informação (Estudos da Informação, Ciência e Tecnologia da

Informação) (Information Science(s) (IS), Information Studies e Information Science

and Technology) - uma das associações mais importantes da CI é a ASIS&T.

Observa-se que de acordo com as definições apresentadas em sua página o foco não é

sobre desenvolvimento em TI. E na publicação da ASIS&T teve o artigo clássico de

Borko, Information Science. What is it? publicado. Sendo que Capurro e Hjørland

(2003) criticaram a definição ser baseada por meio de suas ferramentas. Afirmam

que:

11De acordo com Silva e Ribeiro (2002) Henri La Fontaine também foi um dos fundadores.

25

Uma ciência deve ser definida por seu objeto de estudo. Como tal, o estudo da

informação é melhor. Precisamos, no entanto, identificar o papel específico da ciência

da informação em relação à “geração, coleta, organização, interpretação,

armazenamento, recuperação, disseminação, transformação e uso da informação”

(Capurro e Hjørland 2003, 389; tradução da autora).

E mesmo com algumas variações utilizadas com uma certa frequência (Ciências da

Informação e Estudos da Informação), o termo estabelecido é CI;

g) Informática (Informatics)12

h) Biblioteconomia e Ciência da Informação (Biblioteconomia e Ciências da Informação,

Biblioteconomia e Estudos da Informação) (Library and Information Science,

Library and Information Sciences, Library and Information Studies) - junção de

Biblioteconomia e CI. Ligado em sua maioria a instituições universitárias

fundamentadas em pesquisa. Entre a década de 1970 até 1990 a maioria das escolas

de Biblioteconomia nos EUA adicionaram CI ao seu nome, característica identificada

em outros lugares do mundo.

i) Gestão da Informação (GI), Gestão do Conhecimento (GC), Sistemas de informação e

Ciência Informativa (Information Management (IM), Knowledge Management

(KM), Information Systems and Informing Science) - através de uma análise dos

nomes GC, GI e Sistemas de Informação, por vezes são utilizados como sinônimos de

CI. Variações decorrentes de modismos para atrair interessados para o campo. Sendo

que também são utilizados para nomear novos campos em crescimento fora da CI.

Apesar de frequentemente a ausência de uma apresentação conceitual e teórica de

modo claro para atender como sinônimo ou campo diferenciado da CI. Em relação a

Ciência Informativa, surgiu em 1998 e apresenta as mesmas características da CI;

j) Estudos de Arquivos, Bibliotecas e Museus (Archives, Library and Museum Studies

(ALM) - identificadas como instituições de memória e observada que em alguns

países elas encontram-se separadas, como é o caso da Suécia13

. A proposta é de

agrupá-las possivelmente por utilizarem Internet e mídias digitais.

É de referir que revistas, cursos e instituições alteram e/ou adicionam em seus nomes termos

como meio de atrair pessoas interessadas para a área. Um exemplo é o descrito por Hjørland

(2014), a respeito da American Society for Information Science que no ano 2000, acrescentou

and Technology ao seu nome. Mudança realizada sem uma discussão na literatura. O que

fez parecer que o intuito era unicamente atrair novos membros para a sociedade.

13No Brasil também são separadas.

12Explicações baseadas em Pinheiro (2002) já descritas na folha 23.

26

A nomenclatura para o campo deve ser fundamentada em conceitos e teorias. Sua

designação não deve ser incentivada por métodos que têm como único objetivo atrair

interessados, sejam eles pessoas e/ou organizações, ou ainda ter o intuito de criar um campo

novo sem nenhuma nova fundamentação teórica. O uso de termos ambíguos devem ser

evitados, uma vez que acaba por criar uma desordem tanto no campo como em relação a

parceiros externos (Hjørland 2014).

Com esta pluralidade de nomes, é notório a complexidade do campo de CI. Portanto, deve

utilizar na área conceitos com fundamentação teórica e não usar termos apenas por

tendências do momento, com a única finalidade de atrair interessados, pois isto pode

ocasionar uma dispersão na área, como foi apontado por Hjørland (2014). Por fim,

verifica-se que o termo estabelecido é Ciência da Informação, podendo ser usado também

BCI, visto que em sua maioria são identificadas como sinônimas, dependendo do contexto e

do público alvo (Hjørland 2014).

É percebido naturalmente que, no decorrer da formação da CI, principalmente no final do

século XX.

O advento dos computadores e da internet propiciou um acesso extremamente amplo

a todo tipo de documentos e registros de conhecimento, do passado e do presente, de

todos os lugares do mundo, em tempo real, a partir de diversos dispositivos, inclusive

móveis. Ainda assim, uma parte da população mundial segue apartada desse acesso, e

incluir essas pessoas segue sendo um problema econômico e, também informacional

(Araújo 2018, 44).

E verifica-se também o poder e controle da Internet, por exemplo no âmbito comercial e na

política. Transformações que consequentemente trouxeram a ocorrência de novos fatos e

dificuldades a serem trabalhadas, como é o caso do fenômeno do conceito surgido na década

de 1990, pós-verdade14

e tudo que engloba o mesmo (desinformação, notícias falsas). Tema

presente em uma das variadas subáreas consolidadas na CI que serão usadas como guia e

auxiliarão a determinar a aplicação da IA no contexto da CI, descritas por Araújo (2018). Eis

elas:

a) produção e comunicação científica;

b) representação e organização da informação;

c) estudos sobre os sujeitos;

14“O conceito não se relaciona especificamente com o fato de existirem mentiras - afinal, mentiras sempre

existiram. A novidade trazida pelo conceito é que hoje, com as novas tecnologias e a internet, as pessoas possuem

muito mais condições de checar a veracidade dos fatos apresentados na mídia ou nas redes sociais – elas podem,

mas não querem, não têm interesse em fazer isso. É esse desinteresse pela verdade, o apego a preconceitos e

fundamentalismos por parte de um grande contingente de pessoas que marca o fenômeno da pós-verdade, um

elemento fundamental para se entender a realidade informacional contemporânea” (Araújo 2018, 45).

27

d) gestão da informação;

e) economia política da informação;

f) estudos métricos da informação; e

g) memória, patrimônio e documento.

Assim, poderemos identificar a relação da IA na CI. E como colocou Saracevic (1995, 5;

tradução da autora) “A ciência da computação trata de algoritmos relacionados à informação,

enquanto a ciência da informação trata da própria natureza da informação e seu uso por

humanos. As duas preocupações não são concorrentes, mas complementares. Eles levam a

agendas básicas e aplicadas diferentes”. Saracevic (1996; 1999) reafirma esta inter-relação

dos dois campos.

2.2. Inteligência Artificial

A IA é um dos campos mais atuais em ciências e engenharia (Russel e Norvig 2013). E

inevitavelmente fascina um variado grupo de pessoas e empresas (Polson e Scott 2020).

Depois da Segunda Guerra Mundial, muitos investigadores passaram a se dedicar a

máquinas inteligentes, provavelmente Alan Turing (1912-1954), matemático inglês, foi o

primeiro. E possivelmente também o primeiro a optar que a IA deveria ser pesquisada em

programas de computador do que criar máquinas (McCarthy 2007). É importante destacar

que Alan Turing com o seu Teste de Turing apresentado em seu artigo de 1950, Computing

Machinery and Intelligence, teve papel imprescindível tanto na Ciência da Computação de

modo geral e principalmente na IA (Bostrom 2018; Isaacson 2014; Oliveira 2018; Oliveira

2019; Russel e Norvig 2013; Tegmark 2019).

Uma das razões que levou a evolução da IA foi se algum dia o computador poderia agir de

modo inteligente como um ser humano, deste modo gerou interesse por parte de cientistas,

engenheiros e filósofos (Oliveira 2019).

Salientamos que os fundamentos da IA estão estruturados em algumas disciplinas, que

colaboraram com ideias, perspectivas e técnicas para IA. Trata-se da: Filosofia; Matemática;

Economia; Neurociência; Psicologia; Engenharia de Computadores; Teoria de Controle e

Cibernética; e Linguística. Russel e Norvig (2013) baseados em algumas questões, apontam

de que forma estas disciplinas contribuíram para a IA. Na Filosofia destaca-se Aristóteles

(384-322a.C.) por ter sido o primeiro a elaborar um conjunto específico de leis que regulam

a parte racional da mente. Posteriormente Ramon Lull (1315) mostrou a ideia de que o

28

raciocínio útil poderia ser gerido por um dispositivo mecânico. Thomas Hobbes (1588-1679)

sugeriu que o raciocínio era parecido à computação numérica.

A Filosofia estabeleceu a maior parte das idéias a respeito da IA, no entanto foi necessário

uma efetivação no campo matemático, mais especificamente: Lógica, Computação e

Probabilidade. Outra área presente é a Economia "A maioria das pessoas pensa que a

economia trata de dinheiro, mas os economistas dirão que, na realidade, a economia estuda

como as pessoas fazem escolhas que levam a resultados preferenciais" (Russel e Norvig 2013,

33). Onde "A teoria da decisão, que combina a teoria da probabilidade com a teoria da

utilidade, fornece uma estrutura formal e completa para decisões (econômicas ou outras)

tomadas sob a incerteza [...]" (Russel e Norvig 2013, 33). Em relação a Neurociência, campo

que investiga o sistema nervoso, principalmente o cérebro. A questão apresentada é como o

cérebro processa as informações. Enquanto a Psicologia com intuito de responder dentre

algumas questões a de como os seres humanos e os animais pensam e se comportam. Na

Engenharia de Computadores uma das questões é confeccionar computadores eficientes, na

Teoria de controle e Cibernética como as máquinas podem funcionar sob seu próprio

controle; e por fim a Linguística é como acontece a associação da linguagem com o

pensamento.

IA como já foi mencionado é um termo criado por John McCarthy no verão de 1956 em

Dartmouth, no estado norte-americano de New Hampshire. Momento de uma reunião com

cientistas que tinham interesse em redes neurais, na teoria dos autômatos e no estudo da

inteligência. A ideia era que durante a investigação sobre IA no período de duas semanas

identificasse meios de que qualquer tipo de atributo da inteligência fosse possível que uma

máquina realizasse (Bostrom 2018; Russel e Norvig 2013). E como Tegmark (2019) relata

sobre o excesso de confiança tecnológica de alguns fundadores da área: John McCarthy,

Marvin Minsky, Nathaniel Rochester e Claude Shannon mostraram-se convicção nas

previsões que em pouco tempo, mas precisamente em poucos meses com uso de

computadores ultrapassados teriam a habilidade de resolver obstáculos em relação à

linguagem relacionada a abstrações e conceitos enfrentados pelos seres humanos. O que

posteriormente confirmou o resultado não esperado.

Russel e Norvig (2013) definem a IA em duas dimensões que se relacionam:

a) processos de pensamento e raciocínio - pensando como um humano e pensando

racionalmente; e

b) comportamento - agindo como seres humanos e agindo racionalmente.

Segundo (Domingos 2017, 27) “O objetivo da IA é usar os computadores a fazer o que

29

atualmente os humanos fazem melhor, e aprender é sem dúvida a mais importante dessas

tarefas; sem ela, nenhum computador pode se equiparar a um humano por muito tempo

[...]”. A IA é a ciência e a engenharia de criar máquinas inteligentes, sobretudo programas de

computador inteligentes. Ela não necessariamente é para imitar a inteligência humana. No

entanto, existem pesquisadores que tem como propósito inserir a mente humana no

computador, no entanto, McCarthy acredita que seja de modo figurado, uma vez que a mente

humana possui muitas especificidades (McCarthy 2007). Em relação às máquinas

apresentarem inteligência de nível humano (High-Level Machine Intelligence (HLMI)15

, na

sigla em inglês), verificou-se bastante confiança em estudos com especialistas, mas também

uma diversidade de opinião em quanto tempo acontecerá. Considerando que não tenha

grandes problemas significativos, a previsão oscilou entre 2022, 2040 e até 2075. Portanto,

que aconteça ainda neste século XXI. Em Tegmark (2019) além de apontar que também

ocorrerá ainda neste século a IAG humana e que será benéfica, outros acreditam que não

acontecerá num futuro previsível.

Bostrom (2018) declara que uma IA não obrigatoriamente deve ser semelhante com a mente

humana, alega que possivelmente será distinta. "Além do mais, os sistemas que definem os

objetivos das IAs podem divergir completamente da maneira como a mente humana define

objetivos" (Bostrom 2018, 69).

Um termo extremamente presente na IA é o algoritmo. A IA é o resultado da junção de

muitos algoritmos e sua organização de modo inteligente. Domingos (2017) relata que

anualmente são criados centenas de algoritmos, apesar de não ser fácil de elaborar. No

entanto, são fundamentados nas mesmas ideias. E descreve que por vezes é despendido

tempo e dinheiro em algoritmos de aprendizado errado ou por falha na compreensão do que

o algoritmo informava. Como Oliveira (2019) também descreveu sobre a utilização de

algoritmos inadequados.

Domingos (2017) tem como ideia de um algoritmo mestre, seria um algoritmo aprendiz de

uso geral. Mas afinal o que é um algoritmo?

Um algoritmo é uma sequência de instruções que informa ao computador o que ele

deve fazer. Os computadores são compostos por bilhões de minúsculas chaves

chamadas transistores, e os algoritmos ligam e desligam essas chaves bilhões de vezes

por segundo. O algoritmo mais simples é: gire a chave. (Domingos 2017, 20).

Logo os algoritmos existem em nossas vidas modernas, encontram-se presentes em toda

parte, seja em: celulares, laptops, carros, objetos domésticos, brinquedos, pilotam aeronaves

e em tantos outros usos e locais. “Sem algoritmos, os computadores seriam inúteis” (Oliveira

15Outro nome para IAG.

30

2018, 5). É importante destacar que "Um algoritmo não é apenas qualquer conjunto de

instruções: elas têm de ser suficientemente precisas e não ambíguas para serem executadas

por um computador" (Domingos 2017, 21). Os algoritmos devem ser um padrão bem

detalhado e como descrito por Oliveira (2018) 0 algoritmo é criado para algo singular.

O intuito dos pesquisadores de IA é buscar meios de fazer com que as máquinas solucionem

dificuldades existentes. Identifica-se que no geral a investigação em IA predomina em

resolver problemas maiores que a inteligência humana não pode elucidar. Assim, os

pesquisadores observam como os humanos realizam tal atividade e principalmente exploram

métodos computacionais no qual os humanos não conseguem realizar. A IA tem como

empenho final criar programas de computador para solucionar problemas e atingir objetivos

no mundo como ocorre com os humanos (McCarthy 2007).

Grandes expectativas e a não concretização destas ideias acabou por levar a ciclos de

desânimo em relação ao campo. Portanto, a área da IA atravessou por períodos de

perspectivas excessivas, intercalando com outros de retrocesso e frustrações. A IA passou

por fases de descrédito e desinteresse conhecidas como "invernos de IA", detectou anos

depois, por volta da década de 1970 que a IA não conseguiria atingir as ideias iniciais, com

isso veio o primeiro "invernos da IA", momento de retração, ocasionando: a escassez de

financiamentos e o ceticismo cresceu. Na década de 80 ocorreu um novo interesse

decorrente de quando o Japão lançou computadores de quinta geração, cujo intuito era

criar uma arquitetura computacional e que ao mesmo tempo seria apropriado para a IA.

Assim o Japão começou a investir fortemente em IA o que levou a grandes empresários de

outros países a fazer o mesmo, sendo que o interesse era aplicar o crescimento econômico

pelo qual o Japão passava em seus próprios países. Sendo que o segundo "inverno na IA" veio

no fim da década de 80, uma vez que os computadores da quinta geração não obtiveram

resultados positivos, eles tinham apenas a capacidade de funcionar com apenas um único

programa, além do crescimento econômico chegou ao fim, consequentemente acontecendo

o mesmo nos EUA e na Europa. Com isto, os investidores se distanciaram de todo tipo de

empreendimento que houvesse IA. Inclusive entre os pesquisadores e financiadores, o termo

IA tornou-se inoportuno. Não obstante, continuou com o trabalho técnico e assim na década

de 90 encerrou o inverno da IA e consequentemente a confiança reapareceu (Bostrom 2018).

A IA já conseguiu ultrapassar a inteligência humana em diversos campos, como em jogos,

sendo que por vezes não ficamos mais admirados com a evolução obtida. "Há quem

concorde com John McCarthy, que lamentou: ‘Quando algo funciona, ninguém mais chama

isso de IA’" (Bostrom 2018, 46). Não é fácil destacar o limite entre a IA e os programas de

computador, sendo por vezes pode ser observado algo mais ligado ao programa do que da IA,

31

com isso retoma o que já foi colocado por McCarthy, de quando algo funciona não é

denominado de IA (Bostrom 2018).

Bostrom (2018) ainda relata que a maior dificuldade da IA é realizar atividades que os

humanos e animais fazem sem precisar pensar. Como também relacionado ao senso comum

e o entendimento de linguagem natural, também mostram-se tarefas difíceis para a IA. Como

forma de comparar a IA atual em relação a inteligência humana, Tegmark (2019) registra

como estreita a IA, uma vez que no momento os sistemas realizam unicamente objetivos

bastante específicos. Enquanto a inteligência humana ele a caracteriza como ampla.

Relativamente aos ramos da IA há: reconhecimento de padrões; aprendendo com experiência

e ontologia. A aplicação da IA ocorre em jogos, reconhecimento de fala, compreender a

linguagem natural, etc. (McCarthy 2007). A IA encontra-se presente em diversas áreas:

jogos, navegadores de rotas para os motoristas; sistemas de indicação de livros, músicas,

filmes baseados em compras e avaliações dos utilizadores; sistemas de vigilância; área

médica. Existência de robôs em diversos campos: limpeza, cirurgiões, indústria e em tantas

outras utilizações. As tecnologias de IA encontram-se presentes em variados serviços na

Internet, como em e-mails, programas de controle de cartões de crédito e sistemas de

recuperação de informação. "A ferramenta de busca do Google é, provavelmente, o maior

sistema de IA já criado" (Bostrom 2018, 49).

Uma das subdivisões da IA que se destaca é machine learning, termo que possui uma

variedade de nomes em português (aprendizado automático, aprendizagem automática,

aprendizado de máquina, aprendizagem de máquina). Além de outros termos como:

reconhecimento de padrões, modelagem estatística, mineração de dados, descoberta de

conhecimento, análise preditiva, ciência de dados, sistemas adaptativos, sistemas

auto-organizados, etc. Oliveira (2018) expõe que machine learning é primordial para as

atividades que necessitam de inteligência e através da criação de técnicas que possibilitam

que as máquinas aprendam com a experiência. Machine learning tem o empenho de criar

algoritmos e procedimentos para com que o computador aprenda, ou seja, melhore sua

performance na realização de atividades. E é considerado por Domingos (2017) a chave da

IA. Ele também argumenta que quanto mais dados machine learning obtém, mais aprenderá

e com isto pode resolver e/ou diminuir o problema da complexidade dos algoritmos. Além

de melhorar os resultados de pesquisas no Google e as recomendações em plataformas como

a Netflix. E ainda como foi descrito por Oliveira (2019) que o programa poderá aprender,

uma vez que quanto mais dados mais precisos serão os resultados.

Isaacson (2014) informa que grande parte das inovações da era digital ocorreu de modo

32

colaborativo. Em seu livro, Os inovadores, o autor descreve os doze acontecimentos mais

significativos da era digital e os responsáveis de cada descoberta. Um aspecto que muitas

vezes é levantado na IA é se as máquinas podem pensar. Para Ada Lovelace, possivelmente a

primeira programadora, no século XIX, ela não acreditava que as máquinas poderiam pensar.

Afirmava que elas poderiam unicamente realizar atividades de acordo com o que era

determinado que fizessem. Um século depois Alan Turing, mais precisamente em 1947, dizia

exatamente o contrário. Ele indicou a viabilidade de que as máquinas poderiam ir além e

alcançar a inteligência, a partir do momento que tivessem a competência de realizar mais do

que foi determinado pelos humanos. A partir de novas estratégias por meio de aprendizado,

experiência e aperfeiçoamento de indicações passadas, onde através de novos programas de

computadores que pudessem alterar as próprias instruções indicadas, ocorrendo a superação

do aluno com o mestre. Deste modo, alcançando tal objetivo, pode afirmar que a máquina

apresenta inteligência. Ideia esta que levou muitas críticas na época. No entanto, é observado

que, de tempos em tempos, os entusiasmados da IA declaram que dentro de pouco tempo,

afirmaram em 1956 em Dartmouth, local do nascimento da IA, que em duas décadas

ocorreria a comprovação, o que não houve e sempre postergando para décadas a frente de um

sonho a ser alcançado (Isaacson 2014). Oliveira (2018) também relata este entusiasmo dos

investigadores atuais, onde acreditavam na existência de máquinas inteligentes no ano

2000.

É notório que os computadores têm a habilidade de guardar informações e realizar cálculos

numéricos bem maiores do que um ser humano é capaz, no entanto a aptidão de perceber,

aprender adaptar e interagir, os computadores encontram-se bem abaixo dos humanos.

Opiniões atribuídas a John E. Kelly III (diretor de pesquisa da International Business

Machines Corporation (IBM)) (citado em Isaacson 2014).

Isaacson (2014), relata também a opinião do professor Tomaso Poggio, diretor do Centro de

Cérebros, Mentes e Máquinas do Massachusetts Institute of Technology (MIT) que as

máquinas continuam longe de atingir a IA, destacam as limitações tanto da Ciência da

Computação como da IA. Uma vez que os pesquisadores ainda não compreendem como a

inteligência é gerada no cérebro e consequentemente como fazer com que as máquinas

tenham tal capacidade como os seres humanos.

A tecnologia trouxe diversas possibilidades, dentre as que não ocorreriam sem o uso delas, a

conexão das pessoas pelas redes on-line. Sendo que vivemos nas contradições de seu uso,

mas inevitavelmente utilizamos ela de alguma forma (Kelly 2010). Na nossa percepção,

ocorre o mesmo com a IA, uma vez que quase todas as tecnologias que usamos tem algo da

IA. Mesmo para os Luditas, termo descrito por Oliveira (2018; 2019) e Tegmark (2019) para

33

identificar aqueles que resistem à mudança tecnológica.

Apenas a IA, ou subcampos dela, como a machine learning ou qualquer outro tipo de

tecnologia não será o único responsável pelo futuro, mas é a decisão do que os humanos

pretendem realizar com elas (Domingos 2017). Logo observa que a IA é bastante humana

como foi apontado por Silva16

(2019).

Portanto a CI tem que se apoiar na IA, uma vez que,

A Ciência da Informação, por exemplo, em tudo o que respeita à organização da

informação/conhecimento e à geração de metadados para uma recuperação da

informação mais fina e eficiente que melhore os resultados atuais de motores de

busca como o Google e outros mais especializados não pode prescindir da IA e tem de

se apoiar nela. E o mesmo se estende à geração de fluxo informacional (produção da

informação) e do estudo do uso/comportamento infocomunicacional. Os algoritmos

que auxiliarem estas tarefas aplicadas e práticas facilitam e muito o trabalho dos

profissionais e cientistas da informação, mas não eximem estes últimos da análise

crítica, da interpretação e da explicação dos problemas, situações e comportamentos

mais respetivos contextos (Silva 2018, 74-75)17

.

Enfim, humanos e máquinas, juntos ou separados? Domingos (2017) descreve que apesar do

poder de todos estes algoritmos aprendizes eles não são perfeitos, sendo usualmente a

necessidade da intervenção dos humanos na última fase da tomada de decisão, apesar de

ficar claro que os algoritmos diminuem a quantidade de opções que um humano teria a

capacidade de administrar. Os algoritmos rompem a sobrecarga de informações. Domingos

(2017) ainda aponta a corroboração de que é mais fácil as máquinas realizarem atividades

mais detalhadas devido ao aprendizado a partir de dados, ao contrário de atividades que

necessitam de uma abundante união de habilidades e conhecimentos. "Não é homem contra

máquina; é homem com máquina versus homem sem ela" (Domingos 2017, 306).

Isaacson (2014) também é da opinião de que seres humanos e máquinas trabalhando em

conjunto serão mais fortes. E assim, a IA não precisa ser a mais poderosa da computação.

Mas sim, buscar meios de potencializar a cooperação entre as habilidades dos seres humanos

e das máquinas, ou seja, uma sinergia em que cada um faz o seu melhor. "Se um computador

aprender a fazer seu trabalho, não dispute; beneficie-se dele" (Domingos 2017, 306). Douglas

Engelbart (1925-2013) engenheiro, também seguia a mesma ideia de que deveria haver uma

combinação entre os seres humanos com as máquinas, não cogitando substituir o

pensamento humano pela IA. Mas deveria combinar a mente humana com a competência

dos processamentos das máquinas (Isaacson 2014). Lickllider (1915-1990) psicológo e

tecnológo também era da teoria que homens e máquinas deveriam trabalhar em cooperação,

17Recensão realizada pelo professor Armando Malheiro da Silva, referente ao livro “A revolução do algoritmo

mestre: como a aprendizagem automática está a mudar o mundo''. Referência completa na lista de referências.

16Recensão realizada pelo professor Armando Malheiro da Silva, referente aos livros: “Inteligência artificial” e

“Mentes digitais: a Ciência Redefinindo a Humanidade”. Referência completa na lista de referências”.

34

desta forma fortalecerem-se reciprocamente, ponto de vista diferente dos seus colegas

Marvin Minsky e John McCarthy que tinham como objetivo fazer máquinas que tivessem a

capacidade de aprender sozinhas e reproduzir a cognição humana (Isaacson 2014). Domingos

(2017) afirma que existem profissionais que não tem como substituir por máquinas, são

aqueles que englobam às questões humanistas, o que no entendimento do autor as máquinas

não possuem, a experiência humana.

Assim, "O processo evolutivo iniciado há cerca de 4 mil milhões de anos conduziu até nós, e a

quase tudo o que nos rodeia, incluindo os muitos dispositivos e utensílios que possuímos e

utilizamos" (Oliveira 2018, 1). Portanto entendemos que não tem como nos abdicarmos da IA

presente nas tecnologias, visto que inevitavelmente faremos uso dela.

2.3. Análise de Domínio

A ideia da Análise de Domínio foi criada para o campo da Ciência da Informação, mais

especificamente para a OC, por Birger Hjørland e Hanne Albrechtsen em 1995.

Hjørland e Albrechtsen (1995) relatam que para o melhor entendimento das informações em

CI é preciso estudar o domínio do conhecimento tanto no âmbito do pensamento (cognição)

ou nas comunidades de discurso (comunicação). Eles também informam que a AD possui

três abordagens: social; funcionalista; e filosófica-realista.

a) social - admite a CI como uma das ciências sociais;

b) funcionalista - busca perceber as funções implícitas e explícitas da informação e

comunicação, e assim elaborar métodos subjacentes de comportamento

informacional conforme esta ideia; e

c) filosófico-realista -"[...] tenta encontrar a base para CI em fatores que são externos às

percepções individualistas-subjetivas dos utilizadores em oposição, por exemplo, os

paradigmas comportamentais e cognitivos" (Hjørland e Albrechtsen 1995, 400;

tradução da autora).

A análise de domínio deve ser baseada no conhecimento acumulado em ontologia e

epistemologia. Pode ser fácil apenas fazer algum tipo de classificação de um domínio.

Se não for baseado no conhecimento de várias visualizações desse domínio,

provavelmente será uma solução ingênua que não é satisfatória para utilizadores

avançados. Isto é importante conhecer as bases ontológicas e epistemológicas visões

(ou "paradigmas") sobre o domínio e suas implicações para a classificação deste

domínio (Hjørland 2005, 131; tradução da autora).

É importante apresentarmos o que vem a ser um domínio apesar da dificuldade em definir,

possivelmente seja por ter um sentido diversificado conforme apontado por Smiraglia (2014).

35

De acordo com Hjørland (2005, 131; tradução da autora) “Um domínio pode ser uma

disciplina científica ou campo acadêmico. Também pode ser uma comunidade de discurso

conectada a um partido político, religião, comércio ou hobby”.

A AD tem como finalidade realizar a OC em um determinado assunto. De acordo com

Smiraglia (2014, 86; tradução da autora) “O principal defensor da análise de domínio é

Hjørland, que defendeu o uso da análise de domínio como metodologia central para a

informação, bem como para a organização do conhecimento, e que também elaborou 11

etapas que podem fornecer informações sobre um domínio”.

As 11 abordagens e conclusões apresentadas por Hjørland (2002, 450-451; tradução da

autora), são:

(1) Os guias de literatura organizam as fontes de informação em um domínio de

acordo com os tipos e funções atendidas. Eles enfatizam descrições ideográficas de

fontes de informação e descrições de como as fontes se complementam,

frequentemente em uma espécie de perspectiva de sistemas.

(2) Classificações especiais e tesauros (especialmente as abordagens baseadas em

facetas) organizam as estruturas lógicas de categorias e conceitos em um domínio,

bem como as relações semânticas entre os conceitos.

(3) As especialidades de indexação e recuperação organizam documentos ou coleções

individuais a fim de otimizar a capacidade de recuperação e a visibilidade de seus

“potenciais epistemológicos” específicos.

(4) Estudos empíricos de usuários podem organizar domínios de acordo com

preferências ou comportamentos ou modelos mentais de seus usuários.

(5) Os estudos bibliométricos organizam padrões sociológicos de reconhecimento

explícito entre documentos individuais.

(6) Os estudos históricos organizam tradições, paradigmas, bem como documentos e

formas de expressão e suas influências mútuas.

(7) Os estudos de documentos e gêneros revelam a organização e a estrutura de

diferentes tipos de documentos em um domínio.

(8) Os estudos epistemológicos e críticos organizam o conhecimento de um domínio

em “paradigmas” de acordo com seus pressupostos básicos sobre o conhecimento e a

realidade.

(9) Estudos terminológicos, LSP (linguagens para fins especiais) e estudos de

discurso organizam palavras, textos e enunciados em um domínio de acordo com

critérios semânticos e pragmáticos.

(10) Os estudos de estruturas e instituições de comunicação científica organizam os

principais atores e instituições de acordo com a divisão interna do trabalho no

domínio.

(11) A análise de domínio em cognição profissional e inteligência artificial fornece

modelos mentais de um domínio ou métodos para elicitação de conhecimento a fim

de produzir sistemas especialistas.

Devemos destacar que Hjørland (2002) afirma que as abordagens não devem ser trabalhadas

sozinhas. Ele sempre indica que elas devem ser combinadas, para que assim a AD seja

36

realizada de forma mais completa. Além de que “A pesquisa em ciência da informação

combinando várias das abordagens [...] irá, na minha opinião, fortalecer a identidade da CI e

fortalecer a relação entre teoria e prática em CI” (Hjørland (2002, 451; tradução da autora).

Sendo que Tennis (2003) relata que é necessário apresentar definições e limites do que

será investigado. Desta forma baseado no trabalho de Hjørland (2002). Ele elabora dois

eixos a serem formulados ao analisar um domínio: áreas de modulação e graus de

especialização. No qual:

As áreas de modulação devem indicar 1) a totalidade do que é coberto na análise de

domínio - a extensão e 2) o que é chamado - seu nome. Os Graus de Especialização

devem 1) qualificar o domínio - definir seu foco e 2) definir onde o domínio se

posiciona em relação a outros domínios - sua interseção (Tennis 2003, 194; tradução

da autora).

Ressaltamos que conforme Smiraglia (2014) aponta, a AD utiliza de procedimentos

qualitativos e quantitativos, mas por natureza utiliza técnicas quantitativas. Deste modo é

necessário determinar limites para a investigação. Smiraglia (2014) descreve também sobre

técnicas para realização da AD: análise de citação, análise de copalavra, análise de cocitação

do autor, análise de rede e análise cognitiva do trabalho.

Nota-se que através da AD pode proporcionar a oportunidade de obter informações

significativas sobre o desenvolvimento, evolução e as evidências sobre o tema a ser

pesquisado. Como relatado por Bawden e Robinson (2012) destacam que a AD possui

naturalmente uma conexão entre a pesquisa e a prática na CI. Uma vez que, busca investigar

a informação com o intuito de disponibilizar serviços de informação para os utilizadores do

tema de interesse. Sendo portanto um suporte importante para o trabalho do especialista no

assunto. Logo percebemos a importância da AD para a OC e assim não deve ser

negligenciada. Assim apresentamos em seguida os objetivos desta investigação.

37

3. Objetivos

Por meio dos objetivos, geral e específicos, buscar-se-á estabelecer as questões a que esta

dissertação irá pesquisar.

3.1. Objetivo geral

O objetivo geral deste trabalho consiste em identificar na produção científica como é a

relação e como está sendo utilizada a IA na CI e perceber a evolução e o impacto das áreas de

atuação da CI com base em IA, concretizando-se este objetivo através da AD de acordo com

Hjørland (2002) e Smiraglia (2014).

3.2. Objetivos específicos

a) desenvolvimento de um quadro conceitual sobre o tema;

b) revisão sistemática da literatura assente nas publicações científicas identificadas

como tendo elevado impacto; e

c) estudo bibliométrico direcionado para a produção científica sobre IA e CI em

determinadas bases de dados e revistas.

38

4. Abordagens e metodologia

Como forma de investigar a relação da IA no contexto da CI, o estudo em questão será uma

pesquisa de literatura científica, no qual fará uso da AD de acordo com o apresentado por

Hjørland (2002) e por Smiraglia (2014).

A AD tem como propósito elaborar a OC em uma determinada temática. Assim, o objetivo de

usar a AD é perceber como tem ocorrido a utilização e a evolução da IA dentro da CI. Para

isto será analisado um grupo de artigos científicos que apresentem uma relação da IA com a

CI.

Dentre as onze abordagens apresentadas por Hjørland (2002) para AD, utilizaremos para

esta investigação as abordagens:

a) estudos bibliométricos - abordagem empírica, baseada em uma análise

minuciosa das ligações entre os documentos individuais, realiza uma análise

comparativa da produção científica sobre o tema em questão, IA e CI, através

do exame dos artigos em determinados itens. A bibliometria tem como um dos

seus interesses, efetuar uma análise da produção científica, através de dados

quantitativos. Possibilita verificar: a cobertura dos periódicos, autores e

instituições mais produtivas, relações entre campos científicos etc. Os artigos

estudados serão selecionados nas bases de dados Scopus, Web of Science

(WoS), Library and Information Science Source (LISS) e a Library,

Information Science & Technology Abstracts (LISTA); e nas revistas Journal

of Information Science (JIS) e Journal of the Association for Information

Science and Technology (JASIST);

b) estudos históricos - será usado como forma de aprimorar a interpretação dos

estudos bibliométricos, uma vez que tem o intuito de proporcionar um

entendimento mais significativo por meio de uma perspectiva histórica da

relação entre os temas; e

c) estudos epistemológicos e críticos - realizará uma reflexão e análise do(s)

paradigma(s) encontrados nos artigos a respeito da IA na CI e assim auxiliará

a compreender o comportamento da relação entre os assuntos em questão. E

como foi apontado por Hjørland (2002), é uma abordagem essencial para

uma AD mais completa, sendo importante ser trabalhada em todos os tipos de

AD.

39

Ao trabalhar estas três abordagens em conjunto, permitirá uma compreensão efetiva, uma

vez que não restringe unicamente a dados empíricos e perceber as tendências. Oferece uma

AD mais completa, como é descrito por Hjørland (2002).

Para iniciar o caminho de investigação deste trabalho começaremos com uma revisão da

literatura sobre RL e CI no período de (2019-2020). O intuito é identificarmos como é usada

a RL dentro da CI, uma vez que a dissertação tem como metodologia AD e naturalmente é

uma RL, mais precisamente uma revisão sistemática.

A etapa da revisão sistemática da literatura, é um "[...] meio de identificar, avaliar e

interpretar todas as pesquisas disponíveis relevantes para uma questão de pesquisa

específica, ou área de tópico ou fenômeno de interesse" (Kitchenham 2004, 1; tradução da

autora). A revisão dos artigos de pesquisa sobre IA na CI decorrerá entre 2011-2020. Em

ambas revisões utilizaremos o método Preferred Reporting Items for Systematic and

Meta-Analyses (PRISMA)18

, detentora de uma lista de verificação (checklist) de vinte sete

itens e um diagrama do fluxo das quatro fases (identificação, triagem, elegibilidade e

inclusão)19

de todo o processo realizado na seleção dos artigos a serem analisados .

Para cada conjunto da revisão a ser elaborada, foram efetuadas diferentes escolhas,

principalmente em relação às bases de dados e período da análise. Uma vez que a revisão

para o primeiro bloco (RL na CI) é para identificar como é usada a RL e a metodologia na CI

em um período mais recente e optando por bases de dados específicas da área da CI. Já em

relação ao segundo conjunto (IA na CI), trata-se dos temas a serem trabalhados nesta

dissertação, onde tem o objetivo de perceber o desenvolvimento, evolução e as evidências da

IA no contexto da CI. Ocorrendo a necessidade de um período maior de análise e por

tratarem de assuntos de áreas diferentes é preciso buscar artigos em bases de dados

multidisciplinares.

19Checklist e o diagrama do fluxo consultar http://www.prisma-statement.org/Translations/Translations

(PRISMA 2009). Referência completa na lista de referências bibliográficas.

18Mais informações consultar http://www.prisma-statement.org/ (PRISMA 2021). Referência completa na lista

de referências bibliográficas.

40

4.1. Processo da revisão sistemática (Revisão da

Literatura no contexto da Ciência da Informação)

As bases de dados escolhidas foram: LISS - especializada nas áreas da Arquivística,

Biblioteconomia e CI; e a LISTA - especializada na área da CI e tecnologia. Em seguida

determinou-se os parâmetros e os termos utilizados para a pesquisa. Todos, com exceção da

alínea e (temática) foram aplicados diretamente na base de dados, não necessitando fazer

uma avaliação posterior. A seguir os parâmetros da elegibilidade:

a) período: últimos dois anos (2019-2020);

b) artigos: (Analisados pelos pares);

c) idioma: português, espanhol e inglês; e

d) termos: literature review AND Information Science no campo Assuntos; e

e) temática: RL deve aparecer como tema central e/ou apresentar em detalhes

como ocorreu a metodologia da RL.

Retornaram 29 artigos, sendo 14 em 2019 e 15 em 2020. Sendo que foi feito um

cruzamentos nas bases de dados LISS e LISTA. Revelando registros duplicados, chegando ao

total de 17 artigos (9 em 2019 e 8 em 2018). Observou-se que alguns encontravam-se

unicamente na LISS e os outros em ambas as bases. Após a leitura foi excluído um do ano de

2020 por não atender ao último item da elegibilidade indicado na alínea e. Assim, para esta

revisão permaneceram 16 artigos. A seguir o diagrama do fluxo de acordo com o método

PRISMA.

41

Ilustração 1 - Diagrama do fluxo PRISMA

(Revisão da Literatura e Ciência da Informação)

Fonte: Elaborado pela autora.

Para identificar como é trabalhada a RL e sua metodologia na CI, apresentamos e analisamos

o resultado dos 16 artigos que encontram-se no Anexo 1. A análise efetua-se abrangendo os

seguintes tópicos.

a) utilização da RL;

b) realização da metodologia;

c) determinação das fontes de pesquisa;

d) designação de tipos de documentos;

A respeito do tópico, utilização da RL. Percebemos que a RL na CI é aplicada no intuito de

atender a um fator específico ou a um conjunto deles como: embasamento teórico,

fundamento histórico, informativo, levantamento de questões, soluções para as questões

propostas, identificar o desenvolvimento de um tema e entre outros e isto dentro de um

determinado tema ou agrupamento de temas. E observamos, que a maioria do artigos

42

(nove), tinha a RL como estudo principal (Dora e Kumar 2020; Felix e Vilan Filho 2019;

Galbo 2020; Jaidka, Khoo e Na 2019; Orduña-Malea 2020; Revez e Borges 2019; Saleem e

Ashiq 2020; Sutton, Clowes, Preston e Booth 2019; Tramullas 2020).

Tramullas (2020) em seu estudo utiliza a revisão sistemática de bibliografia para verificar os

assuntos de pesquisa e os métodos e técnicas praticadas na CI. Por meio do objetivo

principal levantar outras questões relacionadas a ele, como o uso das revisões na CI como

parâmetro do desenvolvimento e verificar o tema principal estudado na CI.

E de acordo com Tramullas (2020, 14):

As revisões bibliográficas sistemáticas são um tipo de estudo acadêmico, amplamente

utilizado em todas as disciplinas científicas, que permitem delinear o estado do

conhecimento sobre uma questão e identificar os temas que são objeto de interesse da

comunidade acadêmica. Ele também deve fornecer orientação sobre as questões

sobre as quais existem oportunidades ou deficiências que devem ser abordadas. Para

cumprir seus objetivos, o corpus de dados em que se baseia deve ser confiável e

representativo.

Quanto à realização da metodologia adotada. Em relação aos critérios e refinamentos

praticados para chegar às publicações trabalhadas, a maior parte dos artigos (12) apresenta

em detalhes, como por exemplo: período temporal; palavras-chave; idioma; geográfico; tipo

de documento; texto completo; bases de dados etc. É importante salientar que alguns são

bastante minuciosos no processo da coleta dos documentos selecionados. Sendo que (2) a

metodologia não é muito clara, informando apenas a abordagem aplicada, caso dos estudos

de Araújo (2020); Santos, Almeida e Sabbag (2020). E nos artigos de Macdonald e Birdi

(2020); Oliveira e Silva (2020) não é relatada a metodologia e/ou a abordagem.

Alguns estudos usaram a abordagem de um autor(es) (Carneiro e Almeida 2019; Santos,

Almeida e Sabbag 2019; Tramullas 2020). E quanto a forma de análise da RL (Dora e Kumar

2020; Engvall 2019; Macdonald e Birdi 2020; Sutton, Clowes, Preston e Booth 2019),

efetuaram tipos de categorização, por meio dos artigos trabalhos na própria RL.

Em relação a determinação das fontes de pesquisa. A seleção das fontes varia conforme

o objetivo do estudo. Os autores Shu, Julien e Larivière (2019) além de usarem a WoS,

optaram pela base de dados chinesa Chinese Science and Technology Periodical Citation

Database (VIP), uma vez que a finalidade era comparar a produção de autores chineses mais

produtivos em duas bases de dados bibliométrica, sendo uma internacional e outra nacional.

Enquanto Sutton, Clowes, Preston e Booth (2019) usaram bases de dados da área da

medicina PubMed, MEDLINE e também Google Scholar, além de páginas de instituições que

produzem revisão. Visto que, o artigo tinha como objetivo detalhar os tipos de revisão

existentes na área da saúde e propor métodos de recuperação de informações. A razão da

43

investigação é decorrente do crescimento e consciência da importância das RL como forma

de melhor entendimento do que já foi escrito em outros trabalhos e como meio de tomada de

decisão. Motivo parecido é compartilhado por Jaidka, Khoo e Na (2019), em que devido ao

crescimento exponencial da literatura científica, faz com que os pesquisadores não consigam

efetuar a leitura e mantenham-se atualizados na mesma velocidade. Assim, os autores,

realizam uma análise de conteúdo de como as pessoas elaboram a redação das revisões de

literatura na área de CI, para isto utilizam artigos científicos obtidos de revistas de elevado

prestígio da área da CI: JASIST, JIS e Journal of Documentation (JDoc).

A escolha da fonte de pesquisa mostrou-se variada, foram citadas no mínimo um total de 24

fontes20

, dentre os tipos: bases de dados; revistas; e publicações científicas. E observamos que

a maioria usou no mínimo duas fontes de pesquisas para a recolha das publicações.

Destacamos as mais utilizadas com as suas respectivas quantidades na ilustração a seguir.

Ilustração 2 - Quadro com as fontes mais utilizadas

FONTES MAIS UTILIZADAS

BASE DE DADOS QUANTIDADE

Google Scholar 7

Web of Science (WoS) 4

Scopus 4

Biblioteca Digital Brasileira de Teses e Dissertações (BDTD) 2Fonte: Elaborado pela autora.

Sobre o último tópico analisado designação de tipos de documentos. Existiram

pesquisas que utilizaram mais de uma tipologia de documentos, como por exemplo: Felix e

Vilan Filho (2019); Orduña-Malea (2020); e Tramullas (2020). Sendo que muitos

trabalhavam com apenas um tipo, como foi o caso de Carneiro e Almeida (2019) que usaram

tese. E em relação ao tipo de publicação que prevaleceu foram os artigos.

Após a análise apresentada, percebemos as diversas possibilidades que uma RL proporciona

a um estudo, seja ao obter a informação e examinar as abordagens, processos, habilidade e

métodos praticados a respeito dos temas investigados. Carneiro e Almeida (2019) usaram a

RL como referencial no intuito de perceberem como é feita a abordagem do assunto tratado

no estudo, Design Science. Além de identificarem as colaborações para a evolução,

20Existiram artigos que não citaram todas as fontes utilizadas.

44

divulgação e progresso do campo teórico do assunto em questão. E também como base para

uma análise de um mapa bibliométrico sobre a evolução no campo teórico da Design Science.

Portanto, como forma de responder às questões desta dissertação efetuamos uma revisão

sistemática da IA no contexto da CI. Para assim, identificar como é a aplicação da IA. Sendo

que por a CI ter como característica principal a interdisciplinaridade, é notório prever que os

artigos de IA no contexto da CI apresentem uma diversificação das áreas inseridas.

Assim, a RL oportuniza aos interessados e pesquisadores terem acesso a informações e/ou

conhecimento no tocante ao tema em questão, no nosso caso da IA no contexto da CI.

4.2. Processo da revisão sistemática (Inteligência

Artificial no contexto da Ciência da Informação)

A seleção para a extração dos artigos ocorreu nas bases de dados Scopus, WoS, LISS, LISTA;

e nas revistas JIS e JASIST. A escolha da Scopus e da WoS foi por serem multidisciplinares.

É importante dizer que a Scopus é uma das maiores bases de dados e pertence à empresa

Elsevier. Organização que domina a publicação científica mundial. No caso da “WoS é a única

base de dados bibliométrica que cobre um século de indicadores baseados em citações para

todas as disciplinas, bem como, desde 1973, todos os autores e suas afiliações institucionais”

(Moed, 2005 citado em Shu; Julien e Larivière 2019, 1141; tradução da autora). A LISTA

também é uma base de dados multidisciplinar, no entanto tem foco na CI e tecnologia e em

relação à LISS, ela é especializada nas áreas da Arquivística, Biblioteconomia e CI. A JIS

trata-se de um periódico internacional revisado por pares e de grande prestígio na área da CI

e Gestão do Conhecimento. A JASIST destaca-se por ser líder em pesquisas revisadas por

pares em CI e outra característica de destaque é por receber artigos exigentes de natureza

empírica, experimental, sociotécnica e entre outras. As duas revistas selecionadas

apresentam uma visão ampla da CI e encontram-se no primeiro quartil do ranking Scimago e

são indexadas nas categorias de CI, Biblioteconomia, Ciência da Computação e, ainda, em

Sistemas de Informação.

Os parâmetros da elegibilidade praticados são os seguintes:

a) período: 2011-2020, correspondente aos últimos dez anos;

b) artigos: somente artigos de pesquisa analisado por pares;

c) idiomas;

- inglês, principal idioma utilizado nas pesquisas científicas,

45

- português, idioma materno, e

- espanhol, boa compreensão por parte da discente.

d) termos: utilizamos para a busca unicamente os termos em inglês de IA e CI:

respectivamente, Artificial Intelligence AND Information Science, uma vez que desta

forma é possível recuperar todos os artigos independente do idioma do artigo.

Importante explicar o motivo de optarmos por estes termos.

- Artificial Intelligence - termo que engloba todas as tecnologias que fazem uso

de algum tipo de IA,

- Ciência da Informação - termo estabelecido no campo, apesar de que em sua

maioria CI e BCI são sinônimas, decidimos por CI, uma vez que BCI poderia

limitar o resultado.

e) acesso total do artigo: acesso livre ou através da Virtual Private Network (VPN) da

Universidade do Porto;

f) primeira leitura: o termo CI e/ou afins da área devem ser encontrados no artigo. No

entanto, se for identificado unicamente na metodologia e não houver uma aplicação

da IA na CI será eliminado da investigação. Em relação ao termo IA, também é

preciso que ele e/ou afins da área sejam identificados em qualquer parte do

conteúdo;

g) leitura aprofundada:

- a junção dos temas IA e CI devem ser identificados,

- os temas não obrigatoriamente são principais,

- os termos CI e IA (e/ou áreas afins de ambos) foram apenas citados, não

tratando deles em si.

A coleta de dados decorreu da seguinte forma: na WoS escolhemos o banco de dados Web of

Science Core Collection, inserimos os termos “artificial intelligence” AND "information

science” na opção topic (título, resumo, palavras-chave do autor e Palavras-chave Plus),

intervalo de 2011-2020, artigo em tipo de documento, recuperou 39 e após a aplicação de

todos os demais parâmetros permaneceram 29. Na LISS e LISTA os termos foram inseridos

na opção assunto. Na LISS retornou 13 artigos, excluídos 2 duplicados da WoS e 4 por não

atender os critérios de elegibilidade. Totalizando 7. Na LISTA todos os artigos eram

duplicados da LISS. JIS selecionamos a opção Anywhere, retornaram 24, excluídos 10, não

apresentou nenhum duplicado, permaneceram 14. JASIST selecionamos também a opção

46

Anywhere, retornaram 123 documentos, sendo 3 duplicados e 75 excluídos, ficando para o

estudo 45. Na Scopus escolhemos a opção palavras-chaves, retornaram 174, sendo 7

duplicados e excluídos 153 por não atender aos critérios de elegibilidade, ficaram 14 Em

resumo, foram coletados 383 artigos, 22 duplicados e excluídos 252 por não atender a algum

dos critérios de elegibilidade, permaneceram para o estudo 109 artigos de pesquisa. Todos no

idioma em inglês. A seguir o diagrama do fluxo de acordo com o método PRISMA.

Ilustração 3 - Diagrama do fluxo PRISMA

(Inteligência Artificial e Ciência da Informação

Fonte: Elaborado pela autora.

47

5. Apresentação e análise de resultados (IA no contexto

da CI)

Para identificar como é a IA no contexto da CI, apresentamos e analisamos o resultado dos

109 artigos de pesquisa que encontram-se no Anexo 2. Inicialmente fazemos uso de métodos

bibliométricos, de modo manual, utilizando a planilha do Google Docs para inserção dos

dados, onde realizamos a averiguação e elaboração dos quadros e gráficos21

conforme os

seguintes tópicos:

a) ano de publicação - de forma anual e por período de cinco anos (2011-2015 e

2016-2020);

b) periódico;

c) autor;

d) afiliação;

e) geográfico - continente e país;

f) área de aplicação.

Em cada um dos tópicos analisados, apresentamos uma avaliação usando em conjunto com o

estudo bibliométrico, as outras duas abordagens de AD escolhidas para a metodologia desta

investigação: estudos históricos; e estudos epistemológicos e críticos. Assim, não limitar

exclusivamente a dados empíricos. Consequentemente, uma AD mais completa, como

apontado por Hjørland (2002).

5.1. Ano e período de publicação

A verificação do ano de publicação decorre de forma anual e também por dois períodos de

cinco anos (2011-2015 e 2016-2020). Percebemos que muitos dos artigos foram publicados

primeiramente on-line, para somente depois serem publicados em um determinado volume

e/ou número do periódico e por vezes ocorrendo uma variedade de ano. Assim, optamos em

fazer a análise de acordo com a primeira data de publicação, uma vez que já estava disponível

para o público ter acesso ao documento.

Identificamos que o ano de 2014 teve o maior número de artigos, 23, seguido de 2015 e 2020,

20 em cada ano. Notamos que nos três primeiros anos do período em análise 2011, 2012 e

2013 o número de artigos permaneceu quase o mesmo. E em 2014 teve um aumento quase

21Todas as ilustrações: quadros, gráficos, mapa e diagrama foram elaborados pela autora da investigação.

48

triplicado, no ano seguinte diminuiu um pouco, mas ainda é um número elevado. No entanto,

entre os anos de 2016, 2017 e 2018 reduziu e a partir de 2019 aumentou novamente. No

último ano do período da investigação apresentou um novo crescimento.

Ilustração 4 - Gráfico dos artigos por ano de publicação

Comparando por períodos de cinco anos: 2011-2015, apresenta 58 e o período de 2016-2020

teve 51. Notoriamente o primeiro período mostrou-se uma maior relação entre IA no

contexto da CI, reflexo dos anos de 2014 com 23 e 2015 com 20. Sendo que podemos

observar novamente o crescimento da ligação da IA com CI nos últimos dois anos,

principalmente em 2020 com 20 artigos.

49

Ilustração 5 - Gráfico dos artigos por período de cinco anos

Verificamos que mesmo a IA sendo um tema muito em voga nos últimos anos, presente em

inúmeras tecnologias. Ainda que a CI tenha surgida sob a égide da ciência e da tecnologia,

como apontado por Pinheiro (2002). E apesar de Araújo (2018) afirmar que as tecnologias

estão presentes em pesquisa da CI. Vimos que em relação a IA não acontece. O tema IA ainda

é novo para CI e até o momento é identificado com distanciamento da CI.

Consequentemente, pesquisas que tenham a IA como assunto ou que seja utilizada em

alguma etapa da pesquisa ainda não é frequente. O que comprovamos durante o período de

análise desta investigação.

O número de artigos que tenha IA no contexto da CI oscilou no período deste estudo. Não

seguindo uma homogeneidade, apenas os anos de 2014, 2015 e 2020 alcançaram no mínimo

20 artigos. O que também faz com que naturalmente lembramos sobre os Invernos da IA,

sendo que neste caso é uma indiferença da CI na IA e vice-versa. E de tempos em tempos o

interesse retorna.

Possivelmente, também decorra, como foi descrito no referencial teórico de IA. A IA

tornou-se algo banal em determinados usos do cotidiano, assim, quando algo funciona não é

dito que é IA ou então não percebemos. O que reafirma a explicação de McCarthy sobre a

dificuldade de identificar o limite entre IA e programas de computador ou de quando algo

funciona não é apontado como IA.

50

5.2. Periódico

Os artigos encontram-se presentes em 42 periódicos, sendo que 73 artigos estão em seis 6

periódicos. Usamos o SCImago Journal & Country Rank22

(SJR) como fonte para a coleta de

dados sobre o impacto das publicações dos periódicos. O SJR é um portal que possui

periódicos e indicadores científicos elaborados com base nas informações presentes na base

de dados da Scopus. Indicadores que possibilitam a classificação das áreas científicas

(SCImago Journal & Country Rank, s.d). Escolhemos o SJR por ser de simples entendimento

e facilidade de acesso, apesar de alguns problemas como fazer parte do cálculo a inclusão de

auto-citações. Apresentamos a seguir as informações dos 6 periódicos que apresentaram

mais de um artigo.

Ilustração 6 - Quadro com as informações dos seis periódicos com mais artigos

PERIÓDICOS

DESIGNAÇÃO PAÍS ÁREA CLASSIFICAÇÃO FI*23 ARTIGOS

h Q

1ACM Transactions onInformation Systems EUA

Negócios, gestão e contabilidade(diversos), Ciência daComputação, Sistemas deInformação 83h-index Q1 0.67 2

2 IEEE Access EUACiência da Computação,Engenharia, Ciência de Materiais 127h-index Q1 0.59 2

3

International Journal ofGeographicalInformation Science Reino Unido

Ciência da Computação. Sistemasde Informação. Geografia,planejamento e desenvolvimento.Biblioteconomia e Ciência daInformação. 114h-index Q1 1.29 2

4Journal of BiomedicalInformatics EUA

Ciência da Computação,Informática em Saúde 103h-index Q1 01.06 2

5 JIS Reino UnidoCiência da Computação, Sistemasde Informação, BCI24 64h-index Q1 0.5 14

6 JASIST Reino UnidoCiência da Computação, Sistemasde Informação, BCI 145h-index Q1 0.9 51

TOTAL 73

24Optamos em deixar BCI, por ser desta forma a identificação no SJR.

23FI - Fator de Impacto.

22Pesquisa feita na página do SCImago https://www.scimagojr.com/.

51

Destes, ACM Transactions on Information Systems, IEEE Access, International Journal of

Geographical Information Science e Journal of Biomedical Informatics possuem, cada um, 2

artigos. O destaque são as revistas JASIST25

com 51 e a JIS com 14 artigos. Notoriamente

elas são responsáveis por mais da metade dos artigos coletados para o estudo. Analisando de

forma mais aprofundada a JASIST e a JIS. JASIST teve sua primeira publicação em 1950 e a

JIS em 1979. Elas possuem perspectivas abrangentes na área da CI, Ciência da Computação e

Sistemas de Informação e têm grande destaque no campo da CI e alto reconhecimento no

meio científico. Naturalmente os autores buscam publicar seus artigos em periódicos de

prestígio.

Ilustração 7 - Gráfico dos periódicos com mais artigos

Examinando todos os periódicos, observamos que eles pertencem a diferentes áreas

científicas, BCI, Ciência da Computação, Negócios, gestão e contabilidade..., Processos da

superfície terrestre, Engenharia Química (diversos), Geografia, planejamento e

desenvolvimento, Sistemas de informação, Prédio e construção, Matemática aplicada,

Engenharia de Controle e Sistemas, Tecnologia de mídia, Multidisciplinar, Química Analítica,

Geometria e Topologia, Gestão de Negócios e Internacional, Engenharia elétrica e eletrônica,

Geografia, planejamento e desenvolvimento, Bioquímica e entre outras. Confirma o que foi

relatado por Le Coadic (1996) e Hjørland (2014) a respeito dos artigos de CI encontrarem

25A revista no período passou por alteração de nome. Anteriormente era designada de Journal of the American

Society for Information Science and Technology.

52

em categorias diversificadas. Reflexo da interdisciplinariedade e transdisciplinariedade do

campo CI.

5.3. Autor

Optamos em analisar exclusivamente o autor principal. Constatamos que não há um autor

significativo sobre a IA no contexto da CI. Identificamos 106 autores, onde 3 autores

publicaram 2 artigos e os demais 103 autores escreveram apenas 1.

Ilustração 8 - Gráfico dos autores

Esta falta de um autor de destaque segue a mesma explicação da seção, ano e período de

publicação, de que os autores veem a IA com distanciamento da CI. E adicionamos também

uma não continuidade de pesquisas que tenham IA no contexto da CI. Os autores com mais

de um artigo durante o período: Arash Joorabchi em 2011 e 2015; Xiaozhong Liu, ambos em

2014; e Veslava Osinska em 2014 e 2020.

53

5.4. Afiliação

Notamos uma pluralidade em relação às afiliações. Houve 5 artigos com autores

pertencentes a mais de uma instituição, assim, apresentou um total de 115 afiliações. O

gráfico a seguir mostra o quantitativo de artigos por instituições. Verifica que a maioria

publicou unicamente um artigo no período e as demais tiveram entre 2 e 3 artigos.

Ilustração 9 - Gráfico dos artigos por afiliações

Salientamos que em relação a Royal School of Library and Information Science, ela era

independente até o ano de 2013, quando posteriormente passou a pertencer a Universidade

de Copenhague. Dos 3 artigos identificados, um foi de 2013, portanto período que não tinha

relação com a universidade, achamos mais condizente de colocar todos como afiliação a

Royal School of Library and Information Science.

Entre as instituições que publicaram mais de um artigo, identificamos a presença de 3

universidades dos EUA e 3 da China, sendo elas responsáveis pelo total de 16 artigos.

Nas últimas décadas o governo chinês criou projetos que tem como objetivo impulsionar a

pesquisa e o desenvolvimento do ensino superior chinês. A Universidade Wuhan, por

exemplo, é uma instituição com mais de 100 anos de existência e entre os seus ex-alunos, há

54

membros na Academia Chinesa de Ciências e na Academia Chinesa de Engenharia. Ela é

reconhecida como uma das universidades mais proeminentes da China (WHU 2014). Outro

aspecto importante a destacar é a existência de uma disputa geopolítica e econômica entre a

China e os EUA. Diante disso, é compreensível as instituições destes países apresentarem um

um destaque nos números.

5.5. Geográfico

Efetuamos a análise geográfica em dois conjuntos: por continente e por país. Assim, é uma

forma de perceber a IA no contexto da CI de forma mais ampla e também específica.

5.5.1. Continente

Percebemos a presença e a relação dos temas em 5 continentes, tendo a região da Europa

com mais artigos, seguido da América e da Ásia. Percentualmente a Europa é responsável por

(37,4%), América (28,7%), Ásia (27%), Oceania (6,1%) e África (0,9%). Assim, destacam-se os

continentes Europa, América e Ásia.

Ilustração 10 - Gráfico dos artigos por continente

Observado um interesse global pelo tema. Sendo que a explicação fica esclarecida na seção

seguinte, quando apresentamos os principais países produtores de pesquisas sobre IA no

55

contexto da CI. Identifica-se que em cada um dos continentes que se destacaram: europeu,

americano e asiático, tiveram um representante com número expressivo de produção

científica.

5.5.2. País

Analisando de forma mais precisa, por país. A maioria dos artigos foram publicados por

autores localizados em instituições de 3 países: EUA, 29 artigos que correspondem a 25,2%,

China, 14 que refere a 12,2% e Reino Unido com 13 artigos, 11,3%. Portanto, eles são

responsáveis por quase metade dos artigos coletados.

Os EUA ostenta o maior número de artigos de pesquisa. Reflexo de vários fatores, por

exemplo: presença de empresas de tecnologia, número vultoso de universidades, cultura e

prática de pesquisa, recursos financeiros e acadêmicos e ainda os temas, IA e CI terem

surgido no país.

A China nos últimos anos apresentou um crescimento tanto na economia como em

tecnologia. A China tem disputado espaços antes dominados pelos EUA e Europa. O governo

chinês tem investido em pesquisa e educação. Consequentemente, os números apresentam

este reflexo. O que é confirmado por Lee (2018), no qual menciona que a pouco tempo,

comparando com a principal potência em IA, os EUA, a China encontrava-se muito atrasada

na área da IA. Contudo isto tem mudado nos últimos anos na esfera tecnológica, como

também nos negócios e nas políticas do governo. Consequentemente refletiu no crescimento

da China na área da IA. Onde empresas e pesquisadores chineses têm alcançado grandes

resultados por meio de algoritmos inovadores. Tornando-se assim já uma superpotência de

IA e sendo o único país a rivalizar com os EUA.

E o terceiro país com mais publicações, o Reino Unido. Ele possui universidades de prestígio,

e também é detentora de investimentos e de uma cultura de pesquisa científica. Além disso,

em conjunto com os EUA, têm nomes renomados no campo da IA e da CI.

Importante destacar que estes mesmos países encontram-se também nas três primeiras

posições no SCImago referente a documentos publicados na área de CI.

56

Ilustração 11 - Mapa mundial com destaque para os três países com mais artigos

Os outros países com um número de artigos em destaque são: Austrália 7, referente a 6,1%;

Espanha, França e Polônia, onde cada um publicou 5, 4,3%; e Taiwan 4, 3,5%. Os demais

países variaram entre 3 ou menos artigos.

57

Ilustração 12 - Gráfico dos artigos por país

5.6. Área de aplicação

No decorrer das leituras dos artigos, detectamos outros tipos de CI. Além da CI trabalhada no

referencial teórico, prevalecida em 81,8%, referente a 90 artigos. Também identificamos a CI

(Computação) em 11,8%, correspondente a 13 artigos. Informamos que um dos artigos

relacionamos tanto em CI como em CI (Computação). As outras variedades de CI foram a CI

Geográfica em 4,5%, relativa a 5 artigos e a CI Geoespacial e a CI Quântica, cada uma

apresentou menos de 1%, relativo a 1 artigo.

Importante ressaltar, e como foi colocado anteriormente, a Ciência da Computação faz parte

da CI, no entanto em alguns artigos, a CI retratada era associada exclusivamente a

Computação. Não havendo uma vinculação com a CI “tradicional”, assim, por esta razão a

denominamos como CI (Computação).

58

Ilustração 13 - Gráfico dos tipos de CI

Na análise da área de aplicação da IA na CI, como foi mencionado anteriormente usamos

como guia as subáreas consolidadas na CI descritas por Araújo (2018): produção e

comunicação científica; representação e organização da informação; estudos sobre os

sujeitos; gestão da informação; economia política da informação; estudos métricos da

informação; e memória, patrimônio e documento. Importante informar que independente do

tipo de CI, tentamos categorizar todos os artigos nas subáreas, no entanto, 11 não foram

possíveis aplicar e 7 incluídos em duas subáreas.

Das sete subáreas, a que prevaleceu em mais da metade foi representação e organização da

informação 51,7%, refere-se a 60 artigos, posteriormente foi estudos métricos da informação

18,1%, porcentagem relacionado aos 21 artigos, economia política da informação apresentou

6,9%, indicativo dos 8 artigos, em seguida gestão da informação com 5,2%, corresponde a 6.

Estudos sobre os sujeitos e produção e comunicação científica teve o mesmo percentual

3,4%, 4 artigos cada um e com o menor número foi memória, patrimônio e documento 1,7%,

2 artigos.

59

Ilustração 14 - Gráfico das subáreas

O resultado retrata o que foi descrito ainda na introdução sobre a utilização da IA na CI, seu

uso na organização e representação do conhecimento. Observamos que com o intuito de

resolver questões complexas e concretas, como a quantidade exponencial de informações

geradas, a IA auxilia os profissionais da CI no processo da OI e representação da informação

e também em proporcionar facilidades aos utilizadores dos serviços e sistemas de

informações. Outro fator é que RI foi um dos principais assuntos identificados nos artigos, o

que confirma com o que foi descrito por Saracevic (1996). E ainda como apontado por

Hjørland (2014) em que muitas vezes a RI nas tecnologias querem o distanciamento das

perspectivas tradicionais da CI, mas percebem que isto acaba prejudicando no resultado.

A respeito da segunda subárea com mais artigos, estudos métricos da informação. Confirmou

que uma das tendências atuais é investigar os aspectos métricos da informação. Em muitos

dos artigos o uso da IA foi através da aplicação de algoritmos. E fundamentada em Le Coadic

(1996), vimos que mesmo tendo pesquisas no âmbito da biblioteca e arquivo, o foco são as

particularidades da informação, ou seja, o estudo do método da criação, comunicação e

utilização da informação independente de qual subárea onde encontra-se a informação.

Visto que em relação a subárea memória, patrimônio e documento, foi a que teve a menor

aplicação e/ou citação a respeito da IA. Provavelmente é reflexo do objeto não ser o mesmo

60

do início da CI: biblioteca, livro, arquivo. No entanto, vimos a importância e as possibilidades

que a IA proporciona nesta subárea. Outra área que vimos seu aparecimento em pesquisas,

apesar da falta de frequência, a subárea economia política da informação. Em 2014 e 2015

apresentou 1 artigo, 2019 2 artigos e em 2020 4 artigos. Os artigos tratam de temas atuais e

trazem investigações sobre algumas das consequências provocadas pelas tecnologias, como:

fake news, desinformação, informação falsa, discernimento, privacidade, questões ética,

Regulamento Geral de Proteção de Dados (RGPD) e reflexão sobre conceitos de computação

social. Temas presentes no âmbito econômico, político, social e entre outros.

Notamos que no decorrer do período analisado, em quase todos os anos a subárea

representação e organização da informação prevaleceu, no entanto, observamos uma

diminuição desta preponderância evidente frente às outras subáreas. A seguir é apresentada

as subáreas que apareceram por ano, com as suas quantidades e em destaque de vermelho

a(s) que sobressaiu/ram).

Ilustração 15 - Diagrama das subáreas por ano

Assim, verificamos que independente de qual subárea da CI a informação esteja inserida e de

que quando a IA busca usar técnicas da CI, ambas percebem na generalidade, que melhoram

o resultado trabalhando em conjunto.

61

5.7. Discussão

A princípio notamos a existência de outros exemplos de CI: CI Geográfica (Bui et al. 2019;

Corcoran e Jones 2018; Li e Liu 2015; Shaw e Sui 2020; Tsatcha, Saux e Claramunt 2014); CI

Geoespacial (Li, Shao e Zhang 2020); CI Quântica (Taylor 2020); e CI (Computação). Tipos

diferentes, do que foi descrito no referencial teórico, por vezes não apresentava nenhuma

vinculação com a CI. Entretanto, ainda é exequível identificarmos características das

subáreas da CI nelas, apesar de que em alguns artigos da CI Geográfica (Bui et al. 2019;

Corcoran e Jones 2018; Li e Liu 2015) e da CI (Computação) (Bladek, Komosinski e Miazga

2019; Holliday et al. 2013; Hong et al. 2020; Huang, SC. et al. 2020; Lv e Zhao 2018; Park e

Tran 2014; Zhang et al. 2012; Cockshott e Renaud 2016) não foi possível inserir em nenhuma

das subáreas da CI.

Ao analisar o quantitativo de artigos em cada uma subáreas da CI, vimos que a IA no contexto

da CI sobressaiu na subárea representação e organização da informação, ela teve um

grande estímulo, desenvolvimento e oportunidades proporcionadas pelas tecnologias nas

pesquisas de Representação da Informação seja na descrição, classificação e OI. Entre os

temas nesta subárea está um novo modelo de Representação da Informação, as Ontologias.

Outros campos são as Folksonomias, Análise de Domínio, Informação e Semiótica, RI, etc.

Alguns artigos incluídos nesta subárea são: Chen e Ke (2014) que comparam o uso da

indexação de artigos utilizando vocabulários controlados e tags dos utilizadores, Thellefsen,

Thellefsen e Sørensen (2013) investigam a respeito da Semiótica e Informação e Reed e Pease

(2015) que pesquisam sobre Ontologia para a OC.

A subárea com o segundo maior percentual foi estudos métricos da informação. Trata

de estudos que procuram medir e avaliar por meio de resultados quantitativos a ciência e os

fluxos da informação. Alguns exemplos dos campos e artigos são: Infometria (Cena,

Gagolewski e Messiar 2015), Bibliometria (Chang e Huang 2012), Cientometria (Bu et al.

2020), etc.

Algumas outras subáreas apresentaram números aproximados de artigos, foi o caso da

economia política da informação e da gestão da informação. Economia política da

informação, investiga a sociedade da informação através, por exemplo, da arqueologia da

sociedade da informação, ética intercultural e regimes de informação. Artigo incluído nesta

subárea foi Pomputius (2019) que trata sobre desinformação. Gestão da informação,

subárea que estuda os processos de gestão nas organizações - e a informação e o

conhecimento gerado pelos indivíduos que fazem parte das instituições. Os campos

presentes são: gestão de recursos informacionais, cultura organizacional, cultura

62

informacional, etc. Um dos artigos inseridos foi Ortiz-Repiso, Greenberg e Calzada-Prado

(2018), investigam como o ensino nas iSchools deve tornar cada vez mais interdisciplinar e

capacitar os futuros profissionais em lidar com dados.

Outras subáreas apresentaram o mesmo total de artigos. Estudos sobre os sujeitos,

alguns campos presentes nesta subárea são o comportamento informacional, perfil de

utilizadores e uso da informação. Um dos artigos incluídos foi Zhang e Soergel (2019), estudo

aplicado em um grupo de alunos para compreender como ocorre a percepção de sentido.

Produção e comunicação científica, refere-se a estudos com o propósito de

compreender a rede científica, englobando regulamentações, financiamentos e divulgação

científica, pesquisa das fontes de informação, colégios invisíveis, acesso livre, curadoria

digital, etc. Fazem parte desta subárea os artigos de Hessey e Willett (2013) que trata da

troca do conhecimento, Silva et al. (2015), estudo de sistemas para pesquisadores e Dewey

(2020) que investigou bancos de dados de periódicos de Biblioteconomia.

A subárea com o menor número de artigos foi memória, patrimônio e documento.

Memória, humanidades digitais e diálogo com as áreas de Arquivologia, de Biblioteconomia e

de Museologia são exemplos de campos desta subárea. Os únicos artigos foram (Chabin

2020; Trace e Francisco-Revilla 2015) e ambos dialogam com a Arquivologia.

Sendo que por a CI ter como característica principal a interdisciplinaridade, além de ser

transdisciplinar é notório prever que os artigos de IA no contexto da CI têm uma

diversificação das áreas inseridas. Alguns voltados para a Biblioteconomia (Dewey 2020;

Giunchiglia, Dutta e Maltese 2014; Kåhre 2013; Qin 2020; Miao 2019; Robinson e Bawden

2017; Wójcik 2020), outros em Arquivística e a análise diplomática (Chabin 2020) ou apenas

relacionado a arquivos (Trace e Francisco-Revilla 2015) e dentre outros campos.

Sobre a aplicação da IA na CI, o propósito da utilização da IA é facilitar e auxiliar de modo

mais eficiente as atividades da CI. Como, por exemplo, aplicação na política dos EUA em

relação ao tratamento da informação (Taylor 2020), no âmbito das bibliotecas seja em

serviços e/ou profissionais (Giunchiglia, Dutta e Maltese 2014; Kåhre 2013; Miao 2019; Qin

2020; Robinson e Bawden 2017; Wojcik 2020), resolver problemas da CI Geoespacial no

contexto de imagens (Li, Shao e Zhang 2020), bancos de dados de periódicos de CI (Dewey

2020), no âmbito da saúde (Ben Abacha e Zweigenbaum 2015; Kholghi et al. 2017; Liu,

Antieaua e Yu 2011; Meinert et al. 2020; Pee, Pan e Cui 2019).

Como também na empregabilidade na esfera da iSchool (Chowdhury e Koya 2017;

Ortiz-Repiso, Greenberg e Calzada-Prado 2018; Zuo, Zhao e Eichmann 2017). Visto que

63

No geral, as iSchools visam conectar pessoas, instituições, empresas e sociedade com

dados usando TIC apropriadas e uma variedade de outras tecnologias, ferramentas e

políticas, de modo que o significado ou sentido apropriado dos dados possam ser

feitos ou inferidos por pessoas e, assim, gerar informações que podem ser usadas em

um contexto específico para aprendizagem, solução de problemas, tomada de decisão,

vida saudável, pesquisa e desenvolvimento e assim por diante (Chowdhury e Koya

2017, 2131; tradução da autora).

Tendo um papel importante para capacitar os seus alunos e assim poderem colaborar com as

diversas ferramentas aprendidas, seja as tradicionais como também com o uso de

Tecnologias da Informação e Comunicação (TICs), algumas que fazem uso de IA, sistemas

inteligentes e além de identificar a presença e o interesse em pesquisas sobre IA por parte das

escolas.

Observamos que uma das discussões e a adoção mais presentes da IA na CI é no âmbito do

conhecimento. Seja na troca de conhecimento (Hessey e Willett 2012) onde destacou que

apesar de várias limitações do estudo e possíveis distorções em relação aos principais campos

que trabalham a CI. Ainda sim, verifica a presença da CI na IA e vice-versa. Sistema de OC

(Lin et al. 2020), Representação do Conhecimento (RC) e OC (Giunchiglia, Dutta e Maltese

2014; Hayes et al. 2011; Qin 2020). El-Diraby (2014) trabalha com Ontologia e Gestão do

Conhecimento. Demarest e Sugimoto (2015) fazem uso da Bibliometria para a OC. Outros

autores claramente têm como foco unicamente a OC (Hjørland 2014; Osinska e Bala 2015).

Enquanto Kåhre (2013; Reed e Pease 2015) também investigam Ontologia com foco em OC.

Branch et al. (2017) em seu estudo, pesquisa em conjunto OC, OI, RI e mais Ontologia. E

ainda ligado ao conhecimento, mas com foco na OI (Shen 2019; Workman et al. 2014), Wu et

al. (2020) pesquisa sobre organizar o texto não estruturado de modo mais preciso, onde

indiretamente é uma OI. Thellefsen, Thellefsen e Sørensen (2013) investigam a respeito da

Semiótica e Informação para Representação e OI. Saif (2018) pesquisam sobre semântica e

ontologia na Wikipedia. Ontologia também fez parte do artigo de Lubani, Noah e Mahmud

(2019).

Verificamos também aplicação da IA presente em sistemas, como sistema de informação de

navegação marítima (Tsatcha, Saux e Claramunt 2014), no contexto da recuperação de

imagens (Li, Shao e Zhang 2020) e sistema de informação geográfica (Shaw e Sui 2020).

Visto a existência da IA no âmbito da classificação automática, seja usando os metadados de

classificação de assuntos de acordo com a catalogação nas bibliotecas tradicionais em

Joorabchi e Mahdi (2011) ou usando Wikipédia para estruturar as tags dos utilizadores,

marcações dos utilizadores denominada Folksonomia (Joorabchi, English e Mahdi 2015) em

conjunto com a RI. Ainda em relação a metadados, utilizam modelo de metadados

64

ontológicos que engloba os metadados descritivos, estruturais e referenciais (Liu, Guo e

Zhang 2014; Liu e Qin 2014). Classificação é o tema presente em Dyagilev e Saria (2016).

Identificamos também a empregabilidade em pesquisa social e econômica sobre questão de

gênero/big data (Huluba, Kingdon e McLaren 2018), estudo de utilizadores (Beaudoin 2016;

Meinert et al. 2020; Pee, Pan e Cui 2019, Zhang e Soergel 2019). Em Pee, Pan e Cui (2019)

trazem questões para compreender o uso do conhecimento em sistemas robóticos e perceber

as ligações entre as pessoas e a tecnologia e assim entender a informática social nesta relação.

Gestão de informação pessoal pesquisado em (Feng e Agosto 2019). Privacidade

informacional assunto em (Bawden e Robinson 2020).

Virkus e Garoufallou (2020) estudaram ciência de dados, termo em português para data

science. Trata-se de tema bastante presente na literatura nos últimos anos. Eles realizam uma

análise de conteúdo a partir de uma perspectiva da CI. De 2.350 documentos selecionados na

WoS (período 1980-2019), apenas 3,4% (80) tiveram a colaboração da CI para ciência de

dados. Nakai (2019) investiga sobre a ligação entre IA, ciência de dados e biomedicina.

RI, foi o principal tema encontrado na literatura recuperada. O que era de esperar por ser

um campo interdisciplinar presente em muitas outras áreas e por trabalharmos com a IA,

campo tecnológico. Além de ser considerada a RI automatizada, núcleo da CI. Os artigos

com o tema foram de (Brandão et al. 2014; Cao 2014; Chen et al. 2020; Engerer 2016; Gao,

Xu e Li 2015; Gonzalez‐Agirre et al. 2016; Hoenkamp e Bruza 2015; Kholghi et al. 2017; Liu

et al. 2014; Mu et al. 2016; Ruotsalo, Jacucci e Kaski 2020; Shen et al. 2015; Silva, Gonçalves

e Veloso 2014; Wojcik 2020; Zhang et al. 2016). Huang e Soergel (2013) estudaram sobre

relevância no âmbito da RI, enquanto Cui (2015) recuperação de imagem (tipo de RI). Em

outros artigos foi trabalhado em conjunto a RI com mais um campo. Aphinyanaphongs

(2014) com classificação. Ben Abacha e Zweigenbaum (2015) com Websemântica. Liu,

Antieaua e Yu (2011) trabalharam com classificação automática para sistema de RI

(perguntas e respostas). Pal, Harper e Konstan (2012) e Cao et al. 2012 investigaram

também sobre RI (perguntas e respostas). Outros artigos foram sobre RI com classificação

automática (Kanan e Fox 2015), com OI em Wu et al. (2020), com indexação automática

(Herskovic et al. 2011; Wang, Lee e Choi 2016). Indexação discutida também por outros

autores Chebil et al. (2016) e Chen e Ke (2014). Este último em seu estudo além da indexação

também teve foco OC e RI. Montalvo et al. (2015) investigaram a respeito de RI e OI. Kim e

Kim (2016) fazem uso de resumos para recuperação de vídeos de fala.

Um novo assunto que, inicialmente, não era usual na CI: fake news, e temas

correspondentes: desinformação, informação falsa, discernimento de informação. Fake news,

65

termo antes usado no ambiente político, passou a ser utilizado em outras áreas. Em Rubin e

Lukoianova (2015) desenvolveram métodos para identificar se a informação é falsa ou

verdadeira em textos, especificamente em comunicações pessoais no computador, por

exemplo, em e-mail e postagens on-line. É utilizada a teoria da estrutura retórica e um

modelo de espaço vetorial. Este tema, a princípio, não foi estudado pela CI, sendo que a CI

possui técnicas para auxiliar e aperfeiçoar os humanos a distinguir informação de

desinformação.

Independente do termo utilizado, fake news (Singh, Ghosh e Sconagara 2021),

desinformação (Pomputius 2019), informação falsa (Rubin e Lukoianova 2015),

discernimento de informação (Wong, Walton e Bailey 2021), todos têm os mesmos

propósitos: reflexão, compreensão e entendimento sobre a informação recebida e claro se a

informação é de fato verdadeira.

Importante destacar que Wong, Walton e Bailey (2021) informam que as tecnologias, como

aprendizado de máquina e a IA em si, podem colaborar, como ocorre para identificar as fake

news, mas que não tem como substituir a experiência dos profissionais da informação.

Assim, Wong, Walton e Bailey (2021) trabalham com modelos de comportamento de

informação humana ao invés de opções automatizadas. O intuito é que estes profissionais

detentores de métodos aprendidos na CI, especificamente discernimento de informação,

ensinem os indivíduos a terem entendimento a respeito das informações recebidas.

E dentre outros temas detectados na literatura, observamos uma quantidade significativa de

pesquisas relacionadas aos estudos métricos da informação, mais especificamente:

Bibliometria, Cienciometria e Infometria. Eles foram abordados nos mais variados

contextos, por vezes era o tema principal ou apontado como um bom recurso para auxiliar os

cientistas da informação em outras ações. Cienciometria (também denominada

Cientometria) em (Bu et al. 2021; Hellsten e Leydesdorff 2016; Malik et al. 2019; McKeown et

al. 2016; Soni, Lerman e Eisenstein 2021; Thor et al. 2021). Infometria em (Cena,

Gagolewski e Messiar 2015; Hsu e Li 2019). Sendo dentro dos estudos métricos, a

Bibliometria foi a predominante (Chang e Huang 2012; Demarest e Sugimoto 2015; Ibáñez et

al. 2016; Kousha e Thelwall 2014; Li e Lei 2021; Osinska 2021; Sheble 2016; Silva et al. 2015;

Thelwall e Sud 2021; Vrettas e Sanderson 2015; Zhang et al. 2017; Zuccala, Someren e Bellen

2014). Huang, Y. et al. (2020) trata tanto de um estudo bibliométrico e cienciométrico.

Assim, a RL oportuniza aos interessados e pesquisadores terem acesso a informações e/ou

conhecimento no tocante ao tema em questão, como é o caso da IA no contexto da CI. Como

foi apontado por Chabin 2020, 250; tradução da autora):

66

É fundamental que os pesquisadores das ciências da informação sejam capazes de

desenvolver projetos em conjunto com empresas de tecnologia e provedores de

inteligência artificial para que a competência sociológica e arquivística (ou seja, o

conhecimento das pessoas e do tempo) seja utilizada na vida de uma sociedade

democrática.

Observado também em Smutny (2016) que investiga os variados conceitos da computação

social. Conceito baseado em várias áreas como CI. Dentre eles, o apoiado mundialmente é o

proposto por Kling, conceito fundamentado em investigações nos EUA, nas áreas da

computação, CI, sistemas de informação e sociologia. Ele criticava a ideia de que a IA

atingiria o nível humano. Outro relatado é do russo Sokolov que criticava o afastamento da

Computação com a Biblioteconomia e Bibliografia. O seu conceito integrava a Computação

científica com a Ciência Bibliográfica, a Biblioteconomia, a Ciência Arquivística e a

Museologia, uma vez que os cientistas queriam informações técnicas, mas também de

informações sociais.

Constatamos que no recorte do período investigado, não há uma regularidade do tema IA no

contexto da CI. Observando uma análise pelos dois conjuntos dos períodos (2011-2015 e

2016-2020), ambos possuem características similares. Nos três primeiros anos

apresentaram números pequenos de artigos e nos dois últimos anos um crescimento com

números altos. Fazendo uma comparação com o que foi apresentado no referencial teórico de

IA, também ocorreu fases de desinteresse com a IA. E também notamos que mesmo com o

crescimento da IA nos diversos segmentos, o uso da IA na CI permanece sem um grande

desenvolvimento e interesse, como pode ser visto no número total de artigos de pesquisa em

cada conjunto de período, 2011-2015 e 2016-2020, respectivamente 58 e 51.

Em relação aos periódicos, confirmamos o que foi relatado por Hjørland (2014) e Le Coadic

(1996) a respeito da tendência dos artigos encontrarem-se em revistas de variadas temáticas.

E verificamos ainda que apenas dois periódicos, JIS e JASIST, foram os responsáveis por

mais da metade dos artigos analisados (65 artigos).

A respeito dos autores principais, destacamos que não há um nome significativo, eles

escreveram entre 1 ou 2 artigos, tendo apenas 3 autores de 2 artigos. Assim, percebemos que

o interesse da IA no contexto da CI não é hegemônico e também o distanciamento entre IA e

CI.

Situação parecida em relação a afiliação. Onde percebemos uma multiplicidade de

instituições, um total de 115. Tendo o número máximo de artigos por 7 instituições, 3 artigos

em cada uma. O número grande de afiliações faz com que refletimos sobre o interesse

abrangente da IA no contexto da CI, apesar de não percebermos uma continuidade.

67

Como apontamos, o interesse global pelo tema, o que podemos confirmar no tocante

geográfico. Vimos artigos em cinco continentes, apesar da África ter apenas 1 e a Oceania 7.

Os outros continentes: Europa, América e Ásia possuem um número superior a 30 artigos. E

quando analisamos os países predominantes, EUA é o grande destaque com 29 artigos.

Alguns fatores são por ter uma cultura de pesquisa forte, além dos temas em questão IA e CI

terem surgido no país. Entretanto, a China apresentou um número significativo, 14 artigos,

superando o terceiro lugar, o Reino Unido.

Atendendo a um dos objetivos específicos desta dissertação, desenvolvimento de um

quadro conceitual sobre o tema IA em CI, observamos que uma das maiores

dificuldades da IA é a compreensão da linguagem natural, seja para classificar, indexar,

recuperar e organizar a informação. Ou seja, tudo que esteja relacionado a organizar e

representar a informação. Como resultado, a subárea de CI que prevaleceu em mais de 50%

dos artigos foi representação e organização da informação.

Percebemos também como outro obstáculo para a IA encontra-se relacionado a problemas

éticos, como por exemplo, a proteção de dados - dificuldade presente em todas as subáreas da

CI. Como a subárea, economia política da informação, que trabalha com questões

contemporâneas, fake news e tudo que engloba (desinformação, notícias falsas,

discernimento de informação), no entanto, ela não apresentou um número expressivo de

pesquisas. Possivelmente, sejam trabalhadas sob outras perspectivas.

Identificamos que, no geral, a IA precisou de alguns recursos como terminologias,

taxonomias, ontologias, ferramentas da CI e profissionais da CI para realizar e/ou auxiliar as

atividades executadas por humanos. Como também, visto em outros estudos, a importância

do uso da IA como um contributo para o profissional da CI. Fica nítida a presença da

característica interdisciplinar e transdisciplinar da CI, visto que há uma colaboração de

vários campos para CI, como também o contributo da CI com a aplicação de suas ferramentas

e ou técnicas em áreas diversas. Observamos que os artigos correspondem com os objetivos

dos dois campos, onde a IA procura formas com que as máquinas e programas de

computador resolvam problemas existentes (McCarthy) e de forma mais rápida. Igualmente,

observamos que estes artigos colaboram para o intuito da CI, que investiga a informação com

o objetivo de proporcionar o acesso e a utilização da informação em suas variadas etapas:

origem, acervo, organização, armazenamento, recuperação, compreensão, divulgação,

transformação e empregabilidade da informação.

No entanto, percebemos que - mesmo com todos os avanços da IA, e por vezes ela superar as

atividades humanas e/ou uso de recursos tradicionais, como foi o caso do artigo de

68

Gonzales-Agirre et al. (2016) - a IA ainda possui muitas limitações. Portanto, converge com o

que foi colocado por Domingos (2017) e Isaacson (2014), sobre a importância do trabalho

colaborativo na era digital, o que naturalmente se estende para a IA no contexto da CI.

Compreendemos que o uso da IA foi realizado para auxiliar as práticas na CI, de forma

positiva como visto em Zhang et al. (2017), em que aplicaram técnicas de Bibliometria e de IA

através de técnicas de processamento de linguagem natural, aprendizado de máquina e

algoritmos. Destacando também as vantagens da Bibliometria fundamentada em processos

de aprendizagem de máquina.

A CI também colabora nas performances da IA. Por vezes, é necessário o trabalho em

conjunto. Como foi identificado em Liu e Qin (2014). Liu, Guo e Zhang (2014) propõem um

modelo de metadados, que liga metadados estruturais e metadados referenciais, indo além

dos descritivos tradicionais. Os autores partem da aplicação em um sistema experimental

ScholarWiki, que usa técnicas de aprendizado de máquina, para chegar à conclusão de que o

modelo é executável e de que o ScholarWiki tem a capacidade de criar metadados, sendo que

será de modo colaborativo com qualidades de eficiência e baixo custo. Ou seja, com o

aprendizado de máquina e avaliação humana. Outro exemplo de trabalho em conjunto foi na

pesquisa de Kanan e Fox (2015) para melhorar a RI e o processamento da linguagem natural.

Eles elaboraram uma taxonomia simples para notícias árabes seguindo os padrões do

International Press Telecommunications Council (IPTC), órgão de padronização para mídia

de notícias, e posteriormente aperfeiçoado com a colaboração do profissional bibliotecário

especialista em taxonomia/ontologia e voluntários que falam o idioma árabe. Posteriormente,

elaboraram meios de classificação automática para trabalhar com a taxonomia, fazendo o uso

de algoritmos de classificação de texto e aprendizado de máquina.

A utilização da IA também é importante para auxiliar a identificar as fake news, uma vez

que, com a quantidade de notícias de fake news sendo criadas e propagadas em números

cada vez maiores, seus efeitos em vários setores da sociedade torna-se um campo

fundamental de investigação para a CI. Já Rubin e Lukoianova (2015) concluem que o

modelo apresentado em seu estudo é um meio de colaborar para as avaliações lexicais

semânticas na identificação de informações falsas. No entanto, indicam que necessitam de

mais investigações sobre a teoria da estrutura retórica e, também, de algoritmos mais

apropriados. O principal valor destes estudos é desenvolver novas ferramentas para ajudar os

utilizadores de informações a despertá-los a atenção para informações falsas - "Isso, por sua

vez, aborda vários problemas reconhecidos na biblioteconomia e ciência da informação:

discernir informações de desinformação, triagem de informações quanto à sua qualidade e

69

avaliação da credibilidade de seus recursos" (Rubin e Lukoianova 2015, 916; tradução da

autora).

Observamos que avanços foram verificados ao longo dos anos. Singh, Ghosh e Sconagara

(2021) apresentaram em uma pesquisa exploratória a criação de um detector automatizado

multimodal (texto + visual) para descobrir fake news. Para isto usaram variados algoritmos

de aprendizado de máquina e algoritmos de classificação. Eles verificaram uma maior

probabilidade de ser fake news quando a notícia possui texto e imagem. O estudo também

mostrou indícios de que detectores de notícias multimodal apresentaram melhores

resultados dos que são unicamente textuais ou visuais (Singh, Ghosh e Sconagara 2021).

E como foi mencionado, a desinformação encontra-se nas mais variadas áreas. Ela também

foi popularizada no campo da saúde e de outras ciências. Pomputius (2019) destacou que a IA

é fonte e propagadora de desinformação, e devido ao grande volume no ambiente on-line,

torna-se um trabalho impossível para os humanos resolverem. Com isto, empresas estão

desenvolvendo ferramentas de IA, por meio de algoritmos específicos, para colaborar com os

humanos. Onde:

Essas IAs podem observar três padrões diferentes para detectar desinformações:

linguística computacional para determinar o quanto o artigo se desvia do artigo de

pesquisa original e da fonte, usando padrões de linguagem e frases; a propagação do

padrão, que compara como as informações precisas são compartilhadas e como as

informações falsas são compartilhadas; e a fonte, que investiga as credenciais do

autor e editor original (Pomputius, 2019, 370; tradução da autora).

Uma das tecnologias citadas no artigo é o método de aprendizado de máquina "Aprendizado

geométrico produndo". O seu desenvolvimento ocorreu a partir de um estudo para tentar

compreender como as fakes news eram propagadas de modo diferente nas mídias sociais.

Por meio desta compreensão, conseguem analisar o grau de veracidade da informação. O

método torna-se um recurso usado pelos bibliotecários que ensinam ao público sobre a

informação em saúde, visualizando a fonte e o modo como são apresentados. Isto auxilia na

percepção sobre se a informação é verdadeira ou não.

A busca por desenvolver aprendizado de máquina e algoritmos de processamento de

linguagem natural tem ocorrido, pesquisas estão sendo realizadas, mas até o momento não

existe solução. Um dos problemas no uso de aprendizagem de máquina e IA para detectar a

desinformação são as questões éticas da técnica. Com intuito de se distanciar da denúncia de

tendência de conteúdo, focam no estudo da fonte e na disseminação da desinformação.

Assim, devem analisar também frases-chave e características linguísticas podem ser sinais

para identificar.

70

Portanto, faz-se necessário combater a desinformação médica e revistas científicas que não

possuem uma política de revisão por pares dos artigos, conhecidas também como publicações

predatórias. O que pode demandar ainda tempo em comparação às notícias falsas publicadas

em serviços da Internet e mídias sociais. Com o número crescente da desinformação no

âmbito da saúde e nas ciências, os bibliotecários na área da saúde têm se dedicado a

propiciar informações confiáveis ao público interessado. E como destacou Pomputius (2019,

373-374, tradução da autora): “Os bibliotecários devem defender a transparência sobre como

o aprendizado de máquina determina o que constitui desinformação ou editores predatórios,

porque avaliar os recursos de informação e ensinar outros a fazer o mesmo é o papel do

bibliotecário”.

Importante destacar que:

A ciência da informação se preocupa com os aspectos sociais, psicológicos,

comportamentais e de fonte de informação de como a informação é encontrada,

processada e usada. Tem o potencial de abordar a lacuna teórica e conceitual nos

programas EPVE26

, pois visa compreender os fatores necessários para melhorar o

envolvimento dos indivíduos com a informação (Wong, Walton e Bailey 2021, 364;

tradução da autora).

Portanto, o uso de tecnologias como aprendizado de máquina ou IA em si, podem colaborar -

como ocorre para identificar as fake news -, mas não tem como substituir o entendimento

dos humanos. Assim, Wong, Walton e Bailey (2021) trabalham com modelos de

comportamento de informação humana ao invés de opções automatizadas. O intuito é

mostrar que o aprendizado da CI, especificamente discernimento de informação, habilita os

indivíduos a terem entendimento a respeito das informações recebidas e assim auxiliar na

luta contra o extremismo.

Mas, percebemos que a IA poderá proporcionar melhores maneiras de trabalhar com a

informação, como foi apontado por Kåhre (2013). Ele especifica que é necessário a

biblioteca voltar a sua origem, ou seja, a OC e com isso achar métodos mais eficazes para a

sua realização em conjunto com os métodos tradicionais praticados, e, ainda sim continuar a

fornecer os documentos aos seus utilizadores. Percebemos nas leituras que em alguns casos

há um interesse da CI em se distanciar da sua origem tradicional e focar apenas nas

vantagens da IA presente nas tecnologias. Entendemos que o importante é o trabalho em

conjunto. Wójcik (2020) identifica que a inteligência aumentada, tecnologia presente numa

etapa no desenvolvimento da pesquisa em IA, quase não é utilizada na área da

Biblioteconomia, como também não é tratada na CI. O autor destaca que apesar de não

existir discussões dentro da área de Biblioteconomia, considera que a tecnologia inteligência

26Sigla em inglês para Educational Preventing Violent Extremism. Tradução em português, Programas

Educacionais de Prevenção do Extremismo Violento.

71

aumentada, em algum momento, fará parte das bibliotecas. Ele considera que a tecnologia

poderá ser usada em diversas áreas da biblioteca como: catalogação; aquisição; gestão;

serviços ao utilizador; atividades culturais; etc. São usos hipotéticos, mas que parecem ser

possíveis de serem alcançados. No entanto, o pesquisador alerta para que se deva ficar atento

sobre os problemas práticos e éticos na implantação desta tecnologia em bibliotecas: o custo

para implementação; o processamento e a proteção de dados dos utilizadores, uma vez que

pode-se ocasionar a fragilidade da segurança das informações dos utilizadores -uma

preocupação bastante presente na União Europeia (UE), onde foi implantado o RGPD.

Portanto, a importância da implantação deve ser analisada com cuidado e acompanhamento

para o melhor êxito da inteligência aumentada no aprimoramento da saúde humana e

processos cognitivos.

Ainda no ambiente das bibliotecas, com o volume de dados atualmente existentes, há

algumas possibilidades e facilidades para lidar com o excesso de dados. O bibliotecário pode

utilizar ferramentas digitais para trabalhar com os documentos e, consequentemente, as

informações e dados que encontram-se neles. No entanto, Robinson e Bawden (2017)

afirmam que nem todos os bibliotecários acadêmicos e de pesquisa não serão autoridades no

âmbito dos dados. Os autores descrevem a respeito de uma nova perspectiva para a educação

dos discentes de CI, tendo como foco os estudantes do mestrado em CI na Universidade de

Londres. O objetivo do curso é proporcionar uma base técnica e filosófica no trabalho com os

dados e informações na sociedade digital. Dentre um dos módulos oferecido há IA: os

dados irão substituí-lo. Módulo que investiga o desenvolvimento da IA até os dias atuais

e as consequências para os profissionais da informação. Trabalha com os temas de

aprendizado de máquina, indexação automática, classificação e categorização, robôs, etc. E

também a respeito da substituição de bibliotecários por robôs. Neste módulo, também

discutem como será a possível harmonia entre o humano e o digital, pois afirmam que a IA

encontra-se presente em todos os ramos. O intuito do curso é que os profissionais de

biblioteca/informação, além de serem apresentados ao gerenciamento de dados, aprendam a

tecnologia e os seus aspectos sociais e éticos.

A utilização da IA na CI, visivelmente, é para facilitar o trabalho dos profissionais da

informação e utilizadores no acesso à informação, que por vezes pode ter problemas no seu

uso. Dewey (2020), em sua investigação, tem o propósito de perceber como um leitor

iniciante ou um sistema de IA conseguem compreender informações sobre as obras de

Foucault. O autor acredita que uma pessoa, com um maior conhecimento da Bibliometria,

usando recursos adicionais nesta área, e possivelmente com o auxílio de mecanismos da IA,

72

auxiliaria algum dos problemas apresentados: tempo e trabalho. Sendo que este tipo de

pesquisa também pode apresentar dificuldades também com a aplicação de IA.

A IA, notoriamente, pode colaborar, e até superar os humanos, como foi visto em

Gonzalez-Agirre et al. (2016). Normalmente, mecanismos de busca e de bibliotecas digitais

disponibilizam o recurso de oferecer sugestões de itens similares de acordo com a pesquisa

realizada pelo utilizador. Gonzalez‐Agirre et al. (2016) investigaram as dificuldades de

identificar os variados tipos de similaridade em uma biblioteca digital. Os autores

pesquisaram um modo aprimorado, de forma automática, o tipo de similaridade e

verificaram que dentre as abordagens aplicadas, a melhor opção foi a que usou o sistema de

aprendizagem de máquina que utilizou regressão linear e que também proporcionou uma

execução similar do humano para a atividade.

No entanto, em outras pesquisas vimos uma necessidade de aprimoramentos de algoritmos

de agrupamento, como verificado em Cena, Gagolewski e Mesiar (2015) enquanto em

Beaudoin (2016) um estudo sobre utilizadores potenciais (historiadores de arte) de sistemas

de recuperação de imagens baseadas em conteúdo, tradução de Content-Based Image

Retrieval (CBIR) que possui algoritmos. Constata que para atender a esta comunidade, o

sistema deve ter características específicas, uma vez que o público possui competências

bastante qualificadas, portanto estes sistemas devem focar neste utilizadores para melhor

perceber suas práticas e oferecer uma melhor recuperação, uma vez que foi apresentados

alguns problemas como um retorno de resultado demorado e falhas de qualidade na

recuperação.

Independente de onde é aplicada a IA no contexto da CI, conforme apresentamos neste

trabalho, através das subáreas da CI, o propósito é contribuir com o exercício dos

profissionais da informação e o acesso à informação de todos.

73

6. Conclusão

Neste estudo, investigamos o desenvolvimento da IA no contexto da CI durante o período de

2011-2020. Averiguamos a empregabilidade da IA no âmbito da CI por intermédio de suas

subáreas estabelecidas, descritas por Araújo (2018): produção e comunicação científica;

representação e organização da informação; estudos sobre os sujeitos; gestão da informação;

economia política da informação; estudos métricos da informação; e memória, patrimônio e

documento.

A subárea representação e organização da informação foi a que apresentou o maior número

de artigos. Dentre as diversas temáticas, as que prevaleceram foram relacionadas ao âmbito

do conhecimento e principalmente RI. Já havíamos apresentado esta tendência no início da

investigação. Sendo que observamos no decorrer do período analisado, houve uma

diminuição desta preponderância, apesar de ainda sua prevalência frente às demais subáreas

continuarem. Acreditamos que deve continuar ser onde a IA estará mais presente no contexto

da CI, uma vez que é a subárea que teve, e ainda continua tendo, um maior desenvolvimento

e oportunidades decorrente das tecnologias nos estudos de Representação da Informação,

por meio da descrição, classificação, OI e com as ontologias, um novo modo de

Representação da Informação.

Um fator que foi percebido por nós é que, principalmente por a RI estar muitas vezes ligada

a tecnologia, há uma resistência em aplicar teorias, ferramentas e técnicas da CI tradicional.

No entanto, detectamos um distanciamento ao contrário também nas demais subáreas de CI:

gestão da informação; produção e comunicação científica; estudos sobre os sujeitos; e

memória, patrimônio e documento. Sendo nestas, a presença IA mostrou-se pouco usual.

A outra subárea que teve uma quantidade significativa de artigos foi a de estudos métricos da

informação, que investiga a ciência e os fluxos da informação através de medições e

apreciações através de resultados quantitativos por meio dos campos da Bibliometria,

Cienciometria, Infometria e entre outros. Identificamos que o uso da IA é um benefício, pois

possibilita novos recursos para estes campos que buscam também apresentar as relações

sociais, econômicas e as colaborações entre os cientistas de determinadas áreas e campos de

estudo.

Acreditávamos que a subárea economia política da informação apresentasse uma quantidade

mais expressiva de artigos, por abranger um assunto atual, fake news e temas

correspondentes a ela. Consideramos que por ser um assunto que começou a ser estudado

pela CI a poucos anos e é investigado por outros aspectos, por exemplo, comportamental e

não tecnológico.

74

Concluímos, também, que os profissionais de CI não conseguiram perceber o benefício da

usabilidade da IA em suas atividades. Portanto, o distanciamento entre IA e CI é evidente,

tanto que reflete a falta de constância de artigos durante os anos analisados.

Observamos que a aplicabilidade da IA tem como objetivo apoiar a CI, tanto na execução das

atividades executadas por seus profissionais, como também em facilitar os utilizadores dos

serviços, sistemas de informação, acesso e uso da informação. Visto que o número

exponencial de informações geradas dificulta acompanhar nas várias fases da informação:

gerar, coletar, indexar, classificar, recuperar e utilizar.

Contudo, um dos principais contratempos da IA é entender a linguagem natural no âmbito

da informação para classificar, indexar, recuperar e organizar a informação, sendo primordial

a presença das técnicas/ferramentas e profissionais da CI para assessorar a IA. Assim,

mesmo com todo o potencial da IA, o seu uso exclusivo na aŕea da CI ainda não é uma

realidade em sua maioria. Outro fator a destacar é que, apesar da tecnologia estar presente na

CI, ela não é sobre tecnologia e naturalmente seus estudos foquem em outras perspectivas,

como usos sociais e comportamento da informação.

Diante do exposto, é verificado que a CI através do seu objetivo de estudar as propriedades e

o comportamento da informação, em que procura proporcionar o acesso e o uso da

informação através das pesquisas nas etapas da informação: origem, acervo, organização,

guarda, recuperação, compreensão, divulgação, transformação e aplicabilidade da

informação. E naturalmente por ter como característica interdisciplinar e transdisciplinar,

onde existe uma cooperação em várias áreas. A CI seria também um contributo para a IA e

vice-versa.

Logo, é necessário que a IA presente nas tecnologias não seja vista como uma adversária para

os profissionais da informação, mas cada campo pode complementar o outro nas tarefas,

principalmente nas mais complexas. Vimos que muitas das inovações tecnológicas foram

consequência de trabalho colaborativo. A IA e a CI têm suas limitações. IA, por exemplo, em

relação ao entendimento da linguagem natural. A CI, por exemplo, com a quantidade

exponencial que as informações são geradas, torna-se árduo e quase impossível de trabalhar

sem o auxílio da IA presente, por exemplo, no programa de computador. Portanto, a CI tem

que se apoiar na IA, por meio dos seus algoritmos que facilitarão o trabalho dos

profissionais e cientistas da informação com a informação presentes nas subaŕaeas da CI,

mas não dispensa o papel crítico dos mesmos na sua utilização.

75

A investigação apresentou como limitação a falta da análise dos coautores dos artigos, o que

pode trazer novas informações e consequentemente outros resultados. No entanto, por

alguns artigos terem um número grande de autores não foi possível a realização.

Para trabalhos futuros, recomenda-se o estudo sobre a presença de investigações referentes

aos usos e os impactos da IA na área da CI em cursos de licenciatura, mestrado e

doutoramento da CI, através das monografias, dissertações e teses dos discentes. Perceber se

a IA é exclusivamente utilizada como um recurso técnico para auxiliar, por exemplo, na

análise de dados ou é tema central do trabalho, e em qual subárea da CI está relacionada, a

fim de alargar e comparar com o estudo realizado nesta dissertação e consequentemente

tentar compreender como os profissionais da CI em formação trabalham com a temática.

76

Referências bibliográficas

Araújo, Carlos Alberto Ávila. 2018. O que é Ciência da Informação. Belo Horizonte: KMA.

ASIS&T. 2021. “About ASIS&T”. https://www.asist.org/about/.

Bawden, David e Lyn Robinson. 2012. “Domain Analysis” Em Introduction to Information

Science, 91-104. London: Facet Publishing.

Borko, Harold. 1968. “Information science: what is it?” American Documentation,

19 (1): 3-5. https://doi.org/10.1002/asi.5090190103.

Bostrom, Nick. 2018. Superinteligência. Rio de Janeiro: DarkSide Books.

Broughton, Vanda. 2019. “The respective roles of intellectual creativity and automation in

representing diversity: human and machine generated bias.” Knowledge Organization 46

(8): 596–606. doi:10.5771/0943-7444-2019-8-596.

Capurro, Rafael e Birger Hjørland. 2003. “The concept of information”. Annual Review of

Information Science and Technology 37: 343–411.

http://www.capurro.de/Capurro_Hjoerland.pdf.

Carr, Nicholas. 2011. “A igreja da Google”. Em A geração superficial: o que a Internet está

fazendo com nossos cérebros, 162-191. Rio de Janeiro: Agir.

Domingos, Pedro. 2017. O algoritmo mestre. São Paulo: Novatec.

Freire, Gustavo Henrique. 2006. “Ciência da Informação: temática, histórias e

fundamentos”. Perspectivas em Ciência da Informação 11 (1): 6-19.

http://portaldeperiodicos.eci.ufmg.br/index.php/pci/article/viewFile/442/253.

Hjørland, Birger. 2015. "Classical databases and knowledge organization: a case for boolean

retrieval and human decision-making during searches". Journal of the Association for

Information Science and Technology 66 (8): 1559-1575. https://doi.org/10.1002/asi.23250.

Hjørland, Birger. 2005. "Domain Analysis in Information Science". Em Encyclopedia of

Library and Information Science, First Update Supplement, 129-135. London: Taylor &

Francis.

Hjørland, Birger. 2002. “Domain analysis in information science. Eleven approaches -

traditional as well as innovative”. Journal of Documentation, 58 (4): 422-462. doi:

10.1108/00220410210431136.

Hjørland, Birger. 2014. “Information science and its core concepts: Levels of disagreement”.

Em Theories of information, communication and knowledge: a multidisciplinary approach,

205-235. Studies in History and Philosophy of Science. New York: Springer.

Hjørland, Birger e Hanne Albrechtsen. 1995. “Toward a new horizon in information science:

domain-analysis”. Journal of The American Society for Information Science, 46(6):

400–425.

https://doi.org/10.1002/(SICI)1097-4571(199507)46:6<400::AID-ASI2>3.0.CO;2-Y.

Isaacson, Walter. 2014. Os inovadores. São Paulo: Companhia das Letras.

77

Kelly, Kevin. 2010. “My question”. Em What technology wants, 1-17. London: Viking.

Kitchenham, B. 2004. Procedures for performing systematic reviews. Joint technical report

No. Keele university technical report TR/Se-0401. NICTA technical report 0400011T.1.

https://www.inf.ufsc.br/~aldo.vw/kitchenham.pdf.

Le Coadic, Yves-François. 1996. A Ciência da Informação. Brasília, DF: Briquet de Lemos.

Lee, Kai- Fu. 2018. “Introduction”. Em AI superpowers: China, Silicon Valley, and the new

world order, 9-11. Boston: Houghton Mifflin Harcourt.

McCarthy, John. 2007. “What is artificial intelligence?”. John McCarthy's Home Page, 12 de

novembro de 2007. http://www-formal.stanford.edu/jmc/whatisai.pdf.

Oliveira, Arlindo. 2019. Inteligência Artificial. Lisboa: Fundação Francisco Manuel dos

Santos.

Oliveira, Arlindo. 2018. Mentes digitais. 2ª ed. Lisboa: IST Press.

Pinheiro, Lena Vania Ribeiro. 2002. “Gênese da Ciência da Informação ou sinais

anunciadores da nova área”. Em O campo da Ciência da Informação: gênese, conexões e

especificidades, 61-86. João Pessoa, UFPB.

Polson, Nick e James Scott. 2020. Inteligência Artificial. Amadora: Vogais.

PRISMA. 2021. “Home”. http://www.prisma-statement.org/.

PRISMA. 2009. “Translations”. http://www.prisma-statement.org/.

Russel, Stuart e Peter Norvig. 2013. “Parte I: Inteligência Artificial”. Em Inteligência

Artificial, 22-60. Rio de Janeiro: Elsevier.

Saldanha, Gustavo. 2020. Ciência da Informação: crítica epistemológica e historiográfica.

Rio de Janeiro: IBICT.

Saracevic, Tefko. 1996. “Ciência da Informação: origem, evolução e relações”. Perspectivas

em Ciência da Informação, 1 (1): 41-62.

http://portaldeperiodicos.eci.ufmg.br/index.php/pci/article/viewFile/235/22.

Saracevic, Tefko. 1999. “Information Science”. Journal of the American Society for

Information Science, 50 (12): 1051-1063.

https://doi.org/10.1002/(SICI)1097-4571(1999)50:12<1051::AID-ASI2>3.0.CO;2-Z.

Saracevic, Tefko. 1995. “Interdisciplinary nature of Information Science”. Ciência da

Informação, 24 (1): 1-9.

https://brapci.inf.br/_repositorio/2011/05/pdf_aac5068b8b_0016893.pdf.

SCImago Journal & Country Rank. s.d. "About Us". Acedido a 22 de maio de 2021.

https://www.scimagojr.com/aboutus.php.

Shu, Fei, Charles‐Antoine Julien e Vincent Larivière. 2019. “Does the Web of Science

accurately represent chinese scientific performance?” Journal of the Association for Science

and Technology, 70 (10): 1138-1152. https://doi.org/10.1002/asi.24184.

78

Silva, Armando Malheiro da. 2006. A Informação: da compreensão do fenómeno e

construção do objecto científico. Porto: Edições Afrontamento.

Silva, Armando Malheiro da. 2018. “A revolução do algoritmo mestre: como a aprendizagem

automática está a mudar o mundo”. PRISMA.COM 37: 71-75. doi:

//doi.org/10.21747/16463153/37rec1.

Silva, Armando Malheiro da e Fernanda Ribeiro. 2002. Das <<ciências>> documentais à

ciência da informação: ensaio epistemológico para um novo modelo curricular. Porto:

Edições Afrontamento.

Silva, Armando Malheiro da. 2019. “Inteligência artificial. Lisboa: Fundação Francisco

Manuel dos Santos, 2018; col. Ensaios da Fundação. Mentes digitais: a Ciência Redefinindo a

Humanidade. Lisboa: Instituto Superior Técnico Press, 2017 (1.ª ed; 2.ª ed. 2018)”.

PRISMA.COM 39: 93-99. doi: //doi.org/10.21747/16463153/39r1.

Silva, Jonathas Luiz Carvalho. 2016. "Trajetórias e contribuições de Harold Borko para a

Ciência da Informação no âmbito do artigo "Information Science: what is it?" ". Revista

Conhecimento em Ação 1 (1): 29-46. doi: https://doi.org/10.47681/rca.v1i1.3393.

Smiraglia, Richard. 2014. “Domain analysis”. Em The elements of knowledge organization,

85-101. Heidelberg: Springer.

Tegmark, Max. 2019. Life 3.0: ser-se humano na era da Inteligência Artificial. Alfragide:

D.Quixote.

Tennis, Joseph T. 2003. “Two axes of domains for domain analysis”. Knowledge

Organization, 30 (3/4): 191–195.

http://faculty.washington.edu/jtennis/Publications_files/Tennis2003KO30-3-4.pdf.

WHU. 2014. “Overview”. https://en.whu.edu.cn/About_WHU1/Overview.htm.

WordNet Search – 3.1, s.d. "Informatics". Acedido a 29 de abril de 2021.

http://wordnetweb.princeton.edu/perl/webwn?s=informatics&sub=Search+WordNet&o2=&

o0=1&o8=1&o1=1&o7=&o5=&o9=&o6=&o3=&o4=&h=.

79

80

Anexos

81

82

Anexo 1

ARTIGOS COLETADOSPARA A

REVISÃO DA LITERATURA (RL NO CONTEXTO DA CI)

REFERÊNCIAS BIBLIOGRÁFICAS(ORGANIZADAS POR ANO E ORDEM ALFABÉTICA)

2019

1

Araújo, Izabel Antonina de e Maria Aparecida Moura. 2019. “Humanidades digitais e ciência aberta:perspectiva e desafios para a formação profissional no campo da Ciência da Informação.” Cadernos deBiblioteconomia, Arquivística e Documentação, 2 : 12–18.http://search.ebscohost.com/login.aspx?direct=true&AuthType=ip,uid&db=lls&AN=145767393&lang=pt-pt&site=ehost-live&scope=site.

2Carneiro, Luciana Emirena dos Santos e Mauricio Barcellos Almeida. 2019. “Design science: estudo de umcampo teórico.” Brazilian Journal of Information Science 13 (3): 68–80. doi:10.36311/1981-1640.2019.v13n3.07.p68.

3 Engvall, Tove. 2019. “User Participation: What Can Be Learned from the Information Systems Domain?”Records Management Journal 29 (3): 320–332. doi:10.1108/RMJ-04-2018-0008.

4Felix, Maria José Abreu e Jayme Leiro Vilan Filho. 2019. “Interdisciplinarity between Information Scienceand Management Science in Brazil: a literature review.” Revista Digital de Biblioteconomia e Ciência daInformação 17: 1–17. doi:10.20396/rdbci.v17i0.8655701.

5Jaidka, Kokil, Christopher S. G. Khoo e Jin-Cheon Na. 2019. “Characterizing Human SummarizationStrategies for Text Reuse and Transformation in Literature Review Writing.” Scientometrics 121 (3):1563–1582. doi:10.1007/s11192-019-03250-5.

6Revez, Jorge e Leonor Calvão Borges. 2019. “Pragmatic paradigm in Information Science research: Aliterature review.” Qualitative & Quantitative Methods in Libraries 8 (2): 179–188.http://search.ebscohost.com/login.aspx?direct=true&AuthType=ip,uid&db=lls&AN=142303570&lang=pt-pt&site=ehost-live&scope=site.

7Santos, Marcos Vinícius Carvalho Terra, Carlos Cândido de Almeida e Deise Maria Antonio Sabbag. 2019.“French discourse analysis in the organization of information and knowledge in Brazil: epistemologicalconsiderations to documentary analysis.” Revista Digital de Biblioteconomia e Ciência da Informação (17):1–26. doi: 10.20396/rdbci.v17i0.8652798.

8Shu, Fei, Charles‐Antoine Julien e Vincent Larivière. 2019. “Does the Web of Science accurately representchinese scientific performance?” Journal of the Association for Science and Technology, 70 (10):1138-1152. https://doi.org/10.1002/asi.24184.

9Sutton, Anthea, Mark Clowes, Louise Preston e Andrew Booth. 2019. “Meeting the review family:exploring review types and associated information retrieval requirements.” Health Information & LibrariesJournal 36 (3): 202–222. doi:10.1111/hir.12276.

83

(Cont.)

ARTIGOS COLETADOSPARA A

REVISÃO DE LITERATURA (RL NO CONTEXTO DA CI)

REFERÊNCIAS BIBLIOGRÁFICAS(ORGANIZADAS POR ANO E ORDEM ALFABÉTICA)

2020

10Dora, Mallikarjun e H. Anil Kumar. 2020. “National and international trends in Library and InformationScience research: a comparative review of the literature.” IFLA Journal 46 (3): 234–249.doi:10.1177/0340035219886610.

11Galbo, Sebastian C. 2020. “Collection development challenges in Slavic & East European libraries: aliterature review.” SLIS Student Research Journal 10 (1): 1–19.http://search.ebscohost.com/login.aspx?direct=true&AuthType=ip,uid&db=lls&AN=143447657&lang=pt-pt&site=ehost-live&scope=site.

12 Macdonald, Stephen e Briony Birdi. 2020. “The Concept of Neutrality: A New Approach.” Journal ofDocumentation 76 (1): 333–353. doi:10.1108/JD-05-2019-0102.

13Oliveira, Marlene e Zayr Claudio Gomes da Silva. 2020. “Caminhos da ciência da informação: da libraryand information science às i-Schools.” Perspectivas em Ciência da Informação, 25: 8–27.doi:10.1590/1981-5344/4297.

14 Orduña-Malea, Enrique. 2020. “Crossing the academic ocean? Judit Bar-Ilan’s oeuvre on search enginesstudies.” Scientometrics 123 (3): 1317–1340. doi:10.1007/s11192-020-03450-4.

15Saleem, Qurat Ul Ain e Murtaza Ashiq. 2020. “The facts of continuing professional development for LISProfessionals in Pakistan: a literature review.” Bottom Line 33 (3) : 263–271. doi:10.1108/BL-02-2020-0013.

16Tramullas, Jesús. 2020. “Temas y métodos de investigación en Ciencia de la Información, 2000-2019.Revisión bibliográfica. ” El Profesional de La Información 29 (4): 1–18.https://doi.org/10.3145/epi.2020.jul.17.

84

Anexo 2

ARTIGOS COLETADOSPARA A

REVISÃO DA LITERATURA (IA NO CONTEXTO DA CI)

REFERÊNCIAS BIBLIOGRÁFICAS(ORGANIZADAS POR ANO DE PUBLICAÇÃO ON-LINE E ORDEM ALFABÉTICA)

2011

1 Hayes, Caroline C., Ashok K. Goel , Irem Y. Tumer , Alice M. Agogino e William C. Regli. 2011."Intelligent Support for Product Design: Looking Backward, Looking Forward". Journal of Computing andInformation Science in Engineering 11 (2): 021077-1 - 021007-9. https://doi.org/10.1115/1.3593410.

2 Herskovic, Jorge R., Trevor Cohen, Devika Subramanian, M. Sriram Iyengara, Jack W. Smith e Elmer V.Bernstam. 2011. "MEDRank: using graph-based concept ranking to index biomedical texts". InternationalJournal of Medical Informatics 80 (6): 431-441. https://doi.org/10.1016/j.ijmedinf.2011.02.008.

3 Joorabchi, Arash e Abdulhussain E. Mahdi. 2011. "An unsupervised approach to automatic classification ofscientific literature utilizing bibliographic metadata". Journal of Information Science 37 (5): 499-514. doi:10.1177/0165551511417785.

4 Liu, Feifan, Lamont D. Antieaua e Hong Yu. 2011. "Toward automated consumer question answering:automatically separating consumer questions from professional questions in the healthcare domain". Journalof Biomedical Informatics 44 (6): 1032-1038. https://doi.org/10.1016/j.jbi.2011.08.008.

2012

5

Cao, Xin , Gao Cong, Bin Cui, Christian S. Jensen e Quan Yuan. 2012. “Approaches to Exploring CategoryInformation for Question Retrieval in Community Question-Answer Archives”. ACM Transactions onInformation Systems 30 (2): 7.1-7.38. https://doi.org/10.1145/2180868.2180869.

6 Chang, Yu-Wei e Mu‐Hsuan Huang. 2012. "A study of the evolution of interdisciplinarity in library andinformation science: using three bibliometric methods". Journal of the American Society for InformationScience and Technology 63 (1): 22-33. https://doi.org/10.1002/asi.21649.

7Hessey, Rachel e Peter Willett. 2013. "Quantifying the value of knowledge exports from librarianship andinformation science research". Journal of Information Science 39 (1): 141-150.doi:10.1177/0165551512442476.

8 Pal, Aditya, F. Maxwell Harper e Joseph A. Konstan. 2012. “Exploring Question Selection Bias to IdentifyExperts and Potential Experts in Community Question Answering". ACM Transactions on InformationSystems 30 (2): 10.1-10.28. https://doi.org/10.1145/2180868.2180872.

9 Zhang, W., Yanqing Niu, Yi Xiong, Meng Zhao, Rongwei Yu e Juan Liu. 2012. "Computational predictionof conformational B-cell epitopes from antigen primary structures by ensemble learning". PLoS ONE 7(8):e43575. https://doi.org/10.1371/journal.pone.0043575.

85

(Cont.)

ARTIGOS COLETADOSPARA A

REVISÃO DA LITERATURA (IA NO CONTEXTO DA CI)

REFERÊNCIAS BIBLIOGRÁFICAS(ORGANIZADAS POR ANO DE PUBLICAÇÃO ON-LINE E ORDEM ALFABÉTICA)

2013

10Holliday, John, Clive Upton, Ann Thompson, Jonathan Robinson, Jon Herring, Holly Gilbert e PaulNorman. 2013. "Geographical analysis of the vernacular". Journal of Information Science 39 (1): 26-35.https://doi.org/10.1177/0165551512470049.

11Huang, Xiaoli e Dagobert Soergel. 2013. "Relevance: an improved framework for explicating the notion".Journal of the American Society for Information Science and Technology 64 (1): 18-35.https://doi.org/10.1002/asi.22811.

12Kåhre, Peter. 2013. “Library and information science's ontological position in the networked society: usingnew technology to get back to an old practice". Inf. Res. 18 (3): 1-10.https://files.eric.ed.gov/fulltext/EJ1044642.pdf.

13Liu, Wanli, Rezarta Islamaj Doğan, Sun Kim, Donald C. Comeau, Won Kim, Lana Yeganova, Zhiyong Lu eW. John Wilbur. 2014. "Author name disambiguation for PubMed". Journal of the Association forInformation Science and Technology 65 (4): 765-781. https://doi.org/10.1002/asi.23063.

14

Silva, Rodrigo M., Marcos A. Gonçalves e Adriano Veloso. 2014. "A Two‐stage active learning methodfor learning to rank". Journal of the Association for Information Science and Technology 65 (1): 109-128.https://doi.org/10.1002/asi.22958.

15Thellefsen, Torkild, Martin Thellefsen e Bent Sørensen. 2013. "Emotion, information, and cognition, andsome possible consequences for library and information science". Journal of the American Society forInformation Science and Technology 64 (8): 1735-1750. https://doi.org/10.1002/asi.22858.

2014

16

Aphinyanaphongs, Yindalon, Lawrence D. Fu, Zhiguo Li, Eric R. Peskin, Efstratios Efstathiadis,Constantin F. Aliferis e Alexander Statnikov. 2014. "A comprehensive empirical comparison of modernsupervised classification and feature selection methods for text categorization". Journal of the Associationfor Information Science and Technology 65 (10): 1964-1987. https://doi.org/10.1002/asi.23110.

17Brandão, Wladmir C., Rodrygo L. T. Santos, Nivio Ziviani, Edleno S. de Moura e Altigran S. da Silva.2014. "Learning to expand queries using entities." Journal of the Association for Information Science andTechnology 65 (9): 1870-1883. https://doi.org/10.1002/asi.23084.

18 Cao, Longbing. 2014. "Non-iidness learning in behavioral and social data". Computer Journal 57 (9):1358-1370. https://doi.org/10.1093/comjnl/bxt084.

19Chen, Ya-Ning e Hao-Ren Ke. 2014. "A study on mental models of taggers and experts for articleindexing based on analysis of keyword usage". Journal of the Association for Information Science andTechnology 65 (8): 1675-1694. doi: https://doi.org/10.1002/asi.23077.

20Cui, Chaoran, Jun Ma, Tao Lian, Zhumin Chen e Shuaiqiang Wang. 2015. "Improving image annotation viaranking‐oriented neighbor search and learning‐based keyword propagation". Journal of the Association forInformation Science and Technology 66 (1): 82-98. https://doi.org/10.1002/asi.23163.

21Demarest, Bradford e Cassidy R. Sugimoto. 2015. “Argue, observe, assess: Measuring disciplinaryidentities and differences through socio-epistemic discourse”. Journal of the Association for InformationScience and Technology 66, no. 7 (julho): 1374-1387. doi: 10.1002/asi.23271.

86

(Cont.)

ARTIGOS COLETADOSPARA A

REVISÃO DA LITERATURA (IA NO CONTEXTO DA CI)

REFERÊNCIAS BIBLIOGRÁFICAS(ORGANIZADAS POR ANO DE PUBLICAÇÃO ON-LINE E ORDEM ALFABÉTICA)

2014

22El-Diraby, Tamer E. 2014. "Validating ontologies in informatics systems: approaches and lessons learnedfor AEC". Journal of Information Technology in Construction 19: 474-493.https://www.itcon.org/paper/2014/28.

23 Giunchiglia, Fausto, B. Dutta e Vincenzo Maltese. 2014. “From knowledge organization to knowledgerepresentation.” Knowledge Organization 41 (1): 44-56. doi: 10.5771/0943-7444-2014-1-44.

24Hjørland, Birger. 2015. "Classical databases and knowledge organization: a case for boolean retrieval andhuman decision-making during searches". Journal of the Association for Information Science andTechnology 66 (8): 1559-1575. https://doi.org/10.1002/asi.23250.

25Hoenkamp, Eduard e Peter Bruza. 2015. "How everyday language can and will boost effective informationretrieval". Journal of the Association for Information Science and Technology 66 (8): 1546-1558.https://doi.org/10.1002/asi.23279.

26Kim, Hyun Hee e Yong Ho Kim. 2016. "Generic speech summarization of transcribed lecture videos: Usingtags and their semantic relations". Journal of the Association for Information Science and Technology 67(2): 366-379. https://doi.org/10.1002/asi.23391.

27Kousha, Kayvan e Mike Thelwall. 2015. "An automatic method for extracting citations from Googlebooks". Journal of the Association for Information Science and Technology 66 (2): 309-320.https://doi.org/10.1002/asi.23170.

28Liu, Xiaozhong e Jian Qin. 2014. "An interactive metadata model for structural, descriptive, and referentialrepresentation of scholarly output". Journal of the Association for Information Science and Technology 65(5): 964-983. https://doi.org/10.1002/asi.23007.

29Liu, Xiaozhong, Chun Guo e Lin Zhang. 2014. "Scholar metadata and knowledge generation with humanand Artificial Intelligence". Journal of the Association for Information Science and Technology 65 (6):1187-1201. https://doi.org/10.1002/asi.23013.

30Montalvo, Soto, Raquel Martínez, Víctor Fresno e Agustín Delgado. 2015. "Exploiting named entities forbilingual news clustering". Journal of the Association for Information Science and Technology Volume 66(2): 363-376.https://doi.org/10.1002/asi.23175.

31Mu, Tingting, John Y. Goulermas, Ioannis Korkontzelos e Sophia Ananiadou. 2016. "Descriptive documentclustering via discriminant learning in a co‐embedded space of multilevel similarities." Journal of theAssociation for Information Science and Technology 67 (1): 106-133. https://doi.org/10.1002/asi.23374.

32Osinska, Veslava e Piotr Bala. 2015. "Study of dynamics of structured knowledge: qualitative analysis ofdifferent mapping approaches". Journal of Information Science 41 (2): 197-208.https://doi.org/10.1177/0165551514559897.

87

(Cont.)

ARTIGOS COLETADOSPARA A

REVISÃO DA LITERATURA (IA NO CONTEXTO DA CI)

REFERÊNCIAS BIBLIOGRÁFICAS(ORGANIZADAS POR ANO DE PUBLICAÇÃO ON-LINE E ORDEM ALFABÉTICA)

2014

33Park, Hong-Seok e Ngoc-Hien Tran. 2014. "Development of a smart machining system usingself-optimizing control". International Journal of Advanced Manufacturing Technology (74 (9-12): 1365-1380. https://doi.org/10.1007/s00170-014-6076-0.

34 Rubin, Victoria L. e Tatiana Lukoianova. 2015. "Truth And Deception At The Rhetorical Structure Level".Journal of the Association for Information Science and Technology 66 (5): 905-917.https://doi.org/10.1002/asi.23216.

35Silva, Thushari, Jian Ma, Chen Yang e Haidan Liang. 2015. "A profile-boosted research analyticsframework to recommend journals for manuscripts". Journal of the Association for Information Science andTechnology 66 (1): 180-200. https://doi.org/10.1002/asi.23150.

36Tsatcha, Dieudonné, Éric Saux e Christophe Claramunt. 2014. “A bidirectional path-finding algorithm anddata structure for maritime routing”. International Journal of Geographical Information Science 28 (7):1355-1377. https://doi.org/10.1080/13658816.2014.887087.

37

Workman, T. Elizabeth, Marcelo Fiszman, Thomas C. Rindflesch e Diane Nahl. 2014. "Framingserendipitous information-seeking behavior for facilitating literature-based discovery: a proposed model".Journal of the Association for Information Science and Technology 65 (3): 501-512.ttps://doi.org/10.1002/asi.22999

38Zuccala, Alesia, Maarten van Someren e Maurits van Bellen. 2014. "A machine-learning approach tocoding book reviews as quality indicators: toward a theory of megacitation". Journal of the Association forInformation Science and Technology 65 (11): 2248-2260. https://doi.org/10.1002/asi.23104.

2015

39Beaudoin, Joan E. 2016. "Content-Based image retrieval methods and professional image users". Journal ofthe Association for Information Science and Technology 67 (2): 350-365. doi:10.1002/asi.23387.

40Ben Abacha, Asma e Pierre Zweigenbaum. 2015. "MEANS: A medical question-answering systemcombining NLP techniques and semantic Web technologies". Information Processing and Management 51(5): 570-594. https://doi.org/10.1016/j.ipm.2015.04.006.

41 Cena, Anna, Marek Gagolewski e Radko Mesiar. 2015. "Problems and challenges of information resourcesproducers’ clustering". Journal of Informetrics 9 (2): 273-284. https://doi.org/10.1016/j.joi.2015.02.005.

42Chebil, Wiem, Lina Fatima Soualmia, Mohamed Nazih Omri e Stéfan Jacques Darmoni. 2015. "Indexingbiomedical documents with a possibilistic network". Journal of the Association for Information Science andTechnology 67 (4): 928-941. doi: 10.1002/asi.23435.

(Cont.)

88

ARTIGOS COLETADOSPARA A

REVISÃO DA LITERATURA (IA NO CONTEXTO DA CI)

REFERÊNCIAS BIBLIOGRÁFICAS(ORGANIZADAS POR ANO DE PUBLICAÇÃO ON-LINE E ORDEM ALFABÉTICA)

2015

43 Dyagilev, Kirill e Suchi Saria. 2016. "Learning (predictive) risk scores in the presence of censoring due tointerventions". Machine Learning 102 (3): 323-348. https://doi.org/10.1007/s10994-015-5527-7.

44Gao, Yang, Yue Xu e Yuefeng Li. 2015. "Pattern-based topics for document modelling in informationfiltering". IEEE Transactions on Knowledge and Data Engineering 27 (6): 1629-1642. doi: 10.1109 /TKDE.2014.2384497.

45Gonzalez-Agirre, Aitor, German Rigau, Eneko Agirre, Nikolaos Aletras e Mark Stevenson. 2016. "Why arethese similar? Investigating item similarity types in a large digital library". Journal of the Association forInformation Science and Technology 67 (7): 1624-1638. doi: 10.1002/asi.23482.

46Hellsten, Iina e Loet Leydesdorff. 2016. "The construction of interdisciplinarity: the development of theknowledge base and programmatic focus of the journal climatic change, 1977-2013". Journal of theAssociation for Information Science and Technology 67 (9): 2181-2193. doi: 10.1002/asi.23528.

47Ibáñez, Alfonso, Rubén Armañanzas, Concha Bielza e Pedro Larrañaga. 2016. "Genetic algorithms andgaussian bayesian networks to uncover the predictive core set of bibliometric indices". Journal of theAssociation for Information Science and Technology 67 (7): 1703-1721. doi: 10.1002/asi.23467.

48Joorabchi, Arash, Michael English e Abdulhussain E. Mahdi. 2015. "Automatic mapping of user tags towikipedia concepts: the case of a Q&A website – Stackoverflow". Journal of Information Science 41 (5):570-583. doi: 10.1177/0165551515586669.

49Kanan, Tarek e Edward A. Fox. 2016. "Automated arabic text classification with p-stemmer, machinelearning, and a tailored news article taxonomy". Journal of the Association for Information Science andTechnology 67 (11): 2667-2683. doi: 10.1002/asi.23609.

50Li, Sanjiang e Weiming Liu. 2015. “Cardinal directions: a comparison of direction relation matrix andobjects interaction matrix”. International Journal of Geographical Information Science 29 (2) : 194-216.https://doi.org/10.1080/13658816.2014.954580.

51Reed, Stephen K. e Adam Pease. 2015. "A framework for constructing cognition ontologies using WordNet,FrameNet, and SUMO". Cognitive Systems Research 33: 122-144.https://doi.org/10.1016/j.cogsys.2014.06.001.

52Sheble, Laura. 2016. "Research synthesis methods and library and information science: shared problems,limited diffusions". Journal of the Association for Information Science and Technology 67 (8): 1990-2008.doi: 10.1002/asi.23499.

53Shen, Ying, Joe Colloc, Armelle Jacquet-Andrieu e Kai Lei 2015. "Emerging medical informatics withcase-based reasoning for aiding clinical decision in multi-agent system". Journal of Biomedical Informatics56: 307-317. https://doi.org/10.1016/j.jbi.2015.06.012.

89

(Cont.)

ARTIGOS COLETADOSPARA A

REVISÃO DA LITERATURA (IA NO CONTEXTO DA CI)

REFERÊNCIAS BIBLIOGRÁFICAS(ORGANIZADAS POR ANO DE PUBLICAÇÃO ON-LINE E ORDEM ALFABÉTICA)

2015

54 Smutny, Zdenek. 2016. "Social informatics as a concept: widening the discourse". Journal of InformationScience 42 (5): 681-710. doi:10.1177/0165551515608731.

55Trace, Ciaran B. e Luis Francisco-Revilla. 2015. "The value and complexity of collection arrangement forevidentiary work". Journal of the Association for Information Science and Technology 66 (9): 1857-1882.doi:10.1002/asi.23295.

56Vrettas, George e Mark Sanderson. 2015. "Conferences versus journals in Computer Science". Journal ofthe Association for Information Science and Technology 66 (12): 2674-2684. doi:10.1002/asi.23349.

57Wang, Yanshan, Jae-Sung Lee e In-Chan Choi. 2015. "Indexing by Latent Dirichlet Allocation and anensemble model". Journal of the Association for Information Science and Technology 67 (7): 1736-1750.doi:10.1002/asi.23444.

58Zhang, Jin, Shanshan Zhai, Hongxia Liu e Jennifer Ann Stevenson. 2016. "Social network analysis on atopic‐based navigation guidance system in a public health portal". Journal of the Association forInformation Science and Technology 67 (5): 1068-1088. doi: 10.1002/asi.23468.

2016

59Cockshott, Paul e Karen Renaud. 2016. "Humans, robots and values". Technology in Society 45: 19-28.https://doi.org/10.1016/j.techsoc.2016.01.002.

60Engerer, Volkmar. 2017. "Exploring interdisciplinary relationships between linguistics and informationretrieval from the 1960s to today". Journal of the Association for Information Science and Technology 68(3): 660-680. doi: 10.1002/asi.23684.

61McKeown, Kathy, Hal Daume, Snigdha Chaturvedi, John Paparrizos, Kapil Thadani, Pablo Barrio , OrBiran et al. 2016. "Predicting the impact of scientific concepts using full-text features". Journal of theAssociation for Information Science and Technology 67 (11): 2684-2696. doi: 10.1002/asi.23612.

62Zuo, Zhiya, Kang Zhao e David Eichmann. 2017. "The state and evolution of U.S. iSchools: from talentacquisitions to research outcome". Journal of the Association for Information Science and Technology 68(5): 1266-1277. doi: 10.1002/asi.23751.

2017

63Branch, Frank, Theresa Arias, Jolene Kennah, Rebekah Phillips, Travis Windleharth e Jin Ha Lee. 2017."Representing transmedia fictional worlds through ontology". Journal of the Association for InformationScience and Technology 68 (12): 2771-2782. doi: 10.1002/asi.23886.

64 Chowdhury, Gobinda e Kushwanth Koya. 2017. "Information practices for sustainability: role of ISchoolsin achieving The UN sustainable development goals (Sdgs)". Journal of the Association for InformationScience and Technology 68 (9): 2128-2138. doi: 10.1002/asi.23825.

90

(Cont.)

ARTIGOS COLETADOSPARA A

REVISÃO DA LITERATURA (IA NO CONTEXTO DA CI)

REFERÊNCIAS BIBLIOGRÁFICAS(ORGANIZADAS POR ANO DE PUBLICAÇÃO ON-LINE E ORDEM ALFABÉTICA)

2017

65

Kholghi, Mahnoosh, Lance De Vine, Laurianne Sitbon, Guido Zuccon e Anthony Nguyen. 2017. "Clinicalinformation extraction using small data: an active learning approach based on sequence .representations and word embeddings". Journal of the Association for Information Science and Technology68 (11): 2543-2556. https://doi.org/10.1002/asi.23936.

66 Lv, L. e J. Zhao. 2018. “The Firefly Algorithm with Gaussian Disturbance and Local Search”. J SignProcess Syst 90: 1123–1131. https://doi.org/10.1007/s11265-017-1278-y.

67Robinson, L. e D. Bawden. 2017. “‘The story of data': a socio-technical approach to education for the datalibrarian role in the CityLIS library school at City, University of London”. Library Management 38 (6-7): 312-322. doi: 10.1108/LM-01-2017-0009.

68Saif, Abdulgabbar, Nazlia Omar, Mohd Juzaiddin Ab Aziz, Ummi Zakiah Zainodin e Naomie Salim. 2018.“Semantic Concept Model Using Wikipedia Semantic Features.” Journal of Information Science 44 (4):526–51. https://doi.org/10.1177/0165551517706231.

69Zhang, Yi, Guangquan Zhang, Donghua Zhu e Jie Lu. 2017. "Scientific evolutionary pathways: identifyingand visualizing relationships for scientific topics". Journal of the Association for Information Science andTechnology 68 (8): 1925-1939. doi: 10.1002/asi.23814.

2018

70Corcoran, Padraig e Christopher B. Jones. 2018. "Stability and statistical inferences in the space oftopological spatial relationships". IEEE Access 6 : 18907-18919. doi: 10.1109/ACCESS.2018.2817493.

71Hsu, Wen-Chin e Jia-Huan Li. 2019. "Visualising and mapping the intellectual structure of medical bigdata". Journal of Information Science 45 (2): 239-258. https://doi.org/10.1177/0165551518782824.

72Huluba, Ana-Maria, Jason Kingdon e Iain McLaren. 2018. “The UK Online Gender Audit 2018: Acomprehensive audit of gender within the UK's online environment.” Heliyon 4 (12): 1-23. doi:10.1016/j.heliyon.2018.e01001.

73Lubani, Mohamed, Shahrul Azman Mohd Noah e Rohana Mahmud. 2019. “Ontology Population:Approaches and Design Aspects”. Journal of Information Science 45 (4): 502–15.https://doi.org/10.1177/0165551518801819.

74Ortiz-Repiso, Virginia, Jane Greenberg e Javier Calzada-Prado. 2018. "A cross-institutional analysis ofdata-related curricula in Information Science programmes: a focused look at the iSchools". Journal ofInformation Science 44 (6): 768-784. doi:10.1177/0165551517748149.

75Pee, L. G., S. Pan e L. Cui. 2019. “Artificial Intelligence in healthcare robots: a social informatics study ofknowledge embodiment”. Journal of the Association for Information Science and Technology 70 (4):351-369. doi: 10.1002/asi.24145.

91

(Cont.)

ARTIGOS COLETADOSPARA A

REVISÃO DA LITERATURA (IA NO CONTEXTO DA CI)

REFERÊNCIAS BIBLIOGRÁFICAS(ORGANIZADAS POR ANO DE PUBLICAÇÃO ON-LINE E ORDEM ALFABÉTICA)

2019

76 Bladek, Iwo, Maciej Komosinski e Konrad Miazga. 2019. "Mappism: formalizing classical and artificiallife views on mind and consciousness". Foundations of Computing and Decision Sciences 44 (1): 55-99 .https://doi.org/10.2478/fcds-2019-0005.

77Bui, Dieu Tien, Ataollah Shirzadi, Himan Shahabi, Kamran Chapi, Ebrahim Omidavr, Binh Thai Pham,Dawood Talebpour, et al. 2019. "A Novel Ensemble Artificial Intelligence Approach for Gully ErosionMapping in a Semi-Arid Watershed (Iran)". Sensors 19 (2444): 1-34. doi: 10.3390/s19112444.

78Feng, Yuanyuan e Denise E. Agosto. 2019. "Revisiting personal information management throughinformation practices with activity tracking technology". Journal of The Association for InformationScience and Technology 70 (12): 1352-1367. doi: 10.1002/asi.24253.

79Hong, Yang, Bo Hou, Hengle Jiang e Jingchao Zhang. 2020. "Machine learning and artificial neuralnetwork accelerated computational discoveries in materials science". WIREs Comput Mol. Sci. 10 (3): 1-21.https://doi.org/10.1002/wcms.1450.

80

Huang, Shian-Chang, Chiou, Chei-Chang, Chiang, Jui-Te, et al. 2020. "Online sequential pattern miningand association discovery by advanced artificial intelligence and machine learning techniques". SoftComputing 24: 8021-8039. https://doi.org/10.1007/s00500-019-04100-5.

81Li, Xin e Lei Lei. 2019. "A bibliometric analysis of topic modelling studies (2000–2017)". Journal ofInformation Science 0 10.1177/0165551519877049. https://doi.org/10.1177/0165551519877049.

82Malik, Nouman, Hikmat Ullah Khan, Muhammad Shahzad Faisal, Ahsan Mahmood, Sanghyun Seo eMuhammad Raheel Bhutta. 2019. "A novel approach for finding research areas for new researchers". NewReview of Hypermedia and Multimedia 25 (3): 182-204. doi: 10.1080/13614568.2019.1653996.

83Miao, Z. 2019. "Investigation on human rights ethics in Artificial Intelligence researches with libraryliterature analysis method". The Electronic Library 37 (5): 914-926.https://doi.org/10.1108/EL-04-2019-0089.

84Nakai, Kenta. 2019. “Information Science Should Take a Lead in Future Biomedical Research”.Engineering 5: 1155-1158. doi: 10.1016/j.eng.2019.07.023.

85Pomputius, Ariel. 2019. "Putting misinformation under a microscope: exploring technologies to addresspredatory false information online". Medical Reference Services Quarterly 38 (4): 369-375. doi:10.1080/02763869.2019.1657739.

86Ruotsalo, Tuukka , Giulio Jacucci e Samuel Kaski. 2020. "Interactive faceted query suggestion forexploratory search: Whole‐session effectiveness and interaction engagement". Journal of the Associationfor Information Science and Technology 71 (7): 742-756. https://doi.org/10.1002/asi.24304.

92

(Cont.)

ARTIGOS COLETADOSPARA A

REVISÃO DA LITERATURA (IA NO CONTEXTO DA CI)

REFERÊNCIAS BIBLIOGRÁFICAS(ORGANIZADAS POR ANO DE PUBLICAÇÃO ON-LINE E ORDEM ALFABÉTICA)

2019

87Shaw, Shih-Lung e Daniel Sui. 2020. “Understanding the new human dynamics in smart spaces and places:toward a splatial framework”. Annals of the American Association of Geographers. 110 (2): 339-348. doi:10.1080/24694452.2019.1631145.

88Shen, Yi. 2019. "Create synergies and inspire collaborations around the development of intelligentinfrastructure for human‐centered communities". Journal of the Association for Information Science andTechnology 70 (6): 596-606. doi: 10.1002/asi.24150.

89 Zhang, Pengyi e Dagobert Soergel. 2020. "Cognitive mechanisms in sensemaking: a qualitative user study".Journal of the Association for Information Science and Technology 71 (2): 158-171. doi: 10.1002/asi.24221.

2020

90Bawden, David e Lyn Robinson. 2020. "“The dearest of our possessions”: applying Floridi's informationprivacy concept in models of information behavior and information literacy". Journal of the Association forInformation Science and Technology 71 (9): 1030-1043. doi: 10.1002/asi.24367.

91Bu, Yi, Mengyang Li, Weiye Gu e Win‐bin Huang. 2020. "Topic diversity: a discipline scheme‐freediversity measurement for journals". Journal of the Association for Information Science and Technology1-17. doi:10.1002/asi.24433.

92Chabin, Marie-Anne. 2020. "The potential for collaboration between AI and Archival Science in processingdata from the french great national debate". Records Management Journal 30 (2): 241-252. doi:10.1108/rmj-08-2019-0042.

93Chen, Yanping, Zehua Ding, Qinghua Zheng, Yongbin Qin, Ruizhang Huang e Nazaraf Shah. 2020. "AHistory and Theory of Textual Event Detection and Recognition". IEEE Access 8: 201371-201392 . doi:10.1109/ACCESS.2020.3034907.

94 Dewey, Scott Hamilton. 2020. “Foucault's toolbox: use of Foucault's writings in LIS journal literature,1990-2016”. Journal of Documentation 76 (3): 689-70 . https://doi.org/10.1108/JD-08-2019-0162.

95 Huang, Yong, Yi Bu, Ying Ding e Wei Lu. 2020. "Exploring direct citations between citing publications".Journal of Information Science: 1-12. https://doi.org/10.1177/0165551520917654.

96 Li, Deren, Zhenfeng Shao e Ruiqian Zhang. 2020. “Advances of geo-spatial intelligence at LIESMARS”.Geo-spatial Information Science. 23 (1): 40-51. doi: 10.1080/10095020.2020.1718001.

93

(Cont.)

ARTIGOS COLETADOSPARA A

REVISÃO DA LITERATURA (IA NO CONTEXTO DA CI)

REFERÊNCIAS BIBLIOGRÁFICAS(ORGANIZADAS POR ANO E ORDEM ALFABÉTICA)

2020

97Lin, Song-Shun, Ning Zhang, Ye-Shuang Xu e Takenori Hino. 2020. "Lesson learned from catastrophicfloods in western Japan in 2018: sustainable perspective analysis". Water 12 (9): 2489. doi:10.3390/w12092489.

98Meinert, Edward, Madison Milne-Ives, Svitlana Surodina e Ching Lam. 2020. "Agile requirementsengineering and software planning for a digital health platform to engage the effects of isolation caused bysocial distancing: Case study". Journal of Medical Internet Research 22 (5): e19297. doi: 10.2196/19297.

99Osinska, Veslava. 2020. "A qualitative–quantitative study of science mapping by different algorithms: thepolish journals landscape". Journal of Information Science, 016555152090273. doi:10.1177/0165551520902738.

100 Qin, Jian. 2020. "Knowledge Organization And Representation Under The AI Lens". Journal of Data andInformation Science 5 (1): 3-17. doi: 10.2478/jdis-2020-0002.

101 Singh, Vivek K., Isha Ghosh, and Darshan Sonagara. 2020. "Detecting fake news stories via multimodalanalysis". Journal of The Association for Information Science and Technology 72 (1): 3-17. doi:10.1002/asi.24359.

102Soni, Sandeep, Kristina Lerman e Jacob Eisenstein. 2020. "Follow the leader: documents on the leadingedge of semantic change get more citations". Journal of The Association for Information Science andTechnology 72 (4): 478-492. doi: 10.1002/asi.24421.

103 Taylor, Richard D. 2020. “Quantum Artificial Intelligence: a "precautionary" US approach?”.Telecommunications Policy 44 (6): 1-12. https://doi.org/10.1016/j.telpol.2020.101909.

104Thelwall, Mike e Pardeep Sud. 2020. "Do new research issues attract more citations? A comparisonbetween 25 Scopus subject categories". Journal of The Association for Information Science and Technology72 (3): 269-279. doi:10.1002/asi.24401.

105

Thor, Andreas, Lutz Bornmann, Robin Haunschild e Loet Leydesdorff. 2020. "Which are the influentialpublications in the web of science subject categories over a long period of time? CRExplorer software usedfor big-data analyses in bibliometrics". Journal of Information Science, 016555152091381. doi:10.1177/0165551520913817.

106Virkus, Sirje e Emmanouel Garoufallou. 2020. "Data science and its relationship to Library and InformationScience: a content analysis". Data Technologies and Applications 54 (5): 643-663.doi:10.1108/dta-07-2020-0167.

94

(Cont.)

ARTIGOS COLETADOSPARA A

REVISÃO DA LITERATURA (IA NO CONTEXTO DA CI)

REFERÊNCIAS BIBLIOGRÁFICAS(ORGANIZADAS POR ANO E ORDEM ALFABÉTICA)

2020

107Wójcik, Magdalena. 2020. “Augmented intelligence technology. The ethical and practical problems of itsimplementation in libraries”. Library Hi Tech. ahead-of-print. 10.1108/LHT-02-2020-0043.

108

Wong, Kevin, Geoff Walton e Gavin Bailey. 2020. "Using Information Science to enhance educationalpreventing violent extremism programs". Journal of The Association for Information Science andTechnology 72 (3): 362-376. doi: 10.1002/asi.24408.

109

Wu, Qihang, Daifeng Li, Lu Huang e Biyun Ye. 2020. “Optimization of hierarchical reinforcementlearning relationship extraction model”. Information Discovery and Delivery. 48 (3): 129-136.https://doi.org/10.1108/IDD-01-2020-0005..

95