Este estudo propõe o uso de personas sintéticas como estratégia metodológica para a personalização e a inovação dos serviços de biblioteca por meio da integração de técnicas de Inteligência Artificial e Ciência de Dados. A personalização de serviços é uma demanda crescente em bibliotecas contemporâneas, e o método proposto pode transformar as práticas biblioteconômicas ao oferecer experiências mais relevantes e ajustadas às necessidades dos usuários. Com base na análise de dados históricos e na aplicação de algoritmos para geração de perfis sintéticos, desenvolve-se um framework para testar e aprimorar continuamente estratégias de engajamento, curadoria e acesso à informação. A primeira etapa consiste no diagnóstico e recolha de dados, envolvendo a coleta e análise de informações sobre o perfil da comunidade — como faixa etária, nível de escolaridade, frequência de uso, tipos de materiais emprestados e participação em eventos culturais. Esses dados sustentam a modelagem das personas sintéticas, criadas por meio de técnicas de agrupamento estatístico e ferramentas de IA generativa, resultando em perfis representativos que simulam comportamentos, interesses e necessidades específicas de diferentes segmentos de usuários. Em seguida, as personas sintéticas são utilizadas em simulações de interações com os serviços da biblioteca, como empréstimo de livros, participação em atividades culturais e uso dos espaços. Essas simulações permitem testar estratégias — como novas campanhas de comunicação ou ajustes nos horários de funcionamento — antes de sua implementação real. Com base nos insights obtidos, ações personalizadas são desenvolvidas, incluindo a criação de coleções temáticas, a adaptação do calendário de eventos aos perfis identificados e a oferta de novos serviços, como oficinas e clubes de leitura, promovendo maior alinhamento com as demandas da comunidade. A adoção dessa abordagem contribui para fortalecer a biblioteca como um ambiente inteligente, inclusivo e inovador, promovendo uma cultura organizacional orientada para a melhoria contínua e para a experimentação baseada em dados.
ISSN: 2965-4130
Comissão Organizadora
Victor Barros
Francisco Carlos Paletta
Comissão Científica
Armando Malheiro da Silva, Faculdade de Letras da Universidade do Porto
Audilio Gonzales Aguilar, Université Paul-Valéry Montpellier III
Francisco Carlos Paletta, Universidade de São Paulo
José Antonio Moreiro, Universidade Carlos III de Madrid
Victor Barros, Universidade do Minho
Ferramenta completa de submissão, avaliação e publicação de anais para eventos científicos.
