A crescente disponibilidade de grandes volumes de dados científicos exige o desenvolvimento de soluções capazes de integrar análise estruturada, recuperação de informação e interpretação semântica. Este trabalho propõe uma arquitetura computacional para exploração de dados curriculares acadêmicos baseada na integração entre técnicas de análise bibliométrica e modelos de linguagem avançados. A solução utiliza dados extraídos da Plataforma Lattes, processados por meio de etapas de transformação, normalização e indexação em banco de dados relacional com suporte a vetores semânticos. A abordagem combina análises quantitativas tradicionais com mecanismos de recuperação aumentada por geração (RAG), permitindo consultas em linguagem natural e síntese automatizada de informações científicas. Os resultados demonstram que a integração entre visualização interativa e inteligência artificial amplia significativamente a capacidade de exploração e interpretação dos dados, oferecendo suporte tanto a análises exploratórias quanto a consultas complexas. O estudo contribui para o avanço de infraestruturas de organização da informação científica, destacando o potencial da inteligência artificial na construção de sistemas mais interativos, escaláveis e orientados à descoberta de conhecimento.
Comissão Organizadora
Gabriel Felipe Cotta Cirino
Francisco Paletta
Victoria Siqueira Pereira
Mariane Alves Antunes
Rodrigo Garcia
Victor Barros
Karina Satie kawashita
Comissão Científica
Ferramenta completa de submissão, avaliação e publicação de anais para eventos científicos.
