Este artigo apresenta uma arquitetura sociotécnica para diário de pesquisa assistido por inteligência artificial, voltada ao apoio do trabalho científico cotidiano. A proposta combina LLMs abertas com técnicas de recuperação de informação e geração aumentada por recuperação, incluindo RAG clássico, recuperação híbrida, recuperação temporal e mecanismos orientados por memória. O sistema foi concebido para operar sobre registros mínimos produzidos pelos pesquisadores e devolver perguntas organizadas, relações temáticas e sugestões de próximo passo sem ampliar a carga cognitiva do usuário. Para fundamentar a proposta, foi construído um conjunto sintético com 8 pesquisadores, 4 projetos, 8 áreas temáticas e 80 registros diários, preservando simultaneamente a perspectiva individual do pesquisador e a perspectiva agregada do centro de pesquisa. A validação incidiu sobre três tarefas: extração de perguntas dos pesquisadores, identificação de convergências temáticas entre projetos e geração de estimativas de risco e entrega. Os resultados mostram que a estrutura de dados preserva sinais suficientes para diferenciar avanços, obstáculos e dúvidas, explicitar demandas metodológicas recorrentes, recuperar relações interdisciplinares e produzir indicadores úteis para acompanhamento em dois níveis. Conclui-se que a combinação entre LLMs abertas e RAG constitui uma base tecnicamente plausível para sistemas de facilitação cognitiva na pesquisa.
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.
