Large Language Models na Indexação Automática de Recursos Educacionais: análise comparativa entre linguagem autoral e representação bibliotecária

Large Language Models na Indexação Automática de Recursos Educacionais: análise comparativa entre linguagem autoral e representação bibliotecária

• Autor
• Adriléia de Moura Lima
• Co-autores
• Viviane Lílian dos Santos Barrozo , Elisângela Cristina Aganette , Veríssimo Amaral Matias , Frederico Cesar Mafra Pereira
• Resumo

•  Investiga-se a capacidade dos Grandes Modelos de Linguagens (do inglês Large Language Models - LLMs) na  indexação automática de recursos educacionais. Para tanto, desenvolveu-se um estudo de caso envolvendo ChatGPT Plus, DeepSeek e Gemini, comparando-os aos desempenhos dos autores científicos e dos bibliotecários. A abordagem metodológica inclui a adoção de critérios de correspondência que permitiu estabelecer diferentes níveis de abrangência e de progressão. Os dados foram analisados à luz das medidas de precisão, abrangência e F-measure. Os modelos apresentaram resultados semelhantes às palavras-chave atribuídas pelos autores. Por outro lado, a correspondência com os descritores incluídos pelos bibliotecários apresentou a menor correspondência. Ou seja, os LLMs se aproximaram mais da indexação derivada (extração direta do documento) do que da indexação por atribuição (linguagem artificial), empregada pelos bibliotecários. Conclui-se que, com base nos resultados, esses modelos são capazes de realizar a indexação semântica. Contudo,  há dificuldade em reproduzir a lógica padronizada, institucional ou técnica da indexação bibliotecária, sendo necessário ampliar os estudos.

• Palavras-chave
• Grandes Modelos de Linguagens, Inteligência Artificial, Indexação Automática, Classificação Bibliográfica.
• Área Temática
• Ciência de Dados, IA e Sistemas

Voltar Download