MESTRADO EM CIÊNCIA DA INFORMAÇÃO

A INTELIGÊNCIA ARTIFICIAL NO
CONTEXTO DA CIÊNCIA DA
INFORMAÇÃO: UMA ANÁLISE DE
DOMÍNIO
Roberta Jerônimo da Silva

2021

UNIDADES ORGÂNICAS ENVOLVIDAS

FACULDADE DE ENGENHARIA
FACULDADE 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 42

Informação)

Ilustração 2 - Quadro com as fontes mais utilizadas 44

Ilustração 3 - Diagrama do fluxo PRISMA (Inteligência Artificial e Ciência da 47

Informação)

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 da
Ciência 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

1
Optamos 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

2
computadores, no qual tem a denominação de Lei de Moore ;

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

3
Também 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

4
Advogado 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):

5
Para 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,

6
Desde 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).

8
Saldanha (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.
9
Especificamente a recuperação automatizada da informação foi compreendida como o foco da CI por alguns
autores, como por Saracevic (1970 citado em Araújo 2018).
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

10
Tradução 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:

11
De 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.
12
Explicações baseadas em Pinheiro (2002) já descritas na folha 23.
13
No Brasil também são separadas.
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

15
Outro 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,

16
Recensão 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”.
17
Recensão 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.
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.

18
Mais informações consultar http://www.prisma-statement.org/ (PRISMA 2021). Referência completa na lista
de referências bibliográficas.
19
Checklist e o diagrama do fluxo consultar http://www.prisma-statement.org/Translations/Translations
(PRISMA 2009). 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) 2
Fonte: 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,

20
Existiram 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
21
Todas 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
Negócios, gestão e contabilidade
(diversos), Ciência da
ACM Transactions on Computação, Sistemas de
1 Information Systems EUA Informação 83h-index Q1 0.67 2

Ciência da Computação,
2 IEEE Access EUA Engenharia, Ciência de Materiais 127h-index Q1 0.59 2

Ciência da Computação. Sistemas

de Informação. Geografia,
International Journal of planejamento e desenvolvimento.
Geographical Biblioteconomia e Ciência da
3 Information Science Reino Unido Informação. 114h-index Q1 1.29 2
Journal of Biomedical Ciência da Computação,
4 Informatics EUA Informática em Saúde 103h-index Q1 01.06 2
Ciência da Computação, Sistemas
5 JIS Reino Unido de Informação, BCI24 64h-index Q1 0.5 14
Ciência da Computação, Sistemas
6 JASIST Reino Unido de Informação, BCI 145h-index Q1 0.9 51
TOTAL 73

22
Pesquisa feita na página do SCImago https://www.scimagojr.com/.
23
FI - Fator de Impacto.
24
Optamos em deixar BCI, por ser desta forma a identificação no SJR.
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

25
A 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
26
Sigla 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 COLETADOS
PARA A
REVISÃO DA LITERATURA (RL NO CONTEXTO DA CI)
REFERÊNCIAS BIBLIOGRÁFICAS
(ORGANIZADAS POR ANO E ORDEM ALFABÉTICA)
2019

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 de
1 Biblioteconomia, Arquivística e Documentação, 2 : 12–18.
http://search.ebscohost.com/login.aspx?direct=true&AuthType=ip,uid&db=lls&AN=145767393&lang=pt-p
t&site=ehost-live&scope=site.

Carneiro, Luciana Emirena dos Santos e Mauricio Barcellos Almeida. 2019. “Design science: estudo de um
2 campo 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.

Felix, Maria José Abreu e Jayme Leiro Vilan Filho. 2019. “Interdisciplinarity between Information Science
4 and Management Science in Brazil: a literature review.” Revista Digital de Biblioteconomia e Ciência da
Informação 17: 1–17. doi:10.20396/rdbci.v17i0.8655701.

Jaidka, Kokil, Christopher S. G. Khoo e Jin-Cheon Na. 2019. “Characterizing Human Summarization
5 Strategies for Text Reuse and Transformation in Literature Review Writing.” Scientometrics 121 (3):
1563–1582. doi:10.1007/s11192-019-03250-5.

Revez, Jorge e Leonor Calvão Borges. 2019. “Pragmatic paradigm in Information Science research: A
6 literature 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-p
t&site=ehost-live&scope=site.

Santos, Marcos Vinícius Carvalho Terra, Carlos Cândido de Almeida e Deise Maria Antonio Sabbag. 2019.
7 “French discourse analysis in the organization of information and knowledge in Brazil: epistemological
considerations to documentary analysis.” Revista Digital de Biblioteconomia e Ciência da Informação (17):
1–26. doi: 10.20396/rdbci.v17i0.8652798.

Shu, Fei, Charles‐Antoine Julien e Vincent Larivière. 2019. “Does the Web of Science accurately represent
8 chinese scientific performance?” Journal of the Association for Science and Technology, 70 (10):
1138-1152. https://doi.org/10.1002/asi.24184.

Sutton, Anthea, Mark Clowes, Louise Preston e Andrew Booth. 2019. “Meeting the review family:
9 exploring review types and associated information retrieval requirements.” Health Information & Libraries
Journal 36 (3): 202–222. doi:10.1111/hir.12276.

83
 (Cont.)
ARTIGOS COLETADOS
PARA A
REVISÃO DE LITERATURA (RL NO CONTEXTO DA CI)
REFERÊNCIAS BIBLIOGRÁFICAS
(ORGANIZADAS POR ANO E ORDEM ALFABÉTICA)
2020
Dora, Mallikarjun e H. Anil Kumar. 2020. “National and international trends in Library and Information
10 Science research: a comparative review of the literature.” IFLA Journal 46 (3): 234–249.
doi:10.1177/0340035219886610.

Galbo, Sebastian C. 2020. “Collection development challenges in Slavic & East European libraries: a
11 literature 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-p
t&site=ehost-live&scope=site.

12 Macdonald, Stephen e Briony Birdi. 2020. “The Concept of Neutrality: A New Approach.” Journal of
Documentation 76 (1): 333–353. doi:10.1108/JD-05-2019-0102.
Oliveira, Marlene e Zayr Claudio Gomes da Silva. 2020. “Caminhos da ciência da informação: da library
13 and 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 engines
studies.” Scientometrics 123 (3): 1317–1340. doi:10.1007/s11192-020-03450-4.

Saleem, Qurat Ul Ain e Murtaza Ashiq. 2020. “The facts of continuing professional development for LIS
15 Professionals in Pakistan: a literature review.” Bottom Line 33 (3) : 263–271. doi:
10.1108/BL-02-2020-0013.
Tramullas, Jesús. 2020. “Temas y métodos de investigación en Ciencia de la Información, 2000-2019.
16 Revisión bibliográfica. ” El Profesional de La Información 29 (4): 1–18.
https://doi.org/10.3145/epi.2020.jul.17.

84
Anexo 2

ARTIGOS COLETADOS
PARA A
REVISÃO DA LITERATURA (IA NO CONTEXTO DA CI)
REFERÊNCIAS BIBLIOGRÁFICAS
(ORGANIZADAS POR ANO DE PUBLICAÇÃO ON-LINE E ORDEM ALFABÉTICA)
2011

Hayes, Caroline C., Ashok K. Goel , Irem Y. Tumer , Alice M. Agogino e William C. Regli. 2011.
1
"Intelligent Support for Product Design: Looking Backward, Looking Forward". Journal of Computing and
Information Science in Engineering 11 (2): 021077-1 - 021007-9. https://doi.org/10.1115/1.3593410.

Herskovic, Jorge R., Trevor Cohen, Devika Subramanian, M. Sriram Iyengara, Jack W. Smith e Elmer V.
2
Bernstam. 2011. "MEDRank: using graph-based concept ranking to index biomedical texts". International
Journal 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 of
scientific 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". Journal
of Biomedical Informatics 44 (6): 1032-1038. https://doi.org/10.1016/j.jbi.2011.08.008.
2012

Cao, Xin , Gao Cong, Bin Cui, Christian S. Jensen e Quan Yuan. 2012. “Approaches to Exploring Category
Information for Question Retrieval in Community Question-Answer Archives”. ACM Transactions on
5 Information Systems 30 (2): 7.1-7.38. https://doi.org/10.1145/2180868.2180869.

Chang, Yu-Wei e Mu‐Hsuan Huang. 2012. "A study of the evolution of interdisciplinarity in library and
6
information science: using three bibliometric methods". Journal of the American Society for Information
Science and Technology 63 (1): 22-33. https://doi.org/10.1002/asi.21649.
Hessey, Rachel e Peter Willett. 2013. "Quantifying the value of knowledge exports from librarianship and
7 information science research". Journal of Information Science 39 (1): 141-150.
doi:10.1177/0165551512442476.

Pal, Aditya, F. Maxwell Harper e Joseph A. Konstan. 2012. “Exploring Question Selection Bias to Identify
8
Experts and Potential Experts in Community Question Answering". ACM Transactions on Information
Systems 30 (2): 10.1-10.28. https://doi.org/10.1145/2180868.2180872.

Zhang, W., Yanqing Niu, Yi Xiong, Meng Zhao, Rongwei Yu e Juan Liu. 2012. "Computational prediction
9
of 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 COLETADOS
PARA A
REVISÃO DA LITERATURA (IA NO CONTEXTO DA CI)
REFERÊNCIAS BIBLIOGRÁFICAS
(ORGANIZADAS POR ANO DE PUBLICAÇÃO ON-LINE E ORDEM ALFABÉTICA)
2013

Holliday, John, Clive Upton, Ann Thompson, Jonathan Robinson, Jon Herring, Holly Gilbert e Paul
10 Norman. 2013. "Geographical analysis of the vernacular". Journal of Information Science 39 (1): 26-35.
https://doi.org/10.1177/0165551512470049.
Huang, Xiaoli e Dagobert Soergel. 2013. "Relevance: an improved framework for explicating the notion".
11 Journal of the American Society for Information Science and Technology 64 (1): 18-35.
https://doi.org/10.1002/asi.22811.
Kåhre, Peter. 2013. “Library and information science's ontological position in the networked society: using
12 new technology to get back to an old practice". Inf. Res. 18 (3): 1-10.
https://files.eric.ed.gov/fulltext/EJ1044642.pdf.
Liu, Wanli, Rezarta Islamaj Doğan, Sun Kim, Donald C. Comeau, Won Kim, Lana Yeganova, Zhiyong Lu e
13 W. John Wilbur. 2014. "Author name disambiguation for PubMed". Journal of the Association for
Information Science and Technology 65 (4): 765-781. https://doi.org/10.1002/asi.23063.
Silva, Rodrigo M., Marcos A. Gonçalves e Adriano Veloso. 2014. "A Two‐stage active learning method
for learning to rank". Journal of the Association for Information Science and Technology 65 (1): 109-128.
14 https://doi.org/10.1002/asi.22958.

Thellefsen, Torkild, Martin Thellefsen e Bent Sørensen. 2013. "Emotion, information, and cognition, and
15 some possible consequences for library and information science". Journal of the American Society for
Information Science and Technology 64 (8): 1735-1750. https://doi.org/10.1002/asi.22858.

2014
Aphinyanaphongs, Yindalon, Lawrence D. Fu, Zhiguo Li, Eric R. Peskin, Efstratios Efstathiadis,
Constantin F. Aliferis e Alexander Statnikov. 2014. "A comprehensive empirical comparison of modern
16
supervised classification and feature selection methods for text categorization". Journal of the Association
for Information Science and Technology 65 (10): 1964-1987. https://doi.org/10.1002/asi.23110.

Brandão, Wladmir C., Rodrygo L. T. Santos, Nivio Ziviani, Edleno S. de Moura e Altigran S. da Silva.
17 2014. "Learning to expand queries using entities." Journal of the Association for Information Science and
Technology 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.
Chen, Ya-Ning e Hao-Ren Ke. 2014. "A study on mental models of taggers and experts for article
19 indexing based on analysis of keyword usage". Journal of the Association for Information Science and
Technology 65 (8): 1675-1694. doi: https://doi.org/10.1002/asi.23077.

Cui, Chaoran, Jun Ma, Tao Lian, Zhumin Chen e Shuaiqiang Wang. 2015. "Improving image annotation via
20 ranking‐oriented neighbor search and learning‐based keyword propagation". Journal of the Association for
Information Science and Technology 66 (1): 82-98. https://doi.org/10.1002/asi.23163.
Demarest, Bradford e Cassidy R. Sugimoto. 2015. “Argue, observe, assess: Measuring disciplinary
21 identities and differences through socio-epistemic discourse”. Journal of the Association for Information
Science and Technology 66, no. 7 (julho): 1374-1387. doi: 10.1002/asi.23271.

86
 (Cont.)
ARTIGOS COLETADOS
PARA A
REVISÃO DA LITERATURA (IA NO CONTEXTO DA CI)
REFERÊNCIAS BIBLIOGRÁFICAS
(ORGANIZADAS POR ANO DE PUBLICAÇÃO ON-LINE E ORDEM ALFABÉTICA)
2014
El-Diraby, Tamer E. 2014. "Validating ontologies in informatics systems: approaches and lessons learned
22 for 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 knowledge
representation.” Knowledge Organization 41 (1): 44-56. doi: 10.5771/0943-7444-2014-1-44.
Hjørland, Birger. 2015. "Classical databases and knowledge organization: a case for boolean retrieval and
24 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.

Hoenkamp, Eduard e Peter Bruza. 2015. "How everyday language can and will boost effective information
25 retrieval". Journal of the Association for Information Science and Technology 66 (8): 1546-1558.
https://doi.org/10.1002/asi.23279.

Kim, Hyun Hee e Yong Ho Kim. 2016. "Generic speech summarization of transcribed lecture videos: Using
26 tags and their semantic relations". Journal of the Association for Information Science and Technology 67
(2): 366-379. https://doi.org/10.1002/asi.23391.
Kousha, Kayvan e Mike Thelwall. 2015. "An automatic method for extracting citations from Google
27 books". Journal of the Association for Information Science and Technology 66 (2): 309-320.
https://doi.org/10.1002/asi.23170.
Liu, Xiaozhong e Jian Qin. 2014. "An interactive metadata model for structural, descriptive, and referential
28 representation of scholarly output". Journal of the Association for Information Science and Technology 65
(5): 964-983. https://doi.org/10.1002/asi.23007.
Liu, Xiaozhong, Chun Guo e Lin Zhang. 2014. "Scholar metadata and knowledge generation with human
29 and Artificial Intelligence". Journal of the Association for Information Science and Technology 65 (6):
1187-1201. https://doi.org/10.1002/asi.23013.
Montalvo, Soto, Raquel Martínez, Víctor Fresno e Agustín Delgado. 2015. "Exploiting named entities for
30 bilingual news clustering". Journal of the Association for Information Science and Technology Volume 66
(2): 363-376.https://doi.org/10.1002/asi.23175.

Mu, Tingting, John Y. Goulermas, Ioannis Korkontzelos e Sophia Ananiadou. 2016. "Descriptive document
31 clustering via discriminant learning in a co‐embedded space of multilevel similarities." Journal of the
Association for Information Science and Technology 67 (1): 106-133. https://doi.org/10.1002/asi.23374.

Osinska, Veslava e Piotr Bala. 2015. "Study of dynamics of structured knowledge: qualitative analysis of
32 different mapping approaches". Journal of Information Science 41 (2): 197-208.
https://doi.org/10.1177/0165551514559897.

87
 (Cont.)
ARTIGOS COLETADOS
PARA A
REVISÃO DA LITERATURA (IA NO CONTEXTO DA CI)
REFERÊNCIAS BIBLIOGRÁFICAS
(ORGANIZADAS POR ANO DE PUBLICAÇÃO ON-LINE E ORDEM ALFABÉTICA)
2014

Park, Hong-Seok e Ngoc-Hien Tran. 2014. "Development of a smart machining system using
33 self-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.
Silva, Thushari, Jian Ma, Chen Yang e Haidan Liang. 2015. "A profile-boosted research analytics
35 framework to recommend journals for manuscripts". Journal of the Association for Information Science and
Technology 66 (1): 180-200. https://doi.org/10.1002/asi.23150.
Tsatcha, Dieudonné, Éric Saux e Christophe Claramunt. 2014. “A bidirectional path-finding algorithm and
36 data structure for maritime routing”. International Journal of Geographical Information Science 28 (7):
1355-1377. https://doi.org/10.1080/13658816.2014.887087.
Workman, T. Elizabeth, Marcelo Fiszman, Thomas C. Rindflesch e Diane Nahl. 2014. "Framing
serendipitous information-seeking behavior for facilitating literature-based discovery: a proposed model".
37
Journal of the Association for Information Science and Technology 65 (3): 501-512.
ttps://doi.org/10.1002/asi.22999
Zuccala, Alesia, Maarten van Someren e Maurits van Bellen. 2014. "A machine-learning approach to
38 coding book reviews as quality indicators: toward a theory of megacitation". Journal of the Association for
Information Science and Technology 65 (11): 2248-2260. https://doi.org/10.1002/asi.23104.
2015
Beaudoin, Joan E. 2016. "Content-Based image retrieval methods and professional image users". Journal of
39
the Association for Information Science and Technology 67 (2): 350-365. doi:10.1002/asi.23387.
Ben Abacha, Asma e Pierre Zweigenbaum. 2015. "MEANS: A medical question-answering system
40 combining 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 resources
producers’ clustering". Journal of Informetrics 9 (2): 273-284. https://doi.org/10.1016/j.joi.2015.02.005.
Chebil, Wiem, Lina Fatima Soualmia, Mohamed Nazih Omri e Stéfan Jacques Darmoni. 2015. "Indexing
42 biomedical documents with a possibilistic network". Journal of the Association for Information Science and
Technology 67 (4): 928-941. doi: 10.1002/asi.23435.

(Cont.)

88
 ARTIGOS COLETADOS
PARA 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 to
interventions". Machine Learning 102 (3): 323-348. https://doi.org/10.1007/s10994-015-5527-7.

Gao, Yang, Yue Xu e Yuefeng Li. 2015. "Pattern-based topics for document modelling in information
44 filtering". IEEE Transactions on Knowledge and Data Engineering 27 (6): 1629-1642. doi: 10.1109 /
TKDE.2014.2384497.

Gonzalez-Agirre, Aitor, German Rigau, Eneko Agirre, Nikolaos Aletras e Mark Stevenson. 2016. "Why are
45 these similar? Investigating item similarity types in a large digital library". Journal of the Association for
Information Science and Technology 67 (7): 1624-1638. doi: 10.1002/asi.23482.

Hellsten, Iina e Loet Leydesdorff. 2016. "The construction of interdisciplinarity: the development of the
46 knowledge base and programmatic focus of the journal climatic change, 1977-2013". Journal of the
Association for Information Science and Technology 67 (9): 2181-2193. doi: 10.1002/asi.23528.

Ibáñez, Alfonso, Rubén Armañanzas, Concha Bielza e Pedro Larrañaga. 2016. "Genetic algorithms and
47 gaussian bayesian networks to uncover the predictive core set of bibliometric indices". Journal of the
Association for Information Science and Technology 67 (7): 1703-1721. doi: 10.1002/asi.23467.
Joorabchi, Arash, Michael English e Abdulhussain E. Mahdi. 2015. "Automatic mapping of user tags to
48 wikipedia concepts: the case of a Q&A website – Stackoverflow". Journal of Information Science 41 (5):
570-583. doi: 10.1177/0165551515586669.
Kanan, Tarek e Edward A. Fox. 2016. "Automated arabic text classification with p-stemmer, machine
49 learning, and a tailored news article taxonomy". Journal of the Association for Information Science and
Technology 67 (11): 2667-2683. doi: 10.1002/asi.23609.
Li, Sanjiang e Weiming Liu. 2015. “Cardinal directions: a comparison of direction relation matrix and
50 objects interaction matrix”. International Journal of Geographical Information Science 29 (2) : 194-216.
https://doi.org/10.1080/13658816.2014.954580.
Reed, Stephen K. e Adam Pease. 2015. "A framework for constructing cognition ontologies using WordNet,
51 FrameNet, and SUMO". Cognitive Systems Research 33: 122-144.
https://doi.org/10.1016/j.cogsys.2014.06.001.
Sheble, Laura. 2016. "Research synthesis methods and library and information science: shared problems,
52 limited diffusions". Journal of the Association for Information Science and Technology 67 (8): 1990-2008.
doi: 10.1002/asi.23499.
Shen, Ying, Joe Colloc, Armelle Jacquet-Andrieu e Kai Lei 2015. "Emerging medical informatics with
53 case-based reasoning for aiding clinical decision in multi-agent system". Journal of Biomedical Informatics
56: 307-317. https://doi.org/10.1016/j.jbi.2015.06.012.

89
 (Cont.)
ARTIGOS COLETADOS
PARA 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 Information
Science 42 (5): 681-710. doi:10.1177/0165551515608731.
Trace, Ciaran B. e Luis Francisco-Revilla. 2015. "The value and complexity of collection arrangement for
55 evidentiary work". Journal of the Association for Information Science and Technology 66 (9): 1857-1882.
doi:10.1002/asi.23295.
Vrettas, George e Mark Sanderson. 2015. "Conferences versus journals in Computer Science". Journal of
56
the Association for Information Science and Technology 66 (12): 2674-2684. doi:10.1002/asi.23349.

Wang, Yanshan, Jae-Sung Lee e In-Chan Choi. 2015. "Indexing by Latent Dirichlet Allocation and an
57 ensemble model". Journal of the Association for Information Science and Technology 67 (7): 1736-1750.
doi:10.1002/asi.23444.

Zhang, Jin, Shanshan Zhai, Hongxia Liu e Jennifer Ann Stevenson. 2016. "Social network analysis on a
58 topic‐based navigation guidance system in a public health portal". Journal of the Association for
Information Science and Technology 67 (5): 1068-1088. doi: 10.1002/asi.23468.
2016
Cockshott, Paul e Karen Renaud. 2016. "Humans, robots and values". Technology in Society 45: 19-28.
59
https://doi.org/10.1016/j.techsoc.2016.01.002.
Engerer, Volkmar. 2017. "Exploring interdisciplinary relationships between linguistics and information
60 retrieval from the 1960s to today". Journal of the Association for Information Science and Technology 68
(3): 660-680. doi: 10.1002/asi.23684.
McKeown, Kathy, Hal Daume, Snigdha Chaturvedi, John Paparrizos, Kapil Thadani, Pablo Barrio , Or
61 Biran et al. 2016. "Predicting the impact of scientific concepts using full-text features". Journal of the
Association for Information Science and Technology 67 (11): 2684-2696. doi: 10.1002/asi.23612.
Zuo, Zhiya, Kang Zhao e David Eichmann. 2017. "The state and evolution of U.S. iSchools: from talent
62 acquisitions to research outcome". Journal of the Association for Information Science and Technology 68
(5): 1266-1277. doi: 10.1002/asi.23751.
2017

Branch, Frank, Theresa Arias, Jolene Kennah, Rebekah Phillips, Travis Windleharth e Jin Ha Lee. 2017.
63 "Representing transmedia fictional worlds through ontology". Journal of the Association for Information
Science and Technology 68 (12): 2771-2782. doi: 10.1002/asi.23886.

64 Chowdhury, Gobinda e Kushwanth Koya. 2017. "Information practices for sustainability: role of ISchools
in achieving The UN sustainable development goals (Sdgs)". Journal of the Association for Information
Science and Technology 68 (9): 2128-2138. doi: 10.1002/asi.23825.

90
 (Cont.)
ARTIGOS COLETADOS
PARA A
REVISÃO DA LITERATURA (IA NO CONTEXTO DA CI)

REFERÊNCIAS BIBLIOGRÁFICAS
(ORGANIZADAS POR ANO DE PUBLICAÇÃO ON-LINE E ORDEM ALFABÉTICA)

2017
Kholghi, Mahnoosh, Lance De Vine, Laurianne Sitbon, Guido Zuccon e Anthony Nguyen. 2017. "Clinical
information extraction using small data: an active learning approach based on sequence .
65
representations and word embeddings". Journal of the Association for Information Science and Technology
68 (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 Sign
Process Syst 90: 1123–1131. https://doi.org/10.1007/s11265-017-1278-y.
Robinson, L. e D. Bawden. 2017. “‘The story of data': a socio-technical approach to education for the data
67 librarian 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.
Saif, Abdulgabbar, Nazlia Omar, Mohd Juzaiddin Ab Aziz, Ummi Zakiah Zainodin e Naomie Salim. 2018.
68 “Semantic Concept Model Using Wikipedia Semantic Features.” Journal of Information Science 44 (4):
526–51. https://doi.org/10.1177/0165551517706231.
Zhang, Yi, Guangquan Zhang, Donghua Zhu e Jie Lu. 2017. "Scientific evolutionary pathways: identifying
69 and visualizing relationships for scientific topics". Journal of the Association for Information Science and
Technology 68 (8): 1925-1939. doi: 10.1002/asi.23814.
2018
Corcoran, Padraig e Christopher B. Jones. 2018. "Stability and statistical inferences in the space of
70
topological spatial relationships". IEEE Access 6 : 18907-18919. doi: 10.1109/ACCESS.2018.2817493.
Hsu, Wen-Chin e Jia-Huan Li. 2019. "Visualising and mapping the intellectual structure of medical big
71
data". Journal of Information Science 45 (2): 239-258. https://doi.org/10.1177/0165551518782824.
Huluba, Ana-Maria, Jason Kingdon e Iain McLaren. 2018. “The UK Online Gender Audit 2018: A
72 comprehensive audit of gender within the UK's online environment.” Heliyon 4 (12): 1-23. doi:
10.1016/j.heliyon.2018.e01001.
Lubani, Mohamed, Shahrul Azman Mohd Noah e Rohana Mahmud. 2019. “Ontology Population:
73 Approaches and Design Aspects”. Journal of Information Science 45 (4): 502–15.
https://doi.org/10.1177/0165551518801819.
Ortiz-Repiso, Virginia, Jane Greenberg e Javier Calzada-Prado. 2018. "A cross-institutional analysis of
74 data-related curricula in Information Science programmes: a focused look at the iSchools". Journal of
Information Science 44 (6): 768-784. doi:10.1177/0165551517748149.
Pee, L. G., S. Pan e L. Cui. 2019. “Artificial Intelligence in healthcare robots: a social informatics study of
75 knowledge embodiment”. Journal of the Association for Information Science and Technology 70 (4):
351-369. doi: 10.1002/asi.24145.

91
 (Cont.)
ARTIGOS COLETADOS
PARA 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 artificial
life views on mind and consciousness". Foundations of Computing and Decision Sciences 44 (1): 55-99 .‫‏‬
https://doi.org/10.2478/fcds-2019-0005.
Bui, Dieu Tien, Ataollah Shirzadi, Himan Shahabi, Kamran Chapi, Ebrahim Omidavr, Binh Thai Pham,
77 Dawood Talebpour, et al. 2019. "A Novel Ensemble Artificial Intelligence Approach for Gully Erosion
Mapping in a Semi-Arid Watershed (Iran)". Sensors 19 (2444): 1-34. doi: 10.3390/s19112444.

Feng, Yuanyuan e Denise E. Agosto. 2019. "Revisiting personal information management through
78 information practices with activity tracking technology". Journal of The Association for Information
Science and Technology 70 (12): 1352-1367. doi: 10.1002/asi.24253.
Hong, Yang, Bo Hou, Hengle Jiang e Jingchao Zhang. 2020. "Machine learning and artificial neural
79 network accelerated computational discoveries in materials science". WIREs Comput Mol. Sci. 10 (3): 1-21.
https://doi.org/10.1002/wcms.1450.
Huang, Shian-Chang, Chiou, Chei-Chang, Chiang, Jui-Te, et al. 2020. "Online sequential pattern mining
and association discovery by advanced artificial intelligence and machine learning techniques". Soft
80
Computing 24: 8021-8039. https://doi.org/10.1007/s00500-019-04100-5.

Li, Xin e Lei Lei. 2019. "A bibliometric analysis of topic modelling studies (2000–2017)". Journal of
81
Information Science 0 10.1177/0165551519877049. https://doi.org/10.1177/0165551519877049.
Malik, Nouman, Hikmat Ullah Khan, Muhammad Shahzad Faisal, Ahsan Mahmood, Sanghyun Seo e
82 Muhammad Raheel Bhutta. 2019. "A novel approach for finding research areas for new researchers". New
Review of Hypermedia and Multimedia 25 (3): 182-204. doi: 10.1080/13614568.2019.1653996.
Miao, Z. 2019. "Investigation on human rights ethics in Artificial Intelligence researches with library
83 literature analysis method". The Electronic Library 37 (5): 914-926.
https://doi.org/10.1108/EL-04-2019-0089.
Nakai, Kenta. 2019. “Information Science Should Take a Lead in Future Biomedical Research”.
84
Engineering 5: 1155-1158. doi: 10.1016/j.eng.2019.07.023.
Pomputius, Ariel. 2019. "Putting misinformation under a microscope: exploring technologies to address
85 predatory false information online". Medical Reference Services Quarterly 38 (4): 369-375. doi:
10.1080/02763869.2019.1657739.

Ruotsalo, Tuukka , Giulio Jacucci e Samuel Kaski. 2020. "Interactive faceted query suggestion for
86 exploratory search: Whole‐session effectiveness and interaction engagement". Journal of the Association
for Information Science and Technology 71 (7): 742-756. https://doi.org/10.1002/asi.24304.

92
 (Cont.)

ARTIGOS COLETADOS
PARA A
REVISÃO DA LITERATURA (IA NO CONTEXTO DA CI)

REFERÊNCIAS BIBLIOGRÁFICAS
(ORGANIZADAS POR ANO DE PUBLICAÇÃO ON-LINE E ORDEM ALFABÉTICA)

2019

Shaw, Shih-Lung e Daniel Sui. 2020. “Understanding the new human dynamics in smart spaces and places:
87 toward a splatial framework”. Annals of the American Association of Geographers. 110 (2): 339-348. doi:
10.1080/24694452.2019.1631145.
Shen, Yi. 2019. "Create synergies and inspire collaborations around the development of intelligent
88 infrastructure for human‐centered communities". Journal of the Association for Information Science and
Technology 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
Bawden, David e Lyn Robinson. 2020. "“The dearest of our possessions”: applying Floridi's information
90 privacy concept in models of information behavior and information literacy". Journal of the Association for
Information Science and Technology 71 (9): 1030-1043. doi: 10.1002/asi.24367.
Bu, Yi, Mengyang Li, Weiye Gu e Win‐bin Huang. 2020. "Topic diversity: a discipline scheme‐free
91 diversity measurement for journals". Journal of the Association for Information Science and Technology
1-17. doi:10.1002/asi.24433.
Chabin, Marie-Anne. 2020. "The potential for collaboration between AI and Archival Science in processing
92 data from the french great national debate". Records Management Journal 30 (2): 241-252. doi:
10.1108/rmj-08-2019-0042.

Chen, Yanping, Zehua Ding, Qinghua Zheng, Yongbin Qin, Ruizhang Huang e Nazaraf Shah. 2020. "A
93 History 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 COLETADOS
PARA A
REVISÃO DA LITERATURA (IA NO CONTEXTO DA CI)

REFERÊNCIAS BIBLIOGRÁFICAS
(ORGANIZADAS POR ANO E ORDEM ALFABÉTICA)
2020
Lin, Song-Shun, Ning Zhang, Ye-Shuang Xu e Takenori Hino. 2020. "Lesson learned from catastrophic
97 floods in western Japan in 2018: sustainable perspective analysis". Water 12 (9): 2489. doi:
10.3390/w12092489.

Meinert, Edward, Madison Milne-Ives, Svitlana Surodina e Ching Lam. 2020. "Agile requirements
98 engineering and software planning for a digital health platform to engage the effects of isolation caused by
social distancing: Case study". Journal of Medical Internet Research 22 (5): e19297. doi: 10.2196/19297.
Osinska, Veslava. 2020. "A qualitative–quantitative study of science mapping by different algorithms: the
99 polish 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 and
Information 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 multimodal
analysis". Journal of The Association for Information Science and Technology 72 (1): 3-17. doi:
10.1002/asi.24359.
Soni, Sandeep, Kristina Lerman e Jacob Eisenstein. 2020. "Follow the leader: documents on the leading
102 edge of semantic change get more citations". Journal of The Association for Information Science and
Technology 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.

Thelwall, Mike e Pardeep Sud. 2020. "Do new research issues attract more citations? A comparison
104 between 25 Scopus subject categories". Journal of The Association for Information Science and Technology
72 (3): 269-279. doi:10.1002/asi.24401.
Thor, Andreas, Lutz Bornmann, Robin Haunschild e Loet Leydesdorff. 2020. "Which are the influential
publications in the web of science subject categories over a long period of time? CRExplorer software used
105
for big-data analyses in bibliometrics". Journal of Information Science, 016555152091381. doi:
10.1177/0165551520913817.

Virkus, Sirje e Emmanouel Garoufallou. 2020. "Data science and its relationship to Library and Information
106 Science: a content analysis". Data Technologies and Applications 54 (5): 643-663.
doi:10.1108/dta-07-2020-0167.

94
 (Cont.)
ARTIGOS COLETADOS
PARA A
REVISÃO DA LITERATURA (IA NO CONTEXTO DA CI)
REFERÊNCIAS BIBLIOGRÁFICAS
(ORGANIZADAS POR ANO E ORDEM ALFABÉTICA)
2020

Wójcik, Magdalena. 2020. “Augmented intelligence technology. The ethical and practical problems of its
107 implementation in libraries”. Library Hi Tech. ahead-of-print. 10.1108/LHT-02-2020-0043.

Wong, Kevin, Geoff Walton e Gavin Bailey. 2020. "Using Information Science to enhance educational
preventing violent extremism programs". Journal of The Association for Information Science and
108 Technology 72 (3): 362-376. doi: 10.1002/asi.24408.

Wu, Qihang, Daifeng Li, Lu Huang e Biyun Ye. 2020. “Optimization of hierarchical reinforcement
learning relationship extraction model”. Information Discovery and Delivery. 48 (3): 129-136.
109 https://doi.org/10.1108/IDD-01-2020-0005..

95