Análise de dados bibliográficos: estudo de caso no Catálogo Coletivo Nacional de Publicações Seriadas (CCN)

Autores

  • Bruno Carlos da Cunha Costa Instituto Federal de Educação, Ciência e Tecnologia do Rio de Janeiro / Instituto Brasileiro de Informação em Ciência e Tecnologia
  • Gabriélle Helpis dos Santos Instituto Brasileiro de Informação em Ciência e Tecnologia
  • João Gabriel Grandotto Viana Instituto Brasileiro de Informação em Ciência e Tecnologia
  • Renan Luiz da Silva Nascimento Instituto Brasileiro de Informação em Ciência e Tecnologia
  • Renan Barbosa dos Santos Instituto Brasileiro de Informação em Ciência e Tecnologia
  • Ana Carolina Simionato Arakaki Universidade Federal de São Carlos https://orcid.org/0000-0002-0140-9110

DOI:

https://doi.org/10.22477/vii.widat.206

Palavras-chave:

Ciência da Informação, Ciência de dados, Catálogo Coletivo Nacional, Análise Descritiva, Análise Preditiva

Resumo

Introdução: O Catálogo Coletivo Nacional de Publicações Seriadas (CCN) é uma base que reúne uma vasta variedade de publicações de bibliotecas de instituições acadêmicas e de pesquisa em todo o Brasil. O objetivo é explorar a convergência entre Biblioteconomia e Ciência de Dados, de maneira aplicada, destacando as extrações da base do CCN após sua modernização e reestruturação, isto é, demonstrando os modelos preditivos e componentes de inteligência artificial generativa. Metodologia: Utilizando uma abordagem empírica baseada no CCN, identifica-se a distribuição das publicações por conteúdo, ano e geografia, fornecendo insights sobre a pesquisa no Brasil. Resultados: Modelos preditivos foram desenvolvidos para estimar o volume de publicações, enquanto a exploração de componentes de Inteligência Artificial Generativa visa melhorar a interação com o CCN. Conclusão: A conclusão destaca o potencial da integração de tecnologias de IA para aprimorar o acesso e a interação com o CCN, impulsionando avanços na gestão e disseminação da informação acadêmica

Biografia do Autor

Bruno Carlos da Cunha Costa, Instituto Federal de Educação, Ciência e Tecnologia do Rio de Janeiro / Instituto Brasileiro de Informação em Ciência e Tecnologia

É desenvolvedor, analista de dados, professor e pesquisador. Mestre (2014) e Doutor (2018) em Informática pela Universidade Federal do Rio de Janeiro (UFRJ). Possui experiência na área de Ciência da Computação, trabalhando principalmente nos seguintes temas: Software Engineering, Software Architecture, Internet of Things, Data Analytics e Computer Science Education. Participa de projetos de Pesquisa Desenvolvimento atuando como arquiteto e desenvolvedor em diversos cenários, tais como: Computação em Nuvem, Internet das Coisas (IoT), Big Data, Óleo Gás, Biblioteconomia e Ciência de Dados. No ensino, desde 2005, tem lecionado nos diversos níveis, desde o médio técnico ao superior e pós-graduação. Atualmente, é Professor do Magistério Federal no Instituto Federal de Educação, Ciência e Tecnologia do Rio de Janeiro (IFRJ). É membro da Sociedade Brasileira de Computação (SBC) e integra os grupos de pesquisa "Tecnologias Educacionais e Educação a Distância (TEEaD)", "Ciência Aberta e Acesso Aberto à Informação Científica" e "Laboratório de estudos e práticas em Organização da Informação e Tecnologias (LOITec)"

Gabriélle Helpis dos Santos, Instituto Brasileiro de Informação em Ciência e Tecnologia

Aluna Especial do Mestrado em Ciência da Computação PPCC da Faculdade de Computação da Universidade Federal de Mato Grosso do Sul. Especialista em Inteligência Artificial e Machine Learning pela UNOPAR. Tecnóloga em Análise e Desenvolvimento de Sistemas pela UNOPAR. Graduanda em Tecnologia em Ciência de Dados pela UFMS. Bolsista do Grupo de Pesquisa Ciência Aberta e Acesso Aberto à Informação Científica do Instituto Brasileiro de Ciências e Tecnologia (IBICT). Atua principalmente nos seguintes temas: aprendizado de máquina e ciência de dados

João Gabriel Grandotto Viana, Instituto Brasileiro de Informação em Ciência e Tecnologia

Formado em Análise e Desenvolvimento de Sistemas no IFG. Participei como bolsista em uma projeto de iniciação científica relacionado a manipulação e classificação de textos utilizando machine learning em Python. Atualmente sou bolsista no IBICT atuando na área de ciência de dados nos serviços bibliográficos tradicionais do IBICT.

Renan Barbosa dos Santos, Instituto Brasileiro de Informação em Ciência e Tecnologia

Experiência trabalhando em projetos de pequeno e médio porte, extraindo, tratando e modelando dados para criar insumos, como dashboards e relatórios, para auxiliar na melhor tomada de decisão com base em dados e na matemática, tendo conhecimentos em áreas de negócio como Direito, Administração Pública, Recursos Humanos, Consórcio e Prestação de Serviços e conhecimento técnico em Python, SQL, Power BI, Looker Studio e Excel.

Referências

COSTA, B.; VIANA, J. G.; SANTOS, G.; SANTOS, G.; ASSIS, T. B. Engenharia de Dados e Biblioteconomia: A modernização do Catálogo Coletivo Nacional de Publicações Seriadas. In: TRILHA DA INDÚSTRIA - CONGRESSO BRASILEIRO DE SOFTWARE: TEORIA E PRÁTICA (CBSOFT), 14., 2023, Campo Grande/MS. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2023. p. 17-20. Disponível em: https://cbsoft2023.ufms.br/. Acesso em: 03 mar. 2024.

DHAR, V. Data science and prediction. Communications of the ACM, [s.l.], v. 56, n. 12, p. 64-73, 2013. Disponível em: https://doi.org/10.1145/2500499. Acesso em: 29 mar. 2024.

FERNANDES, J. H. C. Interlocuções bibliográficas e epistemológicas entre a ciência de dados e a ciência da informação. Ciência da Informação, [s.l.], v. 49, n., 2019. Disponível em: https://doi.org/10.18225/ci.inf.v49i3.5655. Acesso em: 03 mar. 2024.

FREIRE, G. H. A.; FREIRE, I. M. Ciência de dados e ciência da informação. Informação & Sociedade: Estudos, [s.l.], v. 29, n. 3, 2019. Disponível em: https://cip.brapci.inf.br/download/147968. Acesso em: 03 mar. 2024.

MATOS, M. T.; CONDURU, M. T.; BENCHIMOL, A. C. A produção científica e o acesso aberto sobre a ciência de dados no contexto da ciência da informação: estudo bibliométrico. Páginas A&B: Arquivos e Bibliotecas, Portugal, v., n. esp, 2021. Disponível em: https://ojs.letras.up.pt/index.php/paginasaeb/article/view/10228/9636. Acesso em: 03 mar. 2024.

O’REGAN, G. Introduction to Data Science. In: Mathematical Foundations of Software Engineering: Texts in Computer Science. Springer, 2023. Disponível em: https://link.springer.com/chapter/10.1007/978-3-031-26212-8_24. Acesso em: 25 mar. 2024

PALETTA, F. C. Fundamentos de ciência de dados e inteligência artificial: conexões com a ciência da informação. Revista Fontes Documentais, [s.l.], v. 5, n. ed., 2022. Disponível em: https://periodicos.ifs.edu.br/periodicos/fontesdocumentais/article/view/1446. Acesso em: 03 mar. 2024.

REIS, M. J.; SENA, N. C. S. Biblioteconomia de dados e ciência de dados no contexto da e-science. Revista Fontes Documentais, [s.l.], v. 4, n. ed., 2021. Disponível em: https://periodicos.ifs.edu.br/periodicos/fontesdocumentais/article/view/1310. Acesso em: 03 mar. 2024.

YIN, R. K. Estudo de caso: planejamento e métodos. Bookman editora, 2001.

Downloads

Publicado

24-06-2024

Como Citar

Costa, B. C. da C., dos Santos, G. H., Grandotto Viana, J. G., da Silva Nascimento, R. L., dos Santos, R. B., & Simionato Arakaki, A. C. (2024). Análise de dados bibliográficos: estudo de caso no Catálogo Coletivo Nacional de Publicações Seriadas (CCN). VII Workshop De Informação, Dados E Tecnologia - WIDaT 2024, 7, e206. https://doi.org/10.22477/vii.widat.206

Edição

v. 7 (2024): Anais do VII Workshop de Informação, Dados e Tecnologia

Seção

Comunicações

Licença

Copyright (c) 2024 Bruno Carlos da Cunha Costa, Gabriélle Helpis dos Santos, João Gabriel Grandotto Viana, Renan Luiz da Silva Nascimento, Renan Barbosa dos Santos, Ana Carolina Simionato Arakaki

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.