A Classificação das Tags dos pedidos de acesso à informação por meio do ChatGPT

Autores

DOI:

https://doi.org/10.70493/cod31.v2i2.10186

Palavras-chave:

Classificação, Tags, Acesso à Informação, Fala.BR, ChatGPT

Resumo

INTRODUÇÃO: A Lei de Acesso à Informação garante o direito de acesso à informação por meio do Fala.BR, que contempla os tipos de manifestação de ouvidoria (denúncia, elogio, reclamação, solicitação e sugestão) e acesso à informação aos órgãos do poder público (BRASIL, 2011). Ao realizar uma manifestação, o usuário se depara com 21 campos de cadastramento, dentre eles: Órgão Destinatário, Prazo de Atendimento, Forma de Resposta, Assunto Pedido, Subassunto do Pedido e Tag, este o foco do estudo. Diante do exposto, surge a seguinte questão: Quais as contribuições o ChatGPT pode trazer para a classificação das Tags dos pedidos de acesso à informação das Universidades Federais no Fala.BR? Propor ferramenta de inteligência artificial no auxílio da classificação das Tags dos pedidos de acesso à informação das Universidades Federais do Brasil no Fala.BR. Identificar quais foram as razões pela falta de registro e quais seriam as possíveis soluções para o Fala.BR. FUNDAMENTAÇÃO TEÓRICA: Qualquer pessoa poderá formular pedido de acesso à informação pelo Fala.BR ou presencialmente nos órgãos (BRASIL, 2012). Para facilitar o acesso às informações de forma clara, ágil e confiável, faz-se necessário uma boa classificação. A classificação tem importância na padronização dos termos, palavras-chave ou descritores resultantes do processo de indexação, cumprindo a função de criar rótulos que, junto com o número de classificação dos documentos, representam pontos de acesso para a recuperação dos documentos demandados pelos usuários (Sousa; Araújo Júnior, 2017). Com ajuda da inteligência artificial, por meio do ChatGPT, poderá reduzir o tempo e apresentar resultados impressionantes para o Fala.BR. O ChatGPT é um sistema de PNL (Processamento de Linguagem Natural) poderoso que pode gerar conversas semelhantes às humanas (Deng; Lin, 2022). METODOLOGIA: Pesquisa exploratória, aplicada, de abordagem qualitativa-quantitativa, utilizando pesquisas bibliográfica e experimental como procedimentos técnicos. Os registros dos pedidos de acesso às informações das Universidades Federais do ano de 2023 foram realizados por meio do Download de Dados do Fala.BR. Utilizou-se o Código de Classificação de Documentos de Arquivo das atividades-fim das Instituições Federais de Ensino Superior (BRASIL, 2013) e o ChatGPT para a classificação das Tags. Selecionou-se 50 textos de acesso à informação para análise de 10 Arquivistas, a fim de avaliar o grau de eficiência da ferramenta. Após a análise, somou-se os resultados do ChatGPT e avaliou o grau de efetividade dos resultados entre o homem x máquina por meio da similaridade por cosseno, que realiza a medida entre dois vetores num espaço vetorial compreendido entre eles (Ribeiro-Neto; Baeza-Yates, 2011). RESULTADOS: Verificou-se que em 2023, 81,51% das Tags dos pedidos de informação das Universidades encontravam-se sem preenchimento. Entretanto, “todas” as Tags dos 50 textos foram preenchidas através do ChatGPT e ao menos uma palavra foi sugerida ao usuário, chegando até cinco opções. A média da similaridade de cosseno entre o ChatGPT e Arquivistas para as Tags é de aproximadamente 0.7702 o que sugere uma concordância relativamente alta. CONSIDERAÇÕES FINAIS: A pesquisa demonstrou que o uso do ChatGPT, poderá trazer benefícios na classificação das Tags dos pedidos de acesso à informação para o Fala.BR.

Biografia do Autor

Zenóbio dos Santos Junior, Universidade FUMEC

Doutorando e Mestre em Sistemas de Informação e Gestão do Conhecimento pela Universidade FUMEC; Especialista em Gestão Estratégica Empresarial pela Universidade Salgado de Oliveira; Possui Licenciatura em Educação Física pela Universidade Salgado de Oliveira; Bacharel em Arquivologia pela Universidade Federal Fluminense; Arquivista e Coordenador do Arquivo Central da Universidade Federal de Ouro Preto.

Frederico Giffoni de Carvalho Dutra, Universidade FUMEC

Professor, pesquisador, Doutor em Gestão da Informação e do Conhecimento pela Universidade Federal de Minas Gerais (2020), Mestre em Gestão da Informação e do Conhecimento pela Universidade Federal de Minas Gerais (2014), Especialista em Gestão Estratégica de Marketing (2007) e Graduado em Administração (2005). Atua na área de Comunicação, Marketing e Inteligência da Companhia Energética de Minas Gerais - CEMIG, com foco em inteligência e monitoramento de clientes e marcas nas redes sociais e leciona em cursos de graduação e pós-graduação. Possui experiência nas áreas de gestão da informação e do conhecimento, inteligência competitiva, marketing e inovação. Livro: https://editoracrv.com.br/produtos/detalhes/35017-inteligencia-artificial-para-inteligencia-competitiva.

Eduardo José da Silva Luz , Universidade Federal de Ouro Preto

Graduado em Engenharia Elétrica com ênfase em Computação pela Universidade Federal de Minas Gerais (2004), obteve o título de doutor em Ciência da Computação pela Universidade Federal de Ouro Preto (UFOP) em 2019, onde seu projeto de pesquisa foi reconhecido com o IBM Ph.D. Fellowship Award (2017). Atualmente, exerce a função de Professor Adjunto no Departamento de Computação (DECOM) da UFOP, contribuindo também para os programas de pós-graduação em Ciência da Computação e o Mestrado Profissional em Instrumentação, Controle e Automação, em colaboração com o Instituto Tecnológico Vale. Possui experiência em pesquisa científica e desenvolvimento tecnológico, com foco em Inteligência Artificial, Redes Neurais Artificiais, Visão Computacional e Reconhecimento de Padrões. É vice-coordenador do Programa de Pós-Graduação em Ciência da Computação da UFOP e atua como revisor para diversas revistas acadêmicas nacionais e internacionais. Desde outubro de 2023, ocupa o cargo de editor associado na IEEE Latin America Transactions.

Downloads

Publicado

20/12/24

Edição

v. 2 n. 2 (2024): Suplemento da Código 31 - Jul./Dez. Anais do Integra 31-Edição 2024

Seção

Pôster para evento Integra 31

Licença

Copyright (c) 2024 Código 31: revista de informação, comunicação e interfaces

Creative Commons License

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

Autores que publicam nesta revista concordam com os seguintes termos:

  • Declaro que o presente artigo é original, não tendo sido submetido à publicação em qualquer outro periódico nacional ou internacional, quer seja em parte ou em sua totalidade.
  • Declaro, ainda, que uma vez publicado na revista Código 31, editada pela Universidade Fumec, o mesmo jamais será submetido por mim ou por qualquer um dos demais co-autores, caso haja, a qualquer outro periódico.
  • Por meio deste instrumento, em meu nome e em nome dos demais co-autores, porventura existentes, cedo os direitos autorais do referido artigo à Universidade Fumec e declaro estar ciente de que a não observância deste compromisso submeterá o infrator a sanções e penas previstas na Lei de Proteção de Direitos Autorias (Nº9609, de 19/02/98).

Licença Creative Commons
A Revista "Código 31" é licenciada sob uma Licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional.