Revolucionar a organização do conhecimento com aprendizagem automática para metadados, classificação e recuperação em bibliotecas
DOI:
https://doi.org/10.29352/mill0223e.37496Palavras-chave:
classificação; recuperação de informação; organização do conhecimento; aprendizagem automática; metadadosResumo
Introdução: O artigo irá rever como as transformações da aprendizagem automática levarão a modernização à abordagem dos sistemas de bibliotecas e contribuirão para métodos de organização do conhecimento para melhores processos de recuperação de informação.
Objectivo: Discutir como as técnicas de ML podem ser aplicadas no desenvolvimento das funções necessárias da biblioteca, como a criação de metadados, sistemas de classificação e recuperação de informação, de forma mais eficiente e precisa.
Métodos: As técnicas utilizadas envolvem um conhecimento profundo de diversos algoritmos de aprendizagem automática que incluem a PNL na geração de metadados e redes neuronais para classificação.
Resultados: Os estudos de caso provam de facto que estas técnicas foram aplicadas e implementadas em sistemas de bibliotecas reais, como revelado pelas principais bibliotecas que começaram a implementar tecnologias de ML. Estas implementações resultam em maior eficiência, precisão e experiência do utilizador. No entanto, esta pesquisa também aponta desafios como os dados de treino enviesados e a necessidade de transparência nas decisões algorítmicas.
Conclusão: São muitas as promessas do ML para o futuro das bibliotecas; a sua integração responsável necessita de uma abordagem criteriosamente equilibrada, com preocupação pelas questões éticas.
Downloads
Referências
Ahmed, M., Mukhopadhyay, M., & Mukhopadhyay, P. (2023). Automated knowledge organization AI ML based subject indexing system for libraries. DESIDOC Journal of Library & Information Technology, 43(01), 45–54. https://doi.org/10.14429/djlit.43.01.18619
Audeh, B., Beigbeder, M., Largeron, C., & Ramírez-Cifuentes, D. (2020). Evaluating the usefulness of citation graph and document metadata in scientific document recommendation for neophytes. Proceedings of the 35th Annual ACM Symposium on Applied Computing, 681–689. https://doi.org/10.1145/3341105.3373886
Audeh, B., Beigbeder, M., Largeron, C., & Ramírez-Cifuentes, D. (2021). Improving exploratory information retrieval for neophytes. ACM SIGAPP Applied Computing Review, 20(4), 50–64. https://doi.org/10.1145/3447332.3447336
Baker, J. (2015). The British Library machine learning experiment. British Library Digital. https://shre.ink/3YZK
Das, R. K., & Islam, M. S. U. (2021). Application of artificial intelligence and machine learning in libraries: A systematic review. arXiv. https://arxiv.org/abs/2112.04573
Deolekar, R., & Dangare, A. (2018). Enterprise search: A new dimension in information retrieval. 2018 3rd International Conference for Convergence in Technology (I2CT), 1–6. https://doi.org/10.1109/I2CT.2018.8529602
Guerra-García, C., Pérez-González, H. G., Martínez-Pérez, F., Juárez-Ramírez, R., & Jiménez, S. (2023). Applying mechanisms of data profiling for assuring data quality in the software: A first approach. 2023 11th International Conference in Software Engineering Research and Innovation (CONISOFT), 108–115. https://doi.org/10.1109/CONISOFT58849.2023.00023
Guo, Q., Jin, S., Li, M., Yang, Q., Xu, K., Ju, Y., Zhang, J., Xuan, J., Liu, J., Su, Y., Xu, Q., & Liu, Y. (2020). Application of deep learning in ecological resource research: Theories, methods, and challenges. Science China Earth Sciences, 63(10), 1457–1474. https://doi.org/10.1007/s11430-019-9584-9
H. R, S. Rashmi, B. S, Prof. Anisha, & Kumar. P, Dr. R. (2019). Smart document analysis using AI-ML. International Journal of Innovative Research in Computer Science & Technology, 7(3), 54–70. https://doi.org/10.21276/ijircst.2019.7.3.6
Hjørland, B. (2021). Information retrieval and knowledge organization: A perspective from the philosophy of science. Information, 12(3), 135. https://doi.org/10.3390/info12030135
Kalisdha, A. (2024). The impact of artificial intelligence and machine learning in library and information science. International Journal of Research in Library Science, 10(1), 39–58. https://doi.org/10.26761/ijrls.10.1.2024.1733
Limbu, D. K., Connor, A., Pears, R., & MacDonell, S. (2006). Contextual relevance feedback in web information retrieval. Proceedings of the 1st International Conference on Information Interaction in Context - IIiX, 138. https://doi.org/10.1145/1164820.1164848
Miah, Md. S. U., Sulaiman, J., Sarwar, T. Bin, Naseer, A., Ashraf, F., Zamli, K. Z., & Jose, R. (2022). Sentence boundary extraction from scientific literature of electric double layer capacitor domain: Tools and techniques. Applied Sciences, 12(3), 1352. https://doi.org/10.3390/app12031352
Park, J., & Lu, C. (2009). Application of semi-automatic metadata generation in libraries: Types, tools, and techniques. Library & Information Science Research, 31(4), 225–231. https://doi.org/10.1016/j.lisr.2009.05.002
Pessin, V. Z., Santos, C. A. S., Yamane, L. H., Siman, R. R., Baldam, R. de L., & Júnior, V. L. (2023). A method of mapping process for scientific production using the Smart Bibliometrics. MethodsX, 11, 102367. https://doi.org/10.1016/j.mex.2023.102367
Qin, J. (2020). Knowledge organization and representation under the AI Lens. Journal of Data and Information Science, 5(1), 3–17. https://doi.org/10.2478/jdis-2020-0002
Rashid, F., Gargaare, S. M. A., Aden, A. H., & Abdi, A. (2022). Machine learning algorithms for document classification: Comparative analysis. International Journal of Advanced Computer Science and Applications, 13(4). https://doi.org/10.14569/IJACSA.2022.0130430
Rosa, J. D. L. (2024). Artificial Intelligence at the National Library of Norway. LUSTRE. https://lustre-network.net/artificial-intelligence-at-the-national-library-of-norway/
Soni, D. N. (2023). The role of artificial intelligence in information and library science: Opportunities and ethical considerations. International Journal of Research in Humanities & Soc. Sciences, 11(7), 41–43.
Weinryb-Grohsgal, L. (2020, July 22). Machine learning + libraries: A report on the state of the field. The Signal. The Library of Congress. https://shre.ink/3YF3
Wu, M., Brandhorst, H., Marinescu, M.-C., Lopez, J. M., Hlava, M., & Busch, J. (2023). Automated metadata annotation: What is and is not possible with machine learning. Data Intelligence, 5(1), 122–138. https://doi.org/10.1162/dint_a_00162
Xie, J. (2023). Research on information retrieval service innovation of university library. SHS Web of Conferences, 169, 01088. https://doi.org/10.1051/shsconf/202316901088
Yu, K., Gong, R., Sun, L., & Jiang, C. (2019). The application of artificial intelligence in smart library. Proceedings of the 2019 International Conference on Organizational Innovation (ICOI 2019). https://doi.org/10.2991/icoi-19.2019.124
Zamani, H., Diaz, F., Dehghani, M., Metzler, D., & Bendersky, M. (2022). Retrieval-enhanced machine learning. Proceedings of the 45th International ACM SIGIR Conference on Research and Development in Information Retrieval, 2875–2886. https://doi.org/10.1145/3477495.3531722
Zhou, Z., Liu, Y., Yu, H., & Ren, L. (2020). The influence of machine learning-based knowledge management model on enterprise organizational capability innovation and industrial development. PLOS ONE, 15(12), e0242253. https://doi.org/10.1371/journal.pone.0242253
Downloads
Publicado
Como Citar
Edição
Secção
Licença
Direitos de Autor (c) 2026 Millenium - Journal of Education, Technologies, and Health
Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição 4.0.
Os autores que submetem propostas para esta revista concordam com os seguintes termos:
a) Os artigos são publicados segundo a licença Licença Creative Commons (CC BY 4.0), conformando regime open-access, sem qualquer custo para o autor ou para o leitor;
b) Os autores conservam os direitos de autor e concedem à revista o direito de primeira publicação, permitindo-se a partilha livre do trabalho, desde que seja corretamente atribuída a autoria e publicação inicial nesta revista.
c) Os autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
d) Os autores têm permissão e são estimulados a publicar e distribuir o seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publica
Documentos necessários à submissão
Template do artigo (formato editável)
