MINERAÇÃO DA PRODUÇÃO CIENTÍFICA DA UNIVERSIDADE FEDERAL DE MINAS GERAIS
Palavras-chave:
mineração semântica, modelagem neural, repositórios institucionais, produção científica, Ciência da InformaçãoResumo
Este estudo analisa a produção científica depositada no Repositório Institucional da Universidade Federal de Minas Gerais entre os anos de 2021 e 2025, utilizando mineração semântica e modelagem neural de tópicos. O objetivo consiste em identificar estruturas temáticas e padrões tipológicos da produção científica institucional por meio de arquiteturas de Processamento de Linguagem Natural. O corpus foi composto por 12.037 documentos extraídos por meio da Interface de Programação de Aplicações do repositório institucional. Metodologicamente, o estudo combinou representações vetoriais semânticas, técnicas de redução de dimensionalidade, agrupamento por densidade e modelagem temática neural. Os resultados permitiram identificar 49 agrupamentos temáticos semanticamente consistentes, organizados principalmente em macrocampos relacionados à educação, saúde, ciências naturais e humanidades. A modelagem também evidenciou diferenciações entre regimes documentais da produção científica institucional, particularmente na distribuição de artigos, dissertações e teses entre os agrupamentos identificados. As métricas de estabilidade estrutural e compactação semântica indicaram consistência da arquitetura empregada. Conclui-se que abordagens baseadas em mineração semântica oferecem contribuições metodológicas relevantes para a análise informacional de grandes repositórios científicos, especialmente em aplicações relacionadas à organização da informação, ao monitoramento temático e à inteligência científica.
Referências
ALVARENGA, Lídia. Representação do conhecimento na perspectiva da ciência da informação em tempo e espaço digitais. Encontros Bibli: revista eletrônica de biblioteconomia e ciência da informação, Florianópolis, v. 8, n. 15, p. 18-40, 2003. Disponível em: https://periodicos.ufsc.br/index.php/eb/article/view/1518-2924.2003v8n15p18?utm_source=chatgpt.com. Acesso em: 5 nov. 2026.
BÖRNER, Katy; SCHARNHORST, Andrea. Visual conceptualizations and models of science. Journal of Informetrics, Amsterdam, v. 3, n. 3, p. 161-172, 2009. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S1751157709000315. Acesso em: 12 maio 2026.
BOWKER, Geoffrey C.; STAR, Susan Leigh. Sorting things out: classification and its consequences. Cambridge: MIT Press, 1999.
BRÄSCHER, Marisa; CAFÉ, Lígia. Organização da informação ou organização do conhecimento? In: ENCONTRO NACIONAL DE PESQUISA EM CIÊNCIA DA INFORMAÇÃO, 9., 2008, São Paulo. Anais [...]. São Paulo: ANCIB, 2008. p. 1-14. Disponível em: https://cmapspublic.ihmc.us/rid=1KR7TM7S9-S3HDKP-5STP/BRASCHER%20CAF%C3%89(2008)-1835.pdf. Acesso em: 5 nov. 2026.
BUCKLAND, Michael K. Information as thing. Journal of the American Society for Information Science, Hoboken, v. 42, n. 5, p. 351-360, 1991. Disponível em: https://ppggoc.eci.ufmg.br/downloads/bibliografia/Buckland1991.pdf. Acesso em: 10 maio 2026.
CAFÉ, Lígia; MELO, Bianca Amaro de; BARBOZA, Elza Maria Ferraz; NUNES, Eny Marcelino de Almeida et al. Repositórios institucionais: nova estratégia para publicação científica na Rede. In: CONGRESSO BRASILEIRO DE CIÊNCIAS DA COMUNICAÇÃO, 26., 2003, Belo Horizonte. Anais: Congresso Brasileiro De Ciências Da Comunicação. Belo Horizonte: INTERCOM, 2003. p. 1-12. Disponível em: http://www.intercom.org.br/papers/nacionais/2003/www/pdf/2003_ENDOCOM_TRABALHO_cafe.pdf. Acesso em: 12 maio 2026.
CAMPELLO, Ricardo José Gabrielli Barreto; MOULAVI, Davoud; SANDER, Jörg. Density-based clustering. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, Hoboken, v. 10, n. 2, e1343, 2020. Disponível em: https://findresearcher.sdu.dk/ws/files/171664269/widm.1343.pdf. Acesso em: 12 maio 2026.
DEVLIN, Jacob; CHANG, Ming-Wei; LEE, Kenton; TOUTANOVA, Kristina. BERT: pre-training of deep bidirectional transformers for language understanding. In: CONFERENCE OF THE NORTH AMERICAN CHAPTER OF THE ASSOCIATION FOR COMPUTATIONAL LINGUISTICS: HUMAN LANGUAGE TECHNOLOGIES, 2019, Minneapolis. Anais [...]. Stroudsburg: Association for Computational Linguistics, 2019. p. 4171-4186. Disponível em: https://aclanthology.org/N19-1423/. Acesso em: 12 maio 2026.
FORTUNATO, Santo; BERGSTROM, Carl T.; BÖRNER, Katy; EVANS, James A. et al. Science of science. Science, Washington, DC, v. 359, n. 6379, art. eaao0185, 2018. Disponível em: https://pubmed.ncbi.nlm.nih.gov/29496846/. Acesso em: 12 maio 2026.
GROOTENDORST, Maarten. BERTopic: neural topic modeling with a class-based TF-IDF procedure. Ithaca: arXiv, 2022. Disponível em: https://www.semanticscholar.org/reader/5493aefc07e331045be76003ea516aef57f76cb9. Acesso em: 8 abr. 2026.
GUIMARÃES, José Augusto Chaves. Análise de domínio como perspectiva metodológica em organização da informação. Ciência da Informação, Brasília, v. 43, n. 1, p. 13-21, 2014. Disponível em: https://doi.org/10.18225/ci.inf.v43i1.1415?utm_source=chatgpt.com. Acesso em: 5 de nov. 2026.
HJØRLAND, Birger. Domain analysis in information science: eleven approaches: traditional as well as innovative. Journal of Documentation, Bingley, v. 58, n. 4, p. 422-462, 2002. Disponível em: https://doi.org/10.1108/00220410210431136?utm_source=chatgpt.com. Acesso em: 5 nov. 2026.
LEITE, Fernando César Lima. Como gerenciar e ampliar a visibilidade da informação científica brasileira: repositórios institucionais de acesso aberto. Brasília: IBICT, 2009. 124 p. Disponível em: http://www.ibict.br/anexos_noticias/repositorios.institucionais.F.Leite_atualizado.pdf. Acesso em: 12 maio 2026.
MCINNES, Leland; HEALY, John; MELVILLE, James. UMAP: uniform manifold approximation and projection for dimension reduction. Ithaca: arXiv, 2018. Disponível em: https://arxiv.org/abs/1802.03426. Acesso em: 12 maio 2026.
MOUTINHO, Sônia Oliveira Matos; MARTINS, Paulo George Miranda; ALENCAR, Danila Fernandes; CONEGLIAN, Caio Saraiva. Ciência da Informação e ciência de dados: convergências interdisciplinares. Encontros Bibli: revista eletrônica de biblioteconomia e ciência da informação, Florianópolis, v. 29, p. 1-26, 2024. Disponível em: https://periodicos.ufsc.br/index.php/eb/article/view/99127. Acesso em: 12 maio 2026.
REIMERS, Nils; GUREVYCH, Iryna. Sentence-BERT: sentence embeddings using Siamese BERT-networks. In: CONFERENCE ON EMPIRICAL METHODS IN NATURAL LANGUAGE PROCESSING AND INTERNATIONAL JOINT CONFERENCE ON NATURAL LANGUAGE PROCESSING, 9., 2019, Hong Kong. Anais [...]. Stroudsburg: Association for Computational Linguistics, 2019. p. 3982-3992. Disponível em: https://aclanthology.org/D19-1410/. Acesso em: 12 maio 2026.
SENTENCE TRANSFORMERS. all-MiniLM-L6-v2. [S. l.]: Hugging Face, 2024. Disponível em: https://huggingface.co/sentence-transformers/all-MiniLM-L6-v2. Acesso em: 9 set. 2026.
SHINTAKU, Milton; SUAIDEN, Emir José. Repositório institucional como componente de sistemas de informação gerencial para universidades. BIBLOS: Revista do Instituto de Ciências Humanas e da Informação, Rio Grande, v. 29, n. 1, 2015. Disponível em: https://periodicos.furg.br/biblos/article/view/4905. Acesso em: 11 maio 2026.
SHINTAKU, Milton; VIDOTTI, Silvana Aparecida Borsetti Gregorio. Bibliotecas e repositórios no processo de publicação digital. BIBLOS: Revista do Instituto de Ciências Humanas e da Informação, Rio Grande, v. 30, n. 1, 2016. Disponível em: https://periodicos.furg.br/biblos/article/view/5762. Acesso em: 12 maio 2026.
SILVA, Edna Lúcia da; CAFÉ, Lígia; CATAPAN, Araci Hack. Os objetos educacionais, os metadados e os repositórios na sociedade da informação. Ciência da Informação, Brasília, v. 39, n. 3, p. 94-104, 2010. Disponível em: http://revista.ibict.br/ciinf/article/view/1269/1447. Acesso em: 10 mar. 2026.
VASWANI, Ashish; HAZEER, Noam; PARMAR, Niki; USZKOREIT, Jakob et al. Attention is all you need. In: ADVANCES IN NEURAL INFORMATION PROCESSING SYSTEMS, 2017, Long Beach. Proceedings Advances In Neural Information Processing Systems. Red Hook: Curran Associates, 2017. p. 5998-6008. Disponível em: https://proceedings.neurips.cc/paper_files/paper/2017/file/3f5ee243547dee91fbd053c1c4a845aa-Paper.pdf. Acesso em: 12 maio 2026.
WU, Zhaohui; CHIN, Ooi Beng. From big data to data science: a multi-disciplinary perspective. Big Data Research, Amsterdam, v. 1, p. 1, ago. 2014. Disponível em: https://www.sciencedirect.com/science/article/pii/S2214579614000082. Acesso em: 12 maio 2026.