MINING THE SCIENTIFIC OUTPUT OF THE FEDERAL UNIVERSITY OF MINAS GERAIS
Keywords:
semantic mining, neural modeling, institutional repositories, scientific production, Information ScienceAbstract
This study analyzes the scientific output deposited in the Institutional Repository of the Federal University of Minas Gerais between 2021 and 2025 using semantic mining and topic modeling based on contextualized vector representations. The objective is to identify thematic structures and typological patterns in institutional scientific production through Natural Language Processing architectures. Data harvesting, performed through the repository's Open Archives Initiative Protocol for Metadata Harvesting (OAI-PMH), yielded 18,743 records corresponding to the period analyzed. Of these, 12,037 documents received valid thematic assignments in the topic modeling process. Methodologically, the study combined semantic vector representations, dimensionality reduction techniques, density-based clustering, and topic modeling. The results enabled the identification of 48 substantive thematic clusters, mainly organized into broad fields related to education, health, natural sciences, and the humanities. The modeling also revealed differences among documentary regimes of institutional scientific production, particularly in the distribution of journal articles, master's dissertations, and doctoral theses across the identified clusters. Structural stability and semantic compactness metrics indicated the internal consistency of the analytical solution obtained. It is concluded that semantic mining approaches provide relevant methodological contributions to the informational analysis of large scientific repositories, especially for applications related to information organization, thematic monitoring, and scientific intelligence.
References
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.