Integração da Inteligência Artificial no mapeamento arquivístico
perspectivas iniciais
DOI:
https://doi.org/10.22477/viii.widat.261Palavras-chave:
Arquivologia; Mapeamento arquivístico; inteligência artificial; inteligência artificial generativaResumo
A Arquivologia tem o desafio de acompanhar a evolução tecnológica, a fim de propor soluções que abarque desde a preservação da informação, até mesmo garantir sua autenticidade nos mais variados suportes e aparatos tecnológicos. A velocidade e volume de dados, documentos e informações colaboram para esse cenário desafiador, no qual a gestão de documentos está posicionada e precisa ser implementada de modo eficaz. Para que isso ocorra, é necessário um trabalho preliminar para conhecer o funcionamento da organização. Destaca-se o mapeamento arquivístico como metodologia apropriada para o levantamento dessas informações. Sabe-se que a Inteligência Artificial (IA) tem se mostrado eficiente em produzir novos conteúdos, refinar dados, tendo em vista os repertórios e catálogos já inseridos na sua base de dados. Tendo em vista o cenário exposto coloca-se como questão-problema desta pesquisa: Em quais etapas do
mapeamento arquivístico a Inteligência Artificial pode contribuir? Para responder essa questão traçou-se como objetivo geral desta pesquisa: Identificar em quais atividades do Mapeamento arquivístico a Inteligência Artificial pode contribuir, a fim de otimizá-las. Esta pesquisa é de natureza qualitativa, do tipo exploratória e o estudo desenvolveu-se a partir de pesquisa bibliográfica. Aponta-se como principal resultado a contribuição da IA com cinco atividades do Mapeamento arquivístico: Pesquisar a história da organização, história administrativa, história dos fundadores e história do arquivo; identificar e pesquisar o ramo de negócio; identificar a missão da organização; mapear processos e elaborar relatório das atividades do Mapeamento arquivístico.
Referências
AALST, Wil M. P. van der. Process mining: discovery conformance and enhancement of business processes. Berlin: Springer, 2011.
ALMEIDA, Maria F. I. de; VITORIANO, Marcia C. de C. P. Diagnóstico de arquivos e mapeamento da informação: interlocução da gestão documental com a gestão da informação. Em Questão, [S. l.], v. 24, n. 3, 2018. Disponível em: https://brapci.inf.br/v/10040. Acesso em: 20 jan. 2025.
ALAYRAC, Jean-Baptiste et al. Flamingo: a visual language model for few-shot learning. ArXiv, [S. l.], 2022. Disponível em: https://arxiv.org/abs/2204.14198. Acesso em: 23 fev. 2025.
ALMEIDA, Maria Fabiana Izídio de. Mapeamento Arquivístico: uma proposta conceitual e metodológica para ambientes organizacionais. Tese (Doutorado) – Faculdade de Filosofia e Ciências (FFC), Universidade Estadual Paulista (Unesp), Marília, 2023. Disponível em: https://repositorio.unesp.br/entities/publication/7977e2e4-6b55-4be0-9dd6-52d5302061f7. Acesso em: 28 fev. 2025.
ARUDA, Eucidio Pimenta. Inteligência Artificial Generativa no contexto da transformação do trabalho docente. Educação Em Revista, Belo Horizonte, v. 40, e48078, 2024. Disponível em: https://doi.org/10.1590/0102-469848078. Acesso em: 23 fev. 2025.
BALTRUŠAITIS, Tadas; AHUJA, Chaitanya; MORENCY, Louis-Philippe. Multimodal Machine Learning: a survey and taxonomy. ArXiv, [S. l.], p. 1-40, 2017. Disponível em: https://arxiv.org/pdf/1705.09406. Acesso em: 15 fev. 2025.
BRACHMAN, Ronald; LEVESQUE, Hector. Knowledge representation and reasoning. San Francisco: Morgan Kaufmann, 2004.
CAMARGO, Ana Maria de Almeida; BELLOTTO, Heloísa Liberalli. Dicionário de terminologia Arquivística. São Paulo: Centro de Memória da Educação FEUSP/FAPESP, 2010.
GOODFELLOW, Ian J. et al. Generative adversarial nets. Advances in neural information processing systems, [Montreal], v. 27, 2014. Disponível em: https://doi.org/10.48550/arXiv.1406.2661. Acesso em: 25 fev. 2025.
HAYKIN, Simon. Redes neurais: princípios e prática. Porto Alegre: Bookman, 2008.
LLOYD, Seth; WEEDBROOK, Christian. Quantum generative adversarial learning. Physical review letters, [S. l.], v. 121, n. 4, e040502, 2018. Disponível em: https://arxiv.org/abs/1804.09139. Acesso em: 10 fev. 2023.
LOPES, Isaías Lima; SANTOS, Flávia Oliveira; PINHEIRO, Carlos. Inteligência Artificial. Rio de Janeiro: GEN LTC, 2014.
MORENO, Nádina Aparecida. Gestão documental ou gestão de documentos: trajetória histórica. In: BARTALO, Linete; MORENO, Nádina Aparecida (org.). Gestão em Arquivologia: abordagens múltiplas. Londrina: Editora Eduel, 2008.
MUELLER, John Paul.; MASSARON, Luca. Aprendizado de máquina para leigos. Rio de Janeiro: Alta Books, 2019.
OLIVEIRA, Djalma de Pinho Rebouças. Sistemas, organização & métodos: uma abordagem gerencial. São Paulo: Atlas, 2007.
PRADELLA, Simone; FURTADO, João Carlos; KIPPER, Liane Mahlmann. Gestão de processos da teoria a prática. São Paulo: Atlas, 2012.
RUSSEL, Stuart; NORVIG, Peter. Inteligência Artificial. 3. ed. Rio de Janeiro: GEN LTC, 2013.
SARACEVIC, Tefko. Ciência da Informação: origem, evolução e relações. Perspectivas em Ciência da Informação, Belo Horizonte, v. 1, n. 1, p. 41-62, 1996. Disponível em: https://periodicos.ufmg.br/index.php/pci/article/view/22308. Acesso em: 9 mar. 2025.
SILVA, Leandro Augusto; PERES, Sarajane Marques.; BOSCARIOLI, Clódis. Introdução à mineração de dados com aplicações em R. Rio de Janeiro: GEN LTC, 2016.
Downloads
Publicado
Como Citar
Edição
Seção
Categorias
Licença
Copyright (c) 2025 Maria Fabiana Izídio de Almeida, Fernando Alves da Gama, Fernanda Furio Crivellaro Magaine, Eliandro dos Santos Costa
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
