CURADORIA DIGITAL DE PONTOS TURÍSTICOS: UM MODELO BASEADO EM CROWDSOURCING E GERAÇÃO DE DADOS COM INTELIGÊNCIA ARTIFICIAL
Turismo Digital, Curadoria de Dados, Crowdsourcing, Inteligência Artificial, Retrieval-Augmented Generation (RAG), Gamificação, Realidade Aumentada.
Este trabalho parte da necessidade de curadoria escalável observada em plataformas de turismo inteligente, nas quais o cadastro e a atualização puramente manuais de pontos de interesse (POIs) tornam-se insustentáveis diante do volume e da dinâmica das informações. Ademais, a dependência de APIs proprietárias para suprir lacunas de dados tende a impor custos recorrentes e restrições de uso, como evidenciado na operação da plataforma Gnomon, adotada como estudo de caso nesta pesquisa. Para responder a esse contexto, propõe-se uma arquitetura híbrida de curadoria digital que integra automação, inteligência artificial e participação do usuário em um ciclo contínuo de construção e manutenção do acervo. A solução contempla: (i) um gerador automático que orquestra a coleta de POIs e imagens a partir de serviços e bases abertas; (ii) um pipeline de geração de descrições textuais baseado no modelo Llama 3.1 8B com Retrieval-Augmented Generation (RAG), ancorado em dados abertos do Wikivoyage; e (iii) o NeoLoc, aplicativo móvel que combina gamificação e realidade aumentada para mobilizar usuários na validação, correção e atualização incremental dos dados. A pesquisa adota os princípios da Design Science Research (DSR), com ciclos de validação e refinamento via Pesquisa-Ação Técnica, envolvendo avaliações quantitativas e qualitativas com turistas e curadores. Os resultados indicam que a automação reduz o esforço inicial de curadoria e acelera a estruturação da base, enquanto o crowdsourcing gamificado sustenta a atualização e a correção dos dados ao longo do tempo. Observou-se, contudo, que a utilidade percebida varia conforme o estilo de curadoria e que a precisão factual das descrições depende da densidade informacional das fontes recuperadas pelo RAG. Em síntese, o estudo demonstra a viabilidade de uma curadoria contínua em que a automação estrutura a base de dados e a inteligência coletiva contribui para a manutenção da confiabilidade das informações.