Banca de DEFESA: JOSE FAGNER ALVES DA SILVA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : JOSE FAGNER ALVES DA SILVA
DATA : 27/08/2026
HORA: 10:00
LOCAL: Centro de Pesquisa e Pós-Graducação em Ciência da Computação - UERN
TÍTULO:

Computação Afetiva e Análise de Sentimentos Aplicados a Sistemas de Recomendação

PALAVRAS-CHAVES:

Sistemas de recomendação, Computação afetiva, Análise de sentimentos, Leitura, APIs generativas, Avaliação com usuários.

PÁGINAS: 111
RESUMO:

Sistemas de recomendação auxiliam usuários na descoberta de conteúdos relevantes em meio a grandes volumes de informação e, no campo da literatura, podem desempenhar papel importante no incentivo ao hábito da leitura, especialmente em ambientes educacionais. No entanto, abordagens tradicionais costumam se basear em critérios objetivos como gênero, autor ou popularidade, desconsiderando as emoções e opiniões subjetivas dos leitores, o que pode gerar sugestões genéricas e pouco envolventes. Diante desse cenário, esta dissertação apresenta uma estratégia de integração da análise de sentimentos a um sistema já existente, o Sistema de Indicação e Recomendação de Livros em Bibliotecas (SIRLiB), originalmente baseado em similaridade textual (TF-IDF), com foco em ambientes escolares. A pesquisa, conduzida sob o paradigma do Design Science Research, compreendeu uma revisão sistemática da literatura, o desenvolvimento de um módulo de análise emocional integrado ao sistema e uma validação experimental com 42 usuários, distribuídos em três grupos independentes: uma versão de controle puramente textual (Controle, TF-IDF), uma versão com representação semântica das leituras baseada em um modelo compacto da família BERT (Short Mini) e a versão proposta, apoiada em uma API generativa de linguagem. Comparadas quanto ao engajamento registrado, à usabilidade à usabilidade (escala System Usability Scale – SUS) e à qualidade percebida das recomendações, os resultados indicam vantagem consistente da versão generativa, que concentrou 42% das interações e superou as demais nos indicadores de interesse e de livros efetivamente lidos. Na avaliação subjetiva, atingiu SUS médio de 85,2 (“excelente”, acima da média de referência de 68, alcançada por todas as versões) e qualidade percebida média de 4,57 em 5, com diferença estatisticamente significativa em relação ao Controle (Kruskal-Wallis, p ajustado = 0,019). Como a usabilidade não diferiu significativamente entre os grupos, as diferenças observadas são atribuíveis ao mecanismo de recomendação. Conclui-se que a computação afetiva, viabilizada por APIs generativas, é uma alternativa prática e eficaz para tornar sistemas de recomendação literária mais personalizados, empáticos e capazes de incentivar a leitura em contextos educacionais.

MEMBROS DA BANCA:
Presidente - ***.691.924-** - SEBASTIÃO EMIDIO ALVES FILHO - UERN
Interna - 1521615 - ANGELICA FELIX DE CASTRO
Interno - ***.279.480-** - RAUL BENITES PARADEDA - UERN
Externo à Instituição - CARLOS ANTÓNIO ROQUE MARTINHO