Banca de QUALIFICAÇÃO: JOSE FAGNER ALVES DA SILVA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : JOSE FAGNER ALVES DA SILVA
DATA : 11/06/2025
HORA: 15:00
LOCAL: https://meet.google.com/nxw-ctsg-nrz
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.

PÁGINAS: 51
RESUMO:

Sistemas de recomendação são utilizados para auxiliar usuários na descoberta de conteúdos relevantes
em meio a grandes volumes de informação. No campo da literatura, esses sistemas podem
desempenhar um papel importante para incentivar o hábito da leitura, especialmente em ambientes
educacionais. No entanto, abordagens tradicionais geralmente se baseiam em critérios objetivos como
gênero, autor ou popularidade, desconsiderando as emoções e opiniões subjetivas expressas pelos
leitores. Essa limitação pode gerar sugestões genéricas e pouco envolventes, comprometendo o
engajamento dos usuários. Diante desse cenário, esta pesquisa propõe o aprimoramento de um sistema
de recomendação de livros por meio da integração da análise de sentimentos, com foco em ambientes
escolares com recursos limitados. Especificamente, o estudo visa incorporar técnicas de computação
afetiva a um sistema já existente, o Sistema de Indicação e Recomendação de Livros em Bibliotecas
(SIRLiB), que atualmente utiliza estratégias de similaridade textual (TF-IDF) e agrupamento por gênero
(K-Means). A metodologia será dividida em três etapas: (i) uma revisão sistemática da literatura sobre o
uso de sentimentos em sistemas de recomendação, (ii) o desenvolvimento de um módulo emocional
integrado ao sistema, e (iii) uma validação experimental com usuários. Serão comparadas três versões
do sistema: a versão original baseada em critérios tradicionais, uma versão com análise de sentimentos
usando o modelo BERT, e a versão proposta com o uso de uma API generativa de linguagem
(especificamente, a API Gemini). As recomendações serão avaliadas com base no engajamento e na
satisfação dos usuários. Espera-se que os resultados demonstrem o potencial da computação afetiva
para tornar sistemas de recomendação mais personalizados, empáticos e eficazes no incentivo à
leitura, especialmente no contexto da educação.

MEMBROS DA BANCA:
Interna - 1521615 - ANGELICA FELIX DE CASTRO
Externa à Instituição - CERES GERMANNA BRAGA MORAIS - UERN
Externo ao Programa - ***.279.480-** - RAUL BENITES PARADEDA - UERN
Interno - ***.691.924-** - SEBASTIÃO EMIDIO ALVES FILHO - UERN