JSJosé Eduardo Santarem Segundo

José Eduardo Santarem Segundo

*This is an algorithmically generated author record based on publicly available information.

Current Organizations / Institutes

The organizations/institutes from the scholar's latest article


José Eduardo Santarem Segundo has a total of 98 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • Open Access

    A multi-level traffic analysis framework for software-defined networks using hierarchical aggregation and topological mapping

    by Wander Queiroz, Jose Eduardo Santarem Segundo, Mario A.R. Dantas, Miriam A.M. Capretz

  • Open Access

    Competência em dados e ciência de dados na ciência da informação

    by Cristina Marchetti Maia, Jéssyca Maria Santos da Silva, José Eduardo Santarem Segundo

    Problemática: Considerando a competência em dados como um pilar necessário à execução de projetos de Ciência de Dados, questiona-se: o que tem sido produzido sobre a competência em dados e sua interseção com a Ciência de Dados? Objetivo: A pesquisa tem por objetivo investigar a produção científica que relaciona a competência em dados com a Ciência de Dados, no contexto da Ciência da Informação. Metodologia: A pesquisa apresenta natureza quali-quantitativa, do tipo descritiva-exploratória, cujos métodos aplicados consistem em revisão bibliográfica, análise bibliométrica e de conteúdo. Resultados: A análise bibliométrica demonstrou o crescimento da área ao longo dos anos e apresentou um mapa de colaboração entre os pesquisadores. Já a análise de conteúdo possibilitou traçar um panorama das pesquisas na temática e identificar as fases mais abordadas. Conclusão: O trabalho evidenciou onde a atuação do bibliotecário já está consolidada na execução de projetos de Ciência de Dados e expôs as lacunas existentes.

  • Open Access

    Da declaração à rastreabilidade: governança editorial da inteligência artificial na Ciência Aberta Resenha: Vechi, B. D., Shintaku, M., Maia, M. A. Q., e Sousa, R. P. M. de. (2026). Inteligência artificial na editoração científica em Ciência Aberta: risco

    by José Eduardo Santarem Segundo

    Resenha do livro Inteligência artificial na editoração científica em Ciência Aberta: riscos, integridade científica e governança editorial, de Bernardo Dionízio Vechi, Milton Shintaku, Maria Aniolly Queiroz Maia e Rosilene Paiva Marinho de Sousa (Editora Ibict, 2026). A obra mapeia os pontos de entrada da inteligência artificial no fluxo editorial e converte princípios de integridade em rotinas verificáveis, organizadas por etapa (submissão, avaliação, edição de texto, curadoria de metadados e pós-publicação). A resenha descreve a estrutura do livro e o avalia a partir da perspectiva da confiabilidade informacional, da governança com IA e do uso de agentes de inteligência artificial. Destacam-se a centralidade atribuída aos metadados e à rastreabilidade, o tratamento das saídas automatizadas como sinais e não como veredictos e a atenção à injeção de instruções ocultas em manuscritos. Como limites e agenda de pesquisa, apontam-se a ausência de validação empírica do modelo, a pouca exploração de representações legíveis por máquina para declarações de uso de IA, as tensões entre sondas ocultas e acessibilidade e o papel dos periódicos como produtores dos corpus que alimentam sistemas generativos. Conclui-se que a obra é referência oportuna e de elevado valor prático para editores ibero-americanos.

  • Open Access

    IA generativa na extração de metadados arquivísticos: um estudo baseado na norma ISAD(G)

    by Tatiana Canelhas Pignataro, Manoel Pedro de Souza Neto, José Carlos Abbud Grácio, Telma Campanha de Carvalho Madio, José Eduardo Santarem Segundo

    Objetivo: Realizar um diagnóstico buscando analisar o uso de inteligência artificial, especificamente do ChatGPT, na descrição de documentos arquivísticos segundo a Norma Geral Internacional de Descrição Arquivística. Método: A pesquisa é de natureza exploratória e aplicada, útil em estudos inovadores onde o objetivo é explorar possibilidades, identificar padrões e formular hipóteses futuras para estudos mais detalhados. Resultados: Os principais resultados mostraram que o ChatGPT atingiu uma taxa média de acerto de 92,04% no preenchimento quantitativo de metadados, com variabilidade mínima entre os testes. No entanto, inconsistências foram observadas em metadados considerados constantes, como Procedência e Condições de Acesso, que não mantiveram a precisão e consistência esperada. Metadados como Dimensão e Suporte, e Âmbito e Conteúdo, apresentaram maior dificuldade de padronização, sugerindo a necessidade de melhorias e ajustes no modelo. Conclusões: Os resultados sugerem que, embora o ChatGPT tenha demonstrado eficiência na maioria dos campos analisados, os desafios permanecem em metadados com pouca padronização. Os resultados indicam que o ChatGPT é capaz de manter um alto grau de completude dos metadados, mas enfrenta desafios em relação à precisão e consistência, especialmente em campos mais complexos. Ajustes no treinamento do modelo, juntamente com a supervisão humana contínua, podem melhorar a qualidade das descrições geradas. Apesar das limitações, a IA se mostra uma ferramenta promissora, capaz de impulsionar avanços significativos no campo da Arquivologia digital


  • Open Access

    Qualidade de dados: análise focada na categoria representacional

    by Débora Kaori Yoshitane, Ananda Fernanda de Jesus, José Eduardo Santarem Segundo

    A qualidade de dados pode ser dividida em quatro categorias: intrínseca, contextual, representacional e acessibilidade. A qualidade representacional é definida a partir de quão bem estruturados estão os conjuntos de dados, avaliando principalmente aspectos relacionados ao formato e significado desses dados. Esta pesquisa tem como objetivo verificar o estado da arte das discussões a respeito da categoria representacional em pesquisas de qualidade de dados, buscando identificar como o assunto tem sido discutido pela literatura e potenciais temas a serem explorados. Como metodologia, utilizou-se a análise exploratória baseada em um protocolo de pesquisa. Os resultados mostram a preocupação de diversos setores com a qualidade de dados, apontando a qualidade representacional como um fator importante na percepção dos consumidores de dados para tomadas de decisão. Conclui-se que a qualidade representacional de dados ainda é um assunto pouco explorado isoladamente. Conclui-se ainda que a definição do conceito de qualidade de dados representacional, suas dimensões, critérios e métricas ainda podem ser estudados de maneira mais aprofundada.

  • Open Access

    Aplicando o ChatGPT na condução de revisões sistemáticas da literatura:

    by Ananda Fernanda de Jesus, José Eduardo Santarem Segundo

    O ChatGPT (Generative Pretrained Transformer), em sua terceira versão, é uma Inteligência artificial generativa, do tipo texto para texto, que tem sido testado e aplicado em diversos contextos, inclusive no contexto científico. A presente pesquisa visa como objetivo verificar as potenciais contribuições do ChatGPT para o preenchimento do protocolo de pesquisa de Revisões Sistemáticas da Literatura (RSL). Como método, foi realizada uma pesquisa empírica e comparativa, partindo da elaboração de três diferentes tipos de prompt: simples, detalhado e detalhado com exemplo. Como resultados, observou-se que foram gerados modelos diferentes de protocolos, inclusive quando uma segunda solicitação foi feita utilizando um mesmo prompt. Observou-se ainda oscilação entre os campos apresentados, principalmente os campos: objetivos, processo de seleção, estratégia de busca e formulário de extração. A presença ou ausência desses campos ocorre em diferentes respostas. Conclui-se que existem limitações ao uso do ChatGPT para o preenchimento de protocolos de pesquisa, entretanto, essas limitações podem ser minimizadas com a apresentação de um modelo de protocolo predefinido. Conclui-se ainda que a familiaridade do pesquisador tanto com o preenchimento de protocolos de pesquisa como com a temática que circunda a RSL também pode contribuir para minimizar essas limitações.

  • Open Access

    Qualidade de dados Linked Data

    by Ananda Fernanda de Jesus, José Eduardo Santarem Segundo

    Objetivo: O presente estudo tem como objetivo identificar como a questão da qualidade de dados Linked Data é abordada nos artigos científicos indexados em bases de dados da Ciência da Informação. Metodologia: Mapeamento Sistemático da Literatura, pautado em protocolo de pesquisa. Resultados: Como resultados foram recuperados 38 artigos, sendo aceitos 9 para compor o corpus teórico da pesquisa. Conclusões: Conclui-se que a relação entre qualidade de dados Linked Data e a Ciência da Informação ainda é pouco explorada através de artigos científicos e que geralmente é realizada sob uma perspectiva aplicada, não sendo identificados estudos com o objetivo de apresentar um referencial teórico aprofundado da temática.

  • Open Access

    O uso do método Design Science Research na Ciência da Informação: uma revisão sistemática da literatura

    by Ananda Fernanda de Jesus, Antonio Victor Wolf Tadini, Clayton Martins Pereira, Ronnie Shida Marinho, William Pires de Castro, José Eduardo Santarem Segundo

    Introdução: O Design Science Research (DSR) é um método voltado para a geração de conhecimento científico, por meio da elaboração de artefatos, tendo o potencial de contribuir para o desenvolvimento de pesquisas realizadas no âmbito da Ciência da Informação. O presente estudo parte do questionamento: como tem sido aplicado o método DSR no desenvolvimento de pesquisas na Ciência da Informação? Objetiva-se identificar em quais linhas de pesquisa da Ciência da Informação tem sido aplicado, e de que forma, o DSR. Método: realizou-se uma Revisão Sistemática da Literatura, analisando nos artigos aceitos: a) temática da pesquisa; b) em quais linhas e temas na área da Ciência da Informação o artigo se encaixa; e c) nível de aderência da pesquisa ao método. Resultados: em relação à temática de pesquisa, destacaram-se pesquisas aplicadas, com o objetivo de geração de artefatos. Quanto as linhas de pesquisa, destacaram-se pesquisas voltadas para Gestão da Informação e do Conhecimento e ainda pesquisas voltadas para o desenvolvimento de Tecnologias de Informação e Comunicação. Em relação ao nível de aderência, observou-se que a maior defasagem está no processo de avaliação adequada dos artefatos gerados. Conclusão: O DSR pode contribuir para a Ciência da Informação, resultando no desenvolvimento de artefatos com maior rigor científico simultaneamente a solução de problemas aplicados. O método ainda é recém explorado na área, tornando necessário aprofundamento sobre a sua condução, avaliação das etapas, fluxos, instrumentos e metodologias complementares aplicadas na utilização do DSR, visando a criação de um modelo que embase a execução de pesquisas futuras.


  • Open Access

    Procesamiento del lenguaje natural y aprendizaje automático en la categorización de artículos científicos: un estudio en torno al “patrimonio cultural”

    by Ananda Fernanda de Jesus, Maria Lígia Triques, José Eduardo Santarem Segundo, Ana Cristina de Albuquerque

    Objetiva verificar o potencial de aplicação de técnicas de Processamento de Linguagem Natural (PLN) e de Machine Learning (ML) na categorização temática de artigos científicos sobre a temática “patrimônio cultural” a partir de duas situações em que categorias são estabelecidas a priori e a posteriori. Desenvolve-se uma pesquisa aplicada, com resultados quantitativos e qualitativos. O primeiro corpus é constituído de artigos científicos em português, em base temática da Ciência da Informação, selecionados e categorizados manualmente; e o segundo corpus, composto por artigos científicos em inglês recuperados na Web of Science, categorizados de forma automática por estratégias de busca e aplicação de booleanos. Ambos foram submetidos à dois procedimentos de teste de categorização (algoritmo supervisionado e não supervisionado). Os resultados demonstram que em ambas a participação do pesquisador é essencial na definição da representatividade da amostra escolhida, e que esta tem impacto direto na precisão e acurácia dos algoritmos aplicados. Destaca-se a importância do detalhamento e rigor no pré-processamento dos dados e do tamanho da amostra, contudo, ressalta-se que, no caso deste estudo, somente um volume maior de dados não garantiu que os resultados fossem representativos do ponto de vista do domínio estudado, o que alerta para que haja sempre discussões e análises multidisciplinares que permitam verificar e readequar os parâmetros da amostra.


  • Open Access

    A descrição formal da qualidade de dados publicados na Web: análise do Data Quality Vocabulary (DQV)

    by Ananda Fernanda de Jesus, José Eduardo Santarem Segundo

    O processo de avaliação de qualidade desempenha um papel importante na reutilização dos dados disponibilizados na Web. Para garantir o uso e reuso desses dados faz-se necessária à sua descrição formal, de maneira compreensível à agentes computacionais. Uma das possibilidades para viabilizar essa descrição é o Data Quality Vocabulary, elaborado pelo Word Wide Web Consortium. Objetivou-se apresentar o Data Quality Vocabulary com base em sua relação com o processo de descrição formal da qualidade de dados publicados na Web, analisando os objetivos, características e a estrutura do vocabulário. A pesquisa possuí um caráter exploratório e descritivo, adotando como método um estudo da documentação oficial publicada pelo consórcio. Como resultados obteve-se um panorama do cenário que levou ao desenvolvimento do vocabulário, foi apresentada sua estrutura e discutido o seu potencial de aplicação. Conclui-se que o Data Quality Vocabulary disponibiliza uma estrutura descritiva formal, geral e customizável para o fornecimento de resultados do processo de avaliação de qualidade de dados, o que permite que esses resultados sejam compartilhados pelos seus fornecedores. Permite ainda que a comunidade participe do processo de avaliação e compartilhe os resultados obtidos de maneira formal, diminuindo assim o retrabalho. Conclui-se ainda que o vocabulário contribui para o reuso de dados no contexto da Web ao facilitar o uso de ferramentas automáticas e semiautomáticas de avaliação e seleção de fontes de dados para a aplicação.