RECUPERAÇÃO DE INFORMAÇÃO NA WEB: uma experiência com o modelo de
linguagem de inteligência artificial ChatGPT
INFORMATION RETRIEVAL ON THE WEB: an experience with the ChatGPT artificial
intelligence language model
Patrícia Nascimento Silva1
¹Professora Adjunta no Departamento de
Organização e Tratamento da Informação na
Escola de Ciência da Informação (ECI) da
Universidade Federal de Minas Gerais (UFMG).
Professora no Programa de Pós-Graduação em
Gestão & Organização do Conhecimento
(PPGGOC) ECI/UFMG.
E-mail: patricians@ufmg.br
ACESSO ABERTO
Copyright:Esta obra está licenciada com uma
Licença Creative Commons Atribuição 4.0
Internacional.
Conflito de interesses: A autora declara que
não há conflito de interesses.
Financiamento: Não há.
Declaração de Disponibilidade dos dados:
Todos os dados relevantes estão disponíveis
neste artigo.
Recebido em: 3 mar. 2023.
Aceito em: 26 set. 2023.
Publicado em: 18 out. 2023.
Como citar este artigo:
NASCIMENTO SILVA, Patrícia. Recuperação de
informação na Web: uma experiência com o
modelo de linguagem de inteligência artificial
ChatGPT. Informação em Pauta, Fortaleza, v. 8,
p. 1-19, 2023. DOI: 10.36517/2525-
3468.ip.v8i0.2023.83566.1-19.
RESUMO
Recuperação de informação é um termo recente,
criado em 1951, contudo seu objetivo é almejado
há milênios na sociedade. Com a evolução da
informática, na década de 1970, e
principalmente a criação da Web, em 1989, o
termo teve seu significado potencializado em
novos cenários. Os modelos clássicos de
recuperação de informação obtiveram
contribuições das técnicas de computação para
otimizar os resultados e dialogar com os
usuários, como proposto pelo modelo de
linguagem de inteligência artificial ChatGPT,
lançado em 2022. O objetivo deste relato foi
analisar a recuperação de informação na Web
com o ChatGPT. Para tanto, foi selecionado um
domínio: dados abertos, que é originalmente
diverso, e realizadas buscas exploratórias para
identificar as informações e objetos digitais
recuperados, em fevereiro de 2023. O modelo
utilizado no ChatGPT demonstrou uma
capacidade superior aos motores de busca da
Web, ao recuperar informações e recursos de
diferentes fontes e apresentá-las em um texto
organizado e coeso. No entanto, a falta de
referência às fontes utilizadas e de clareza sobre
questões éticas são problemas visualizados na
versão gratuita. Espera-se que com ajustes o
ChatGPT recupere diversos recursos na Web,
alcançando interoperabilidade com outros
sistemas, contribuindo com o intercâmbio de
dados em diversos domínios.
Palavras-chave: recuperação de informação;
inteligência artificial; ChatGPT; assistente
virtual; dados abertos.
Fortaleza, CE
v. 8
2023
ISSN 2525-3468
DOI: 10.36517/2525-3468.ip.v8i0.2023.83566.1-19
RELATO DE EXPERIÊNCIA
2
Inf. Pauta, Fortaleza, CE, v. 8, 2023 | ISSN 2525-3468
ABSTRACT
Information retrieval is a recent term, created in
1951, but its objective has been desired for
millennia in society. With the evolution of
information technology, in the 1970s, and
especially the creation of the Web, in 1989, the
term had its meaning enhanced in new
scenarios. The classic information retrieval
models obtained contributions from computing
techniques to optimize results and dialogue with
users, as proposed by the ChatGPT artificial
intelligence language model, launched in 2022.
The objective of this report was to analyze
information retrieval on the Web with ChatGPT.
For this purpose, a domain was selected: open
data, which is originally diverse, and exploratory
searches were carried out to identify the
information and digital objects recovered, in
February 2023. The model used in ChatGPT
demonstrated a superior capacity to web search
engines, by retrieving information and resources
from different sources and presenting them in
an organized and cohesive text. However, the
lack of reference to the sources used and clarity
on ethical issues are problems seen in the free
version. It is expected that, with adjustments,
ChatGPT will recover several resources on the
Web, achieving interoperability with other
systems, contributing to the exchange of data in
different domains.
Keywords: information retrieval; artificial
intelligence;ChatGPT;virtual assistant; open
data.
1 INTRODUÇÃO
A recuperação de informação é uma área da ciência da computação aplicada a
diversos domínios. Na ciência da informação, a temática trata da representação,
armazenamento, organização e acesso à informação, sempre considerando o contexto do
usuário. Apesar de o termo ter sido criado somente nos anos 1950, por Calvin Moores,
há milênios as bibliotecas já organizavam a informação com o objetivo de facilitar sua
recuperação.
Durante a década de 1970, vários modelos de recuperação de informação foram
propostos, se tornando base para os sistemas de informação da época. Contudo, além
dos modelos clássicos, evoluções foram percebidas com a criação dos modelos
dinâmicos, especialmente após a criação da Web, em 1989.
Na representação do processo de recuperação, a expressão de busca é o meio que
o usuário emprega para comunicar a sua necessidade informacional para o sistema de
informação, sendo composta por linguagem natural ou artificial. Ao utilizar uma
linguagem artificial é necessário que o usuário tenha conhecimento do tema de interesse
e do seu vocabulário de domínio (Ferneda, 2012).
Com isso, pensado em oferecer facilidades ao usuário, são cada vez mais comuns
sistemas que utilizam a linguagem natural para interação com usuário e tratam a
representação da busca no sistema, traduzindo a necessidade de informação do usuário.
Assistentes virtuais, ou chatbot, foram desenvolvidos para ter uma conversa com um
Nascimento Silva | Recuperação de informação na Web
3
Inf. Pauta, Fortaleza, CE, v. 8, 2023 | ISSN 2525-3468
humano, interagindo em um formato semelhante ao de mensagens instantâneas
(Queiroz; Valls, 2022). O uso de chatbots, associados a aplicativos de mensagens,
aumentou significativamente nos últimos anos e se popularizou em sistemas de
atendimento.
O ChatGPT é uma ferramenta recente, lançada em 30 de novembro de 2022, e tem
fomentado várias discussões entre usuários e pesquisadores. A ferramenta é
disponibilizada de forma gratuita, inicialmente, e já possui mais de 100 milhões de
usuários ativos em dois meses, um recorde que supera o crescimento das redes sociais
mais famosas do mundo (Forbes, 2023). A proposta da ferramenta é construir textos,
códigos e outros recursos a partir de um modelo de linguagem de inteligência artificial,
baseado em uma pergunta do usuário, escrita em linguagem natural.
Esta pesquisa é um relato de experiência com orientação prática/tecnológica que
pretende responder a seguinte questão: Quais tipos de informação e recursos são
recuperados pela ferramenta ChatGPT? O objetivo do estudo é analisar a recuperação de
informação na Web com a ferramenta ChatGPT. Para tanto, foi selecionado um domínio e
definidos critérios de busca para analisar a ferramenta. Destaca-se que este relato de
experiência não é exaustivo e trata-se um estudo inicial, integrante de um projeto maior,
e justifica-se para apresentar a nova ferramenta à comunidade acadêmica e fomentar
novos estudos e possíveis aplicações no campo da ciência da informação.
2 MODELOS DINÂMICOS E LINGUAGEM NATURAL
Os modelos dinâmicos são alternativas promissoras e muito estudadas
recentemente que possibilitam ao usuário interagir e interferir diretamente no processo
de recuperação de informação. Baseado em técnicas oriundas da inteligência artificial,
oportuniza a evolução e adaptação da informação de acordo com os interesses de busca
do usuário e interações com o sistema (Baeza-Yates; Ribeiro-Neto, 2013)(Ferneda,
2003). Previamente, a inteligência artificial pode ser definida como uma área da ciência
da computação dirigida para a criação de soluções inteligentes de tecnologia conectadas
com a inteligência humana para resoluções de problemas, aprendizagem, compreensão e
raciocínio lógico (Barr; Feigenbaum, 1981).
4
Nascimento Silva | Recuperação de informação na Web
Inf. Pauta, Fortaleza, CE, v. 8, 2023 | ISSN 2525-3468
O Processamento da Linguagem Natural (PLN) é um conjunto de técnicas
computacionais para análise de textos em um ou mais níveis linguísticos, com o
propósito de simular o processamento humano da língua (Ferneda, 2012). Além disso, é
a área da inteligência artificial responsável por estudar a capacidade que uma máquina
tem de estender a linguagem dos seres humanos, por meio de diversos algoritmos
computacionais.
Uma das primeiras aplicações da linguagem natural em sistemas foi por meio das
questionanswering: sistemas que têm como objetivo fornecer informações precisas e
diretas respondendo a uma pergunta construída por um usuário. A ideia estava
compreendida no usuário escrever uma pergunta, e buscar em um conjunto de bases, a
resposta para tal. Há uma grande complexidade nesse processo, visto que é necessário
tratar a pergunta, e encontrar nela, o que o usuário está de fato buscando e,
posteriormente, utilizar PLN nos textos que podem conter a resposta, para tratar o que
será apresentado como resposta ao usuário. Em seguida foram desenvolvidos sistemas
tutores inteligentes: sistemas que utilizam diversos conceitos de PLN e constroem uma
“rede de conhecimento” com diversos fatos, relações e regras, que permitem ao sistema
realizar um diálogo com um indivíduo, sistemas de automação de tarefas: sistema que
auxiliam em tarefas administrativas e gerenciais de uma empresa, passando por
questões como agendamento de reuniões, compras de passagens aéreas e até detecção
de erros ortográficos, assistentes virtuais: sistemas que auxiliam as pessoas em tarefas
cotidianas, que vão desde realizar uma busca, mandar uma mensagem, verificar preços,
ou até mesmo realizar uma compra e sistemas de tradução automática: sistemas que
buscam a correspondência direta entre a língua original e a traduzida. Estas aplicações
também aplicam a inteligência artificial e o PLN em sistemas (Coneglian, 2020).
Modelos baseados na Web se configuraram como as primeiras máquinas de busca
e eram fundamentalmente sistemas de recuperação de informação cuja estratégia de
ranqueamento era baseada em modelos tradicionais. As diferenças estavam nas coleções
que eram compostas por páginas Web, e não mais em documentos, que precisavam ser
coletadas e pertenciam a coleções muito maiores. Com isso, cada palavra da consulta
recuperava muitas páginas com muitos documentos associados a um único resultado
(Baeza-Yates; Ribeiro-Neto, 2013). Conforme Ferneda (2003, p.15) “os sistemas de
recuperação de informação devem representar o conteúdo dos documentos do corpus e
apresentá-los ao usuário de uma maneira que lhe permita uma rápida seleção dos itens
Nascimento Silva | Recuperação de informação na Web
5
Inf. Pauta, Fortaleza, CE, v. 8, 2023 | ISSN 2525-3468
que satisfazem total ou parcialmente à sua necessidade de informação.” No entanto, para
otimizar essa rápida seleção, diversas técnicas precisaram ser empregadas.
Grande parte dos mecanismos de busca constrói e armazena um resumo de cada
página em sua base de dados. Em muitos casos este resumo é formado por uma
quantidade fixa de palavras ou caracteres a partir do início do texto. A indexação
antecipada dos documentos (representado por páginas) é essencial e pode ser feita pela
indexação manual: indexadores profissionais especificam uma hierarquia de assuntos
e indexam as páginas Web utilizando as categorias ou pela indexação automática:
seleção de endereços de páginas, por meio de programas, que rastreiam a estrutura
hipertextual da Web, colhendo informação sobre as páginas com técnicas de
rastramento (crawlers, spiders, robôs) (Ferneda, 2012).
Conforme apresentado neste breve referencial teórico, modelos, técnicas e
aplicações são relevantes na recuperação da informação, no entanto, o sucesso de uma
busca dependerá também do comportamento informacional do usuário. A Figura 1
apresenta o modelo básico de comportamento informacional para o usuário. A cada
nível de representação pode ocorrer uma perda ou distorção em relação ao nível
anterior e caso a necessidade de informação não seja satisfeita, uma nova expressão de
busca deverá ser formulada.
Figura 1 – Modelos de comportamento informacional
Fonte: Ferneda (2020).
6
Nascimento Silva | Recuperação de informação na Web
Inf. Pauta, Fortaleza, CE, v. 8, 2023 | ISSN 2525-3468
Os desafios da recuperação de informação são vastos e aumentam no contexto da
Web, onde constantemente se produzem volumes excessivos de informações, por
multiplicidade de usuários, de difícil mapeamento e de diferentes modelos de interação,
apropriação e representação (Nhacuongue, 2015). Para apoiar a recuperação de
informação linguagens e modelos são criados para refletir a representação da
informação e otimizar sua recuperação. O ChatGPT é um modelo de linguagem que
interage de forma conversacional com os usuários. Ele foi ajustado a partir de um
modelo da série GPT-3.5,
1
que terminou o treinamento no início de 2022, e foi lançado
em 30 de novembro de 2022. O formato de diálogo permite que o ChatGPT responda a
perguntas de acompanhamento, admita seus erros, conteste premissas incorretas e
rejeite solicitações inadequadas (OpenAI, 2023).
É importante destacar que o ChatGPT é um protótipo e não está pronto para ser
vendido para empresas. Para gerar as informações pedidas pelos usuários, o software
recorre a um vasto banco de textos disponíveis na internet, o que inclui artigos, notícias
e até mesmo publicações do X, antigo Twitter. Atualmente, a ausência de definição sobre
questões éticas gera críticas recorrentes à ferramenta (TechTudo, 2022).
3 METODOLOGIA
A pesquisa caracterizou-se como um estudo descritivo e exploratório, com
abordagem qualitativa, por meio de uma análise documental para compreender a
recuperação de informação na Web com a ferramenta ChatGPT. A pesquisa realizada
também pode ser definida como pesquisa aplicada e pesquisa ação, por envolver a
participação ativa da autora, e por seu objetivo acadêmico ser a produção de
conhecimento para aplicação prática e imediata.
Devido à amplitude da ferramenta, que se propõem a construir um texto ou
retornar objetos (códigos-fonte, links, vídeos, imagens) sobre qualquer assunto, foi
selecionado um domínio específico a ser analisado. Este recorte considerou três critérios:
(1) Conhecimento prévio da autora sobre o assunto que poderia validar os
resultados apresentados pela ferramenta; (2) Temática de contexto mundial, para que
fosse possível analisar resultados globais e (3) Resultados que poderiam retornar
informações textuais e outros objetos digitais. Desta forma, a temática selecionada
1
https://platform.openai.com/docs/model-index-for-researchers.
Nascimento Silva | Recuperação de informação na Web
7
Inf. Pauta, Fortaleza, CE, v. 8, 2023 | ISSN 2525-3468
foi: dados abertos, no idioma português. Essa temática é originalmente complexa e
diversa, e como resultado pode retornar arquivos e conjuntos de dados de diversas
tipologias. É importante salientar que a temática é geral e essa definição foi pensada
para não limitar os resultados recuperados pela ferramenta.
Após a definição do domínio foram criadas expressões de busca, ou seja,
perguntas em linguagem natural, simulando a interação do usuário com o ChatGPT.
Destaca-se que as buscas não foram exaustivas e que foram construídas perguntas na
norma culta da língua portuguesa, um padrão diferente do utilizado em motores de
buscas conhecidos na internet. Os critérios consideraram pesquisas mais amplas,
inicialmente, e elementos mais específicos, no contexto dos dados abertos brasileiros,
em seguida, a fim de identificar os principais conceitos e validar os resultados
recuperados. O Quadro 1 apresenta a relação do tipo de busca, ou seja, a tipologia
esperada/desejada, com a respectiva a necessidade de informação do usuário e a
expressão de busca criada, que corresponde a pergunta para o ChatGPT.
Quadro 1 – Intenções e expressões de busca
Tipo de busca
Necessidade de
Informação
Expressão de busca
Busca textual
Identificar conceitos e
informações gerais
sobre da temática de
dados abertos
(P1) O que são dados abertos?
(P2) Apresente exemplos de dados abertos.
(P3) Exiba dados abertos disponibilizados no
Brasil.
Busca por objetos,
links, arquivos.
Identificar conjuntos
de dados abertos
específicos sobre a
vacinação no Brasil
(P4) Quais são os dados abertos sobre vacinação
no Brasil?
(P5) Onde acessar dados abertos sobre
vacinação no Brasil?
(P6) Exiba arquivos de dados abertos sobre a
vacinação no Brasil.
Busca por
recursos:
ferramentas, APIs,
códigos-fonte
Identificar
ferramentas para
manipulação de dados
abertos e como
acessá-las
(P7) Quais ferramentas disponíveis para acesso,
uso e reúso dos dados abertos?
(P8) Quais são as APIs de dados abertos
disponíveis no Brasil?
(P9) Como acessar as APIs de dados abertos?
(P10) Exiba um código para coleta de dados
abertos
Fonte: Próprios autores.
As intenções e expressões de busca estão associadas a resultados textuais e
possíveis objetos digitais, uma vez que a ferramenta propõe uma recuperação de
diversos recursos. Inclusive, essa diversidade de recursos caracteriza-se como um dos
motivos da popularidade da ferramenta entre os usuários.
8
Nascimento Silva | Recuperação de informação na Web
Inf. Pauta, Fortaleza, CE, v. 8, 2023 | ISSN 2525-3468
As 10 expressões de buscas foram executadas em fevereiro de 2023, em três
momentos diferentes, por meio de um acesso gratuito. A execução foi feita mais de uma
vez, pois a proposta da ferramenta é gerar textos diferentes, sem plágio, para cada
resposta. Foi utilizada a interface Web da ferramenta, opção “New chat”, disponível no
endereço: https://chat.openai.com/chat, com a versão Feb 13,
2
conforme apresentado
na Figura 2. Os resultados obtidos foram disponibilizados integramente no repositório
desta pesquisa, no Mendeley Data, com o identificador: doi: 10.17632/ccdrbyn97g.1
(Silva, 2023).
Figura 2 – Interface do ChatGPT
Fonte: OpenIA (2023).
A análise dos resultados considerou a avaliação da recuperação, analisando a
qualidade dos resultados, sem considerar a avaliação do desempenho do sistema, que
incluiria, por exemplo, o tempo de processamento das buscas. Na próxima seção, a
experiência com a ferramenta e as respostas recuperadas no ChatGPT foram analisadas,
classificadas e discutidas sob o olhar da ciência da informação, especialmente no que
tange as técnicas de recuperação de informação na Web.
2
https://help.openai.com/en/articles/6825453-chatgpt-release-notes.
Nascimento Silva | Recuperação de informação na Web
9
Inf. Pauta, Fortaleza, CE, v. 8, 2023 | ISSN 2525-3468
4 RESULTADOS
As respostas obtidas no ChatGPT, para as perguntas formuladas, foram
analisadas e classificadas conforme a tipologia esperada e a necessidade de informação
do usuário, em quatro categorias:
• Totalmente Pertinente (TP): quando o resultado era totalmente adequado a
tipologia esperada e a necessidade de informação;
• Pertinente (P): quando o resultado era adequado a necessidade de informação,
mas não apresentava o formato esperado;
• Parcialmente Pertinente (PP): quando o resultado apresentava parcialmente os
resultados esperados, tanto na tipologia quanto na necessidade de informação;
• Incorreta (I), quando o resultado não estava adequado a necessidade de
informação ou apresenta resultados incorretos.
A avaliação dos resultados pautou-se no atendimento as categorias definidas e foi
baseado no conhecimento específico da área de dados abertos e recuperação de
informação, pela autora. Independentemente das respostas obtidas na ferramenta,
também foram analisados elementos e técnicas de recuperação de informação
identificadas no uso da ferramenta. Destaca-se que os resultados foram
predominantemente textuais. A ferramenta retornou textos e um único tipo de objeto
digital (código-fonte). O Quadro 2 apresenta o resumo das análises das respostas, em
cada uma das três execuções.
Quadro2 – Análise das respostas no ChatGPT
Expressão de busca
(Pergunta)
Execução 1
(R1)
Execução 2
(R2)
Execução 3
(R3)
(P1) O que são dados abertos?
TP
TP
TP
(P2) Apresente exemplos de dados abertos.
PP
PP
PP
(P3) Exiba dados abertos disponibilizados no
Brasil.
PP
P
PP
(P4) Quais são os dados abertos sobre vacinação
no Brasil?
PP
PP
P
(P5) Onde acessar dados abertos sobre vacinação
no Brasil?
P
P
PP
(P6) Exiba arquivos de dados abertos sobre a
P
P
P
10
Nascimento Silva | Recuperação de informação na Web
Inf. Pauta, Fortaleza, CE, v. 8, 2023 | ISSN 2525-3468
vacinação no Brasil.
(P7) Quais ferramentas disponíveis para acesso,
uso e reúso dos dados abertos?
P
P
P
(P8) Quais são as APIs de dados abertos
disponíveis no Brasil?
P
TP
TP
(P9) Como acessar as APIs de dados abertos?
P
P
P
(P10) Exiba um código para coleta de dados
abertos
P
P
TP
Fonte: Dados da pesquisa.
Observou-se que as respostas obtidas nas três execuções foram similares, mas
não idênticas, cumprindo com a proposta da ferramenta de não configurar plágio. No
entanto, a não indicação das fontes de utilizadas impede qualquer tipo de checagem.
Assim, a validação realizada foi baseada exclusivamente no conhecimento da autora,
fundamentada nas experiências práticas e na literatura da área.
Não foi identificada nenhuma reposta incorreta. Contudo, destaca-se que a
maioria das respostas (53%) foi considerada pertinente, ou seja, apresentaram
resultados corretos, mas não no formato esperado. Em seguida 27% dos resultados
foram classificados como parcialmente pertinentes e 20% como totalmente pertinentes,
conforme apresentado no Gráfico 1:
Gráfico1 – Análise das respostas no ChatGPT
Fonte: Dados da pesquisa.
Para pergunta P1, as três repostas (P1 - R1, P1 - R2 e P1 - R3) foram totalmente
pertinentes e, além do conceito de dados abertos, os resultados apresentaram no texto
(6) 20%
(16) 53%
(8) 27%
Análise das respostas no ChatGPT
TP
P
PP
I
Nascimento Silva | Recuperação de informação na Web
11
Inf. Pauta, Fortaleza, CE, v. 8, 2023 | ISSN 2525-3468
informações sobre o objetivo, formatos e tipologias dos dados abertos. O usuário obteve
a informação deseja de forma completa e no formato de um texto coeso, conforme a real
necessidade de informação.
Na pergunta P2, os resultados retornados nas respostas do ChatGPT são
adequados a necessidade informação, mas exemplos práticos não foram apresentados,
nem em outros formatos. Constatou-se que o conceito foi informado novamente, como
apresentando em P1, juntamente com conteúdos e exemplos que representassem alguns
tipos de dados abertos:
[...] Dados de saúde - muitos governos disponibilizam dados de saúde, como o
Ministério da Saúde no Brasil e o Centers for Disease Controland Prevention
(CDC) nos Estados Unidos. Esses dados incluem informações sobre doenças,
tratamentos e estatísticas de saúde pública.
Dados de transporte público - muitas cidades disponibilizam dados de
transporte público, como horários de ônibus, rotas de metrô e dados de tráfego.
Esses dados podem ser usados para desenvolver aplicativos de transporte
público e para ajudar as pessoas a planejar suas viagens (P2 - R3).
[...] Dados de pesquisa: Pesquisadores e acadêmicos muitas vezes
disponibilizam dados abertos de seus estudos, que podem incluir pesquisas de
opinião pública, resultados de testes psicológicos, dados de imagens de satélite
e muito mais (P2 - R2).
Apesar de os resultados serem apresentados no formato de uma lista, não é
possível identificar o modelo de ordenação utilizado. Os motores de buscas atuais
utilizam o ranqueamento e técnicas de ordenação, como, por exemplo, a classificação
por popularidade. Nesta técnica encontram-se as páginas que são populares e as
classificam antes de outras páginas que contém as palavras-chave especificadas (Baeza-
Yates; Ribeiro-Neto, 2013). Similar a essa classificação estão as páginas e anúncios pagos
que são apresentados antes nos buscadores, como os primeiros resultados ranqueados.
A definição dos critérios de ordenação pode envolver diversos interesses, inclusive
comerciais, prática muito criticada atualmente e que tem impactado nos resultados de
grandes motores de busca e plataformas de redes sociais.
Em P3 não foram apresentados excertos de conjuntos de dados abertos, como
esperado e modelado na expressão de busca. Mas foram identificados os principais
portais e alguns links indicados nas respostas. Destaca-se que das três execuções,
somente a segunda execução (R2) apresentou os links dos portais, as outras somente
informaram o nome do instrumento e os dados disponibilizados:
12
Nascimento Silva | Recuperação de informação na Web
Inf. Pauta, Fortaleza, CE, v. 8, 2023 | ISSN 2525-3468
[...] DataSUS: o Ministério da Saúde disponibiliza diversos dados abertos sobre
saúde, como o Sistema de Informação Hospitalar (SIH), Sistema de Informação
da Atenção Básica (SIAB), entre outros (P3 - R1).
[...] Sistemas de informações do Ministério da Saúde: o DataSUS
(www.datasus.gov.br) disponibiliza informações sobre a saúde no país, como o
número de leitos, atendimentos e internações hospitalares. Já o Sistema Único
de Saúde (SUS) oferece informações sobre a rede de saúde pública, como
hospitais, postos de saúde e unidades de pronto-atendimento (P3 - R2).
A técnica page rank foi introduzida pela empresa Google e pode estar associada a
este resultado, uma vez que dados abertos sobre saúde são apresentados com maior
frequência nos resultados, no período da pandemia de Covid-19, que foi iniciada em
2020 e ainda estava vigente em fevereiro de 2023. Esta técnica baseia-se na
probabilidade de atribuir popularidade ou page rank alto às páginas, isto é, parte do
princípio de que um usuário pode navegar aleatoriamente em uma página e a partir daí
existe a probabilidade de escolher um dos links externos da página. Para Silberschatz et
al. (2006), a maior desvantagem da medida page rank é da recuperação de documentos
por popularidade desconsiderando as palavras-chave da consulta. Uma solução para
este problema consiste em adotar o uso de palavras-chave no texto de âncora dos links
para uma página, determinando os tópicos a que a página é relevante, através da tag
HTML “a href”. A definição de critérios específicos para ordenação destes resultados
também não está descartada e uma política clara sobre esses critérios implementados
nos algoritmos da ferramenta deveria ser disponibilizado aos usuários.
Ao perguntar sobre um conjunto de dados específico, em P4, não foram indicados
os conjuntos de dados e sim os órgãos que os disponibilizam, respostas bem próximas
das obtidas em P3. Na terceira execução (P4 – R3) foram indicados alguns links diretos
para os conjuntos de dados:
[...] OpenDataSus: o portal do Datasus oferece diversas informações sobre o
sistema de saúde brasileiro, incluindo dados sobre vacinação. É possível
acessar informações sobre a cobertura vacinal por município, estado e país,
bem como dados sobre a produção e distribuição das vacinas. Os dados podem
ser acessados no endereço eletrônico:
http://opendatasus.saude.gov.br/dataset/covid-19-vacinacao (P4 - R3).
Na pergunta P5 os repositórios com conjuntos de dados foram indicados
diretamente, por meio de links, nas primeiras execuções, na terceira foi indicado
Nascimento Silva | Recuperação de informação na Web
13
Inf. Pauta, Fortaleza, CE, v. 8, 2023 | ISSN 2525-3468
somente o instrumento, conforme apresentado em P5-R2. Há um destaque para
apresentação de Portais de dados abertos que predominaram entre as respostas da
ferramenta:
[...] Localiza SUS: plataforma que reúne informações sobre o sistema de saúde
do Brasil, incluindo dados sobre a vacinação contra a COVID-19. Os dados
podem ser acessados em: https://localizasus.saude.gov.br/ (P5 – R2).
Destaca-se que as três execuções de P5 trouxeram elementos complementares e
não somente repetiu uma lista. Os elementos novos apresentados, a cada execução da
pergunta, podem evidenciar que a ferramenta utiliza técnicas de aprendizado de
máquina. O Aprendizado de máquina ou machine learning é uma área da inteligência
artificial que objetiva o desenvolvimento de sistemas capazes de aprender a partir de
dados. Através da análise de problemas anteriores, algoritmos de aprendizado de
máquina são capazes de realizar as tomadas de decisões (Monard; Baranauskas, 2003).
Desta forma, o comportamento da ferramenta ChatGPT aponta o uso de
algoritmos de aprendizado de máquina, pois a cada execução elementos anteriores são
retomados e complementados. No entanto, o fato de a ferramenta não produzir plágio
pode influenciar negativamente na apresentação desses resultados, já que nem todos os
resultados retornam todos os elementos sobre a temática buscada. Assim, para obter
resultados mais completos na ferramenta, recomenda-se que a mesma busca seja feita
várias vezes, e em momentos diferentes. É importante destacar que esse
comportamento da ferramenta, que apresenta resultados diferentes para uma mesma
expressão de busca, também podem incitar discussões sobre a confiabilidade, métodos e
técnicas utilizadas e também algum potencial discriminatório do perfil algorítmico da
ferramenta. Essas questões técnicas e éticas que não podem ser ignoradas e devem ser
esclarecidas aos usuários do ChatGPT.
A pergunta P6, apesar de pertinente, não exibiu arquivos, nem parte do conteúdo
de arquivos ou conjuntos de dados abertos. Foram indicados somente portais onde os
arquivos poderiam ser acessados, similar às repostas apresentadas em P4. A partir
destes resultados, estima-se que a solução de recuperação utilizada pelo ChatGPT deve
utilizar consultas baseadas em conceito. Neste tipo de consulta é analisada a
ambiguidade de cada palavra no respectivo documento, de modo que a substituição do
termo da pesquisa se faça por outro mais próximo e empregue no mesmo documento.
Embora a consulta baseada em conceitos tenha a desvantagem na sobrecarga e
14
Nascimento Silva | Recuperação de informação na Web
Inf. Pauta, Fortaleza, CE, v. 8, 2023 | ISSN 2525-3468
processamento de documentos, para retirar a ambiguidade e por ser pouco utilizada na
recuperação da Web, ela permite a recuperação de documentos relacionados através da
hierarquia de conceitos, como ontologias (Silberschatzet al., 2006).
O termo ‘dados abertos’, quando analisado separadamente, pode ter outros
sinônimos e homônimos, em cenários diversificados. No entanto, os resultados
apresentados pelo ChatGPT estavam dentro do contexto esperado e os portais indicados
eram instrumentos relevantes e utilizados com frequência por pesquisadores da área.
Para a pergunta P7 o ChatGPT indicou o nome e uma descrição das ferramentas
populares para análise de dados, conforme a necessidade de informação da busca,
contudo foi apresentada uma lista, sem exemplos práticos relacionados:
[... ] Google Dataset Search - é um mecanismo de busca que permite a busca de
conjuntos de dados em vários repositórios na internet.
OpenRefine - é uma ferramenta gratuita e de código aberto que ajuda a limpar,
transformar e analisar dados abertos.
R - é uma linguagem de programação estatística e ambiente de
desenvolvimento que permite a análise de dados, visualização e modelagem.
Tableau Public - é uma plataforma gratuita para visualização de dados que
permite a criação de gráficos interativos, mapas e dashboards.
QGIS - é um software de Sistema de Informação Geográfica (GIS) de código
aberto que permite a visualização, análise e processamento de dados
geoespaciais (P7 – R2).
Para a pergunta P8 foi apresentado um breve conceito e indicadas Application
Programming Interface (API)s que disponibilizam dados abertos, por meio de um link
direto, na segunda e na terceira execução:
[...] IBGE APIs (https://servicodados.ibge.gov.br/api/docs/): o Instituto
Brasileiro de Geografia e Estatística (IBGE) também oferece diversas APIs para
acesso a dados relacionados a população, produção agrícola, economia, entre
outros.
SINESP Cidadão API (https://github.com/servicosgovbr/api-sinesp-cidadao): o
Sistema Nacional de Informações de Segurança Pública (SINESP) disponibiliza
uma API que permite acessar informações sobre veículos roubados, furtados ou
clonados.
OpenWeatherMap API (https://openweathermap.org/api): essa API permite
acessar dados climáticos de diversas cidades brasileiras e de todo o mundo.
ANSAPI
(https://www.ans.gov.br/externo/site_novo/informacoes_avaliacoes_oper/list
a_operadoras/todas_operadoras.asp): a Agência Nacional de Saúde
Nascimento Silva | Recuperação de informação na Web
15
Inf. Pauta, Fortaleza, CE, v. 8, 2023 | ISSN 2525-3468
Suplementar (ANS) disponibiliza uma API para acesso a informações sobre
operadoras de planos de saúde (P8 - R3).
A indicação do link das APIs nas respostas demonstrou que o ChatGPT recuperou
a informação no formato esperado. Vale ressaltar que em motores de busca tradicionais
essa informação é difícil de ser recuperada, com uma expressão de busca mais ampla,
como a utilizada na pergunta P8.
Nas perguntas P9 e P10 eram esperadas respostas com exemplos práticos. No
entanto, para P9 foi apresentada uma lista com etapas descritivas sobre como utilizar
uma API. Foram indicados recursos comuns para esse tipo de acesso, de forma detalhada
e explicativa, para o usuário:
Acesso às APIs de dados abertos varia dependendo da fonte dos dados, mas
aqui estão alguns passos gerais que você pode seguir:
Encontre a API: Descubra quais organizações governamentais ou outras
entidades oferecem APIs de dados abertos. Uma boa fonte para isso é o portal
de dados abertos do seu governo local ou o portal de dados abertos da sua
região. Outra opção é fazer uma pesquisa na internet com palavras-chave
relevantes, como "API de dados abertos [nome da cidade/estado/país]".
Obtenha uma chave da API: Algumas APIs de dados abertos exigem que você
obtenha uma chave de API antes de poder acessá-las. Isso é feito para rastrear o
uso da API e limitar o acesso a dados pessoais ou restritos. A maioria das fontes
de dados fornece instruções claras sobre como obter uma chave da API.
Entenda a documentação: Depois de encontrar a API e obter a chave, é
importante ler a documentação fornecida para entender os endpoints
disponíveis, os parâmetros que podem ser usados e os dados que podem ser
acessados. Isso ajudará você a construir suas consultas de maneira eficaz e
entender como os dados são estruturados.
Construa consultas: Com a chave da API e a compreensão da documentação,
você pode começar a construir suas consultas para acessar os dados. Isso
geralmente é feito usando uma linguagem de consulta, como o SQL, ou uma
linguagem de programação, como o Python ou o Java.
Analise os dados: Uma vez que você tenha feito as consultas e obtido os dados, é
hora de analisá-los. Isso pode ser feito com o uso de ferramentas de análise de
dados, como o Excel, o R ou o Python.
É importante lembrar que diferentes fontes de dados abertos podem ter
requisitos e procedimentos diferentes para acessar suas APIs. Portanto, é
importante ler atentamente a documentação e seguir as instruções fornecidas
(P9 – R2).
A apresentação dos resultados no formato de listas ou etapas surpreendeu
positivamente. Apresentar os dados em etapas ao usuário permite uma melhor
estruturação do conhecimento e traz um viés prático e real. O desenvolvimento de
16
Nascimento Silva | Recuperação de informação na Web
Inf. Pauta, Fortaleza, CE, v. 8, 2023 | ISSN 2525-3468
metodologias cada vez mais avançadas no PLN, derivadas do aprendizado de máquina e
de outros recursos de inteligência artificial, mais avançados, como Deep Learning e
Redes neurais, reforçam o papel inevitável do algoritmo e do processamento estatístico
da informação, tanto para fins de recuperação como para o uso em visualizações (Wuet
al., 2013). Estima-se que essa estruturação possa facilitar a integração com outras
ferramentas, otimizando a visualização da informação para os usuários.
Na resposta de P10 foi apresentado um texto e um código-fonte, conforme
sugerido na expressão formulada. Apesar de ser representado por um texto, o código
pode ser considerado um objeto digital, pois é executável em um interpretador da
linguagem Python. Na primeira e na segunda execução foram apresentados de códigos-
fonte para uma API de exemplo. Na terceira execução foi apresentado um endpoint
3
válido sobre dados abertos, conforme solicitado na expressão de busca. Este último
código recuperado é simples e corresponde a um acesso à API do Portal Brasileiro de
Dados Abertos, sem representar uma coleta específica, conforme apresentado na Figura
3.
Figura 3 – Código-fonte gerado pelo ChatGPT
Fonte: OpenIA (2023).
Quando comparado a motores de buscas tradicionais, o ChatGPT apresenta
resultados unificados e estruturados em um texto bem escrito e coeso, no idioma
português. A recuperação de objetos ainda é reduzida, mas é um recurso promissor que
permitirá a ferramenta “interoperar” com diferentes sistemas e aplicações.
3
https://dados.gov.br/api/action/datastore_search?resource_id=abc123&limit=1000.
Nascimento Silva | Recuperação de informação na Web
17
Inf. Pauta, Fortaleza, CE, v. 8, 2023 | ISSN 2525-3468
A falta de referência à fonte coletada é um problema para o usuário que utiliza a
versão gratuita. A falta dessa informação inviabiliza a utilização dos textos em trabalhos
acadêmicos e publicações, o que pode ser benéfico frente a discussões de ensino
aprendizagem, mas é prejudicial para a ferramenta, que pode estar utilizando fontes
duvidosas e contribuindo com a desinformação. Essa “dúvida” sobre as fontes utilizadas
pode afastar usuários e findar oportunidades para OpenIA, principalmente no meio
acadêmico.
Ao longo da execução das buscas percebeu-se que a ferramenta identifica erros
de grafia e concordância ao realizar a busca. Ao digitar uma frase com erro de digitação,
por exemplo, o ChatGPT retornou a seguinte resposta:
Peço desculpas, mas preciso de mais informações para entender melhor sua
pergunta. Você poderia esclarecer o que você quer dizer com "datos abertos
disponibilizados no Brasil"? Existem muitas iniciativas de dados abertos em
diferentes áreas no país, e as informações que você procura podem variar de
acordo com sua necessidade específica. Quanto mais detalhes você fornecer,
melhor poderei ajudá-lo (ChatGPT, 2023, s/p).
A versão gratuita também impôem limitação ao número de consultas em um
determinado espaço de tempo. A mensagem: “Too many requests in 1 hour. Try again
later” foi exebida após realizar aproximadamente 50 consultas em um curto período de
tempo. Durante o uso da ferramenta não foram indetificados problemas ou
indiponiblidade. Mesmo que o foco da análise não envolvesse o desempenho, contatou-
se que o tempo médio das respostas crescia quando as buscas envolviam elementos
mais específicos sobre os dados abertos.
5 CONCLUSÃO
O vertiginoso sucesso da ferramenta ChatGPT e incógnitas sobre o
funcionamento da ferramenta foi uma das motivações deste estudo que apresentou um
breve relato de experiência, com orientação prática/tecnológica, objetivando analisar a
recuperação de informação na Web com a ferramenta ChatGPT. Os modelos tradicionais
de recuperação de informação ainda são utilizados na maioria dos motores de busca e a
utilização de modelos dinâmicos, e o uso da linguagem natural, correspondem a uma
evolução natural e muito aguardada pelos usuários.
18
Nascimento Silva | Recuperação de informação na Web
Inf. Pauta, Fortaleza, CE, v. 8, 2023 | ISSN 2525-3468
Apesar de a ferramenta ainda estar em desenvolvimento é perceptível que a
proposta é interessante, contribuindo para a recuperação de informação de forma
otimizada e em diferentes contextos. A inteligência artificial, juntamente com o PLN, o
aprendizado de máquina e outras técnicas da computação poderão contribuir com a
recuperação de informação na sociedade contemporânea, onde a quantidade e a
diversidade de dados são crescentes e seu significado e contexto são cada vez mais
valorizados e “interoperados” entre sistemas.
Os resultados obtidos demonstraram o potencial da ferramenta, ainda que
somente 20% dos resultados foram apresentados no formato esperado. No entanto, por
ser uma ferramenta em desenvolvimento e muito recente, naturalmente deverá ter
correções e ajustes até o lançamento de uma versão gold,
4
principalmente para o serviço
de assinatura pago, anunciado em fevereiro de 2023. Fundamentos de modelos
tradicionais de recuperação de informação na Web aparentam estar implementados na
ferramenta, mas poucos detalhes técnicos foram disponibilizados pela OpenIA até o
momento. A não reprodutibilidade das buscas, a fim de evitar o plágio, e questões éticas
precisam ser esclarecidas aos usuários, assim como as fontes de informação utilizadas.
Por fim, o ChatGPT demonstrou ser um recurso instigante de recuperação de
informação na Web, com vasto potencial de crescimento. Com as devidas informações
sobre critérios aplicados, fontes utilizadas e a inclusão de novos recursos de
recuperação de informação, em diferentes formatos, o ChatGPT certamente poderá
contribuir com o acesso, a recuperação e o reúso dos dados abertos, bem como a
recuperação de informação de outros domínios, apoiando os usuários em tarefas de
coleta e análise de dados. A integração com outros sistemas, via API, estende ainda mais
as possibilidades de intercâmbio de dados com o ChatGPT, cujas aplicações e impactos
devem ser acompanhados atentamente pelo profissional da informação.
4
Versão final, pronta para ser comercializada.
Nascimento Silva | Recuperação de informação na Web
19
Inf. Pauta, Fortaleza, CE, v. 8, 2023 | ISSN 2525-3468
REFERÊNCIAS
BAEZA-YATES, R.; RIBEIRO-NETO, B.
Recuperação de informação: conceitos e
tecnologia das máquinas de busca. 2. ed. Porto
Alegre: Bookman, 2013.
BARR, A.; FEIGENBAUM, E. The Handbook of
Artificial Intelligence. Boston: Addison
Wesley, 1981. v. 1.
CONEGLIAN, C. S. Recuperação da
informação com abordagem semântica
utilizando linguagem natural: a inteligência
artificial na ciência da informação. Tese
(Doutorado em Ciência da Informação) -
Universidade Estadual Paulista, São Paulo,
2020. Disponível em:
http://hdl.handle.net/11449/193051. Acesso
em: 19 fev. 2023.
FERNEDA, E. Recuperação de informação:
análise sobre a contribuição da Ciência da
Computação para a Ciência da Informação.
2003. 137 f. Tese (Doutorado em Ciências da
Comunicação) – Universidade de São Paulo,
São Paulo, 2003.
FERNEDA, E. Introdução aos Modelos
Computacionais de Recuperação de
Informação. Rio de Janeiro: Editora Ciência
Moderna Ltda. 2012.
FERNEDA, E. Recuperação de informação
(distância). Revisão. 2020. Disponível em:
https://www.marilia.unesp.br/Home/Instituic
ao/Docentes/EdbertoFerneda/ri-ead-12-
revisao.pdf. Acesso em: 19 fev. 2023.
FORBES. ChatGPT tem recorde de crescimento
da base de usuários. 2023. Disponível em:
https://forbes.com.br/forbes-
tech/2023/02/chatgpt-tem-recorde-de-
crescimento-da-base-de-usuarios/. Acesso em:
19 fev. 2023.
NHACUONGUE, Januário Albino. O campo da
Ciência da Informação: contribuições,
desafios e perspectivas da mineração de
dados para o conhecimento pós-moderno.
2015. 194 f. Tese (Doutorado) - Universidade
Estadual Paulista Júlio de Mesquita Filho,
Faculdade de Filosofia e Ciências, 2015.
OpenAI. ChatGPT: Otimizando modelos de
linguagem para diálogo. 2023. Disponível em:
https://openai.com/blog/chatgpt/. Acesso em:
17 fev. 2023.
QUEIROZ, T. D. S.; VALLS, V. M. O bibliotecário
analista de chatbot: as competências
desenvolvidas nos cursos presenciais de
bacharelado em biblioteconomia da cidade de
São Paulo. Revista Brasileira de
Biblioteconomia e Documentação, v. 18, p. 1-
25, 2022. Disponível em:
http://hdl.handle.net/20.500.11959/brapci/1
93951. Acesso em: 19 fev. 2023.
SILBERSCHATZ, A. et al. Sistema de Banco de
Dados. 5. ed. Rio de Janeiro: Elsevier, 2006.
SILVA, P. Resultados ChatGPT dados abertos -
Fevereiro 2023”. Mendeley Data, V1, 2023. DOI:
10.17632/ccdrbyn97g.1.
TECHTUDO. ChatGPT: entenda como funciona
o chatbot 'sabe-tudo' da OpenAI.
2022. Disponível em:
https://www.techtudo.com.br/listas/2022/12
/chatgpt-saiba-tudo-sobre-o-chatbot-que-usa-
ia-para-responder-perguntas.ghtml. Acesso em:
17 fev. 2023.
WU, X. et al. Data mining with big data. IEEE
Transactions on Knowledge and Data
Engineering, v. 26, n. 1, p. 97–107, 2014.