Delinéia: sistema de apoio ao delineamento de escopo temático no ensino superior

Rafael Antunes dos Santos; Eliseo Berni Reategui

doi:10.22477/x.ebbc.952

Autores

Rafael Antunes dos Santos Universidade Federal do Rio Grande do Sul (UFRGS) https://orcid.org/0000-0002-1529-9063
Eliseo Berni Reategui Universidade Federal do Rio Grande do Sul (UFRGS) https://orcid.org/0000-0002-5025-9710

DOI:

https://doi.org/10.22477/x.ebbc.952

Palavras-chave:

Análise de coocorrência de palavras, Inteligência artificial generativa, Delineamento de pesquisa, Educação superior, OpenAlex

Resumo

Este trabalho apresenta o Delinéia, um sistema educacional de código aberto que integra análise de coocorrência de palavras-chave com inteligência artificial generativa para apoiar estudantes do ensino superior no delineamento do escopo de seus projetos de pesquisa. O problema investigado é: como a avaliação automatizada de definições preliminares de um projeto (tema, questão de pesquisa e palavras-chave) pode apoiar estudantes no delineamento mais preciso do escopo de suas propostas? O sistema coleta metadados da base OpenAlex via API, processa tópicos indexados para construção de grafos de coocorrência com NetworkX e utiliza o modelo Gemini 2.5 Pro para gerar feedback personalizado. A avaliação segue abordagem mista, com instrumento baseado nos modelos TAM3 e UTAUT. Resultados preliminares indicam potencial para auxiliar na delimitação temática e no desenvolvimento de habilidades em buscas acadêmicas.

Biografia do Autor

Rafael Antunes dos Santos, Universidade Federal do Rio Grande do Sul (UFRGS)

Doutorando em Informática na Educação pelo Programa de Pós-Graduação em Informática na Educação da Universidade Federal do Rio Grande do Sul (PGIE/UFRGS). Mestre em Comunicação e Informação pelo Programa de Pós-Graduação em Comunicação e Informação da Universidade Federal do Rio Grande do Sul (PPGCOM/UFRGS). Bacharel em Biblioteconomia pela Universidade Federal do Rio Grande do Sul.

Eliseo Berni Reategui, Universidade Federal do Rio Grande do Sul (UFRGS)

Doutor em Computação pela Universidade de Londres, Inglaterra (UCL), Bolsista de Produtividade do CNPq em Desenvolvimento Tecnológico e Extensão Inovadora nível 2. É professor titular da Faculdade de Educação da Universidade Federal do Rio Grande do Sul (UFRGS), professor permanente do Programa de Pós-Graduação em Informática na Educação (PGIE-UFRGS), programa nível 7 da CAPES. Foi professor visitante da Escola de Educação da Universidade da Califórnia Irvine (CAPES/Fullbright, 2013), e professor visitante do Ontario Institute for Studies in Education (OISE) da Universidade de Toronto, Canadá (2023-2024), tratrabalhando com pesquisa na área de Inteligência Artificial na Educação. É editor associado do periódico IEEE Transactions on Learning Technologies e co-editor da Revista Novas Tecnologias na Educação - RENOTE. Foi coordenador adjunto da Câmara de Sociais e Humanidades da Área Interdisciplinar da CAPES nas Avaliações Quadrienais de 2017 e 2022. Coordena projetos com cooperação internacional envolvendo University College London (Inglaterra), Universidade de Cambridge (Inglaterra), Universidade de Toronto (Canadá) e Universidad de la República (Uruguai).

Referências

ARIA, M.; CUCCURULLO, C. bibliometrix: An R-tool for comprehensive science mapping analysis. Journal of Informetrics, v.11, n.4, p.959-975, 2017. DOI: https://doi.org/10.1016/j.joi.2017.08.007. Acesso em: 7 maio 2026.

AUSUBEL, D. P. The acquisition and retention of knowledge: a cognitive view. Dordrecht: Springer Science+Business Media, 2000. DOI: https://doi.org/10.1007/978-94-015-9454-7. Acesso em: 7 maio 2026.

BARDIN, L. Análise de conteúdo. São Paulo: Edições 70, 2011.

CALLON, M; COURTIAL, J.-P.; TURNER, W. A.; BAUIN, S. From translations to problematic networks: an introduction to co-word analysis. Social Science Information, v. 22, n. 2, p. 191-235, 1983. DOI: https://doi.org/10.1177/053901883022002003. Acesso em: 7 maio 2026.

CHANG, Y.; WANG, X.; WANG, J.; WU, Y.; YANG, L.; ZHU, K.; CHEN, H.; YI, X.; WANG, C.; WANG, Y.; YE, W.; ZHANG, Y.; CHANG, Y.; YU, P. S.; YANG, Q.; XIE, X. A survey on evaluation of large language models. ACM Transactions on Intelligent Systems and Technology, v.15, n.3, 2024. DOI: https://doi.org/10.1145/3641289. Acesso em: 7 maio 2026.

COOKSEY, R; MCDONALD, G. How do I scope, shape and configure my research project. In: SURVIVING and thriving in postgraduate research. Singapore: Springer, 2019. p. 417-501. DOI: https://doi.org/10.1007/978-981-13-7747-1_12. Acesso em: 7 maio 2026.

KUHLTHAU, C. C. Inside the search process: information seeking from the user’s perspective. Journal of the American Society for Information Science, v.42, n.5, p.361-371, 1991. DOI: https://doi.org/10.1002/(SICI)1097-4571(199106)42:5<361::AID-ASI6>3.0.CO;2-%23.Acesso em: 7 maio 2026.

LEI, G.; DOCHERTY, R.; COOPER, S. J. Materials science in the era of large language models: a perspective. Digital Discovery, v.3, n.7, p.1257, 2024. DOI: https://doi.org/10.1039/d4dd00074a. Acesso em: 7 maio 2026.

MILLER, G. A. The magical number seven, plus or minus two: some limits on our capacity for processing information. Psychological Review, Washington, v. 63, n. 2, p. 81-97, 1956. DOI: https://doi.org/10.1037/h0043158. Acesso em: 7 maio 2026.

PRIEM, J.; PIWOWAR, H.; ORR, R. OpenAlex: A fully-open index of scholarly works, authors, venues, institutions, and concepts. ArXiv, 2022. DOI: https://doi.org/10.48550/arXiv.2205.01833. Acesso em: 9 jan. 2026.

SANTOS, R. A; REATEGUI, E. B. Uso de inteligência artificial generativa e análise de palavras-chave para apoiar o planejamento de projetos de pesquisa no ensino superior. RELATEC: Revista Latinoamericana de Tecnología Educativa, v.24, n.2, p.87-104, 2025. DOI: https://doi.org/10.17398/1695-288X.24.2.87.

VENKATESH, V.; BALA, H. Technology Acceptance Model 3 and a research agenda on interventions. Decision Sciences, v. 39, n. 2, p. 273-315, 2008. DOI: https://doi.org/10.1111/j.1540-5915.2008.00192.x. Acesso em: 9 jan. 2026.

VENKATESH, V.; MORRIS, M. G.; DAVIS, G. B.; DAVIS, F. D. User acceptance of information technology: toward a unified view. MIS Quarterly, v. 27, n. 3, p. 425-478, 2003. DOI: https://doi.org/10.2307/30036540. Acesso em: 9 jan. 2026.

WILSON, T. D. Models of information behavior research. Journal of Documentation, v. 55, n. 3, p. 249-270, 1999. DOI: https://doi.org/10.1108/EUM0000000007145. Acesso em: 9 jan. 2026.