Array
(
    [responseDate] => 2024-01-09T15:07:49Z
    [request] => https://revistas.ancib.org/index.php/tpbci/oai
    [GetRecord] => SimpleXMLElement Object
        (
            [record] => SimpleXMLElement Object
                (
                    [header] => SimpleXMLElement Object
                        (
                            [identifier] => oai:ojs.pkp.sfu.ca:article/617
                            [datestamp] => 2023-12-28T19:55:15Z
                            [setSpec] => tpbci:PE
                        )

                    [metadata] => SimpleXMLElement Object
                        (
                            [dc] => SimpleXMLElement Object
                                (
                                    [title] => Uso do Aprendizado de Máquina para a Classificação Automática de Documentos de Arquivo: experimento inicial em uma organização pública
                                    [creator] => Array
                                        (
                                            [0] => Watanabe, Eduardo
                                            [1] => Sousa, Renato Tarciso Barbosa de
                                        )

                                    [subject] => Array
                                        (
                                            [0] => Aprendizado de Máquina
                                            [1] => Processamento de Linguagem Natural
                                            [2] => Classificação automática de documentos
                                            [3] => Gestão de documentos
                                        )

                                    [description] => A evolução recente das tecnologias leva à seguinte pergunta de pesquisa: o aprendizado de máquina pode contribuir com a classificação automática de documentos de arquivo de uma organização pública? Os procedimentos metodológicos consistem na revisão de literatura e nas tarefas propostas pelo modelo CRISP-DM em um experimento com 4.800 documentos, divididos em 24 classes. Foram desenvolvidos 20 (vinte) modelos de aprendizagem supervisionada aplicados a três vocabulários criados (nomes de pessoas, lugares e tempo). O melhor resultado foi o F1 score de 0,870. É proposto um subprocesso específico para trabalhar o espaço de aperfeiçoamento do modelo de classificação com base na Ciência da Informação e Arquivologia.
                                    [publisher] => Associação Nacional Pesquisa em Ciência da Informação - ANCIB
                                    [date] => 2023-12-30
                                    [type] => Array
                                        (
                                            [0] => info:eu-repo/semantics/article
                                            [1] => info:eu-repo/semantics/publishedVersion
                                        )

                                    [format] => application/pdf
                                    [identifier] => https://revistas.ancib.org/index.php/tpbci/article/view/617
                                    [source] => Array
                                        (
                                            [0] => Tendências da Pesquisa Brasileira em Ciência da Informação; v. 16 (2023): Premiados Enancib - 2022
                                            [1] => 1983-5116
                                        )

                                    [language] => por
                                    [relation] => https://revistas.ancib.org/index.php/tpbci/article/view/617/564
                                    [rights] => Array
                                        (
                                            [0] => Copyright (c) 2023 Tendências da Pesquisa Brasileira em Ciência da Informação
                                            [1] => http://creativecommons.org/licenses/by-nc/4.0
                                        )

                                )

                        )

                )

        )

)