Array
(
[responseDate] => 2025-02-21T20:25:38Z
[request] => https://enancib.ancib.org/index.php/enancib/xxivenancib/oai
[GetRecord] => SimpleXMLElement Object
(
[record] => SimpleXMLElement Object
(
[header] => SimpleXMLElement Object
(
[identifier] => oai:ocs.enancib.ancib.org:paper/2438
[datestamp] => 2025-02-03T22:06:27Z
[setSpec] => enancib:xxivenancib:GT 8
)
[metadata] => SimpleXMLElement Object
(
[dc] => SimpleXMLElement Object
(
[title] => FERRAMENTAS DE INTELIGÊNCIA ARTIFICIAL APLICADAS À CURADORIA AUTOMATIZADA DE DADOS
[creator] => Array
(
[0] => Denise Fukumi Tsunoda; Universidade Federal do Paraná (UFPR)
[1] => André José Ribeiro Guimarães; Universidade Federal do Paraná (UFPR)
)
[description] => O crescimento exponencial da disponibilidade dos dados digitais tem gerado uma demanda crescente por soluções que permitam a curadoria eficiente e automatizada de grandes volumes de dados. Para mensurar o interesse da comunidade científica em ferramentas de IA para curadoria automatizada de dados, foram analisados 277 documentos publicados entre 2003 e 2023. O primeiro documento, de 2003, da área de bioinformática, e desde então, o número de publicações cresceu 19,75% ao ano, atingindo 65 em 2023. Este artigo revisa e compara ferramentas de Inteligência Artificial (IA) que podem ser utilizadas no suporte à curadoria automatizada de dados, incluindo GPT-4, IBM Watson, Google Cloud AutoML, Amazon Sagemaker, DataRobot, Alteryx, Microsoft Azure Machine Learning e SAS Viya. As ferramentas são avaliadas e comparadas com base em critérios tais como inovação tecnológica, versatilidade, facilidade de uso, integração com outros sistemas e eficácia. Cada uma oferece um conjunto específico de funcionalidades que contempla desde a limpeza e organização de dados até a análise preditiva e a extração de informações relevantes. Conclui-se que a escolha da ferramenta depende das necessidades específicas de cada aplicação e, muitas vezes, é necessário o uso de mais de uma ferramenta para que seja realizado o processo de curadoria de dados.
[publisher] => Enancib
[contributor] => Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
[date] => 2024-12-02 20:00:45
[type] => Documento avaliado pelos pares
[format] => application/pdf
[identifier] => https://enancib.ancib.org/index.php/enancib/xxivenancib/paper/view/2438
[source] => Enancib; XXIV ENCONTRO NACIONAL DE PESQUISA E PÓS-GRADUAÇÃO EM CIÊNCIA DA INFORMAÇÃO
[language] => pt
[rights] => Autores que submetem a esta conferência concordam com os seguintes termos:
a) Autores mantém os direitos autorais sobre o trabalho, permitindo à conferência colocá-lo sob uma licença Licença Creative Commons Attribution, que permite livremente a outros acessar, usar e compartilhar o trabalho com o crédito de autoria e apresentação inicial nesta conferência.
b) Autores podem abrir mão dos termos da licença CC e definir contratos adicionais para a distribuição não-exclusiva e subseqüente publicação deste trabalho (ex.: publicar uma versão atualizada em um periódico, disponibilizar em repositório institucional, ou publicá-lo em livro), com o crédito de autoria e apresentação inicial nesta conferência.
c) Além disso, autores são incentivados a publicar e compartilhar seus trabalhos online (ex.: em repositório institucional ou em sua página pessoal) a qualquer momento antes e depois da conferência.
)
)
)
)
)