Um Modelo de Aprendizado Profundo para a Descaracterização de Obras Digitais: Estudo de Caso no PNLD
Arquivos Digitais Descaracterizados; Ferramentas Tecnológicas; Método de Análise; Aprendizado profundo; Programa Nacional do Livro e do Material Didático.
A seleção imparcial de obras digitais, sem a influência de aspectos extrínsecos (e.g., identificação do autor e editor), é relevante para garantir a integridade e a equidade em um processo de avaliação. O Programa Nacional do Livro e do Material Didático (PNLD) é um exemplo de programa relevante no âmbito da educação básica, responsável por avaliar e selecionar os materiais didáticos utilizados em escolas públicas brasileiras. No entanto, na literatura científica, a desidentificação de obras no contexto educacional ainda não é explorada. Neste estudo, é propota a implementação e avaliação de um modelo de desidentificação de obras digitais com base em aprendizado profundo, utilizando técnicas tal como Bidirectional Long Short-Term Memory. Para a avaliação do modelo, é realizado um estudo de caso no PNLD. Portanto, nesta pesquisa, objetiva-se preencher essa lacuna temática e social, proporcionando um processo de inscrição mais eficiente e impessoal, além de explorar o potencial da inteligência artificial no campo educacional. No estudo de caso, uma nova base de dados criada com textos de obras digitais do PNLD será usada para o treinamento e teste do modelo de aprendizado profundo. Além disso, serão realizadas entrevistas com participantes do processo de validação de livros no PNLD com o objetivo de analisar a aceitação e utilidade deste tipo de solução.