Como tornar modelos de IA mais precisos, identificar a propagação acelerada de informações nas redes sociais e compreender a circulação de narrativas sobre jogos de azar?
Essas são algumas das questões investigadas por quatro pesquisas do Instituto Nacional de Ciência e Tecnologia em Inteligência Artificial Responsável para Linguística Computacional, Tratamento e Disseminação de Informação (INCT TILDIAR), que foram premiadas no 46º Congresso da Sociedade Brasileira de Computação (CSBC 2026). O evento foi realizado entre 19 e 23 de julho, em Gramado (RS).
Conheça, abaixo, os trabalhos do TILDIAR que foram destacados no evento. Em conjunto, eles abordam desafios centrais da inteligência artificial, como o desequilíbrio de bases de dados, a classificação automática de textos, a circulação de informações em plataformas digitais e a transparência e a reprodutibilidade científicas.
Computação em nuvem amplia capacidade de classificação de textos
Integrantes do INCT TILDIAR conquistaram o primeiro e o segundo lugares no concurso de teses e dissertações do 1º Simpósio de Infraestrutura Digital/Nuvem para Pesquisa (Pesquisa@Nuvem).
Promovido pela Rede Nacional de Ensino e Pesquisa (RNP), como evento satélite do CSBC, o simpósio incentiva estudos sobre o uso de infraestrutura computacional e serviços de computação em nuvem para ampliar a pesquisa científica.
Gabriel Prenassi e Leonardo Rocha representaram o grupo de pesquisa que conquistou o primeiro e o segundo lugares no concurso; Rocha que é coordenador de Comunicação do INCT TILDIAR, orientou os estudos. Arquivo pessoal
Classificação de textos em larga escala
O trabalho “Muitas Classes Desbalanceadas? Escale na Nuvem! Um Relato de Uso da AWS para Classificação de Texto com RAG-labels”, de de Celso França (UFMG), Leonardo Rocha (UFSJ), Marcos André Gonçalves (UFMG), conquistou o primeiro lugar na modalidade Pesquisa@Nuvem.
Eles enfrentaram um desafio frequente em tarefas de classificação automática: bases de dados em que algumas categorias possuem milhares de exemplos, enquanto outras apresentam poucos registros. Esse desequilíbrio pode prejudicar o reconhecimento das classes menos representadas nos modelos de classificação.
Para isso, foi adaptada uma técnica de Retrieval Augmented Generation (RAG), criando o RAG-labels. A abordagem acrescenta informações externas à descrição das categorias, permitindo que o modelo compreenda melhor cada classe antes da classificação. Os testes, realizados em ambiente de nuvem da Amazon Web Services (AWS), indicaram aumento da precisão e maior eficiência na execução dos experimentos.
Estratégias reduzem vieses em modelos de linguagem
O segundo lugar ficou com o trabalho “Relato de Experiência na Avaliação em Larga Escala de Estratégias de Undersampling para Redução de Viés em Classificação de Texto Baseada em SLMs/LLMs”, de Guilherme Fonseca do Nascimento, Gabriel Prenassi (UFSJ), Washington Cunha (Unicamp), Leonardo Rocha (UFSJ), Marcos André Gonçalves (UFMG).
Os cientistas avaliaram estratégias de undersampling, técnicas que buscam equilibrar as bases de treinamento ao reduzir, de forma controlada, exemplos das classes mais numerosas. A equipe comparou diferentes abordagens em modelos de linguagem pequenos (SLMs) e grandes (LLMs) para analisar como o balanceamento de dados influencia o aprendizado.
Os resultados mostram que a escolha da estratégia interfere diretamente na redução de vieses e no desempenho dos classificadores. Além disso, ajudam a identificar estratégias mais eficazes para equilibrar as bases de treinamento e reduzir vieses em sistemas de classificação automática.
Segundo Leonardo Rocha, o ambiente de nuvem da AWS foi fundamental para que um grande número de experimentos comparativos pudesse ser executado. Isso permitiu uma comparação justa e abrangente das diferentes estratégias. Leia aqui o artigo.
Padrões em vídeos sobre o jogo do Tigrinho
O trabalho “Narrativas de Jogos de Azar em Plataformas de Vídeo: Um Estudo Linguístico Temático do jogo do Tigrinho no YouTube” conquistou o terceiro lugar no Concurso de Trabalhos de Iniciação Científica. Na foto acima, o momento da entrega da premiação durante o CSBC 2026.
Mais de mil vídeos publicados no YouTube foram analisados. O objetivo era compreender como o jogo do Tigrinho é apresentado aos usuários. Os alunos Gabriel Prenassi (UFSJ) e Ana Cláudia Machado (UFSJ), com a colaboração do professor Carlos Henrique Gomes Ferreira (UFOP), sob orientação do professor Leonardo Rocha (UFSJ), combinaram técnicas de linguística computacional, processamento de linguagem natural e análise temática para identificar padrões nos discursos.
A análise revelou dois grupos principais de narrativas: vídeos promocionais, associados a estratégias de aposta e promessas de ganhos, e vídeos de conteúdo crítico, que abordam riscos, prejuízos financeiros e aspectos legais. O trabalho mostra que os conteúdos promocionais predominam na plataforma e que sua linguagem é mais simples e repetitiva. Já os vídeos críticos apresentam maior diversidade linguística e fazem referências mais frequentes a instituições e impactos sociais.
Além de revelar esses padrões, os cientistas buscaram identificar como métodos de inteligência artificial podem ajudar a investigar a circulação de narrativas em ambientes digitais. Como próximos passos, os autores sugerem ampliar a análise com elementos visuais e sonoros e desenvolver modelos automáticos para identificar diferentes tipos de conteúdo. Leia aqui o artigo completo.
Prêmio SOL reconhece pesquisa sobre disseminação de informações em redes sociais
O artigo “A Network-Driven Framework for Bidimensional Analysis of Information Dissemination on Social Media Platforms” conquistou o primeiro lugar na primeira edição do Prêmio SOL de Reprodutibilidade, concedido pela Sociedade Brasileira de Computação (SBC).
Desenvolvido por Geovana Oliveira, João Pedro Lobo, Otávio Venâncio, Vinícius da Fonseca Vieira, Jussara Almeida, Ana Paula Silva, Ronan Ferreira e Carlos Henrique Gomes Ferreira, o trabalho apresenta uma metodologia para identificar padrões de disseminação de informações em redes sociais.
Enquanto abordagens tradicionais analisam principalmente o volume de disseminação das contas nessas plataformas, a nova proposta segue outro caminho.
O professor Carlos Henrique Ferreira, orientador do trabalho, recebeu o certificado do Prêmio Sol – Acervo Pessoal-IA
“Ao combinar volume e velocidade, a abordagem oferece uma visão adicional da dinâmica das redes e amplia as possibilidades de investigação sobre comunicação digital, campanhas potencialmente coordenadas e desinformação”, afirma Carlos Henrique, que é professor da UFOP e líder da pesquisa.
O Prêmio SOL foi criado pela SBC para reconhecer artigos que se destacam pela transparência metodológica, pelo compartilhamento responsável de dados e pela integridade científica.
A metodologia foi avaliada com base em dados sobre eventos políticos brasileiros entre 2022 e 2023, coletados no X, antigo Twitter, e no Telegram. Os resultados revelaram padrões que não seriam identificados por abordagens tradicionais.
O estudo também disponibiliza códigos, documentação e resultados no repositório público da pesquisa, permitindo que outros pesquisadores reproduzam as análises. Segundo Ferreira, os dados foram compartilhados de forma a preservar a privacidade dos usuários, conciliando transparência e reprodutibilidade. Leia aqui o artigo original.
* A primeira foto desta página retrata a cerimônia da abertura do 46º Congresso da Sociedade Brasileira de Computação, o CSBC 2026 – Crédito: SBC Oficial
