Pesquisas desenvolvidas por integrantes do Instituto Nacional de Ciência e Tecnologia em Inteligência Artificial Responsável para Linguística Computacional, Tratamento e Disseminação de Informação (INCT TILDIAR) receberam prêmios em eventos científicos realizados em outubro de 2026.
As conquistas incluem reconhecimentos em Cuiabá (MT), durante a programação do BRACIS, que reuniu três eventos da área, e no 32º Simpósio Brasileiro de Sistemas Multimídia e Web (WebMedia 2026), em Lavras (MG).
De 19 a 22 de outubro, Cuiabá sediou a 36ª Brazilian Conference on Intelligent Systems (BRACIS), o 14º Symposium on Knowledge Discovery, Mining and Learning (KDMiLe), dedicado à descoberta de conhecimento, mineração de dados e aprendizado, e a 15ª edição do Concurso Nacional de Teses e Dissertações em Inteligência Artificial e Computacional (CTDIAC). Nesse período, dois trabalhos vinculados ao Instituto receberam reconhecimento.
Washington Luiz Miranda da Cunha, professor da Universidade Estadual de Campinas (Unicamp), doutorado na UFMG, conquistou o terceiro lugar na categoria Tese de Doutorado do CTDIAC. Intitulada “A Comprehensive Exploitation of Instance Selection Methods for Automatic Text Classification: “Doing More with Less””. A tese foi orientada por Marcos André Gonçalves, do Departamento de Ciência da Computação (DCC) da UFMG, e coorientada por Leonardo Chaves Dutra da Rocha, da Universidade Federal de São João del-Rei (UFSJ).
O estudo investiga métodos para reduzir a quantidade de exemplos usados no treinamento de sistemas de classificação automática de textos, sem comprometer significativamente a qualidade dos resultados. A proposta busca diminuir o custo computacional do treinamento por meio da seleção de dados considerados mais relevantes.
Já o trabalho “Beyond Efficiency: The Impact of Instance Selection on Semantic Locality in Transformer-based Text Classification”, produzido por Karina Batista da Silva, mestranda do DCC UFMG, recebeu Menção Honrosa de Melhor Artigo. Orientado por Marcos André Gonçalves (DCC UFMG) e coorientado por Liziane Santos Soares, da Universidade Federal de Viçosa (UFV), foi examinado como diferentes técnicas de seleção de dados afetam a organização semântica de modelos de classificação de textos baseados em Transformers.
Outra Menção Honrosa, dessa vez na categoria Mestrado, foi concedida à dissertação “Leveraging LLMs for Explainable Recommender Systems: Exploring User Perceptions and Faithfulness in Generated Explanations”.
A autoria é de Ítallo de Sousa Silva, sob orientação do professor Leandro Balby Marinho, da Universidade Federal de Campina Grande (UFCG).
Eles identificaram limitações dos grandes modelos de linguagem na explicação de recomendações personalizadas. Embora esses modelos ampliem a satisfação dos usuários, ainda existem desafios a superar para tornar esses sistemas mais transparentes e confiáveis.
Engenharia de dados e IA responsável em debate no BRACIS
Outra pesquisa vinculada ao INCT TILDIAR que foi apresentada no BRACIS, no dia 20 de outubro, pelo professor Washington Cunha, que foi keynote speaker no BRACIS 2026. Na ocasião ele apresentou o trabalho “Sustainable and Responsible AI based on Data Engineering for Natural Language Processing”. Com o objetivo de reduzir custos computacionais e impactos ambientais, Cunha propõe soluções de engenharia de dados e de IA como alternativas ao modelo de desenvolvimento de grandes modelos de linguagem baseado no aumento de dados, hardware e consumo de energia.
WebMedia 2026 premia pesquisas do INCT TILDIAR
Realizado de 27 a 30 de outubro, em Lavras (MG), o WebMedia 2026 também reconheceu trabalhos de integrantes do Instituto. Dois conquistaram o primeiro lugar na categoria de artigo completo da trilha principal, e outro recebeu o prêmio de melhor artigo curto. As pesquisas abordam temas como circulação de conteúdos digitais, sistemas de recomendação e métodos de recuperação de informações.
Promovido anualmente pela Sociedade Brasileira de Computação (SBC), o simpósio reúne estudantes, pesquisadores e profissionais das áreas de Multimídia, Hipermídia e Web. Além das premiações, a participação do INCT TILDIAR incluiu apresentações e debates sobre os impactos dos grandes modelos de linguagem na ciência e a confiabilidade dos sistemas de inteligência artificial.
Palestra sobre a confiabilidade de sistemas de inteligência artificial
O professor Marcos André Gonçalves (DCC UFMG), coordenador do INCT TILDIAR, foi keynote speaker na tarde do dia 28 de outubro.
Na apresentação “Quando a acurácia engana – Uma perspectiva centrada em dados sobre a confiabilidade de sistemas de IA”, Marcos discutiu por que o bom desempenho de um sistema de inteligência artificial não garante, por si só, decisões confiáveis e adequadas ao uso. As escolhas feitas ao longo do pipeline de dados, da seleção e preservação de exemplos à interpretação e representação dos documentos, também influenciam o comportamento dos modelos e os resultados produzidos.
Ele abordou ainda a classificação de textos, o aprendizado contínuo, a interpretabilidade e a modelagem de tópicos. A apresentação destacou a importância de avaliar as evidências, monitorar os sistemas e considerar o contexto de uso de suas saídas, ou não. Cada vez mais é imprescindível garantir responsabilidade no desenvolvimento e na avaliação de sistemas de inteligência artificial, especialmente quando suas decisões afetam pessoas.
Painel discutiu impactos dos LLM na ciência e responsabilidade voltou à cena
“O futuro da pesquisa não passa pela IA substituir o cientista, mas pelo cientista saber usar a IA para transformar a ciência”.
No dia seguinte, 29 de outubro, o painel “LLMs estão mudando a pesquisa em Web e Multimídia – mas para melhor?” reuniu os pesquisadores (foto ao lado) Humberto Marques Neto (PUC MG), Marcos André Gonçalves (DCC UFMG), ambos do INCT TILDIAR, e Maria das Graças Pimentel (USP São Carlos).
A sessão foi moderada por Gustavo do Vale, professor da UFLA e membro do comitê organizador do simpósio.
A discussão reconheceu a potencialidade dos grandes modelos de linguagem (LLMs) para viabilizarem a investigação de novos problemas e até produzirem ciência de melhor qualidade, com resultados confiáveis. Mas deixou claro que se trata de uma ferramenta, não de um condutor ou “piloto”.
Ao lidar com grandes volumes de dados é importante gerar padrões e aperfeiçoar as perguntas feitas, agilizando o processo. Mas, o rigor metodológico, a originalidade e a ética científica são 100% humanas, reafirmaram os estudiosos da área. A perspectiva da IA Responsável pode ser vista como uma chave para os avanços. É ela que reforça a necessidade de avaliar os resultados, considerar as limitações dos modelos e refletir sobre as consequências do uso desses modelos na vida das pessoas.
E os impactos da inteligência artificial também envolvem a formação acadêmica. O uso dessas ferramentas na educação e na pesquisa exige ainda mais reflexão sobre ética, senso crítico e responsabilidade. Ele deve se refletir em transformação social. E nesse contexto o papel dos professores na orientação de seus alunos merece destaque. Inclusive usando a sabedoria acumulada com sua experiência.
Os painelistas reiteraram a importância de que os cientistas se perguntem sempre sobre “qual conhecimento queremos produzir daqui para frente?” A pergunta amplia a discussão sobre as possibilidades oferecidas pela IA para incluir critérios de qualidade na avaliação das contribuições dessas ferramentas à pesquisa e dos propósitos que devem orientar a produção científica.
Dois primeiros lugares na categoria artigo completo
O trabalho “Mapeando Pontes da Misoginia: Comunidades Temáticas e Circulação Tóxica no Reddit”, de Mateus Brito, Thiago Braga, Naan Vasconcelos, Elisa Tuler, Diego Roberto Colombo Dias (UFES) e Leonardo Rocha (UFSJ), recebeu o prêmio de melhor trabalho na categoria artigo completo da trilha principal. A pesquisa investiga comunidades temáticas e a circulação de conteúdos misóginos na plataforma Reddit.
Na mesma categoria, o artigo “Entre Expectativas e Experiências: Análise de Narrativas em Bets Regulamentadas no Brasil” também conquistou o primeiro lugar. O trabalho é de autoria de Karen Gomes, Samuel da Silva Guimarães, Nicolas Silva, João Francisco Hecksher Olivetti, Julio C. S. Reis, Marcos André Gonçalves e Fabrício Benevenuto (DCC UFMG).
Recuperação de informações recebe primeiro lugar
Na categoria artigo curto da trilha principal, o prêmio de melhor trabalho foi concedido a “Recuperando Perguntas em vez de Trechos: Uma Abordagem Question-Augmented RAG para Perguntas sobre Medicamentos”. Assinado por Claudio Moisés Valiense de Andrade, Raiane Asevedo, Isabella Schettini, Zilma Reis (MED) e Marcos André Gonçalves (DCC UFMG), o estudo apresenta uma abordagem de recuperação de informações voltada a perguntas sobre medicamentos.
Trabalhos de mestrado e iniciação científica
Na categoria Mestrado do Concurso de Teses e Dissertações, o terceiro lugar foi concedido ao trabalho “Aprendizado Federado Incremental e Sensível ao Risco para Modelos de Ranqueamento em Cenários com Distribuições Heterogêneas de Dados”, de Gestefane Rabbi Magalhães, Daniel Xavier de Sousa (UFG) e Marcos André Gonçalves (DCC UFMG).
Classificado também em terceiro lugar, mas na categoria Trabalhos de Iniciação Científica, ficou “Narrativas sobre o Jogo do Tigrinho no YouTube: Uma Análise de Temas, Linguagem e Engajamento“, de Gabriel Prenassi (UFSJ), Ana Cláudia Machado (UFSJ), Carlos Henrique Gomes Ferreira (UFOP) e Leonardo Rocha (UFSJ).
A categoria também concedeu menções honrosas a outros dois trabalhos vinculados a pesquisadores do Instituto.
“Tracing Cross-Platform Video Circulation: YouTube Links in Political Telegram Chats During the 2024 U.S. Election“, de Mateus Brito, Ester Souza, Thiago Braga e Leonardo Rocha (UFSJ), analisa a circulação de links de vídeos do YouTube em conversas políticas no Telegram durante a eleição presidencial dos Estados Unidos de 2024.
“Quando a Nota Não Conta Toda a História: Inconsistências entre Ratings e Reviews em Sistemas de Recomendação“, de Naan Vasconcelos, Yan Andrade, Adriano C. M. Pereira e Leonardo Rocha (UFSJ), investiga divergências entre avaliações numéricas e comentários de usuários em sistemas de recomendação.
Atualizada em 4/11/2026, às 11h.