Convergências em Ciência da Informação,
Universidade Federal de Sergipe, São Cristóvão.
v. 9, 2026: e24689. ISSN
2595
-
4768.
DOI:
10.33467/conci.v9i.24689
Large Language Models: contribuições para a
recuperação da informação em documentos
Large Language Models: contributions to information
retrieval in documents
Modelos de Lenguaje de Gran Escala: contribuciones a la
recuperación de información en documentos
Modèles linguistiques à grande échelle : contributions à
la recherche d'informations dans les documents
Daiane Campos Procópio
Mestra em Gestão e organização do Conhecimento
Universidade Federal de Minas Gerais (UFMG)
E-mail:
campos-daiane@ufmg.br
. ORCID:
0000-0002-9006-191X
Patrícia Nascimento Silva
Doutora em Gestão e organização do Conhecimento
Universidade Federal de Minas Gerais (UFMG)
E-mail:
patricians.prof@gmail.com
. ORCID:
0000-0002-2405-8536
Renato Rocha Souza
Doutor em Gestão e organização do Conhecimento
Universidade Federal de Minas Gerais (UFMG).
E-mail:
renato.rocha.souza@univie.ac.at
. ORCID:
0000-0002-1895-3905
Submetido em: 13/03/2026
Aprovado em: 18/08/2026
Publicado em:
18/09/2026
Artigo submetido ao sistema de similaridade
Direitos autorais das pessoas autoras, 2025. Licenciado sob
Licença
Creative Commons Atribuição 4.0 Internacional
(CC BY 4.0).
Artigo de revisão
RESUMO
A produção e o compartilhamento de informações em múltiplos
formatos têm crescido exponencialmente nas últimas décadas,
intensificando
os
desafios
relacionados
à
organização,
representação e recuperação da informação. Nesse contexto, os
Large
Language
Models
(LLMs)
emergem
como
tecnologias
capazes de aprimorar a busca semântica, interpretar consultas
em
linguagem
natural
e
gerar
respostas
contextualizadas,
ampliando
as
possibilidades
de
acesso
à
informação.
Assim,
esta
pesquisa
teve
como
objetivo
analisar,
na
literatura
científica,
o
uso
de
LLMs
na
recuperação
da
informação
em
documentos
textuais,
identificando
abordagens
metodológicas,
contextos
de
aplicação,
contribuições
e
limitações
apontadas
pelos
estudos.
Metodologicamente,
realizou-se
uma
revisão
narrativa da literatura, seguindo um protocolo, com buscas nas
bases
ACM
Digital
Library,
ScienceDirect,
Scopus
e
Web
of
Science.
Foram
selecionados
artigos
publicados
entre
2020
e
2024,
em
português
e
inglês,
com
acesso
aberto.
Após
a
aplicação dos critérios de inclusão e exclusão e a leitura integral
dos textos, 12 publicações compuseram o
corpus
de análise. Os
estudos
foram
organizados
em
quatro
eixos
temáticos:
automação de análises documentais em contextos regulatórios
e
institucionais;
desenvolvimento
de
métodos
e
modelos
de
recuperação
da
informação;
construção
e
enriquecimento
de
estruturas
de
conhecimento;
e
apoio
à
pesquisa
científica.
Conclui-se
que
os
LLMs
ampliam
a
capacidade
interpretativa
dos
sistemas
de
recuperação
da
informação,
embora
apresentem
limitações
relacionadas
a
vieses,
alucinações,
custos
computacionais
e
dependência
de
supervisão
humana,
demandando
investigações
futuras
sobre
transparência,
avaliação de desempenho e impactos éticos e sociais.
Palavras-chave:
documentos
textuais;
grandes
modelos
de
linguagem; recuperação da informação.
ABSTRACT
The production and sharing of
information
in
multiple
formats
have
grown
exponentially
in
recent
decades,
intensifying
challenges
related
to
information
organization,
representation
and
retrieval.
In
this
context,
Large
Language
Models
(LLMs)
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
2
Artigo de revisão
emerge as technologies capable of enhancing semantic search,
interpreting
natural
language
queries
and
generating
contextualized
responses,
thereby
expanding
possibilities
for
information
access.
Thus,
this
study
aimed
to
analyze,
within
the scientific literature, the use of LLMs in information retrieval
from
textual
documents,
identifying
methodological
approaches, application contexts, contributions, and limitations
reported in the studies. Methodologically, a narrative literature
review
was
conducted
following
a
rigorous
protocol,
with
searches carried out in the ACM Digital Library, ScienceDirect,
Scopus
and
Web
of
Science
databases.
Articles
published
between 2020
and 2024,
in Portuguese and English, available
through open access were selected. After applying the inclusion
and
exclusion
criteria
and
performing
full-text
reading,
12
publications composed the
corpus
of analysis. The studies were
organized
into
four
thematic
axes:
automation
of
document
analysis
in
regulatory
and
institutional
contexts;
development
of information retrieval methods and models; construction and
enrichment of knowledge structures; and support for scientific
research. It is concluded that LLMs enhance the interpretative
capacity
of
information
retrieval
systems,
although
they
still
present
limitations
related
to
biases,
hallucinations,
computational
costs
and
dependence
on
human
supervision,
requiring
further
research
on
transparency,
performance
evaluation and ethical and social impacts.
Keywords
:
information
retrieval;
large
language
models;
textual documents.
RESUMEN
La
producción
y
el
intercambio
de
información
en
múltiples
formatos han crecido exponencialmente en las últimas décadas,
intensificando
los
desafíos
relacionados
con
la
organización,
representación
y
recuperación
de
la
información.
Los
Large
Language Models (LLMs) emergen como tecnologías capaces de
mejorar
la
búsqueda
semántica,
interpretar
consultas
en
lenguaje
natural
y
generar
respuestas
contextualizadas,
ampliando
las
posibilidades
de
acceso
a
la
información.
Así,
esta investigación tuvo como objetivo analizar, en la literatura
científica, el uso de los LLMs en la recuperación de información
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
3
Artigo de revisão
en
documentos
textuales,
identificando
enfoques
metodológicos,
contextos
de
aplicación,
contribuciones
y
limitaciones señaladas por los estudios. Metodológicamente, se
realizó
una
revisión
narrativa
de
la
literatura,
siguiendo
un
protocolo riguroso, con búsquedas en las bases
de datos ACM
Digital
Library,
ScienceDirect,
Scopus
y
Web
of
Science.
Se
seleccionaron
artículos
publicados
entre
2020
y
2024,
en
portugués e inglés, de acceso abierto. Tras la aplicación de los
criterios
de
inclusión
y
exclusión
y
la
lectura
completa
de
los
textos, 12 publicaciones conformaron el corpus de análisis. Los
estudios
se
organizaron
en
cuatro
ejes
temáticos:
automatización
del
análisis
documental
en
contextos
regulatorios e institucionales; desarrollo de métodos y modelos
de
recuperación
de
la
información;
construcción
y
enriquecimiento
de estructuras de conocimiento;
y
apoyo a
la
investigación
científica.
Se
concluye
que
los
LLMs
amplían
la
capacidad interpretativa de los sistemas de recuperación de la
información,
aunque
presentan
limitaciones
relacionadas
con
sesgos,
alucinaciones,
costos
computacionales
y
dependencia
de
supervisión
humana,
lo
que
demanda
futuras
investigaciones sobre transparencia, evaluación del desempeño
e impactos éticos y sociales.
Palabras
clave:
documentos
textuales;
grandes
modelos
de
lenguaje; recuperación de la información.
RESUMÉ
La
production
et
le
partage
d’informations
sous
de
multiples
formats
ont
connu
une
croissance
exponentielle
au
cours
des
dernières
décennies,
ce
qui
a
accentué
les
défis
liés
à
l’organisation,
à
la
représentation
et
à
la
recherche
d’informations.
Dans
ce
contexte,
les
grands
modèles
linguistiques
(LLM)
apparaissent
comme
des
technologies
capables d’améliorer la recherche sémantique, d’interpréter des
requêtes
en
langage
naturel
et
de
générer
des
réponses
contextualisées,
élargissant
ainsi
les
possibilités
d’accès
à
l’information. Ainsi, cette étude visait à analyser, au sein de la
littérature
scientifique,
l’utilisation
des
LLM
dans
la
recherche
d’informations à partir de documents textuels, en identifiant les
approches
méthodologiques,
les
contextes
d’application,
les
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
4
Artigo de revisão
contributions
et
les
limites
rapportées
dans
les
études.
Sur
le
plan méthodologique, une revue narrative de la littérature a été
menée
selon
un
protocole
rigoureux,
avec
des
recherches
effectuées
dans
les
bases
de
données
ACM
Digital
Library,
ScienceDirect,
Scopus
et
Web
of
Science.
Des
articles
publiés
entre 2020 et 2024, en portugais et en anglais, disponibles en
libre accès, ont été sélectionnés. Après application des critères
d’inclusion
et
d’exclusion
et
lecture
intégrale
des
textes,
12
publications
ont
constitué
le
corpus
d’analyse.
Les
études
ont
été organisées en quatre axes thématiques: l’automatisation de
l’analyse
documentaire
dans
des
contextes
réglementaires
et
institutionnels;
le
développement
de
méthodes
et
de
modèles
de recherche d’informations; la construction et l’enrichissement
de
structures
de
connaissances;
et
le
soutien
à
la
recherche
scientifique. Il en ressort que les grands modèles linguistiques
(LLM)
améliorent
la
capacité
d’interprétation
des
systèmes
de
recherche
d’informations,
bien
qu’ils
présentent
encore
des
limites liées aux biais, aux hallucinations, aux coûts de calcul et
à
la
dépendance
vis-à-vis
de
la
supervision
humaine,
ce
qui
nécessite des recherches supplémentaires sur la transparence,
l’évaluation
des
performances
et
les
impacts
éthiques
et
sociaux.
Mots-clés:
recherche
d’informations;
grands
modèles
linguistiques; documents textuels.
1 INTRODUÇÃO
A
produção
e
o
compartilhamento
de
informações
em
múltiplos
formatos
têm
crescido
de
forma
exponencial
nas
últimas
décadas,
configurando
a
era
do
Big
Data
.
Conforme
destacam Isson e Harriott (2016), esse fenômeno
caracteriza-
se
pelo
grande
volume,
variedade
e
velocidade
com
que
os
dados são gerados, o que dificulta sua análise e compreensão
de
maneira
eficiente.
Nesse
contexto
de
sobrecarga
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
5
Artigo de revisão
informacional,
termos
como
“infoxicação”
e
“infodemia”
passaram a ser utilizados para descrever o cansaço cognitivo e
a
dificuldade
de
localizar
informações
precisas.
Tal
cenário
impõe
desafios
significativos
à
seleção,
à
organização
e
ao
acesso à informação, reforçando a importância de mecanismos
eficazes
de
gestão
e
recuperação
da
informação
(Bawden;
Robinson,
2008;
Coneglian;
Gonçalves;
Santarém
Segundo,
2017; Oliveira
et al.
, 2021).
No
campo
da
Ciência
da
Informação
(CI),
essas
transformações
impactam
diretamente
os
processos
de
organização,
representação
e
recuperação
da
informação.
Grande parte dos sistemas de recuperação da informação, por
exemplo,
é
fundamentada
em
modelos
baseados
na
correspondência de palavras-chave (Baeza-Yates; Ribeiro-Neto,
2013),
enfrentando
limitações
diante
de
consultas
formuladas
em linguagem natural, ambíguas ou dependentes de contexto.
Nesse cenário, os
Large Language Models
(LLMs) surgem
como
uma
solução
tecnológica
de
grande
potencial.
Ao
permitirem buscas semânticas e interpretações contextuais, os
LLMs
representam
uma
inovação
relevante
para
o
campo
da
Recuperação
da
Informação.
Sua
aplicação
no
contexto
de
documentos
pode
abrir
novas
possibilidades
de
acesso
à
informação, tornando-o mais eficiente (Procópio, 2025).
Assim,
esta
pesquisa
se
propõe
a
responder
à
seguinte
questão:
como
os
Large
Language
Models
têm
sido
utilizados
na recuperação da informação em documentos textuais?
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
6
Artigo de revisão
O
objetivo
geral
desta
pesquisa
consiste
em
analisar,
na
literatura
científica,
o
uso
de
LLMs
na
recuperação
da
informação
em
documentos
textuais.
Como
objetivos
específicos,
buscou-se:
a)
mapear
as
principais
abordagens
metodológicas
empregadas
e(b)
identificar
os
contextos
de
aplicação
dos
LLMs
na
recuperação
de
informações
em
documentos.
Esta pesquisa justifica-se para aprofundar o diálogo entre
a
CI
e
a
Inteligência
Artificial
(IA).
Ao
investigar
o
papel
das
tecnologias
emergentes
nos
processos
de
recuperação
da
informação,
o
estudo
amplia
a
compreensão
sobre
as
transformações
que
tais
tecnologias
promovem
no
campo,
fortalecendo
a
articulação
interdisciplinar
e
a
inovação
nas
práticas informacionais.
Como
contribuições,
o estudo
propõe oferecer uma visão
sistematizada
da
produção
científica
recente
sobre
o
tema,
destacando
tendências,
desafios
e
lacunas
ainda
pouco
exploradas.
Ao
discutir
criticamente
as
potencialidades
e
limitações
dos
LLMs
na
recuperação
da
informação
em
documentos, a pesquisa busca fornecer subsídios para futuras
investigações e para o desenvolvimento de aplicações alinhadas
às demandas da CI.
Por
fim,
destaca-se
que
este
estudo
deriva
de
uma
pesquisa de mestrado realizada no Programa de Pós-Graduação
em
Gestão
e
Organização
do
Conhecimento
da
Universidade
Federal
de
Minas
Gerais,
a
qual
amplia
e
aprofunda
as
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
7
Artigo de revisão
discussões
acerca
da
aplicação
de
LLMs
na
recuperação
da
informação em documentos textuais digitalizados.
2
LARGE LANGUAGE MODELS
Os
chatbots
que ganharam popularidade nos últimos anos,
como
o
ChatGPT,
Gemin
i
e
Microsoft
Copilot,
são
aplicações
derivadas de um subcampo da IA conhecido como Inteligência
Artificial
Generativa
(IAG).
De
acordo
com
Ozdemir
(2025),
LLMs são:
Modelos
de
IA
que
geralmente
(mas
não
necessariamente)
são
derivados
da
arquitetura
Transformer
e
são
projetados
para
analisar
e
gerar
linguagem,
código
e
muito
mais.
Esses
modelos
são
treinados
em
grandes
quantidades
de dados
de
texto,
permitindo-lhes
capturar
as
complexidades
e
nuances
da
linguagem
humana.
Os
LLMs
podem
realizar
uma
ampla gama de tarefas relacionadas ao idioma, desde a
simples
classificação
de
texto
até
a
geração
de
texto,
com alta precisão, fluência e estilo (Ozdemir, 2025, p.
11, tradução dos autores).
O
funcionamento
dos
LLMs
envolve
o
treinamento
em
grandes
volumes
de
dados
textuais
de
diversas
fontes,
como
sites
, livros, redes sociais e vídeos transcritos, com o objetivo
de prever a sequência de palavras em diferentes contextos. A
capacidade
desses
modelos
está
relacionada
ao
número
de
parâmetros,
que
pode
alcançar
trilhões.
Esses
parâmetros
representam
o
que
o
modelo
aprende
a
partir
dos
dados
durante
o
treinamento,
e
quanto
mais
parâmetros
ele
possui,
maior
é
a
sua
capacidade
de
capturar
padrões
e
gerar
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
8
Artigo de revisão
respostas
mais
precisas.
Após
o
pré-treinamento,
esses
modelos
passam
por
uma
etapa
chamada
fine-tuning
(ajuste
fino), na qual eles são refinados com dados mais específicos e
com
métodos
como
Aprendizagem
por
Reforço
com
Feedback
Humano
(
Reinforcement
Learning
With
Human
Feedback
),
buscando
alinhar
as
respostas
do
modelo
às
expectativas
de
seus
usuários.
O
objetivo
dessa
etapa
pode
variar
desde
o
refinamento de habilidades conversacionais até o desempenho
em
tarefas
como
programação,
resolução
de
problemas
matemáticos
ou
aprovação
em
exames
profissionais
(Amaratunga, 2023; Stratis, 2024).
Porém,
apesar
de
todos
os
benefícios,
ainda
há
desafios
importantes que precisam ser superados. Como esses modelos
são
treinados
com
grandes
volumes
de
texto
disponíveis
na
internet
,
eles
acabam
absorvendo
e
reproduzindo
padrões
problemáticos,
incluindo
discursos
preconceituosos
e
informações
falsas.
Além
disso,
os
modelos
podem
cometer
erros, gerando respostas incorretas ou descontextualizadas que
parecem
convincentes,
fenômeno
conhecido
como
alucinação.
Essas
falhas
ocorrem
porque
os
LLMs
não
compreendem
o
conteúdo como humanos, mas apenas tentam prever a próxima
palavra
com
base
em
padrões
estatísticos
(Dhamani;
Engler,
2024).
Outro
desafio
refere-se
ao
crescente
uso
de
dados
sintéticos
para
o
treinamento
de
LLMs.
Eles
ajudam
a
reduzir
problemas
como
a
falta
de
dados
disponíveis,
questões
de
privacidade e a baixa representatividade de determinados tipos
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
9
Artigo de revisão
de
dados
nos
conjuntos
de
treinamento.
No
entanto,
quando
são
gerados
por
outros
modelos
de
IA,
também
podem
reproduzir
erros,
vieses
e
informações
incorretas.
Se
esses
dados
forem
utilizados
para
treinar
novos
modelos,
esses
problemas
podem
continuar
sendo
reproduzidos,
afetando
a
qualidade
e
a
confiabilidade
das
respostas.
Desse
modo,
os
dados sintéticos não devem substituir completamente os dados
reais,
mas
ser
utilizados
de
forma
complementar
e
avaliados
sempre
que
possível
(Jesus;
Algarve;
Santarém
Segundo,
2026).
3 METODOLOGIA
Para
esta
pesquisa,
optou-se
pela
revisão
narrativa
da
literatura, pois esse método oferece uma visão geral do tema,
sem a pretensão de cobrir tudo, já que não segue uma busca
rigorosamente
sistemática,
e
seu
valor
está
em
permitir
uma
atualização
rápida
sobre
o
assunto
(Cavalcante;
Oliveira,
2020). Seu protocolo foi baseado em Nascimento Silva (2023).
As
bases
de
dados
científicas
selecionadas
para
a
realização
das
buscas
foram
a
ACM
Digital
Library,
ScienceDirect,
Scopus
e
Web
of
Science.
A
escolha
dessas
fontes
fundamenta-se em sua reconhecida qualidade científica
e cobertura multidisciplinar. Essas bases reúnem periódicos de
alto
impacto,
proporcionando
acesso
a
estudos
relevantes
e
atualizados em diversas áreas do conhecimento.
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
10
Artigo de revisão
Como critérios de inclusão, foram selecionados artigos de
pesquisas publicados entre 2020 e 2024 nos idiomas português
e
inglês
e
com
acesso
aberto
ao
seu
conteúdo
por
meio
do
Portal
de
Periódicos
da
CAPES.
A
escolha
por
artigos
com
resultados
de
pesquisas
ajuda
a
garantir
a
qualidade
e
a
confiança
nas
informações
analisadas.
A
opção
por
selecionar
apenas trabalhos publicados entre 2020 e 2024 justifica-se pela
rápida
evolução
das
tecnologias
de
LLMs,
impulsionadas
por
pesquisas
recentes.
Já
a
opção
por
textos
em
português
e
inglês
amplia
o
número
de
fontes,
sem
comprometer
a
viabilidade da análise pela autora. Por fim, a opção por fontes
de
acesso
aberto
tem
como
objetivo
viabilizar
a
leitura
na
íntegra das publicações.
Como
critérios
de
exclusão,
foram
descartados
trabalhos
que tratem de LLMs sem o foco na recuperação da informação
em documentos textuais e publicações repetidas.
Os
procedimentos
da
pesquisa
envolveram
a
elaboração
da
string
de
busca
com
o
uso
de
operadores
booleanos
e
termos
em
português
e
inglês
relacionados
aos
LLMs
e
à
recuperação da informação em documentos, incluindo variações
terminológicas
para
abranger
diferentes
formas
de
expressão
sobre
o
tema.
O
Quadro
1
apresenta
uma
síntese
da
metodologia
adotada
para
a
revisão
narrativa
da
literatura
neste estudo.
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
11
Artigo de revisão
Quadro 1 –
Metodologia para a revisão narrativa de literatura
|
Metodologia
|
|
Publicações
selecionadas
|
Artigos
|
|
Recorte temporal
|
2020-2024
|
|
Bases de dados
|
ACM Digital Library, ScienceDirect, Scopus
e Web of Science
|
|
Idioma
|
Português e inglês
|
|
Tipo de acesso
|
Acesso aberto
|
|
String
de busca
|
(("large language models" OR LLM OR
"modelos de linguagem de larga escala")
AND ("information retrieval" OR
"recuperação da informação") AND
("semantic search" OR "busca semântica")
AND (documents OR documentos))
|
|
Data de execução
|
30 de julho de 2025
|
Fonte:
elaborado pelos autores, 2025.
Em
seguida,
foi
realizada
a
leitura
dos
títulos
e
resumos
para verificar se os artigos abordavam a temática do estudo.
3.1 Resultados da busca
A estratégia de busca foi realizada nas bases ACM Digital
Library,
ScienceDirect,
Scopus
e
Web
of
Science,
utilizando
a
string
de
busca definida e
filtros
específicos, como período de
publicação,
acesso
aberto,
idioma
e
tipo
de
documento.
Ao
todo,
foram
recuperadas
73
publicações.
Após
a
identificação
de
4
registros
duplicados,
restaram
69
estudos
para
análise
inicial. Em seguida, com base nos critérios de elegibilidade e na
leitura de títulos e resumos, 57 publicações foram excluídas por
não
estarem
alinhadas
ao
foco
da
pesquisa.
Dessa
forma,
12
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
12
Artigo de revisão
estudos
foram
selecionados
para
leitura
completa
e
análise,
conforme ilustrado na Figura 1.
Figura 1 –
Estratégia de busca
Fonte:
elaborado pelos autores, 2025.
O Quadro 2 apresenta as 12 publicações selecionadas por
terem
atendido
aos
critérios
pré-estabelecidos,
com
seus
respectivos identificadores, títulos, autores, anos de publicação,
temáticas principais e organizadas por base científica.
Quadro 2 –
Publicações selecionadas
|
I
D
|
Título
|
Autores
|
Ano
|
Tema(s)
|
Base
|
|
1
|
AgraBOT:
Accelerating
Third-Party
Security Risk
Management in
Enterprise
Setting through
|
Mert
Toslali
et
al.
|
202
4
|
Retrievel-
Augmented
-
Generation
(RAG)
|
ACM Digital
Library
|
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
13
Artigo de revisão
|
Generative AI
|
|
2
|
Scalable Range
Search over
Temporal and
Numerical
Expressions
|
Vebjørn
Ohr e
Dhruv
Gupta
|
202
4
|
Busca
semântica,
Question and
Answering
(Q&A)
1
|
ACM Digital
Library
|
|
3
|
A framework
enabling LLMs
into regulatory
environment for
transparency and
trustworthiness
and its
application to
drug labeling
document
|
Leihong
Wu
et al.
|
202
4
|
Busca
semântica,
Q&A e RAG
|
ScienceDirec
t
|
|
4
|
A platform-based
Natural
Language
processing-
driven strategy
for digitalising
regulatory
compliance
processes for the
built
environment
|
Ruben
Kruiper
et
al.
|
202
4
|
Processament
o de
Linguagem
Natural (PLN),
web
semântica
e ML
|
ScienceDirec
t
|
|
5
|
A Zero-Shot
Strategy for
Knowledge
Graph
Engineering
Using GPT-3.5
|
Salvatore
Carta
et
al.
|
202
4
|
Knowledge
Graphs
2
|
ScienceDirec
t
|
|
6
|
AI-based
decision support
system for public
procurement
|
Lucia
Siciliani
et al.
|
202
3
|
Busca
semântica e
PLN
|
ScienceDirec
t
|
|
7
|
Automated
Category and
Trend Analysis of
Scientific Articles
on
Ophthalmology
Using Large
|
Hina Raja
et al.
|
202
4
|
Classificação
de textos
|
ScienceDirec
t
|
1
No português,
Perguntas e Respostas.
2
No português, Grafos do Conhecimento.
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
14
Artigo de revisão
|
Language
Models:
Development
and
Usability Study
|
|
8
|
OLAF: An
Ontology
Learning Applied
Framework
|
Marion
Schaeffer
et al.
|
202
3
|
Ontologias
|
ScienceDirec
t
|
|
9
|
Recommendation
system of
scientific articles
from discharge
summaries
|
Adrián
Alonso
Barriuso
et al.
|
202
4
|
Sistema de
recomendação
e busca
semântica
|
ScienceDirec
t
|
|
10
|
Blended RAG:
Improving RAG
(Retriever-
Augmented
Generation)
Accuracy with
Semantic Search
and Hybrid
Query-Based
Retrievers
|
Kunal
Sawarkar
,
Abhilasha
Mangal e
Shivam
Raj
Solanki
|
202
4
|
RAG, busca
semântica e
Q&A
|
Scopus
|
|
11
|
Extractive Search
for Analysis of
Biomedical Texts
|
Daniel
Clothiaux
e Ravi
Starzl
|
202
2
|
Q&A e
filtragem de
documentos
|
Scopus
|
|
12
|
Seven Failure
Points When
Engineering a
Retrieval
Augmented
Generation
System
|
Scott
Barnett
et al.
|
202
4
|
RAG
|
Scopus
|
Fonte:
elaborado pelos autores, 2025.
Depois
da
triagem
e
da
leitura
integral
dos
documentos,
procedeu-se
à
síntese
dos
textos,
selecionados
de
forma
analítica pelos autores, apresentada na próxima seção.
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
15
Artigo de revisão
3.2
Large Language Models
e recuperação da informação
em documentos textuais
Nesta seção,
são apresentados estudos que
investigam
o
uso
de
LLMs
na
recuperação
da
informação
em
documentos
textuais.
As
pesquisas
destacam
o
potencial
desses
modelos
para lidar com grandes volumes de dados, substituindo tarefas
feitas manualmente por um processo automatizado e ágil. Para
alcançar
esse
objetivo,
foram
adotadas
diferentes
abordagens
metodológicas,
incluindo
a
criação
de
frameworks
e
o
uso
de
técnicas
de
IA,
como
Processamento
de
Linguagem
Natural
(PLN)
e
Machine
Learning
(ML).
Apesar
das
variações,
as
pesquisas
apontam
para
o
mesmo
propósito:
transformar
a
difícil
tarefa
de
buscar
informações
em
grandes
acervos
em
algo mais rápido, preciso, confiável e automatizado.
Toslali
et
al.
(2024)
[ID
1]
desenvolveram
o
AgraBOT,
uma
ferramenta
baseada
em
IAG
e
RAG,
com
o
objetivo
de
automatizar
e
acelerar
o
processo
de
avaliação
de
riscos
de
segurança
na
contratação
de
serviços
de
empresas
terceirizadas. O sistema foi capaz de reduzir o tempo médio de
análise
de
documentos
de
vários
dias
para
apenas
quatro
minutos, oferecendo uma interface amigável e permitindo que
os
avaliadores
forneçam
feedback
sobre
as
respostas
geradas
pelo
sistema.
A
solução
não
tem
a
intenção
de
substituir
os
avaliadores
de
riscos,
mas
de
apoiá-los
na
análise
dos
documentos,
que
incluem
relatórios
de
segurança
e
questionários técnicos.
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
16
Artigo de revisão
Ohr e Gupta
(2024)
[ID 2]
criaram o sistema Nash
para
realizar buscas por intervalos de tempo (períodos do tempo) e
numéricos (faixa de valores) expressos em linguagem natural.
O principal desafio abordado é a recuperação da informação a
partir de expressões ambíguas, como “início dos anos 2000” ou
“cerca
de
10%”.
Para
isso,
o
sistema
utiliza
curvas
z-order
,
uma
técnica
baseada
em
geometria
e
hashing
que
permite
representar
e
indexar
essas
expressões
como
regiões
bidimensionais,
facilitando
consultas
por
operadores
como
“contém” e “próximo”. Em testes com grandes bases de dados,
incluindo
Wikipédia
e
Common
Crawl,
o
Nash
demonstrou
desempenho
superior
às
abordagens
de
recuperação
da
informação
tradicionais,
além
de
exigir
menos
espaço
de
armazenamento.
Wu
et al.
(2024) [ID 3] propõem um
framework
chamado
AskFDALabel,
desenvolvido
para
integrar
LLMs
ao
ambiente
regulatório
da
Food
and
Drug
Administration,
com
foco
em
transparência,
segurança e adaptabilidade. A
solução combina
busca
semântica
com
geração
de
texto
baseada
em
RAG,
permitindo
consultas
eficazes
a
documentos
sobre
medicamentos.
Kruiper
et
al.
(2024)
[ID
4]
apresentam
a
plataforma
i-
ReC
(Intelligent
Regulatory
Compliance)
como
solução
para
digitalizar o processo de conformidade regulatória no setor de
construção
civil
do
Reino
Unido.
Partindo
dos
problemas
apontados no Relatório Hackitt (2018), o estudo destaca o uso
de
técnicas
de
PLN,
ML
e
web
semântica
para
extrair
e
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
17
Artigo de revisão
processar automaticamente requisitos normativos de centenas
de
documentos
regulatórios.
Entre
os
recursos
desenvolvidos,
estão
o
SPaR.txt,
uma
ferramenta
para
identificar
expressões
complexas,
e
um
sistema
de
busca
semântica
que
também
apresentou
bons
resultados.
Os
autores
abordam,
ainda,
a
criação
de
um
grafo
de
conhecimento
com
termos
técnicos
extraídos automaticamente,
o que melhora a recuperação
das
informações e a interoperabilidade entre ferramentas.
Carta
et al.
(2024) [ID 5] mostram uma abordagem para
a
construção
e
o
enriquecimento
de
grafos
de
conhecimento
utilizando
o
GPT-3.5
em
modo
zero-shot
,
ou
seja,
sem
a
indicação
de
exemplos
nos
prompts
.
A
metodologia
baseia-se
em
uma
sequência
de
prompts
estruturados
que
permitem
extrair
entidades,
seus
tipos,
suas
descrições
e
seus
relacionamentos
em
formato
de
triplas
(sujeito-predicado-
objeto).
Os
resultados
mostram
alta
precisão
na
identificação
de entidades e relações, além da capacidade de enriquecimento
semântico
dos
grafos
de
conhecimento,
especialmente
em
domínios com pouco suporte de bases de conhecimento.
Siciliani
et
al.
(2023)
[ID
6]
propõem
a
criação
de
um
sistema de apoio à decisão voltado para a gestão de compras
públicas, com foco na análise de dados textuais estruturados e
não estruturados de licitações. A solução integra IA e PLN para
permitir
buscas
semânticas,
extração
de
informações
em
triplas,
resumos
automáticos
e
visualizações
em
painéis
interativos. A avaliação com servidores públicos mostrou bons
índices
de
usabilidade
e
demonstrou
o
potencial
da
IA
para
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
18
Artigo de revisão
tornar
os
processos
de
compras
públicas
mais
transparentes,
eficientes e acessíveis a usuários sem conhecimento técnico na
área.
Raja
et
al.
(2024)
[ID
7]
propõem
um
sistema
automatizado
baseado
em
LLMs
para
classificar
artigos
científicos e identificar tendências na área de oftalmologia, com
aplicação
em
revisões
de
literatura.
Os
testes
demonstraram
que
o
modelo
é
eficiente,
adaptável
a
outras
áreas
e
mais
rápido que a classificação manual de publicações científicas.
Schaeffer
et al.
(2023) [ID 8] elaboraram um
framework
modular
e
automatizado
para
a
construção
de
ontologias
a
partir
de
textos
não
estruturados.
O
OLAF
abrange
todo
o
processo
de
aprendizagem
de
ontologias,
desde
o
pré-
processamento
até
a
extração
de
axiomas,
incorporando
técnicas de PLN, enriquecimento com fontes externas, como o
WordNet, e métodos como a análise formal de conceitos, além
de priorizar a automação, reduzindo ao máximo a intervenção
humana.
O
framework
foi
testado
na
construção
de
uma
ontologia para um mecanismo de busca semântica de produtos
técnicos.
Os
resultados
mostraram
uma
boa
capacidade
de
extração de conceitos, mas dificuldades na extração de relações
e
axiomas,
principalmente
devido
a
ruídos
gerados
no
pré-
processamento
e
à
limitação
das
técnicas
de
extração
de
relações.
Barriuso
et al.
(2024) [ID 9] apresentam o MELENDI, um
sistema
de
recomendação
de
artigos
científicos
voltado
a
profissionais
da
saúde,
que
utiliza
resumos
de
alta
hospitalar
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
19
Artigo de revisão
como
base
para
identificar
diagnósticos
e
sugerir
publicações
relevantes.
O
sistema
combina
modelos
de
similaridade
semântica
e
estimativas
automáticas
de
relevância,
considerando tanto o conteúdo dos diagnósticos quanto fatores
como
reputação
dos
autores
e
número
de
citações.
A
ferramenta
demonstrou
viabilidade
de
uso
em
ambientes
clínicos
reais,
com
destaque
para
sua
capacidade
de
auxiliar
médicos a se manterem atualizados com pesquisas associadas
ao seu dia a dia.
Sawarkar, Mangal e Solanki
(2024) [ID 10]
criaram uma
abordagem para melhorar a precisão de sistemas baseados em
RAG,
combinando
diferentes
estratégias
de
busca:
consultas
híbridas
com
recuperação
semântica
e
índices
de
vetores
densos
e
esparsos.
Os
autores
utilizam
o
termo
“
blended
retriever
”
(recuperador
híbrido),
integrando
as
técnicas
de
recuperação da informação BM25, KNN e ELSER, o que resulta
na melhoria do desempenho na busca e geração de respostas
em
conjuntos
de
dados
como
o
Natural
Questions
e
o
TREC-
COVID.
Os
resultados
indicam
que
o
uso
combinado
de
diferentes métodos de recuperação da informação é mais eficaz
do que abordagens isoladas, especialmente em contextos com
grandes volumes de dados.
Clothiaux
e
Starzl
(2022)
[ID
11]
desenvolveram
um
sistema
voltado
à
análise
de
textos
biomédicos
com
base
em
busca
extrativa.
Para
isso,
reuniram
um
conjunto
de
documentos
relacionados
aos
temas
de
biologia,
medicina
e
química, selecionados da base PubMed. O sistema é composto
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
20
Artigo de revisão
por
dois
módulos
principais:
o
primeiro
realiza
a
busca
extrativa, combinando os termos da consulta com
o
conteúdo
dos
documentos
e
retornando
os
resultados
ao
usuário;
e
o
segundo
é
um
módulo
de
análise
que
oferece
diversas
ferramentas
para
explorar
os
dados
recuperados,
como
sumarização,
geração
de
perguntas
e
respostas
e
análise
de
entidades.
Os
resultados
indicam
que
a
combinação
da
busca
extrativa
com
análise
semântica
e
modelos
neurais
pode
ser
eficaz
tanto
para
especialistas
quanto
para
usuários
não
especializados na área biomédica.
Barnett
et
al.
(2024)
[ID
12]
apresentam
uma
análise
prática dos principais desafios enfrentados no desenvolvimento
de sistemas RAG com base em três estudos de caso aplicados
nas
áreas
de
pesquisa,
educação
e
biomedicina.
O
trabalho
identifica sete pontos críticos de falha que afetam a qualidade
desses
sistemas,
incluindo
erros
como
ausência
do
conteúdo
necessário,
documentos
mal
ranqueados,
informações
fora
do
contexto,
falhas
na
extração
das
respostas,
formatos
inadequados de saída e respostas incompletas. O artigo oferece
uma
importante
contribuição
ao
destacar
as
dificuldades
práticas de aplicar RAG e propõe direções futuras de pesquisa
para aprimorar seu desempenho.
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
21
Artigo de revisão
4 DISCUSSÃO DOS RESULTADOS
A
análise
dos
estudos
selecionados
permitiu
agrupar
as
pesquisas
em
quatro
eixos
temáticos
que
refletem
diferentes
formas
de
utilização
de
LLMs
na
recuperação
da
informação.
Essa
categorização
foi
realizada
com
base
no
papel
desempenhado
pelos
LLMs
em
cada
uma
das
aplicações
desenvolvidas
nos
estudos,
buscando
apresentar
como
essas
tecnologias vêm sendo empregadas em diferentes contextos e
finalidades. Dessa forma, os trabalhos foram classificados em:
(1)
automação
de
análises
documentais
em
contextos
regulatórios e institucionais, (2) desenvolvimento de modelos e
métodos
de
recuperação
da
informação,
(3)
construção
e
enriquecimento
de
estruturas
de
conhecimento
e
(4)
apoio
à
pesquisa
e
à
prática
científica.
O
Quadro
3
apresenta
os
estudos organizados de acordo com a área da pesquisa e o eixo
temático.
Quadro 3 –
Categorização dos estudos
|
Estudo
|
Área
|
Eixo
|
|
Barriuso
et al.
(2024) [ID 9]
|
Saúde
|
Apoio à pesquisa e à
prática científica (4)
|
|
Clothiaux e Starzl (2022) [ID
11]
|
|
Raja
et al.
(2024) [ID 7]
|
|
Wu
et
al
. (2024) [ID 3]
|
|
Kruiper
et al.
(2024) [ID 4]
|
Construção Civil
|
Automação de
análises
documentais em
contextos
regulatórios e
institucionais (1)
|
|
Siciliani
et al.
(2023) [ID 6]
|
Administração
Pública
|
|
Toslali
et al
. (2024) [ID 1]
|
Gestão de Riscos
|
|
Carta
et al.
(2024) [ID 5]
|
Ciência da
|
Construção e
|
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
22
Artigo de revisão
|
Computação
|
enriquecimento de
estruturas de
conhecimento (3)
|
Schaeffer
et al.
(2023) [ID 8]
|
|
Barnett
et al.
(2024) [ID 12]
|
Educação,
Pesquisa e
Biomedicina
|
Desenvolvimento de
modelos e métodos
de
recuperação da
informação (2)
|
|
Ohr e Gupta (2024) [ID 2]
|
Ciência da
Computação
|
|
Sawarkar, Mangal e Solanki
(2024) [ID 10]
|
Fonte:
elaborado pelos autores, 2025.
O
eixo
de
automação
de
análises
documentais
em
contextos
regulatórios
e
institucionais
(IDs
1,
4
e
6)
reúne os trabalhos que exploram o uso de LLMs para extrair e
interpretar informações de documentos normativos, técnicos e
administrativos. Esses estudos apontam para uma tendência de
digitalização e automatização da
recuperação da
informação e
da
interpretação
de
textos
regulatórios,
com
foco
na
redução
do tempo de análise e no aumento da precisão em tomadas de
decisão.
No
eixo
de
desenvolvimento
de
modelos
e
métodos
de recuperação da informação (IDs 1, 10 e 12)
, estão os
trabalhos
que
propõem
inovações
metodológicas
para
aprimorar o processamento e a recuperação de informações em
documentos
pertencentes
a
grandes
bases
de
dados.
Esses
estudos contribuem para o avanço das estratégias de busca e
recuperação de informações em larga escala, essenciais para o
funcionamento de sistemas de IA baseados em LLMs.
Os
trabalhos
agrupados
no
eixo
de
construção
e
enriquecimento de estruturas de conhecimento
(IDs 5 e
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
23
Artigo de revisão
8)
tratam
do
uso
de
LLMs
para
organizar
e
representar
o
conhecimento
de
forma
estruturada,
destacando
o
papel
dos
grafos
e
das
ontologias.
Ambos
os
estudos
mostram
como
os
LLMs podem reduzir a dependência da intervenção humana na
modelagem de domínios complexos.
O eixo de
apoio à pesquisa e à prática científica (IDs
3,
7,
9
e
11)
agrupa
as
pesquisas
voltadas
à
aplicação
dos
LLMs
em
contextos
científicos
e
biomédicos,
com
foco
na
classificação,
recomendação
e
análise
automatizada
da
literatura.
Os
estudos
demonstram
o
potencial
dos
LLMs
para
apoiar a geração e a disseminação do conhecimento científico,
ampliando
o
acesso
e
a
eficiência
na
busca
e
análise
de
informações especializadas.
De
forma
geral,
as
categorias,
organizadas
em
eixos
temáticos, revelam que as pesquisas convergem para o uso de
LLMs
como
ferramentas
de
automação,
apoio
à
decisão
e
aprimoramento da recuperação de informações, embora variem
quanto
ao
domínio
de
aplicação.
Nota-se
que
a
maioria
dos
estudos é voltada à saúde e às áreas regulatórias, refletindo a
necessidade
de
precisão
e
confiabilidade
nas
análises
das
informações.
Em
todos
os
eixos,
há
esforços
para
tornar
os
modelos
mais
eficientes
e
aplicáveis
a
diferentes
cenários,
reforçando o papel dos LLMs como tecnologias potenciais para a
transformação da gestão e recuperação da informação.
Porém,
apesar
dos
avanços
e
benefícios
mostrados
nas
pesquisas
analisadas,
a
construção
e
a
aplicação
de
sistemas
baseados em LLMs ainda apresentam limitações relevantes. Em
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
24
Artigo de revisão
alguns
estudos,
mesmo
com
os
esforços
para
reduzir
a
intervenção
humana,
ela
continua
sendo
necessária.
Por
exemplo,
Toslali
et
al
.
(2024)
destacam
que
o
sistema
desenvolvido
não
é
totalmente
confiável
para
decisões
autônomas, devendo ser utilizado apenas como ferramenta de
apoio.
De
forma
semelhante,
Carta
et
al
.
(2024)
trabalharam
com um conjunto reduzido
de documentos, já que avaliar um
volume
maior
exigiria
um
esforço
humano
considerável.
Barriuso
et al
. (2024) reforçam que LLMs devem atuar apenas
como apoio, especialmente em contextos sensíveis, como o da
área
da
saúde,
devido
ao
risco
de
alucinações.
Por
fim,
Schaeffer
et
al
.
(2023)
alertam
que
a
automação
excessiva
pode
comprometer
o
desempenho
das
ontologias
desenvolvidas,
exigindo
intervenção
humana
em
algumas
etapas do processo.
Questões
relacionadas
ao
custo
computacional
e
às
restrições de infraestrutura também foram recorrentes. Estudos
como os de Carta
et al
. (2024), Siciliani
et al
. (2023) e Raja
et
al
.
(2024)
mostram
que
limitações
de
hardware
e
recursos
financeiros
influenciaram
decisões
técnicas
e
afetaram
a
escalabilidade
e
o
desempenho
dos
sistemas
propostos.
Em
contrapartida,
o
trabalho
de
Ohr
e
Gupta
(2024)
utiliza
uma
infraestrutura
computacional
robusta,
o
que
pode
restringir
a
reprodutibilidade
do
estudo
em
ambientes
com
menor
capacidade técnica e financeira.
Outro
desafio
identificado
em
pesquisas
como
as
de
Kruiper
et
al
.
(2024),
Raja
et
al
.
(2024)
e
Wu
et
al
.
(2024)
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
25
Artigo de revisão
refere-se ao uso de linguagem técnica e termos específicos de
domínio,
que
podem
resultar
em
interpretações
incorretas,
vieses semânticos e erros na recuperação de informações pelos
modelos. Ainda, Sawarkar, Mangal e Solanki (2024) observam
que a ausência de metadados nos conjuntos de dados limitou a
eficácia
de
consultas
híbridas
em
comparação
às
básicas
em
seu
sistema,
ressaltando
a
importância
de
informações
estruturadas para melhorar a precisão dos resultados.
Dessa
forma,
embora
os
estudos
analisados
evidenciem
avanços significativos no uso de LLMs para automação e apoio
à
recuperação
da
informação,
ainda
persistem
lacunas
importantes.
Observa-se
que
a
maioria
das
pesquisas
se
concentra
em
contextos
com
infraestrutura
computacional
robusta, o que limita a generalização dos resultados e reduz a
acessibilidade
dessas
soluções
para
instituições
com
recursos
técnicos
e
financeiros
mais
restritos.
Além
disso,
a
dimensão
social
da
recuperação
da
informação
permanece
pouco
explorada.
Embora
os
LLMs
possam
aprimorar
a
busca
semântica
e
contextual,
ainda
há
desafios
no
atendimento
a
diferentes
perfis
de
usuários,
especialmente
pessoas
com
deficiência
ou
aquelas
que
enfrentam
barreiras
culturais
e
linguísticas.
4.1 Uso de
Large Language Models no contexto da
Ciência da Informação
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
26
Artigo de revisão
A
Ciência
da
Informação
(CI)
surgiu
no
contexto
das
transformações
científicas
e
tecnológicas
que
sucederam
à
Segunda
Guerra
Mundial,
impulsionadas
pelo
crescimento
acelerado
da
produção
de
informações
científicas.
Um
dos
marcos desse processo foi o artigo
As We May Think
, publicado
por
Vannevar
Bush,
em
1945,
no
qual
o
autor
chamou
a
atenção
para
a
dificuldade
de
acesso
ao
crescente
volume
de
publicações
científicas
e
defendeu
o
desenvolvimento
de
soluções tecnológicas capazes de facilitar sua organização, seu
acesso
e
seu
uso
pela
comunidade
científica
(Bush,
1945;
Saracevic, 1996).
Nas décadas seguintes, pesquisadores de diferentes áreas
passaram a buscar alternativas para enfrentar esse problema,
contribuindo
para
a
consolidação
da
CI
como
um
campo
interdisciplinar
e
fortemente
relacionado
ao
desenvolvimento
das tecnologias da informação. Nesse contexto, Calvin Mooers
(1951,
p.
25)
criou
o
termo
“recuperação
da
informação”,
definindo-o como um processo que “abrange tanto os aspectos
intelectuais da descrição da informação e de sua especificação
para
fins
de
busca
quanto
os
sistemas,
técnicas
ou
máquinas
empregados
na
execução
dessa
operação".
Desde
então,
a
Recuperação
da
Informação
consolidou-se
como
uma
das
principais áreas da CI, evoluindo continuamente para responder
aos desafios impostos pela crescente produção e circulação de
informações (Saracevic, 1996).
Segundo Borko (1968), a CI dedica-se, desde sua origem,
ao
estudo
dos
processos
relacionados
à
informação,
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
27
Artigo de revisão
abrangendo sua organização, recuperação, interpretação e seu
uso. O autor destaca que o campo investiga a representação da
informação tanto em sistemas naturais quanto artificiais,
bem
como
as
técnicas
e
os
dispositivos
utilizados
para
seu
processamento.
Assim,
a
relação
entre
a
informação
e
a
tecnologia
acompanha
a
área
desde
sua
origem.
Essa
característica
demonstra
que
a
incorporação
de
tecnologias
como
os
LLMs
representa
uma
continuidade
da
evolução
da
área, e não uma ruptura com seus fundamentos teóricos.
Os
estudos
analisados
mostram
que
os
LLMs
ampliam
o
conceito
tradicional
de
recuperação
da
informação
ao
incorporarem mecanismos capazes de interpretar o significado
das
consultas
e
do
conteúdo
recuperado.
Em
vez
de
se
limitarem à correspondência entre palavras-chave, como ocorre
em muitos sistemas convencionais, as soluções identificadas na
literatura
utilizam
técnicas
de
busca
semântica,
geração
de
respostas contextualizadas e integração entre diferentes formas
de representação do conhecimento. Essa mudança aproxima o
processo
de
recuperação
das
necessidades
informacionais
dos
usuários, especialmente em contextos nos quais consultas em
linguagem
natural,
documentos
extensos
ou
terminologias
especializadas
dificultam
a
localização
de
informações
relevantes.
Sob
a
perspectiva
da
CI,
os
estudos
mostram
que
a
eficiência
da
recuperação
da
informação
continua
dependendo
da qualidade da organização e da representação da informação.
Como
apresentado
no
ID
10,
limitações
como
linguagem
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
28
Artigo de revisão
excessivamente técnica, ambiguidades terminológicas, ausência
de
metadados
e
estruturas
documentais
inadequadas
podem
comprometer a
interpretação realizada
pelos LLMs e reduzir a
qualidade
das
respostas
recuperadas.
Dessa
forma,
embora
esses
modelos
ampliem
significativamente
a
capacidade
de
processamento
semântico,
eles
permanecem
dependentes
de
informações
bem
estruturadas
e
organizadas,
demonstrando
que
os
fundamentos
tradicionais
da
Organização
e
da
Representação
da
Informação
continuam
desempenhando
um
papel essencial no desempenho desses sistemas.
Outro
aspecto
observado
é
que
nenhum
dos
estudos
analisados
propõe
a
substituição
do
profissional
responsável
pela
análise
da
informação.
Mesmo
nos
sistemas
mais
avançados,
os
LLMs
são
empregados
como
ferramentas
de
apoio à tomada de decisão, enquanto a validação das respostas
permanece
sob
responsabilidade
humana.
Esse
resultado
sugere que a principal contribuição dos LLMs para a CI não está
na automatização
integral dos processos de recuperação,
mas
na ampliação da capacidade de localizar, organizar, interpretar
e apresentar informações de forma mais eficiente, preservando
a
mediação
humana
em
atividades
que
exigem
avaliação
crítica.
5 CONSIDERAÇÕES FINAIS
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
29
Artigo de revisão
Este
artigo
teve
como
objetivo
analisar,
na
literatura
científica,
o
uso
de
Large
Language
Models
(LLMs)
na
recuperação da informação em documentos textuais, buscando
compreender como esses modelos vêm sendo aplicados e quais
contribuições apresentam para o campo. A partir da revisão da
literatura
e
da
sistematização
dos
estudos
selecionados,
foi
possível responder à pergunta de pesquisa ao identificar que os
LLMs têm sido utilizados principalmente para aprimorar a busca
semântica,
expandir
consultas,
gerar
respostas
contextualizadas
e
integrar
estratégias
como
o
RAG,
promovendo
avanços
em
relação
aos
modelos
tradicionais
baseados na correspondência exata de palavras.
Observou-se
que
as
principais
contribuições
identificadas
na
literatura
se
concentram
na
ampliação
da
capacidade
interpretativa
dos
sistemas
de
busca,
na
redução
de
ruídos
informacionais
e
na
possibilidade
de
interação
em
linguagem
natural,
aproximando
os
sistemas
das
necessidades
reais
dos
usuários.
Conclui-se
que
os
LLMs
representam
uma
transformação
significativa
no
campo
da
recuperação
da
informação,
ampliando
as
possibilidades
de
interação,
contextualização
e
geração
de
respostas
em
sistemas
documentais.
No
entanto,
sua
adoção
requer
análise
crítica,
planejamento
técnico
e
reflexão
ética,
de
modo
que
seu
potencial
seja
explorado
de
forma responsável e sustentável.
Como
limitações
deste
estudo,
destaca-se
que
o
corpus
analisado foi composto por 12 artigos, selecionados de acordo
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
30
Artigo de revisão
com
os
critérios
metodológicos
estabelecidos
para
a
revisão.
Embora
esse
conjunto
tenha
permitido
identificar
tendências,
contribuições
e
limitações
relacionadas
ao
uso
de
LLMs
na
recuperação
da
informação
em
documentos
textuais,
ele
restringe a abrangência dos resultados e pode não contemplar
toda
a
diversidade
de
pesquisas
desenvolvidas
sobre
o
tema.
Além
disso,
considerando
o
ritmo
acelerado
de
evolução
dos
LLMs,
os
resultados
aqui
apresentados
podem
sofrer
atualizações,
assim
como
parte
das
discussões
desenvolvidas,
demandando
o
monitoramento
constante
dessas
inovações
tecnológicas para a atualização da literatura da área.
Recomenda-se
que
pesquisas
futuras
aprofundem
as
investigações
sobre
vieses
algorítmicos,
transparência
e
impactos éticos associados ao uso desses modelos. No contexto
de países emergentes, como o Brasil, sugere-se a realização de
estudos
que
considerem
as
limitações
de
infraestrutura,
os
custos
de
implementação
e
a
necessidade
de
capacitação
profissional,
de
modo
a
promover
aplicações
mais
adequadas
às realidades locais.
REFERÊNCIAS
AMARATUNGA, Thimira.
Understanding Large Language
Models
: learning their underlying concepts and technologies.
Nugegoda: Apress, 2023.
BAEZA-YATES, Ricardo; RIBEIRO-NETO, Berthier.
Recuperação de informação
: conceitos e tecnologia das
máquinas de busca. 2. ed. Porto Alegre: Bookman, 2013.
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
31
Artigo de revisão
BARNETT, Scott
et al
. Seven Failure Points When Engineering a
Retrieval Augmented Generation System.
In
: INTERNATIONAL
CONFERENCE ON AI ENGINEERING – SOFTWARE ENGINEERING
FOR AI, 3., 2024, Lisbon.
Proceedings
[...] Lisbon: ACM,
2024. p. 194-199. Disponível em:
https://dl.acm.org/doi/10.1145/3644815.3644945
. Acesso em:
1 ago. 2026.
BAWDEN, David; ROBINSON, Lyn. The dark side of information:
overload, anxiety and other paradoxes and pathologies.
Journal of Information Science
, London, v. 35, n. 2, p. 180-
191, 2008. Disponível em:
https://journals.sagepub.com/doi/10.1177/0165551508095781
.
Acesso em: 1 ago. 2026.
BARRIUSO, Adrian Alónso
et al
. Recommendation system of
scientific articles from discharge sumaries.
Engineering
Applications of Artificial Intelligence
, London, v. 136, Part
B, 109028, Oct. 2024. Disponível em:
https://www.sciencedirect.com/science/article/pii/S095219762
4011862
. Acesso em: 1 ago. 2026.
BORKO, Harold. Information Science: what is it?
American
Documentation
, [
s. l.
], p. 3-5, Jan. 1968. Disponível em:
https://cmapspublic.ihmc.us/rid%3D1KR7TR64B-NMXB04-
5SVP/BORKO(1968)-533107-Borko-H-v-19-n-1-p-35-1968.pdf
.
Acesso em: 31 jul. 2026.
BUSH, Vannevar. As We May Think.
Atlantic Monthy
,
Washington, v. 176, n. 1, p. 101–108, Jul. 1945. Disponível
em:
https://www.theatlantic.com/magazine/archive/1945/07/as-
wemay-think/303881/
. Acesso em: 31 jul. 2026.
CARTA, Salvatore
et al
. A Zero-Shot Strategy for Knowledge
Graph Engineering Using GPT-3.5.
Procedia Computer
Science
, Netherlands, v. 246, Issue C, p. 2235–2243, 2024.
Disponível em:
https://www.sciencedirect.com/science/article/pii/S187705092
4026231
. Acesso em: 1 ago. 2026.
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
32
Artigo de revisão
CAVALCANTE, Lívia Teixeira Canuto; OLIVEIRA, Adélia Augusta
Souto de. Métodos de revisão bibliográfica nos estudos
científicos.
Psicologia em revista
, Belo Horizonte, v. 26, n. 1,
jan./abr. 2020. Disponível em:
https://pepsic.bvsalud.org/scielo.php?script=sci_arttext&pid=S
1677-11682020000100006
. Acesso em: 1 ago. 2026.
CLOTHIAUX, Daniel; STARZL, Ravi. Extractive Search for
Analysis of Biomedical Texts.
In
: INTERNATIONAL ACM SIGIR
CONFERENCE ON RESEARCH AND DEVELOPMENT IN
INFORMATION RETRIEVAL, 45., 2022, Madrid.
Proceedings
[...] Madrid: SIGIR, 2022. p. 3386 – 3387. Disponível em:
https://dl.acm.org/doi/10.1145/3477495.3536328
. Acesso em:
1 ago. 2026.
CONEGLIAN, Caio Saraiva; GONÇALVES, Paula Regina Ventura
Amorim; SANTARÉM SEGUNDO, José Eduardo. O profissional da
informação na era do big data.
Encontros
Bibli
: revista
eletrônica de biblioteconomia e ciência da informação,
Florianópolis, v. 22, n. 50, p. 128-143, set./dez. 2017.
Disponível em:
https://periodicos.ufsc.br/index.php/eb/article/view/1518-
2924.2017v22n50p128
. Acesso em: 1 ago. 2026.
DHAMANI, Numa; ENGLER, Maggie.
Introduction to
Generative AI
. Shelter Island: Manning, 2024.
ISSON, Jean Paul; HARRIOTT, Jesse S.
People Analytics in
the Era of Big Data
: Changing the Way You Attract, Acquire,
Develop, and Retain Talent. Hoboken: Wiley, 2016.
JESUS, Ananda Fernanda de; ALGARVE, Wesley; SANTARÉM
SEGUNDO, José Eduardo. Dados sintéticos para treinamento de
Inteligência Artificial: intersecções com a Organização e
Representação da Informação e do Conhecimento.
Advances
on Knowledge Representation Journal
, Belo Horizonte, v.
6, n. 1, 2026. Disponível em:
https://periodicos.ufmg.br/index.php/advances-
kr/article/view/64683
. Acesso em: 1 ago. 2026.
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
33
Artigo de revisão
KRUIPER, Ruben
et al
. A platform-based Natural Language
processing-driven strategy for digitalising regulatory
compliance processes for the built environment.
Advanced
Engineering Informatics
, Netherlands, v. 62, Part B, 102653,
p. 1-14, Oct. 2024. Disponível em:
https://www.sciencedirect.com/science/article/pii/S147403462
400301X
. Acesso em: 1 ago. 2026.
HACKITT, Dame Judith.
Building a Safer Future
: Independent
Review of Building Regulations and Fire Safety: Final Report.
UK: Crown, May 2018. Disponível em:
https://assets.publishing.service.gov.uk/media/5afc50c840f0b6
22e4844ab4/Building_a_Safer_Future_-_web.pdf
. Acesso em:
16 maio 2025.
MOOERS, Calvin Northrup. Zatocoding applied to mechanical
organization of knowledge.
American Documentation
, [
s. l.
],
v. 2, n. 1, p. 20-32, Jan. 1951. Disponível em:
https://onlinelibrary.wiley.com/doi/abs/10.1002/asi.509002010
7
. Acesso em: 31 jul. 2026.
SILVA, Patrícia Nascimento. Recuperação de informação na
Ciência da Informação: produção acadêmico-científica brasileira
(2012-2021).
Transinformação
, Campinas, v. 35, e237336,
2023. Disponível em:
https://periodicos.puc-
campinas.edu.br/transinfo/article/view/7336
. Acesso em: 1
ago. 2026.
OHR,
Vebjørn
; GUPTA, Dhruv. Scalable Range Search over
Temporal and Numerical Expressions.
In
: ACM SIGIR
INTERNATIONAL CONFERENCE ON THE THEORY OF
INFORMATION RETRIEVAL, 2024, Washington, DC.
Proceedings
[...] Washington, DC: ACM, 2024. p. 91-100.
Disponível em:
https://dl.acm.org/doi/10.1145/3664190.3672509
. Acesso em:
1 ago. 2026.
OLIVEIRA, Stênio Henrique
et al
. Infoxicação em tempos de
infodemia: revisão integrativa.
Brazilian Journal of Health
Review
, Curitiba, v. 4, n. 6, p. 25199-25211, nov./dez. 2021.
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
34
Artigo de revisão
Disponível em:
https://ojs.brazilianjournals.com.br/ojs/index.php/BJHR/article/
view/39660
. Acesso em: 1 ago. 2026.
OZDEMIR, Sinan.
Quick Start Guide to Large Language
Models
: Strategies and Best Practices for ChatGPT,
Embeddings, Fine-Tuning, and Multimodal AI. 2nd ed.
Hoboken: Pearson, 2025.
PROCÓPIO, Daiane Campos.
Large Language Models para
recuperação da informação em acervos históricos
digitalizados
. 2025. 154 f. Dissertação (Mestrado em Gestão
e Organização do Conhecimento) – Escola de Ciência da
Informação, Universidade Federal de Minas Gerais, Belo
Horizonte, 2025. Disponível em:
https://hdl.handle.net/1843/3339
. Acesso em: 31 jul. 2026.
RAJA, Hina
et al
. Automated Category and Trend Analysis of
Scientific Articles on Ophthalmology Using Large Language
Models: Development and Usability Study.
JMIR Formative
Research
, [
s.l.
], v. 8, e52462, p. 1-16, 2024. Disponível em:
https://pubmed.ncbi.nlm.nih.gov/38517457/
. Acesso em: 1
ago. 2026.
SARACEVIC, Tefko. Ciência da informação: origem, evolução e
relações.
Perspectivas em Ciência da Informação
, Belo
Horizonte, v. 1, n. 1, p. 41-62, jan./jun. 1996. Disponível em:
https://periodicos.ufmg.br/index.php/pci/article/view/22308
.
Acesso em: 31 jul. 2026.
SAWARKAR,
Kunal
; MANGAL,
Abhilasha
; SOLANKI,
Shivam Raj
.
Blended RAG: Improving RAG (Retriever-Augmented
Generation) Accuracy with Semantic Search and Hybrid Query-
Based Retrievers.
In
: INTERNATIONAL CONFERENCE ON
MULTIMEDIA INFORMATION PROCESSING AND RETRIEVAL, 7.,
2024, San Jose.
Proceedings
[...] San Jose: IEEE, 2024. p.
155-161. Disponível em:
https://ieeexplore.ieee.org/document/10707868
. Acesso em: 1
ago. 2026.
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
35
Artigo de revisão
SCHAEFFER, Marion. OLAF: An Ontology Learning Applied
Framework.
Procedia Computer Science
, Netherlands, v.
225, p. 2106-2115, 2023. Disponível em:
https://www.sciencedirect.com/science/article/pii/S187705092
3013595?via%3Dihub
. Acesso em: 1 ago. 2026.
SICILIANI, Lucia
et al
. AI-based decision support system for
public procurement.
Information Systems
, Oxford, v. 119,
102284, p. 1-16, Oct. 2023. Disponível em:
https://www.sciencedirect.com/science/article/pii/S030643792
3001205
. Acesso em: 1 ago. 2026.
STRATIS, Kyle.
Whats is Generative AI?
A Generative AI
Primer for Business and Technical Leaders. Sebastopol:
O’Reilly, 2024.
TOSLALI, Mert
et al
. AgraBOT: Accelerating Third-Party
Security Risk Management in Enterprise Setting through
Generative AI.
In
: ACM INTERNATIONAL CONFERENCE ON THE
FOUNDATIONS OF SOFTWARE ENGINEERING, 32., 2024, Porto
de Galinhas.
Proceedings
[...] Porto de Galinhas: ACM, 2024.
p. 74-79. Disponível em:
https://dl.acm.org/doi/10.1145/3663529.3663829
. Acesso em:
1 ago. 2026.
WU, Leihong
et al
. A framework enabling LLMs into regulatory
environment for transparency and trustworthiness and its
application to drug labeling document.
Regulatory Toxicology
and Pharmacology
, New York, v. 149, 105613, p. 1-9, May
2024. Disponível em:
https://www.sciencedirect.com/science/article/pii/S027323002
4000540
. Acesso em: 1 ago. 2026.
NOTAS
CONTRIBUIÇÃO DE AUTORIA
Concepção e elaboração do manuscrito: Procópio, Daiane Campos. Silva, Patrícia
Nascimento. Souza, Renato Rocha.
Coleta de dados: Procópio, Daiane Campos.
Análise de dados: Procópio, Daiane Campos. Silva, Patrícia Nascimento. Souza,
Renato Rocha.
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
36
Artigo de revisão
Discussão dos resultados: Procópio, Daiane Campos. Silva, Patrícia Nascimento.
Souza, Renato Rocha.
Revisão e aprovação: Silva, Patrícia Nascimento. Souza, Renato Rocha.
ORIGEM DA PESQUISA
Manuscrito derivado
da Dissertação de Mestrado em Gestão e Organização do
Conhecimento, com autoria de Daiane Campos Procópio, sob orientação de
Renato Rocha Souza da Escola de Ciência da Informação da Universidade Federal
de Minas Gerais, 2025, disponível no
Repositório Institucional
.
AGRADECIMENTOS
À
Agência
Coordenação
de
Aperfeiçoamento
de
Pessoal
de
Nível
Superior
(CAPES) pelo apoio financeiro concedido.
FINANCIAMENTO
Cooperação de Aperfeiçoamento de Pessoal de Nível Superior
–
Brasil (CAPES)
Código de financiamen
to 88887.948832/2024
-
00.
Conselho Nacional de Desenvolvimento Científico e Tecnológico
(CNPq) pelo apoio à pesquisa, processo 303721/2025
-
1.
USO DE INTELIGÊNCIA ARTIFICIAL
Não se aplica
CONSENTIMENTO DE USO DE IMAGEM
Não se aplica
APROVAÇÃO DE COMITÊ DE ÉTICA EM PESQUISA
Não se aplica
CONFLITO DE INTERESSES
As pessoas autoras declaram não haver conflitos de interesse.
LICENÇA DE USO
As
autorias
concedem
à
Revista
Convergência
em
Ciência
da
Informação
os
direitos exclusivos de primeira publicação do trabalho, que será simultaneamente
disponibilizado sob a
Licença Creative Commons Atribuição 4.0 Internacional
(CC
BY 4.0). Essa licença permite que terceiros compartilhem, adaptem, remixem e
desenvolvam
novas
obras
a
partir
do
material
publicado,
desde
que
seja
atribuído o devido crédito às autorias e à publicação original neste periódico.
Além disso, as autorias podem firmar acordos adicionais para a distribuição não
exclusiva
da
versão
publicada
do
trabalho,
incluindo
sua
disponibilização
em
repositórios institucionais, sites pessoais, traduções ou capítulos de livros, desde
que
seja
mantido
o
reconhecimento
da
autoria
e
da
primeira
publicação
na
Revista Convergência em Ciência da Informação.
PUBLISHER
Universidade Federal de Sergipe. Programa de Pós-graduação em Ciência da
Informação. Publicação no
Portal de Periódicos UFS
. As ideias expressadas neste
artigo são de responsabilidade de seus autores, não representando,
necessariamente, a opinião dos editores ou da universidade.
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
37
Artigo de revisão
EQUIPE EDITORIAL
Martha Suzana Cabral Nunes, Pablo Boaventura Sales Paixão, Rafaela Ferreira
Lopes.
COMO CITAR
PROCÓPIO, Daiane Campos. SILVA, Patrícia Nascimento. SOUZA, Renato Rocha.
Large
Language
Models:
contribuições
para
a
recuperação
da
informação
em
documentos.
ConCI
: Convergências em Ciência da Informação, São Cristóvão, v.
9, p. e24689, 2026. DOI:
10.33467/conci.v9i.24689
Convergências em Ciência da Informação, São Cristóvão.
v. 9, 2026, e24689. Universidade Federal de Sergipe.
ISSN 2595-4768. DOI:
10.33467/conci.v9i.24689
38
Artigo de revisão