Modelos de Lenguaje de Gran Escala: contribuciones a la recuperación de información en documentos

Autores/as

DOI:

https://doi.org/10.33467/conci.v9i.24689

Palabras clave:

documentos textuales, grandes modelos de lenguaje, recuperación de la información

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 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.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Daiane Campos Procópio, Universidad Federal de Minas Gerais

Doctoranda y máster (2025) en Gestión y Organización del Conocimiento por la Universidad Federal de Minas Gerais (UFMG). Es licenciada en Biblioteconomía por la UFMG (2013) y en Análisis y Desarrollo de Sistemas por la Pontificia Universidad Católica de Minas Gerais (2024).

Patrícia Nascimento Silva, Universidad Federal de Minas Gerais

Profesora adjunta en la Escuela de Ciencias de la Información (ECI) de la Universidad Federal de
Minas Gerais (UFMG). Profesora e investigadora en el Programa de Posgrado en Gestión y Organización del Conocimiento (PPGGOC) de la ECI/UFMG. Becaria de productividad del CNPq. Fundadora y directora del grupo de investigación: Observatorio de Datos Abiertos. Representante del Comité de Gestión de la Infraestructura Nacional de Datos Abiertos (CGINDA). Miembro de la Comisión Permanente de Inteligencia Artificial de la UFMG. Doctora en Gestión y Organización del Conocimiento por el PPGGOC de la ECI-UFMG, máster y licenciada en Sistemas de Información.

Renato Rocha Souza, Universidad Federal de Minas Gerais

Doctor en Ciencias de la Información por la Universidad Federal de Minas Gerais (2005) y posdoctorado en «Tecnologías semánticas para la recuperación de información» en la Universidad de Gales del Sur (Reino Unido). Es profesor titular del cuerpo docente de posgrado de la Facultad de Ciencias de la Información de la Universidad Federal de Minas Gerais (desde 2010) y profesor adjunto en la Universidad de Viena (desde 2021).

Citas

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.

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/S0952197624011862. 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/S1877050924026231. Acesso em: 1 ago. 2026.

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=S1677-11682020000100006. 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; SEGUNDO, José Eduardo Santarém. 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; SEGUNDO, José Eduardo Santarém. 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.

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/S147403462400301X. Acesso em: 1 ago. 2026.

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.5090020107. 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./dec. 2021. 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.

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/S1877050923013595?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/S0306437923001205. 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/S0273230024000540. Acesso em: 1 ago. 2026.

Descargas

Publicado

2026-09-18

Cómo citar

PROCÓPIO, Daiane Campos; SILVA, Patrícia Nascimento; SOUZA, Renato Rocha. Modelos de Lenguaje de Gran Escala: contribuciones a la recuperación de información en documentos. ConCI: Convergências em Ciência da Informação, São Cristóvão, v. 9, p. e24689, 2026. DOI: 10.33467/conci.v9i.24689. Disponível em: https://periodicos.ufs.br/conci/article/view/24689. Acesso em: 19 sep. 2026.

Número

Vol. 9 (2026)

Sección

Artigo de revisão

Licencia

Derechos de autor 2026 Daiane Campos Procópio, Patrícia Nascimento Silva, Renato Rocha Souza

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

ConCI adopta la Licencia CC BY 4.0 , donde los licenciatarios tienen derecho a copiar, distribuir, exhibir y ejecutar el trabajo y realizar trabajos derivados de él, siempre que se dé el debido crédito al autor o al licenciante.

El ConCI considera que el autor posee los derechos de autor sobre su producción, pero el autor debe estar de acuerdo en otorgarle a la revista el derecho a la primera publicación. Además, el autor debe estar de acuerdo en que:
• En cualquier publicación en repositorios institucionales, capítulos de libros u otras producciones resultantes de trabajos publicados en ConCI, se debe dar el debido crédito a la publicación inicial.
• están autorizados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) en cualquier momento antes o durante el proceso editorial, ya que esto puede generar cambios productivos así como incrementar el impacto y citación del trabajo publicado por ConCI.