1
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Inteligência Artificial e Comunicação Científica:
uma revisão sistemática
Artificial Intelligence and Scientific Communication: a systematic review
Marllus de Melo Lustosa (1), Maria Giovanna Guedes Farias (2),
Gabriela Belmont de Farias (3)
(1) Universidade Federal do Ceará (UFC), Brasil, marlluslustosa@gmail.com
(2) mgiovannaguedes@gmail.com
(3) Gabriela Belmont de Farias
Resumo
Este estudo teve como objetivo investigar a utilização da temática da Inteligência Artificial (IA) na
produção acadêmica no campo da comunicação científica. Para atingir esse objetivo, foi realizada uma
Revisão Sistemática da Literatura (RSL), na qual foram conduzidas buscas nas bases de dados Web of
Science, Scopus e Dimensions utilizando expressões-chave relacionadas à Inteligência Artificial e
Comunicação Científica. De forma complementar, também foi utilizada análise bibliométrica. Os
resultados revelaram um crescimento significativo na produção científica sobre IA a partir de 2017, com
ênfase na aplicação dessa tecnologia na comunicação científica e nas mídias sociais. A análise da evolução
temática evidenciou que assuntos relacionados à IA e à mineração de dados desempenharam um papel
influente no desenvolvimento e na consolidação do campo da comunicação científica relacionada à
temática, ao longo de duas décadas. Além disso, a análise da distribuição geográfica revelou um
desequilíbrio na rede de produção acadêmica nessas duas áreas de estudo, com uma concentração maior de
atividade no norte global. Por meio da análise de cocitação, foi possível inferir uma correlação positiva
entre os temas de alta relevância e o número de citações recebidas. Essas descobertas oferecem insights
valiosos para a comunidade acadêmica, estimulando a adoção de estratégias que promovam a colaboração
global e o desenvolvimento de pesquisas abrangentes sobre o impacto e as aplicações da IA na comunicação
científica.
Palavras-chave: Comunicação Científica; Inteligência Artificial; Pesquisa Bibliométrica; Análise
Temática; Coautoria.
2
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Abstract
This study aimed to investigate the use of Artificial Intelligence (AI) in academic production in the field of
scientific communication. To achieve this objective, we conducted a Systematic Literature Review (SLR)
in which we searched the Web of Science, Scopus, and Dimensions databases using key expressions related
to Artificial Intelligence and Scientific Communication. In a complementary way, bibliometric analysis
was also used. The results revealed a significant growth in scientific production on AI since 2017, with an
emphasis on the application of this technology in scientific communication and social media. The analysis
of thematic evolution showed that topics related to AI and data mining played an influential role in the
development and consolidation of the field of scientific communication over the past two decades.
Additionally, the analysis of geographic distribution revealed an imbalance in academic production
networks in these two areas of study, with a higher concentration of activity in the global north. Through
co-citation analysis, we were able to infer a positive correlation between highly relevant topics and the
number of citations received. These findings provide valuable insights for the academic community,
encouraging the adoption of strategies that promote global collaboration and the development of
comprehensive research on the impact and applications of AI in scientific communication.
Keywords: Scientific Communication; Artificial Intelligence; Bibliometric Research; Thematic Analysis;
Co-authorship.
1 Introdução
A diminuição da distância entre o conhecimento científico e a comunidade acadêmica, por
meio de estratégias de comunicação científica, é um desafio importante que as instituições de
pesquisa e os cientistas enfrentam. Nas abordagens contemporâneas a essa questão, os
pesquisadores estão investigando o potencial de agentes não humanos, como modelos de
Inteligência Artificial (IA), nessa comunicação, principalmente devido à sobrecarga de
informações produzidas e à necessidade de transmiti-las de maneira ágil e efetiva aos atores da
academia.
O crescente volume de literatura científica apresenta desafios para a disseminação efetiva
do conhecimento ao público em geral. De acordo com dados da plataforma Dimensions, entre 2020
e 2021, mais de 12 milhões de artigos científicos foram publicados globalmente, abrangendo uma
ampla variedade de campos de estudo. Dada a escala da informação e a urgência da comunicação,
o uso de modelos de inteligência artificial (IA) na comunicação científica tem recebido
considerável atenção recentemente (Zhao and Prabhashini 2019; Tatalovic 2018).
Os chamados “robôs que escrevem” chegaram às áreas do jornalismo convencional e
literário na China. Zhao e Prabhashini (2019) enumeraram várias ferramentas que realizam o
3
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
“jornalismo robótico” no país, tanto com abordagens com base em dados estruturados (escrita
original), como na reescrita de corpus textuais existentes (escrita criativa). Esses algoritmos de IA
também criam conteúdo abstrato sobre a temática científica, ao transformar em linguagem simples
artigos publicados em periódicos. Porém, após uma análise prévia da literatura, verificou-se uma
escassez de estudos sobre comunicação da informação a partir de materiais textuais produzidos
por esses modelos de IA, no contexto da comunicação científica, entre pares acadêmicos.
A sociedade contemporânea impõe crescentes demandas aos profissionais de diversas
áreas, exigindo que eles adquiram habilidades relacionadas ao domínio de recursos tecnológicos
disponíveis nas organizações onde atuam (Frey and Osborne 2017). Nesse contexto, características
como curiosidade intrínseca e disposição para aprender e reaprender são altamente desejáveis,
especialmente para os profissionais da área de informação. Isso ocorre porque o ambiente em que
essas informações são gerenciadas tem passado por mudanças significativas ao longo do tempo
(Casimiro and Araújo 2021).
O desafio fundamental a esta pesquisa residiu na compreensão de como a inteligência
artificial (IA) tem sido abordada ao longo das últimas décadas no âmbito da comunicação
científica, abrangendo diversas áreas do conhecimento. Diante dessa problemática, é crucial adotar
uma metodologia que permita uma análise aprofundada e abrangente, capaz de revelar as nuances,
as limitações e a evolução histórica dessa interseção complexa.
A Revisão Sistemática da Literatura (RSL) emerge como a metodologia mais indicada para
este estudo, pois oferece uma abordagem rigorosa, reprodutível e abrangente na identificação,
seleção e análise de trabalhos relevantes. Por meio dessa metodologia, foi possível explorar as
temáticas desenvolvidas, entender as interconexões entre os estudos e analisar o comportamento
das redes de publicação, fornecendo assim uma visão mais completa e detalhada sobre o estado
atual da inteligência artificial aplicada à comunicação científica.
A escolha pela Revisão Sistemática da Literatura não apenas atende à necessidade de
investigação profunda, mas também permite identificar lacunas no conhecimento existente,
fornecendo direcionamentos valiosos para pesquisas futuras. Como destacado por Kitchenham et
al. (2011) e Petersen et al. (2015), essa abordagem metodológica é fundamental para estabelecer
uma base sólida de compreensão e oferecer insights que possam orientar o avanço do campo.
4
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Concomitantemente, realizou-se uma análise bibliométrica para explorar e avaliar os dados
obtidos durante a revisão sistemática. O princípio essencial à bibliometria consiste em analisar a
atividade científica ou técnica por meio de abordagens quantitativas nas publicações. Além disso,
os indicadores quantitativos não apenas contribuem para a compreensão da dinâmica da ciência e
da tecnologia, mas também desempenham um papel crucial como ferramentas para o planejamento
de políticas e a tomada de decisões nesse setor (Santos, 2003).
O artigo está estruturado da seguinte forma: A Seção 2 fornece algumas bases e estudos
empíricos anteriores relacionados ao uso de inteligência artificial na comunicação científica. A
seção 3 descreve a metodologia adotada neste estudo, que consiste em uma revisão sistemática da
literatura em oito etapas. A seção 4 apresenta os resultados e discussões a partir dos dados
levantados. A seção 5 apresenta a conclusão do estudo, fornecendo um breve resumo e trabalhos
futuros.
2 Revisão da literatura
A comunicação científica desempenha um papel crucial ao estabelecer um diálogo
enriquecedor com o público da comunidade científica, promovendo uma troca valiosa de
conhecimentos e ideias entre os especialistas da área, segundo Valeiro e Pinheiro (2008). Ao
utilizar estratégias e linguagens específicas, a comunicação científica busca disseminar de maneira
clara e precisa os avanços, descobertas e debates científicos mais recentes.
A literatura acadêmica aborda a aplicação da inteligência artificial em diferentes áreas do
conhecimento, especialmente no contexto da comunicação científica. Tatalovic (2018) argumenta
que a ascensão da IA pode ter impactos no jornalismo científico, levantando a possibilidade de
chatbots escreverem notícias reais sobre ciência. Vadapalli et al. (2018) apresentam um estudo que
propõe uma ferramenta interativa online destinada à criação de títulos para postagens em blog em
ciências humanas. Essa ferramenta é fundamentada em um modelo treinado com base em um
corpus composto por artigos de pesquisa e seus blogs correspondentes. A iniciativa evidencia o
potencial da automação no âmbito da comunicação científica.
5
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Em relação à comunicação de riscos de desastres, Ogie, Rho e Clarke (2018) analisaram a
aplicação da IA nessa área por meio de uma revisão sistemática. Eles destacam que os aplicativos
de inteligência artificial têm potencial para serem utilizados na previsão e monitoramento de
alertas precoces, bem como na extração e classificação de informações para a conscientização
situacional entre especialistas, o que contribui para o aumento da precisão e na velocidade da
comunicação de riscos.
Ali (2023) realizou um estudo onde foram discutidas considerações éticas em publicações
científicas a partir de chatbots, como o ChatGPT (Chat Generative Pre-Trained Transformer).
Este estudo mostrou a ascensão dos chatbots e como isso representa um desafio significativo para
editores e publicadores de periódicos científicos, a exemplo da ética da autoria acadêmica e a
identificação de textos gerados por IA, bem como o uso de ferramentas de software nessa detecção.
Além disso, ressaltam que a transparência, confiança e confiabilidade, pilares da ciência, devem
ser preservados ao lidar com a evolução tecnológica, para que os chatbots contribuam para o
progresso científico.
Na área da saúde, um estudo recente realizado por Kung et al. (2023) revelou que o
ChatGPT teve um desempenho comparável ou próximo ao limite de aprovação nos exames de
licenciamento médico dos Estados Unidos, indicando o potencial dos modelos de linguagem
avançada na educação médica e tomada de decisões clínicas. Além de extrair informações
pertinentes, o ChatGPT pode ajudar na pesquisa de literatura científica e até mesmo criar um
esboço para os médicos desenvolverem posteriormente (Biswas 2023). Essas descobertas apontam
para novas perspectivas no uso de chatbots na comunicação científica, especialmente na área
médica, oferecendo oportunidades para aprimorar a produção de conhecimento e facilitar a
disseminação de informações no campo da saúde.
A utilização de agentes não humanos e modelos de inteligência artificial na comunicação
científica tem sido objeto de intenso debate e investigação (Relf 2023; Ring 2023; Kurian et al
2023; Buchanan 2023; Mir 2023). Gao et al. (2022) revela em sua pesquisa, que o chatbot
ChatGPT é capaz de gerar resumos falsos tão convincentes que cientistas muitas vezes têm
dificuldade em identificar se são ou não verídicos. Essa descoberta tem gerado controvérsias e
6
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
preocupações sobre as implicações para a ciência, o que levanta questões éticas e desafios para sua
utilização. Assim, torna-se imperativo promover estudos sobre essa temática.
3 Métodos
Esta pesquisa foi conduzida a partir de uma abordagem exploratória, pois segundo Gil
(2017, p. 32) tem o objetivo de promover “[...] maior familiaridade com o problema, com vistas a
torná-lo mais explícito ou a construir hipóteses”. Já como método utilizou-se a revisão sistemática
da literatura (RSL), a partir da meta-análise Preferred Reporting Items for Systematic Reviews and
Meta-Analyses (Prisma)
(1)
.
O processo de revisão sistemática compreendeu as seguintes fases: 1) - delimitação da
questão a ser pesquisada; 2) - escolha das fontes de dados; 3) - eleição das palavras-chave para a
busca; 4) - busca e armazenamento dos resultados; 5) - seleção de artigos pelo resumo, de acordo
com critérios de inclusão e exclusão; 6) - extração dos dados dos artigos selecionados; 7) -
avaliação dos artigos; e 8) - síntese e interpretação dos dados (Costa and Zoltowski 2014).
Para execução da busca, foram utilizadas as bases Web of Science (WoS), SCOPUS e
Dimensions, compreendendo, assim, um amplo conjunto de bases de pesquisa como ponto de
partida para a investigação.
Em conjunto com a RSL, também se fez uso da análise bibliométrica. O princípio
fundacional da bibliometria reside na análise sistemática da produção científica ou técnica por
meio de métodos quantitativos aplicados às publicações de um campo científico (Silva et al. 2011).
Este enfoque implica a obtenção de dados numéricos por meio de contagens estatísticas de
publicações ou de elementos que compreendem diversas técnicas estatísticas. O propósito
subjacente é quantificar os complexos processos de comunicação escrita no contexto acadêmico.
A concepção proposta por Rostaing (1996, p.17) confere à bibliometria uma abordagem
pragmática, definindo-a como "a aplicação de métodos estatísticos ou matemáticos sobre o
conjunto de referências bibliográficas". Essa definição ressalta a natureza analítica da bibliometria,
a qual se propõe a extrair informações significativas por meio de abordagens estatísticas e
matemáticas sobre o vasto conjunto de referências bibliográficas disponíveis. Essa disciplina
7
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
desempenha um papel fundamental no mapeamento e na compreensão da atividade científica,
proporcionando insights valiosos para orientar a pesquisa e o desenvolvimento acadêmico.
A análise bibliométrica foi realizada através do pacote de software "Bibliometrix R". Essa
ferramenta de software cientométrico, desenvolvida por Aria e Cuccurullo (2017), ofereceu
suporte ao processamento e análise dos dados. Conforme indicado por pesquisas recentes sobre
ferramentas bibliométricas, o Bibliometrix destaca-se por sua capacidade abrangente de análises,
sendo reconhecido como a ferramenta mais completa e integrada para a análise bibliométrica
(Moral-Muñoz et al. 2020). Outra ferramenta bastante utilizada na literatura para análise
bibliométrica e que também foi utilizada nesta pesquisa, na análise de cocitação de autores, é o
software VOSviewer (Van Eck and Waltman 2010).
Os dados foram coletados durante todo o mês de novembro de 2022, de acordo com os
seguintes procedimentos descrito no quadro 1, num lapso temporal de 2002 a 2022.
Quadro 1 – Procedimentos da revisão sistemática
Procedimentos
Descrição
Definição das expressões de busca
O objetivo foi ampliar o escopo da pesquisa, a fim de obter o
maior número possível de trabalhos na literatura, como
respaldado por Castro Groenner et al. (2022).
O conjunto de termos-chave abrangeu os termos relacionados
às ferramentas de IA em diversas áreas da pesquisa científica,
como Ciência da Computação, Engenharias e Matemática, e
comunicação científica. Esses termos foram combinados e
utilizados nas áreas do título, palavra-chave e resumo das três
bases de dados (Dimensions, Scopus e WoS). A lista
completa das expressões de busca booleana pode ser
encontrada no Apêndice.
Essa abordagem resultou em um total de 244 publicações
retornadas pelos termos de busca.
8
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Critérios de inclusão
Tipologia documental: artigos publicados em periódicos e em
eventos científicos, revisados pelos pares.
Foram excluídos artigos de revisão e editoriais (n1=20), por
se tratarem de tipos de publicações que não apresentam
resultados originais de pesquisa ou análise de dados
empíricos.
Após filtragem dos artigos houve uma aplicação dos critérios
de inclusão (artigos de periódicos e de eventos científicos
[n2=30]) e retirada dos duplicados (n3=45), restando um total
de n=149 publicações para análise.
Processamento dos dados
bibliográficos
Metadados incluídos na análise: título, ano, resumo, palavras-
chave, filiação dos autores, país de publicação e revista;
foram exportados a partir das bases pesquisadas em
formato .csv, .txt e .bib.
O software Bibliometrix foi utilizado para a transformação
dos dados em um quadro de dados R, que possibilitou
detectar e remover os artigos duplicados e processá-los
usando um conjunto de técnicas, através do plugin
Biblioshiny. Os dados também foram analisados com o
software VOSviewer, o que possibilitou análise de redes de
autoria.
Fonte: Dados da Pesquisa
Os seguintes indicadores bibliométricos foram utilizados no trabalho: quantidade de artigos
publicados por período de tempo; distribuição do número de publicações por ano; distribuição de
autores por unidades de colaboração em instituições; quantidade de publicações por tipo de fonte;
distribuição de publicações por citações na literatura; quantidade de publicações por periódico
científico, análise de cocitação e coautoria, análise temática, frequência de termos por período,
nuvem de palavras, ocorrência de palavras-chave, mapa geográfico de colaboração, frequência de
termos no período e documentos mais citados.
4 Resultados e discussões
Após a aplicação dos critérios de inclusão, foram resgatadas 149 publicações, conforme
relatado na seção de métodos. A maioria dessas publicações consistia em artigos completos em
periódicos (121), enquanto o restante eram trabalhos apresentados em eventos científicos (28). O
intervalo encontrado pela busca foi de 2002 a 2022, destacando o crescimento ao longo dessas
duas décadas. Dos autores envolvidos, 32 realizaram trabalhos como autores únicos, representando
9
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
21,47% do total, enquanto 78,53% dos trabalhos tiveram múltiplos autores. A média de coautores
por trabalho foi de 3.64, o que evidencia uma colaboração significativa na área da comunicação
científica, conforme a tabela 1 abaixo.
Tabela 1- Descrição dos dados
Descrição
Resultados
Período
2002:2022
Documentos
149
Taxa de crescimento anual %
12,91
Média de documentos por ano
4,61
Média de citações por documento
10,19
Referências
5566
Palavras chave (Plus)
837
Palavras chave de autores
639
Autores
517
Documentos de autoria única
32
Coautores por documento
3,64
Artigos
121
Artigos de conferência
28
Fonte: Dados da pesquisa
A produção científica durante todo o período analisado seguiu uma média significativa,
com taxa de crescimento anual de 12.91%. A elevação do número de artigos a partir de 2014 pode
ser atribuído ao impacto de inovações introduzidas após 2012, notadamente com o advento de
novas metodologias em Deep Learning. Essa revolução no campo de aprendizado de máquina,
exemplificada pelo surgimento do AlexNet em 2012 (Krizhevsky et al., 2017), é considerada um
ponto crucial no avanço tecnológico. Esta abordagem pioneira trouxe contribuições substanciais
para o reconhecimento de padrões, como evidenciado pela precisão alcançada nas tarefas do
ImageNet e destacado pelo gráfico de sucesso das técnicas de aprendizagem profunda desde 2012
(Alom et al., 2018).
A história do Deep Reinforcement Learning (DRL), iniciada em 2013 com o Google Deep
Mind, é outra inovação que potencialmente contribuiu para o impulso das pesquisas em IA. O DRL
10
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
emergiu como uma técnica valiosa para ambientes desconhecidos, refletindo um avanço notável
após 2012 (Mnih et al., 2015).
A progressão mais significativa na produção científica ocorreu a partir de 2017, quando
houve um aumento notável de dez artigos por ano (entre 2002 e 2016) para quase 35 publicações
anuais (entre 2017 e 2022). Esse período histórico coincidiu com um notável aumento no número
de publicações acadêmicas sobre Inteligência Artificial (IA) e testemunhou impactos substanciais
de inovações na indústria (Jatobá et al., 2019). O Gráfico 01 ilustra essa tendência por meio de
uma série histórica da produção científica anual.
Gráfico 01 - Produção científica anual
Fonte: Dados da Pesquisa.
Esse crescimento tem origens no surgimento da arquitetura Transformer (Vaswani et al.,
2017), que representou uma inovação marcante em aprendizado profundo, sendo amplamente
adotada em diversos campos, como processamento de linguagem natural (PNL), visão
computacional (CV) e processamento de fala. O Transformer, inicialmente proposto como um
modelo sequência a sequência (Sutskever et al., 2014) para tradução automática, tem influenciado
positivamente muitas tarefas em PNL. Da mesma forma, o GPT-2, criado em 2019, um modelo de
11
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
linguagem não supervisionado de grande escala (Radford et al., 2019), destaca-se por sua
capacidade de gerar texto coerente e alcançar desempenho de última geração em diversas tarefas.
O crescimento progressivo nas pesquisas também está associado a outras inovações, como
o StyleGAN (Karras et al., 2018), uma arquitetura geradora baseada em estilo para redes
adversárias generativas, e melhorias subsequentes, como as propostas por Karras et al. em 2019.
Essas arquiteturas não apenas contribuíram para melhorar a qualidade e estabilidade de imagens,
mas também trouxeram avanços notáveis em termos de variação nessas imagens geradas.
Portanto, é possível inferir que o notável aumento nas publicações a partir de 2017 pode
ser atribuído à introdução de inovações significativas em modelos de aprendizado profundo, como
o Transformer, GPT-2 e StyleGAN, que influenciaram positivamente o progresso na pesquisa em
IA.
Em relação às fontes das publicações, que são os locais onde os artigos são divulgados
(jornais ou conferências), foi observado que o periódico "Public Understanding of Science" teve o
maior número, com quatro publicações no total. Em seguida, a conferência "ACM International
Conference Proceeding Series" e o periódico "PLOS ONE" tiveram duas publicações cada. Além
disso, sete periódicos tiveram duas publicações cada um, enquanto todas as outras fontes tiveram
uma publicação cada. O Gráfico 02 mostra as 20 fontes de publicação mais relevantes.
12
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Gráfico 02 – Fontes mais relevantes
Fonte: Dados da Pesquisa.
No contexto deste trabalho, o termo "Inteligência Artificial" (IA) engloba uma diversidade
de tópicos e conceitos relacionados sob seu amplo escopo. Esta abordagem considera o espectro
completo de temas associados à IA, conforme manifestado na pesquisa, abrangendo, mas não se
limitando a, "Aprendizado de Máquina", "Deep Learning", "Redes Neurais", "Mineração de
Dados", "Processamento de Linguagem Natural", "Aprendizado por Reforço", "Algoritmos
Genéticos", "Lógica Fuzzy", "Sistemas Especialistas", "Transfer Learning", "SVM", "Random
Forest", "Árvores de Decisão", "XGBoost", "Regressão Logística", "Redes Neurais
Multicamadas", "Análise Semântica Latente", "Árvores de Decisão Gradiente", entre outras
expressões disponíveis no apêndice.
Desta forma, ao fazer referência à Inteligência Artificial neste contexto, adotou-se uma
perspectiva holística que abraça várias facetas e técnicas associadas a este campo vasto e dinâmico.
Essa amplitude terminológica possibilita uma abordagem abrangente sobre a interação da
Inteligência Artificial com a comunicação científica, conforme delineado nesta revisão
sistemática.
13
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Ao enfatizar como a IA se relaciona com o tema da comunicação científica, é crucial
salientar que todos os artigos analisados incorporam as duas temáticas. Mesmo quando alguns
estudos não têm a IA como foco principal, eles empregam técnicas estatísticas, como regressão
logística, para avaliar variáveis relevantes no contexto da comunicação científica, ou seja, aplicam
técnicas de inteligência artificial no contexto metodológico. Os periódicos investigados, que
abrangem diversas disciplinas como Comunicação, Educação, Mídias Sociais, Ciência da
Computação, Saúde e Estudos Sociais da Ciência e Tecnologia, refletem, portanto, a abordagem
transdisciplinar da IA na comunicação científica.
A publicação no periódico ACM (International Conference Proceeding Series) intitulada
"Communication, Education and Social Media" (Arcila-Calderon, 2018) se concentra nos usos das
mídias digitais e sociais, evidenciando como a IA permeia esses contextos. Da mesma forma, o
estudo sobre a "Adoção de Meios de Comunicação por Cientistas Europeus" (Sánchez-Holgado e
Arcila-Calderón, 2017) aborda a participação ativa dos cientistas na disseminação do
conhecimento científico, incorporando narrativas transmídia, revelando a presença da IA nesse
processo.
O artigo sobre o "Estudo do Sentimento na Opinião Pública da Ciência em Espanhol"
(Sanchez-Holgado e Arcila-Calderon, 2018), também no ACM, utiliza algoritmos de aprendizado
de máquina para análise de sentimentos em mensagens do Twitter sobre temas científicos,
evidenciando a aplicação prática da IA na interpretação de dados sociais.
No PLOS ONE, os artigos cujos temas são os "Indicadores de Credibilidade do Microblog
sobre Alimentos Geneticamente Modificados" (Ji et al., 2021) e "Compressão Multinível de
Passeios Aleatórios em Redes" (Rosvall e Bergstrom, 2011) utilizam a IA para identificar
indicadores eficazes na previsão de desinformação e explorar a organização hierárquica em redes,
respectivamente.
Os trabalhos no periódico Public Understanding of Science enfocam a busca de
informações científicas online e a utilização do microblogging como extensão da reportagem
científica, ambos destacando como a IA molda e influencia a comunicação científica na era digital
(Segev e Baram-Tsabari, 2012; Buechi, 2017).
14
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Portanto, os dados aqui apresentados destacam não apenas a presença da IA em todas as
áreas examinadas, mas também como essa tecnologia se integra e impacta a comunicação
científica nas diferentes disciplinas abordadas nesses trabalhos.
Considerando o fator de impacto das 20 mais relevantes fontes analisadas, conforme
demonstrado no Gráfico 03, observou-se que PLOS ONE é o periódico científico que mais teve
citações, chegando a 241 durante o período analisado, seguido dos periódicos Journal of
Cheminformatics (88), Public Understand of Science (69) e Computers in Human Behavior, com
52 citações.
Gráfico 03 – Fator de impacto da fonte, por total de citações
Fonte: Dados da Pesquisa.
No que diz respeito aos autores mais produtivos no campo de pesquisa sobre IA na
literatura investigada, destaca-se a contribuição significativa de Arcila-Calderón C e Sánchez-
Holgado P, ambos afiliados à Universidade de Salamanca, na Espanha. Os autores exploram a
adoção de TICs (Tecnologias de Informação e Comunicação), comunicação científica, narrativas
transmídia, Big data e Inteligência Artificial na comunicação social. Eles são coautores em grande
15
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
parte dos trabalhos identificados e apresentam o maior número de publicações, totalizando sete
artigos no período analisado. Essa informação pode ser visualizada no Gráfico 04.
Gráfico 04 – Relevância dos autores por produção científica
Fonte: Dados da Pesquisa.
No Gráfico 05, tem-se a produção de artigos e as citações durante o período, por ano,
considerando os 20 autores mais produtivos. Conforme observado no Gráfico 01, a maior
quantidade de trabalhos publicados se encontra após o ano de 2016, sendo 2017 o ano inicial para
diversos autores, como exemplo Arcila-Calderón C. e Sánchez-Holgado P., que desde esse ano até
2022 somaram sete artigos cada, corroborando com a informação que consta no Gráfico 04. Em
contrapartida, eles apresentaram menos citações por ano, entre nenhuma e 1.25 citações em média,
o que sugere um breve histórico acadêmico desses autores na área pesquisada. Outros autores,
como Conti A., Zhao Q. e Adams N., tiveram contribuições espaçadas sobre a temática, entre os
anos de 2005 (dois artigos), 2011 (um artigo) e 2013 (dois artigos), respectivamente. Adams N. e
outros autores, em um trabalho sobre mineração semântica de texto na área de Química, teve a
maior quantidade de citações por ano, considerando os 20 autores mais produtivos, com um total
de 7 citações no ano de 2011 e 88 citações, no ano corrente de 2022. A maioria dos autores detém
apenas uma contribuição na temática buscada.
16
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Gráfico 05– Produção e citações por autor, por ano
Fonte: Dados da Pesquisa.
O Gráfico 06 apresenta um ranking dos países dos autores correspondentes. Segundo
Mattsson, Sundberg e Laget (2011), autor correspondente é o autor que envia o artigo ao editor da
revista e prossegue com toda a documentação, atuando como um autor de contato com outros
pesquisadores interessados.
Na primeira posição do ranking, tem-se EUA como o país com a maior quantidade de
autores correspondentes, com 15 publicações (13 no mesmo país [SCP – Publicações de um único
país] e 2 em múltiplos países [MCP – Publicações de múltiplos países]), seguido de China (1 SCP
e 10 MCP), Canadá (2 SCP e MCP) e Reino Unido (2 SCP e 4 MCP). Aqueles com as maiores
taxas de colaboração internacional são EUA, Canadá, Reino Unido, Austrália, Suíça e Rússia;
todos com duas publicações cada; no entanto, a maior quantidade de trabalhos segue-se no mesmo
país. Além disso, há países sem nenhuma cooperação internacional entre autores correspondentes,
como Itália (5), Índia (4), Nova Zelândia (3) e Brasil, com dois trabalhos publicados dentro do
próprio país, por esses autores. Em geral, a maioria dos trabalhos publicados são provenientes de
colaborações entre instituições do mesmo país.
17
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Gráfico 06 – País dos autores correspondentes. Colaboração intra-país (SCP) e entre-países (MCP)
durante 2002 e 2022.
Fonte: Dados da Pesquisa.
Como relatado por AlShebli et al. (2022), a China está na liderança de países com maior
número de cientistas e publicações de artigos de alto impacto sobre tecnologias de Inteligência
Artificial. Pequim, por exemplo, lidera desde 2007, mas também se destaca em produtividade e
alocação de cientistas de IA nas últimas duas décadas. Em 2017, Pequim recebeu o dobro de
citações da segunda cidade mais impactante (Mountain View, na Califórnia, EUA), indicando uma
disparidade significativa. Essa tendência de liderança persistiu, com Pequim mantendo uma
notável vantagem em 2019 em termos de produção de artigos e alocação de cientistas da área de
IA. O aparecimento do país no 2º lugar do ranking de autores correspondentes pode ser explicado
por essa demanda crescente.
Em relação aos trabalhos mais citados, em 1º do ranking encontra-se o artigo dos autores
Goodman DFM e Brette R, com o artigo intitulado ‘The Brian Simulator’, que apresenta um
simulador de redes neurais, sendo um marco para a área da modelagem neurocientífica, para o
ensino de neurociência computacional, e portanto, para a comunicação científica. A maior
quantidade de citações é proveniente de três trabalhos científicos (Goodman DFM [360], Rosvall
M [239] e Hjorland B [204]), representando 52,8% de todas as 1518 citações dos 149 artigos
18
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
analisados. O Quadro 2 apresenta a lista dos 10 documentos mais citados, em ordem decrescente
com a quantidade de citações (TC), DOI e Total de citações por ano (TC/Y).
Quadro 2 – Documentos mais citados
Artigo
DOI
TC
TC/Y
Goodman Dfm, 2009, Jorn of Comp Neurosci
10.3389/NEURO.01.026.2009
360
24,00
Rosvall M, 2011, Plos One
10.1371/journal.pone.0018209
239
18,38
Hjørland B, 2002, Journal of Documentation
10.1108/00220410210431136
204
9,27
Hawizy L, 2011, J Cheminformatics
10.1186/1758-2946-3-17
88
6,77
Hwong Yl, 2017, Comput Hum Behav
10.1016/j.chb.2016.11.068
50
7,14
Segev E, 2012, Public Underst Sci
10.1177/0963662510387560
29
2,42
Bota M, 2010, The Jour of Comp Neur
10.3389/FNINF.2010.00003
28
2,00
Fluck J, 2013, Drug Discov Today
10.1016/J.DRUDIS.2013.09.012
27
2,45
Zou X, 2020, Accid Anal Prev
10.1016/j.aap.2020.105568
26
6,50
Buchi M, 2017, Public Underst Sci
10.1177/0963662516657794
25
3,57
Fonte: Dados da Pesquisa
O Gráfico 07 apresenta o ranking das 20 palavras-chave mais citadas pelos trabalhos.
‘Scientific communication’ ocupa a primeira posição, com 48 ocorrências, seguido de ‘artificial
intelligence', com 25. As duas, com um total de 73 ocorrências, representam 28,29% do total de
palavras-chave com quatro ou mais ocorrências. ‘Social media’, ‘Machine learning’, ‘Deep
Learning’, ‘Learning systems’ e ‘Data Mining’ representam as palavras-chave mais recorrentes,
com 10 ou mais ocorrências, sugerindo que esses temas são bem trabalhados nos documentos
científicos utilizados na análise.
19
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Gráfico 07 – Ocorrência de palavras-chave
Fonte: Dados da Pesquisa.
Cabe lembrar que há uma diferença na frequência de palavras chave do tipo ‘Plus’ e de
‘Autores’. Enquanto os próprios autores de um artigo elaboram as palavras-chave de autores, as
do tipo Keywords Plus são criadas a partir de um algoritmo que deriva palavras dos títulos de todos
os artigos citados por ele. Esse recurso é fornecido pelas bases utilizadas neste estudo desde 1991
(Clarivate, [s.d.]; Garfield and Sher 1993). Na figura 01 é feito um comparativo da distribuição de
ocorrências das palavras-chave nos dois tipos de classificação.
A maior distribuição das palavras-chave do tipo Keywords Plus é explicada pelo fato de
que elas estão em maior quantidade e são mais descritivas dos trabalhos, além disso são tão
eficazes quanto palavras-chave de autor para análises bibliométricas (Zhang et al., 2016). Por sua
vez, no grupo de palavras-chave de autores, há uma concentração maior de palavras-chave em
basicamente duas: ‘artificial intelligence’, ‘machine learning’ e scientific communication’,
relatando que os autores tendem a usar as mesmas palavras-chave em vários trabalhos científicos,
ao invés de diferenciá-las para possibilitar uma maior abrangência do trabalho. Por essa razão,
foram escolhidas as Keywords Plus nas análises que necessitavam do campo de palavra-chave
como fonte de dados.
20
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Figura 01 - Nuvem de palavras - Keywords Plus versus Keywords de autores
Fonte: Dados da Pesquisa.
Ao analisar as palavras mais citadas por ano, ou os tópicos de tendência, verificou-se que
‘scientific communication’, ‘artificial intelligence’ e ‘social media’ representam a maior
quantidade de ocorrências de palavras-chave entre os anos de 2018 e 2022, sugerindo que
pesquisas relacionadas com esses termos são as que mais estão sendo trabalhadas nos últimos anos.
O Gráfico 08 representa as frequências de palavras-chave, considerando as citações por ano. O
requisito para frequência mínima foi definido em pelo menos cinco palavras e no mínimo três
ocorrências por ano.
Gráfico 08 - Termos mais frequentes no período
Fonte: Dados da Pesquisa.
21
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
A análise temática foi realizada na tentativa de extrair o tipo de relacionamento temático
dos trabalhos coletados. Para isso, utilizou-se a análise de co-ocorrência de palavras-chave.
Também chamada de Análise de Palavras Associadas (em inglês, co-word analysis), a análise de
co-ocorrência de palavras é um método utilizado para mapear as associações temáticas em
movimento a partir de suas associações dentro de um corpus textual (Callon; Courtial; Laville
1991). Tendo como base a Teoria do Ator-Rede (TAR), essa técnica foi proposta para mapear a
dinâmica de uma área científica (Callon et al., 1983).
Na aplicação da técnica, são obtidos grupos ou clusters de palavras, e eles são analisados
conforme os parâmetros de centralidade e densidade. A centralidade mede o grau de interação de
um cluster com outros clusters e representa o grau de impacto (relevância) do assunto no campo
estudado. A densidade, por sua vez, mede a força interna do cluster, ou seja, quantifica a força dos
laços internos entre todas as palavras-chave que descrevem o tema de pesquisa, representando até
que ponto o tema está desenvolvido no campo investigado. (Cobo et al. 2011; Urbizagástegui-
Alvarado 2022).
A análise de co-ocorrência usando como fonte de dados as palavras-chave do tipo Keyword
Plus gerou o diagrama estratégico apresentado no Gráfico 09, apresentando os temas de acordo
com seus valores de centralidade e densidade.
22
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Gráfico 09 – Diagrama estratégico das fontes analisadas – Densidade versus Centralidade
Fonte: Dados da Pesquisa.
Os clusters temáticos foram dispostos em 4 quadrantes. É importante destacar que cada
cluster gerado retrata uma área temática, representada pelas palavras-chave mais frequentes, que
juntas refletem a importância do conceito. Quanto maior o cluster, maior o número dessas
palavras-chave nos trabalhos analisados.
No quadrante superior direito são apresentados os temas motores, com alta centralidade e
densidade, que representam temas bem desenvolvidos e importantes para a estruturação do campo
de pesquisa. Com relação aos principais grupos desse quadrante, podem-se perceber temas
relativos ao uso de IA, comunicação científica e redes sociais; Educação e humanos; Teoria da
computação e internet das coisas; e Ciência, comunicação e informação. No quadrante inferior
esquerdo há temas relacionados com Coronavírus, classificação e visualização da informação;
Pesquisa comportamental e análise de tendência; Validação e saúde; e Análise de dados e
algoritmos. Segundo Cobo et al. (2011), este quadrante representa temas emergentes ou em
23
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
extinção, pois apresentam baixo impacto e desenvolvimento. Porém, considerando o baixo número
de publicações levantadas na fase de coleta de dados, temas nesse quadrante podem representar
expansão das temáticas tanto em centralidade como em densidade, o que indica que os laços
internos e externos podem vir a se desenvolver, conforme se avança nessas áreas.
No quadrante superior direito, destacam-se os temas motores, caracterizados por alta
centralidade e densidade, indicando relevância e desenvolvimento significativos no campo de
pesquisa. Dentre os principais grupos neste quadrante, são identificados temas como o uso de IA
na comunicação científica e redes sociais, Educação e humanos, Teoria da computação e Internet
das coisas, além de Ciência, comunicação e informação.
No contexto desses clusters, a publicação na ACM (International Conference Proceeding
Series) intitulada "Communication, Education and Social Media" (Arcila-Calderon, 2018) oferece
uma visão detalhada sobre o uso de mídias digitais e sociais, evidenciando a permeação da IA
nesses contextos. Além disso, o estudo sobre a "Adoção de Meios de Comunicação por Cientistas
Europeus" (Sánchez-Holgado e Arcila-Calderón, 2017) explora a participação ativa dos cientistas
na disseminação do conhecimento científico, incorporando narrativas transmídia, revelando a
presença da IA nesse processo.
Outro destaque é o artigo sobre o "Estudo do Sentimento na Opinião Pública da Ciência
em Espanhol" (Sanchez-Holgado e Arcila-Calderon, 2018), também na ACM, que utiliza
algoritmos de aprendizado de máquina para analisar sentimentos em mensagens do Twitter sobre
temas científicos, evidenciando a aplicação prática da IA na interpretação de dados sociais.
No PLOS ONE, os estudos "Indicadores de Credibilidade do Microblog sobre Alimentos
Geneticamente Modificados" (Ji et al., 2021) e "Compressão Multinível de Passeios Aleatórios em
Redes" (Rosvall e Bergstrom, 2011) empregam a IA para identificar indicadores eficazes na
previsão de desinformação e explorar a organização hierárquica em redes, respectivamente.
Quanto aos temas presentes no quadrante inferior esquerdo, relacionados a Coronavírus,
classificação e visualização da informação; Pesquisa comportamental e análise de tendência;
Validação e saúde; e Análise de dados e algoritmos, destaca-se o estudo de Takahara et al. (2021)
sobre a "Criação e difusão de conteúdos audiovisuais e multimédia" oferece uma nova abordagem
24
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
para promover a comunicação científica sobre saúde infantil, utilizando métodos de visualização
inovadores.
No cenário da saúde, a pesquisa de Wright e Augenstein (2021) foca na detecção
semissupervisionada de exageros em comunicados de imprensa sobre ciências da saúde,
sublinhando a essencialidade da confiabilidade na disseminação de descobertas médicas.
Paralelamente, a revisão abrangente de literatura por Inshakova (2019) cujo título é "Ubiquitous
Computing and the Internet of Things" proporciona uma visão holística das transformações
socioeconômicas e regulatórias nesse campo emergente.
Em uma outra vertente, a pesquisa de Rajas et al. (2022) concentra-se na criação e difusão
de conteúdos audiovisuais e multimídia, ressaltando a transformação em curso na educação e
ciência na sociedade da informação, com ênfase no papel crucial da IA nesse contexto.
Simultaneamente, o estudo de Duran et al. (2020) intitulado "Science Education and Artificial
Intelligence – A Chatbot on Magic and Quantum Computing as an Educational Tool" evidencia a
aplicação prática da IA na educação em ciências, utilizando truques de mágica baseados em
princípios matemáticos para ilustrar conceitos complexos relacionados à Ciência Quântica.
Essas investigações, que se configuram como representativas dos agrupamentos
identificados, convergem de maneira a aprimorar a apreensão da interdisciplinaridade entre
Inteligência Artificial (IA) e comunicação científica. A ênfase nas aplicações práticas e nas
relações delineadas entre as duas áreas, nos estudos em questão, oferece uma contribuição
substantiva para o entendimento multifacetado que caracteriza a intersecção entre a inteligência
artificial e os distintos domínios da pesquisa científica.
Como também é possível observar no diagrama estratégico, não há clusters no quadrante
superior esquerdo nem no inferior direito, indicando que não há temas de nicho, ou seja, muito
especializados e de caráter periférico, provenientes de um pequeno grupo de pesquisadores (Niche
Themes) nem há temas relevantes que tenham baixo desenvolvimento no campo de pesquisa
(Basic Themes) (Belfiore; Cuccurullo; Aria 2022). A diversidade de temas no quadrante de temas
motores, indica que o campo de pesquisa relativo ao uso de IA na comunicação científica está
sendo pesquisado em diversas frentes e campos na literatura analisada, ressaltando a
interdisciplinaridade deste tópico.
25
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
O Gráfico 10 traz a análise de co-ocorrência de palavras-chave através da evolução
temática, considerando o período entre 2002 e 2022. Foi realizado um corte temporal em 2017,
quando ocorreu o maior impulsionamento na publicação de pesquisas científicas do campo
analisado. Então, à esquerda contém as áreas temáticas desenvolvidas durante o período de 2002
a 2016, e à direita por sua vez, contém as palavras-chave relativas aos temas do período de 2017 a
2022.
Gráfico 10 – Mapa bibliométrico de evolução temática. Período 2002-2016 e 2017-2022.
Fonte: Dados da Pesquisa.
Segundo Cobo et al. (2011) uma área temática é definida como um grupo de temas
evoluídos ao longo do tempo, além disso um tema pode ter sido tanto originado independente de
outro tema como por várias áreas temáticas anteriores. A análise da evolução temática indica que
entre 2002 e 2016, alguns temas se desenvolveram, a partir das publicações relacionadas com as
palavras-chave ‘artificial intelligence’, ‘scientific communication’ e ‘data mining’. Por sua vez,
essas áreas foram determinantes para a evolução da área temática relacionada com ‘scientific
communication’, entre os anos 2017 e 2022. O termo ‘science’ teve baixo índice de inclusão dentro
26
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
da área temática relacionada com ‘scientific communication’ e ‘biology’ teve uma pequena
influência no desenvolvimento da temática relacionada com ‘deep learning’.
De acordo com as fontes científicas do campo estudado, as evidências indicam que
trabalhos relacionados com inteligência artificial e mineração de dados tiveram forte influência
para a evolução e estabilização da área temática da comunicação científica, ao longo de 20 anos,
relação que se acentua a partir de 2017, conforme o aumento do número de novos trabalhos
publicados na literatura.
Com relação à análise das colaborações entre autores, percebe-se que existem algumas
redes, onde cada nó representa o autor e a aresta a relação entre eles. Quanto maior o volume dos
nós, maior a quantidade de documentos que aquele autor compartilha com outros e quanto mais
espessa a linha da aresta da relação, maior é a quantidade de documentos publicados juntos pelos
autores da relação. Diferentes cores representam diferentes clusters de colaboração de autores. A
Figura 02 traz a disposição das redes de colaboração (coautoria) entre os autores dos estudos
analisados.
Figura 02 – Redes de coautoria
Fonte: Dados da Pesquisa.
27
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Os autores Arcila-Calderón e Sánchez-Holgado aparecem na rede compartilhando seis
publicações, enquanto a maioria das colaborações são entre um e dois documentos. No grupo de
cor verde, todos os autores compartilham dois documentos de colaboração, e no grupo azul, exceto
o autor Aleo P, todos os outros compartilham também dois documentos. O grupo de cor roxa e
amarelo contém somente uma publicação em colaboração. Isso reforça o que já foi evidenciado no
Gráfico 09, onde foram encontradas diversas áreas motoras, sugerindo diferentes frentes de
pesquisa acadêmica no campo estudado.
De forma complementar, a Figura 03 traz uma representação gráfica dessas colaborações,
considerando as ligações entre países. A espessura da aresta indica a frequência de colaboração;
as tonalidades de azul indicam a frequência de colaboração externa de um determinado país. A cor
cinza indica nenhuma colaboração externa. EUA e Canadá se encontram no topo do ranking, com
três colaborações, seguido de Reino Unido e Nova Zelândia (2) e Reino Unido e Suíça (2). Todas
as relações com duas colaborações são dos EUA com diferentes países: Austrália, China, França,
Nova Zelândia e Reino Unido. Todas as relações restantes tiveram somente uma colaboração.
O Brasil colaborou com Canadá (1), China (1) e EUA (1), porém, não participou em
nenhum deles como autor principal, conforme também relatado através das informações dispostas
na Figura 03. Também é possível perceber países sem colaboração externa, como grande parte da
América Latina e continente Africano.
28
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Figura 03 – Mapa-mundi de colaborações entre autores
Fonte: Dados da pesquisa.
Buscou-se também realizar uma análise de cocitação de autores, na tentativa de
compreender a interligação entre os pesquisadores inseridos no campo de pesquisa analisado.
Segundo Gmür (2003), a análise de cocitação produz representações válidas da estrutura
intelectual de um certo domínio científico. A análise traz consigo a hipótese de que quanto mais
autores, fontes ou artigos são citados juntos em um trabalho, então existe um relacionamento de
assuntos entre os citados, a partir de quem os cita. Além disso, a forma como são apresentadas
essas relações determina como a estrutura de conhecimento de uma área percebida pelos
pesquisadores (Guo 2022; Miguel; Moya-Anegón; Herrero-Solana 2008).
A Figura 04 apresenta a rede de cocitação de autores dos trabalhos analisados. A área dos
nós é proporcional à frequência de cocitação dos autores e a espessura das arestas é proporcional
à frequência de cocitação entre os autores ligados, além disso, as cores dos nós representam
clusters temáticos de maior relacionamento entre os autores (Mostafa Hatami et al. 2021; Van Eck;
Waltman 2019).
29
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Figura 04 – Rede de cocitação por autor
Fonte: Dados da pesquisa.
A rede total de relacionamento de autores por trabalhos em que eles são citados juntos
gerou um total de 40 nós, 7 clusters 139 ligações, com uma força total de link (total link strength)
de 593. Segundo Van Eck e Waltman (2019), essa força indica a quantidade de cocitações
compartilhadas, considerando todos os autores. Para realizar a análise, foi definido o mínimo de
quatro citações por autor.
Bem como relatado na análise representada pelo Gráfico 09, a presença de múltiplos
clusters indica a existência de várias áreas temáticas dentro do campo de conhecimento do uso de
IA na produção científica relacionada à comunicação científica. Alguns dos autores com uma força
total de link acima de 50 em cada cluster são: Wang ZL (80) no cluster 06 (cor azul claro), Nisbet
MC (67) no cluster 02 (cor verde), Schafer MS (66) no cluster 01 (cor laranja), Chen C (55) no
cluster 03 (cor vermelha) e Anderson PW (52) no cluster 04 (cor amarela). A Tabela 2 apresenta
um ranking dos autores com mais de 40 cocitações compartilhadas, bem como o número de
citações únicas e a força total de link atribuída a cada um deles.
30
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Tabela 2 - Ranking de autores, citações e força total de link
Autor
Citações
Força total do link
wang, zl
8
80
askari, h
6
72
nisbet, mc
10
67
schafer, ms
10
66
brossard, d
10
58
chen, c
5
55
anderson, pw
13
52
blei, dm
15
51
wang, y
4
49
shankar, v
4
48
veltri, ga
6
42
li, y
5
42
world health, organization
6
41
peters, hp
5
41
mccombs, me
5
40
guo, l
4
40
Fonte: Dados da pesquisa.
O autor que mais se ligou entre clusters distintos foi Blei M., com um trabalho de 2012
sobre modelos de tópicos probabilísticos, que apresenta uma pesquisa sobre um conjunto de
algoritmos que realizam gerenciamento de grandes arquivos de documentos e modelagem de
tópicos, o que está bem relacionado ao uso de modelos de machine learning e mineração de dados
(Data Mining) no processamento de grandes volumes de dados (Chen; Chiang; Storey 2012;
Jordan; Mitchell 2015). Essa evidência sugere que a maioria dos trabalhos citantes, além das suas
próprias referências de nicho, têm como referência esse trabalho como contribuição para sua base
teórica. Já o autor com a maior força total de link foi Wang ZL (80) com três links, sendo Askari
H (48) e Wang Y (24) no mesmo cluster 06 e Lecun Y (8) do cluster 04, sugerindo que existe uma
mesma base teórica entre os autores cocitados. Considerando o total de links analisados, não foi
demonstrada a existência de um cluster sem pelo menos uma ligação com outro distinto,
demonstrando que houve pelo menos uma citação de dois autores juntos entre clusters diferentes.
A análise realizada também revelou uma relação significativa entre os temas de alta
centralidade e o número de citações recebidas, conforme demonstrado no estudo de (Cobo et al.,
31
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
2011). O diagrama estratégico na Figura 10 ilustra essa correlação. Os trabalhos dos autores com
maiores índices de citação e cocitação compartilhada estão relacionados a áreas-chave, como
"comunicação científica e redes sociais", "Teoria da computação e internet das coisas" e "Ciência,
comunicação e informação".
5 Conclusão
O propósito central deste estudo consistiu em examinar a abordagem da temática da
Inteligência Artificial (IA) na produção acadêmica no âmbito da comunicação científica. A
consecução desse intento envolveu a condução de uma abrangente Revisão Sistemática da
Literatura (RSL). De forma complementar, foi executada uma análise bibliométrica, visando
explorar e avaliar os dados obtidos ao longo da RSL. Essa abordagem metodológica combinada
permitiu uma análise mais aprofundada e abrangente do cenário da IA no contexto da comunicação
científica.
Houve um crescimento moderado nessa área entre 2002 e 2016, mas nos últimos sete anos
(a partir de 2017) ocorreu um aumento significativo na produção científica relacionada. A análise
revelou temas relevantes e multifacetados relacionados ao papel da IA na comunicação científica.
Além disso, foram examinados os contextos e as temáticas em que o campo teve um maior
desenvolvimento, bem como os periódicos, autores e países colaboradores que desempenharam
um papel de liderança nesse avanço do conhecimento. Ficou evidente que a rede de produção está
geograficamente desequilibrada, com uma alta concentração no norte global, tendo os EUA, China
e Canadá como os países com maior número de trabalhos produzidos por seus autores, além disso,
a colaboração externa por autor principal mostrou-se bastante limitada.
A análise temática permitiu inferir a existência de vários eixos temáticos, como temas
motores. A maioria desses temas envolve palavras-chave sobre o uso de IA em comunicação
científica e redes sociais, seres humanos e educação, teoria da computação e internet das coisas, e
ciência, comunicação e informação, evidenciando a importância e o desenvolvimento dessas
temáticas para a estruturação do campo de pesquisa. Na evolução temática, os dados demonstraram
32
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
que temas relacionados à IA e mineração de dados tiveram uma forte influência no progresso e
estabelecimento do campo da comunicação científica relacionada à IA ao longo de duas décadas.
As perspectivas derivadas da análise contribuem para a compreensão da comunidade
científica em geral sobre a interconexão da IA e seu impacto na disseminação do conhecimento
científico, abrindo caminhos para uma exploração mais aprofundada e o desenvolvimento de
estratégias mais eficientes para aproveitar a IA na comunicação científica.
Em conclusão, este estudo destaca o potencial transformador da IA na comunicação
científica, reforçando a necessidade de colaborações contínuas, estruturas éticas e esforços
conjuntos para maximizar seus benefícios e mitigar possíveis riscos. Ao navegar pelo cenário em
constante evolução da comunicação impulsionada pela IA, os pesquisadores podem moldar um
futuro no qual o conhecimento científico seja mais acessível, envolvente e impactante.
Notas
(1) A declaração Preferred Reporting Items for Systematic Reviews and Meta-Analyses (Prisma) publicada em 2009,
foi projetada para ajudar os pesquisadores a relatar de forma transparente por que a revisão foi feita, o que os
autores fizeram e o que encontraram. É endossada por quase 200 periódicos científicos e organizações de revisão
sistemática e é adotada em várias disciplinas do conhecimento (PAGE et al., 2021).
Referências
AlShebli, Bedoor, et al. “Beijing’s Central Role in Global Artificial Intelligence Research”. Scientific
Reports, vol. 12, nº 1, 1, dezembro de 2022, p. 21461. www.nature.com,
https://doi.org/10.1038/s41598-022-25714-0.
Arcila-Calderon, Carlos. “Communication, Education and Social Media”. Sixth International Conference
On Technological Ecosystems For Enhancing Multiculturality (Teem’18), organizado por FJ
GarciaPenalvo, Assoc computing machinery, 2018, p. 920–22,
https://doi.org/10.1145/3284179.3284333.
Ali, Mohammad Javed, e Ali Djalilian. “Readership Awareness Series – Paper 4: Chatbots and ChatGPT
- Ethical Considerations in Scientific Publications”. The Ocular Surface, vol. 28, abril de 2023, p.
153–54. ScienceDirect, https://doi.org/10.1016/j.jtos.2023.04.001.
33
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Alom, Md Zahangir, et al. The History Began from AlexNet: A Comprehensive Survey on Deep Learning
Approaches. arXiv:1803.01164, arXiv, 12 de setembro de 2018. arXiv.org,
https://doi.org/10.48550/arXiv.1803.01164.
Aria, Massimo, e Corrado Cuccurullo. “Bibliometrix: An R-Tool for Comprehensive Science Mapping
Analysis”. Journal of Informetrics, vol. 11, no 4, novembro de 2017, p. 959–75. ScienceDirect,
https://doi.org/10.1016/j.joi.2017.08.007.
Belfiore, Alessandra, et al. “IoT in Healthcare: A Scientometric Analysis”. Technological Forecasting and
Social Change, vol. 184, novembro de 2022, p. 122001. ScienceDirect,
https://doi.org/10.1016/j.techfore.2022.122001.
Biswas, Som. “ChatGPT and the Future of Medical Writing”. Radiology, vol. 307, no 2, abril de 2023, p.
e223312. pubs.rsna.org (Atypon), https://doi.org/10.1148/radiol.223312.
Buchanan, Angus. “Artificial Intelligence—The next Frontier of Scientific Publications?” Australian
Occupational Therapy Journal, vol. 70, nº 3, junho de 2023, p. 301–02. DOI.org (Crossref),
https://doi.org/10.1111/1440-1630.12877.
Buechi, Moritz. “Microblogging as an Extension of Science Reporting”. Public understanding of science,
vol. 26, nº 8, sage publications ltd, novembro de 2017, p. 953–68,
https://doi.org/10.1177/0963662516657794.
Callon, M., et al. “Co-Word Analysis as a Tool for Describing the Network of Interactions between Basic
and Technological Research: The Case of Polymer Chemsitry”. Scientometrics, vol. 22, no 1,
setembro de 1991, p. 155–205. Springer Link, https://doi.org/10.1007/BF02019280.
Callon, Michel, et al. “From Translations to Problematic Networks: An Introduction to Co-Word
Analysis”. Social Science Information, vol. 22, no 2, março de 1983, p. 191–235. SAGE Journals,
https://doi.org/10.1177/053901883022002003.
Casimiro, Adelaide Helena Targino, e Wagner Junqueira de Araújo. Inteligência Artificial em Ciência da
Informação: Revisão Sistemática da Literatura. 2021.
Castro Groenner, Luciana, et al. “Estudo Bibliométrico sobre a pesquisa em Inteligência Artificial no
Brasil”. Brazilian Journal of Information Science: research trends, vol. 16, abril de 2022, p. e02147.
DOI.org (Crossref), https://doi.org/10.36311/1981-1640.2022.v16.e02147.
Chen, Hsinchun, et al. “Business Intelligence and Analytics: From Big Data to Big Impact”. MIS
Quarterly, vol. 36, no 4, 2012, p. 1165–88. JSTOR, https://doi.org/10.2307/41703503.
Clarivate. KeyWords Plus generation, creation, and changes.
https://support.clarivate.com/ScientificandAcademicResearch/s/article/KeyWords-Plus-generation-
creation-and-changes?language=en_US. Acesso em 10 de janeiro de 2023.
34
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Cobo, M. J., et al. “An Approach for Detecting, Quantifying, and Visualizing the Evolution of a Research
Field: A Practical Application to the Fuzzy Sets Theory Field”. Journal of Informetrics, vol. 5, no
1, janeiro de 2011, p. 146–66. ScienceDirect, https://doi.org/10.1016/j.joi.2010.10.002.
Costa, Angelo Brandelli, e Ana Paula Couto Zoltowski. “Como escrever um artigo de revisão
sistemática”. Manual de produção científica, vol. 1, 2014, p. 55–70.
Duran, Miquel, et al. “Science Education and Artificial Intelligence – A Chatbot on Magic and Quantum
Computing as an Educational Tool”. EDEN Conference Proceedings, nº 1, 2020, p. 137–42,
https://doi.org/10.38069/edenconf-2020-ac0011.
Frey, Carl Benedikt, e Michael A. Osborne. “The Future of Employment: How Susceptible Are Jobs to
Computerisation?” Technological Forecasting and Social Change, vol. 114, janeiro de 2017, p.
254–80. ScienceDirect, https://doi.org/10.1016/j.techfore.2016.08.019.
Gao, Catherine A., et al. Comparing Scientific Abstracts Generated by ChatGPT to Original Abstracts
Using an Artificial Intelligence Output Detector, Plagiarism Detector, and Blinded Human
Reviewers. bioRxiv, 27 de dezembro de 2022, p. 2022.12.23.521610. bioRxiv,
https://doi.org/10.1101/2022.12.23.521610.
Garfield, Eugene, e Irving Sher. KeyWords PlusTM Algorithmic Derivative Indexing. 1993,
http://www.garfield.library.upenn.edu/papers/jasis44(5)p298y1993.html.
Gil, Antonio Carlos. Como Elaborar Projetos de Pesquisa. Atlas, 2017.
Gmür, Markus. “Co-Citation Analysis and the Search for Invisible Colleges: A Methodological
Evaluation”. Scientometrics, vol. 57, nº 1, janeiro de 2003, p. 27–57. Springer Link,
https://doi.org/10.1023/A:1023619503005.
Guo, Xingrong. “A Bibliometric Analysis of Child Language During 1900–2021”. Frontiers in
Psychology, vol. 13, junho de 2022, p. 862042. PubMed Central,
https://doi.org/10.3389/fpsyg.2022.862042.
Inshakova, Agnessa. “Ubiquitous Computing and the Internet of Things: Socio-Economic Transformation
and Regulation (Book Review: Ubiquitous Computing and the Internet of Things: Prerequisites for
the Development of ICT [Electronic resource] / ed. by E. G. Popkova. – Cham : Springer Science +
Business Media, 2019. – (Studies in Computational Intelligence ; vol. 826))”. Legal Concept, nº 3,
2019, p. 154–66, https://doi.org/10.15688/lc.jvolsu.2019.3.22.
Jatobá, Mariana, et al. “Evolution of Artificial Intelligence Research in Human Resources”. Procedia
Computer Science, vol. 164, janeiro de 2019, p. 137–42. ScienceDirect,
https://doi.org/10.1016/j.procs.2019.12.165.
35
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Ji, J., et al. “Microblog Credibility Indicators Regarding Misinformation of Genetically Modified Food on
Weibo”. PLoS ONE, vol. 16, nº 6 June, 2021, https://doi.org/10.1371/journal.pone.0252392.
Scopus.
Jordan, M. I., e T. M. Mitchell. “Machine learning: Trends, perspectives, and prospects”. Science, vol.
349, no 6245, julho de 2015, p. 255–60. science.org (Atypon),
https://doi.org/10.1126/science.aaa8415.
Karras, Tero, et al. A Style-Based Generator Architecture for Generative Adversarial Networks. 3, 2018.
DOI.org (Datacite), https://doi.org/10.48550/ARXIV.1812.04948.
Karras, Tero, et al. Analyzing and Improving the Image Quality of StyleGAN. 2, 2019. DOI.org
(Datacite), https://doi.org/10.48550/ARXIV.1912.04958.
Kitchenham, Barbara A., et al. “Using Mapping Studies as the Basis for Further Research – A Participant-
Observer Case Study”. Information and Software Technology, vol. 53, no 6, junho de 2011, p.
638–51. ScienceDirect, https://doi.org/10.1016/j.infsof.2010.12.011.
Krizhevsky, Alex, et al. “ImageNet Classification with Deep Convolutional Neural Networks”.
Communications of the ACM, vol. 60, nº 6, maio de 2017, p. 84–90. DOI.org (Crossref),
https://doi.org/10.1145/3065386.
Kung, Tiffany H., et al. “Performance of ChatGPT on USMLE: Potential for AI-Assisted Medical
Education Using Large Language Models”. PLOS Digital Health, vol. 2, no 2, fevereiro de 2023, p.
e0000198. PLoS Journals, https://doi.org/10.1371/journal.pdig.0000198.
Kurian, Nirmal, et al. “Artificial Intelligence in Scientific Publications”. The Journal of the American
Dental Association, vol. 154, nº 12, dezembro de 2023, p. 1041–43. DOI.org (Crossref),
https://doi.org/10.1016/j.adaj.2023.03.015.
Mattsson, Pauline, et al. “Is correspondence reflected in the author position? A bibliometric study of the
relation between corresponding author and byline position”. Scientometrics, vol. 87, no 1, janeiro
de 2011, p. 99–105. Lund University, https://doi.org/10.1007/s11192-010-0310-9.
Miguel, Sandra, et al. “A New Approach to Institutional Domain Analysis: Multilevel Research Fronts
Structure”. Scientometrics, vol. 74, no 3, 2008, p. 331–44. ideas.repec.org,
https://doi.org/10.1007/s11192-007-1586-2.
Mnih, Volodymyr, et al. “Human-Level Control through Deep Reinforcement Learning”. Nature, vol.
518, nº 7540, fevereiro de 2015, p. 529–33. DOI.org (Crossref),
https://doi.org/10.1038/nature14236.
Mir, Mohd Altaf. “Artificial Intelligence Revolutionizing Plastic Surgery Scientific Publications”.
Cureus, junho de 2023. DOI.org (Crossref), https://doi.org/10.7759/cureus.40770.
36
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Moral-Muñoz, José A., et al. “Software Tools for Conducting Bibliometric Analysis in Science: An up-
to-Date Review”. Profesional de La Información, vol. 29, no 1, 1, janeiro de 2020.
revista.profesionaldelainformacion.com, https://doi.org/10.3145/epi.2020.ene.03.
Mostafa Hatami, Amir, et al. “Global Trends of VOSviewer Research, Emphasizing Environment and
Energy Areas: A Bibliometric Analysis During 2000-2020”. Environmental Energy and Economic
Research, vol. 6, no 1, fevereiro de 2021, p. 1–11. www.eeer.ir,
https://doi.org/10.22097/eeer.2021.301784.1216.
Ogie, Robert Ighodaro, et al. “Artificial Intelligence in Disaster Risk Communication: A Systematic
Literature Review”. 2018 5th International Conference on Information and Communication
Technologies for Disaster Management (ICT-DM), 2018, p. 1–8. IEEE Xplore,
https://doi.org/10.1109/ICT-DM.2018.8636380.
Petersen, Kai, et al. “Guidelines for Conducting Systematic Mapping Studies in Software Engineering:
An Update”. Information and Software Technology, vol. 64, agosto de 2015, p. 1–18.
ScienceDirect, https://doi.org/10.1016/j.infsof.2015.03.007.
Radford, Alec, et al. “Language models are unsupervised multitask learners”. OpenAI blog, vol. 1, nº 8,
2019, p. 9.
Rajas, Mario, et al. “Creation and dissemination of audiovisual and multimedia content: educational and
scientific transformation in progress”. Index Comunicacion, Vol. 12, Nº 2, Univ Rey Juan Carlos,
Fac Ciencias Comunicacion, 2022, p. 13–27, https://doi.org/10.33732/ixc/12/02Creaci.
Relf, Michael V. “Artificial Intelligence and Scientific Publishing”. Journal of the Association of Nurses
in AIDS Care, vol. 34, nº 4, julho de 2023, p. 329–30. DOI.org (Crossref),
https://doi.org/10.1097/JNC.0000000000000418.
Ring, Johannes. “Artificial Intelligence— ChatGPT and Scientific Publishing”. Journal of the European
Academy of Dermatology and Venereology, vol. 37, nº 7, julho de 2023, p. 1253–54. DOI.org
(Crossref), https://doi.org/10.1111/jdv.19176.
Rostaing, Hervé. La bibliométrie et ses techniques. Sciences de la Société; Centre de Recherche
Rétrospective de Marseille, 1996.
Rosvall, M., e CT Bergstrom. “Multilevel Compression of Random Walks on Networks Reveals
Hierarchical Organization in Large Integrated Systems”. PLOS ONE, vol. 6, nº 4, abril de 2011,
https://doi.org/10.1371/journal.pone.0018209.
37
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Sánchez-Holgado, P., e C. Arcila-Calderón. “Adoption of Media by European Scientists for the Creation
of Scientific Transmedia Storytelling”. ACM Int. Conf. Proc. Ser., organizado por Dodero J.M. et
al., vol. Part F132203, Association for Computing Machinery, 2017,
https://doi.org/10.1145/3144826.3145451.
Sanchez-Holgado, P., e C. Arcila-Calderon. “Towards the Study of Sentiment in the Public Opinion of
Science in Spanish”. University of Salamanca, organizado por FJ GarciaPenalvo, 2018, p. 963–70,
https://doi.org/10.1145/3284179.3284335.
Santos, Raimundo Nonato Macedo dos. “Produção científica: por que medir? O que medir?” Revista
digital de Biblioteconomia e Ciência da Informação, vol. 1, nº 1, 2003.
Segev, E., e A. Baram-Tsabari. “Seeking Science Information Online: Data Mining Google to Better
Understand the Roles of the Media and the Education System”. PUBLIC UNDERSTANDING OF
SCIENCE, vol. 21, nº 7, outubro de 2012, p. 813–29, https://doi.org/10.1177/0963662510387560.
Silva, Márcia Regina Da, et al. “Análise bibliométrica e cientométrica: desafios para especialistas que
atuam no campo”. InCID: Revista de Ciência da Informação e Documentação, vol. 2, nº 1, junho de
2011, p. 110–29. DOI.org (Crossref), https://doi.org/10.11606/issn.2178-2075.v2i1p110-129.
Sutskever, Ilya, et al. “Sequence to Sequence Learning with Neural Networks”. Advances in Neural
Information Processing Systems, organizado por Z. Ghahramani et al., vol. 27, Curran Associates,
Inc., 2014,
https://proceedings.neurips.cc/paper_files/paper/2014/file/a14ac55a4f27472c5d894ec1c3c743d2-
Paper.pdf.
Takahara, Madoka, et al. “A new visualization method toward promoting science communication
regarding children’s health and development”. The Transactions of Human Interface Society, vol.
23, nº 4, 2021, p. 451–58, https://doi.org/10.11184/his.23.4_451.
Tatalovic, Mico. “AI Writing Bots Are about to Revolutionise Science Journalism: We Must Shape How
This Is Done”. Journal of Science Communication, vol. 17, no 1, março de 2018, p. E. jcom.sissa.it,
https://doi.org/10.22323/2.17010501.
Urbizagástegui-Alvarado, Rubén. “Bibliometria brasileira: análise de copalavras”. Transinformação, vol.
34, novembro de 2022. SciELO, https://doi.org/10.1590/2318-0889202234e220004.
Vadapalli, Raghuram, et al. “When science journalism meets artificial intelligence : An interactive
demonstration”. Proceedings of the 2018 Conference on Empirical Methods in Natural Language
Processing: System Demonstrations, Association for Computational Linguistics, 2018, p. 163–68.
ACLWeb, https://doi.org/10.18653/v1/D18-2028.
38
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Valeiro, Palmira Moriconi, e Lena Vania Ribeiro Pinheiro. “Da comunicação científica à divulgação”.
Transinformação, vol. 20, no 2, agosto de 2008, p. 159–69. DOI.org (Crossref),
https://doi.org/10.1590/S0103-37862008000200004.
Van Eck, Nees Jan, e Ludo Waltman. “Software Survey: VOSviewer, a Computer Program for
Bibliometric Mapping”. Scientometrics, vol. 84, no 2, agosto de 2010, p. 523–38. Springer Link,
https://doi.org/10.1007/s11192-009-0146-3.
Van Eck, NJ, e L. Waltman. “Manual for VOSviewer version 1.6. 10”. Leiden: CWTS Universiteit
Leiden, 2019.
Vaswani, Ashish, et al. “Attention is All you Need”. Advances in Neural Information Processing
Systems, organizado por I. Guyon et al., vol. 30, Curran Associates, Inc., 2017,
https://proceedings.neurips.cc/paper_files/paper/2017/file/3f5ee243547dee91fbd053c1c4a845aa-
Paper.pdf.
Zhang, Juan, et al. “Comparing Keywords plus of WOS and Author Keywords: A Case Study of Patient
Adherence Research”. Journal of the Association for Information Science and Technology, vol. 67,
no 4, 2016, p. 967–72. Wiley Online Library, https://doi.org/10.1002/asi.23437.
Zhao, Yuting, e Kumesh Prabhashini. “Applications of Artificial Intelligence in Digital Publishing
Industry in China”. 2019 3rd International Conference on Robotics and Automation Sciences
(ICRAS), 2019, p. 254–59. IEEE Xplore, https://doi.org/10.1109/ICRAS.2019.8808984.
Wright, D., e I. Augenstein. “Semi-Supervised Exaggeration Detection of Health Science Press Releases”.
EMNLP - Conf. Empir. Methods Nat. Lang. Process., Proc., Association for Computational
Linguistics (ACL), 2021, p. 10824–36, https://www.scopus.com/inward/record.uri?eid=2-s2.0-
85127398976&partnerID=40&md5=88e5c7a8c8a791c52554fca3489c21dd.
Dados da pesquisa
O arquivo com os dados em formato .csv foi disponibilizado no item “Dados da pesquisa”.
39
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Apêndice
Descritores da busca:
(("SCIENTIFIC DISSEMINATION" OR "ACCESSIBLE SCIENCE" OR "ACCESSIBILITY AT
SCIENCE" OR "ACCESSIBILITY IN SCIENCE" OR "COMMUNICATION* OF SCIENCE"
OR "COMMUNICATION* OF SCIENCE TECH*" OR "SCIENCE COMMUNICATION*" OR
"SCIENTIFIC* DIVULGATION*" OR "SCIENTIFIC* DIVULGATION* TEXT*" OR
"DIVULGATION* OF SCIENCE*" OR "SCIENTIFIC* COMMUNICATION*" OR
"SCIENTIFIC* POPULARIZATION*" OR "POPULARIZATION* OF SCIENCE*" OR
"POPULARIZATION SCIENCE") AND (“ARTIFICIAL INTELLIGENCE” OR "MACHINE
LEARNING" OR "DEEP LEARNING" “ARTIFICIAL INTELIGENCE” OR
“COMPUTATIONAL INTELLIGENCE” OR “NEURAL NETWORK*” OR
“NEURAL_NETWORK*” OR “BAYES* NETWORK*” OR “BAYESIAN-NETWORK*” OR
“BAYESIAN_NETWORK*” OR (CHATBOT?) OR “DATA MINING*” OR “DECISION
MODEL?” OR “DEEP LEARNING*” OR “DEEP-LEARNING*” OR “DEEP_LEARNING*”
OR “GENETIC ALGORITHM?” OR “INDUCTIVE PROGRAMM*” OR “LOGIC
PROGRAMM*” OR “MACHINE LEARNING*” OR “MACHINE_LEARNING*” OR
“MACHINE-LEARNING*” OR “NATURAL LANGUAGE GENERATION” OR “NATURAL
LANGUAGE PROCESSING” OR “REINFORCEMENT LEARNING” OR “SUPERVISED
LEARNING*” OR “SUPERVISED TRAINING” OR “SUPERVISED-LEARNING*” OR
“SUPERVISED_LEARNING*” OR “SWARM INTELLIGEN*” OR “SWARM-
INTELLIGEN*” OR “SWARM_INTELLIGEN*” OR “UNSUPERVISED LEARNING*” OR
“UNSUPERVISED TRAINING” OR “UNSUPERVISED-LEARNING*” OR “SEMI-
SUPERVISED LEARNING*” OR “SEMI-SUPERVISED-LEARNING*” OR ”SEMI-
SUPERVISED TRAINING” OR “SEMI-SUPERVISED-LEARNING*” OR
“CONNECTIONIS*” OR “EXPERT SYSTEM*” OR “FUZZY LOGIC*” OR “TRANSFER-
LEARNING” OR “TRANSFER_LEARNING” OR “TRANSFER LEARNING” OR
“LEARNING ALGORITHM?” OR “LEARNING MODEL?” OR “SUPPORT VECTOR
MACHINE?” OR “RANDOM FOREST?” OR “DECISION TREE?” OR “GRADIENT TREE
BOOSTING” OR “XGBOOST” OR “ADABOOST” OR “RAMOBOOST” OR “LOGISTIC
REGRESSION” OR “STOCHASTIC GRADIENT DESCENT” OR “MULTILAYER
PERCEPTRON?” OR “LATENT SEMANTIC ANALYSIS” OR “LATENT DIRICHLET
ALLOCATION” OR “MULTI-AGENT SYSTEM?” OR “HIDDEN MARKOV MODEL?” ))
40
LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela Belmont de. Inteligência
Artificial e Comunicação Científica: uma revisão sistemática. Brazilian Journal of Information Science:
research trends, vol.18, publicação contínua, 2024, e024004. DOI: 10.36311/1981-1640.2024.v18.e024004
Copyright: © 2024 LUSTOSA, Marllus de Melo; FARIAS, Maria Giovanna Guedes; FARIAS, Gabriela
Belmont de. This is an open-access article distributed under the terms of the Creative Commons CC
Attribution-ShareAlike (CC BY-SA), which permits use, distribution, and reproduction in any medium,
under the identical terms, and provided the original author and source are credited.
Received: 14/10/2023 Accepted: 02/02/2024
