Análise de dados com inteligência artificial generativa:

uma comparação com Deepseek e ChatGPT - dados iniciais

Autores/as

DOI:

https://doi.org/10.22477/xiv.biredial.381

Palabras clave:

Publicação Científica, Inteligência Artificial, Análise de dados

Resumen

Pesquisadores desenvolveram estudos mencionando que Modelos que utilizam Large Language Model (LLM) como Deepseek e ChatGPT são treinados com grandes volumes de dados para gerar respostas em linguagem natural. A partir do contexto, a pergunta de pesquisa que permeia este estudo é: Qual o desempenho do ChatGpt e Deepseek podem análise de dados?  Este trabalho teve  como objetivo comparar o desempenho do DeepSeek e do ChatGPT na análise de dados iniciais, avaliou critérios como precisão, velocidade de processamento, capacidade de contextualização e compreensão dos sistemas em relação aos dados. Foram extraídos dados de artigos publicados em um periódico científico da área da educação, que está hospedado no Portal de Periódicos Científicos da Universidade Federal do Rio Grande. Os documentos foram alocados para o Zotero e depois extraído em formato csv.  Para realizar a análise, foram criados três prompts, que podem ser visualizados no quadro 1. Estes foram elaborados de maneira objetiva para que o sistema o entendesse. Com isso, foi enviada a planilha com as informações e a seguir os comandos. O quadro 1 apresenta os resultados. Os resultados indicaram que ambas as inteligências artificiais apresentam limitações quanto ao tratamento e extração de informações, especialmente em contextos de dados não estruturados. No entanto, o DeepSeek demonstrou maior resposta na interpretação dos prompts, respondendo com maior precisão às solicitações propostas.

Biografía del autor/a

Edna Karina da Silva Lira, Universidade Federal do Rio Grande (FURG); Universidade Federal de Santa Catarina (UFSC), Brasil

Mestranda em Ciência da Informação na Universidade Federal de Santa Catarina. Graduada em Biblioteconomia pela Universidade Federal do Rio Grande (FURG) com período sanduíche em Ciência da Informação na Universidade de Coimbra (Portugal). Atuou como assistente de editor na Revista BIBLOS: Revista do Instituto de Ciências Humanas e da Informação (E-ISSN 2236-7594); e revisora do Repositório Institucional da FURG. Realizou Estágio Curricular Obrigatório no Repositório de Objetos Educacionais Digitais da FURG. Foi estagiária no setor de Documentação na ERG1 Estaleiro Rio Grande. Interesse pelos eixos: Profissional da Informação e Formação profissional; Produção Científica; Ciência Aberta e Acesso Aberto.

Jônatas Edison da Silva, Universidade Federal de Santa Catarina (UFSC), Brasil

Professor Substituto do Departamento de Ciência da Informação (CIN), da Universidade Federal de Santa Catarina (UFSC). Doutorando (2022 - presente) e Mestre (2020 - 2022) em Ciência Informação, pelo Programa de Pós-Graduação em Ciência da Informação da Universidade Federal de Santa Catarina (PGCIN/UFSC). Bacharel em Arquivologia pela Universidade Federal de Santa Catarina (2016 - 2019). Atualmente, é Bolsista da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES). Com experiências em instituições públicas e privadas, na organização de documentos, processos administrativos, elaboração de instrumentos de gestão documental. Experiência na área de Ciência da Informação, atuando principalmente nos seguintes temas: Informação; Desinformação; Fake News; Pós-verdade; Redes Sociais; e Ciência da Informação. Atualmente é editor da Revista científica Encontros Bibli. Faz parte do grupo de pesquisa Humanos, Informação, Tecnologia (HIT).

Franciesca Goulart Santos, Universidade Federal do Rio Grande (FURG), Brasil

Graduanda em Biblioteconomia pela Universidade Federal do Rio Grande - FURG, atua como estagiária no Repositório Institucional da FURG.

Angélica Conceição Dias Miranda, Universidade Federal do Rio Grande (FURG), Brasil

Professora do Instituto de Ciências Humanas e da Informação (ICHI), da Universidade Federal do Rio Grande (FURG). Doutorado em Engenharia e Gestão do Conhecimento em 2010, mestrado em Engenharia de Produção em 2003, ambos pela Universidade Federal de Santa Catarina. Pós-doutorado em Educação em Ciências : química da vida e da Saúde, pela FURG. É professora associada, Dedicação Exclusiva - DE, na Universidade Federal do Rio Grande - FURG. Professora permanente no Programa de Pós-Graduação em Administração (orientação de mestrado) e no Programa de Pós-Graduação em Educação em Ciências (orientação de mestrado e doutorado), ambos na FURG. Lider e Pesquisadora do Grupo de Pesquisa CITEG - Ciência, Informação e Tecnologia e Gestão - FURG. Coordena o Portal de Periódicos eletrônicos da FURG (http://www.seer.furg.br) e o Repositório Institucional (repositorio.furg.br)

Thiago Magela Rodrigues Dias, Universidade Federal de Santa Catarina (UFSC); Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG), Brasil

Doutor em Modelagem Matemática e Computacional pelo CEFET-MG (2016) tendo trabalhado com Bibliometria, Extração de Dados Científicos e Análise de Redes de Colaboração Científica. Mestre em Modelagem Matemática e Computacional pelo CEFET-MG (2008), trabalhando com Arquitetura Orientada a Serviços e Web Mining com o tema: Uma Arquitetura Orientada a Serviços para emprego em Sistemas de Mineração de Dados na Web. Possui graduação em Ciência da Computação pelo Centro Universitário de Formiga - UNIFOR (2004), além de Especialização em Produção de Software - com Ênfase em Software Livre pela UFLA (2007) e Especialização em Melhoria do Processo de Software, UFLA (2007). Atua como Professor no Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG) lecionando disciplinas na Graduação e Pós-graduação da instituição. Professor do Programa de Pós-graduação em Modelagem Matemática e Computacional do CEFET-MG e Professor Permanente do Programa de Pós-graduação em Ciência da Informação da Universidade Federal de Santa Catarina (UFSC). Também tem atuação como Colaborador em Projetos no Instituto Brasileiro de Informação em Ciência e Tecnologia (IBICT). Membro da Sociedade Brasileira de Computação (SBC) e da Associação Nacional de Pesquisa e Pós-Graduação em Ciência da Informação (ANCIB).

Descargas

Publicado

2025-12-15

Cómo citar

Lira, E. K. da S., Silva, J. E. da, Santos, F. G., Miranda, A. C. D., & Dias, T. M. R. (2025). Análise de dados com inteligência artificial generativa:: uma comparação com Deepseek e ChatGPT - dados iniciais. Conferencia Internacional BIREDIAL-ISTEC. https://doi.org/10.22477/xiv.biredial.381

Memoria

2025: BIREDIAL-ISTEC

Sección

Eje temático 4: Infraestructura tecnológica

Categorías

Licencia

Derechos de autor 2025 Edna Karina da Silva Lira, Jônatas Edison da Silva, Franciesca Goulart Santos, Angélica Conceição Dias Miranda, Thiago Magela Rodrigues Dias

Creative Commons License

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