Análise de um sistema baseado em inteligência artificial para identificação de ações institucionais
Carregando...
Data de Submissão
Data de Defesa
2026-08-26
Edição
Autores
Orientadores
Coorientadores
Editores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Descrição
Este trabalho aborda a aplicação da inteligência artificial (IA) no contexto das instituições públicas, especificamente no Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Sul - Campus Bento Gonçalves. O contexto da pesquisa decorre da necessidade de otimizar o processo de autoavaliação institucional, atualmente conduzido pela comissão própria de avaliação (CPA), tarefa trabalhosa que demanda um tempo considerável até sua conclusão. O objetivo geral da dissertação é a elaboração de um sistema baseado em inteligência artificial para identificar as ações institucionais apontadas nas pesquisas de autoavaliação do IFRS. Para alcançar esse objetivo, a pesquisa compreendeu os principais aspectos da inteligência artificial, identificando a utilização de tecnologia no setor público e analisar a relação entre a IA e a tecnologia nesse contexto. Em termos de metodologia, o trabalho tem um enfoque exploratório, analisando relatórios publicados pela instituição em anos anteriores, utilizando o Design Science Research (DSR) para a criação e avaliação de um artefato, denominado Auto Report, que contribuísse para a evolução do assunto de forma prática. O sistema desenvolvido converte a distribuição das respostas de cada questão em comandos estruturados, submetidos a quatro modelos de inteligência artificial generativa (ChatGPT, DeepSeek, Gemini e Claude), dos quais se obtêm proposições de ações para cada dimensão avaliada. Os resultados, obtidos a partir da análise das autoavaliações da comunidade interna dos ciclos de 2023, 2024 e 2025, demonstraram que, nas condições analisadas, o sistema alcançou convergência entre 90,9% e 100% com os relatórios manuais nas questões em que a comissão registrou ações, além de ofertar proposições pertinentes nas questões em que a comissão se limitou ao diagnóstico. A geração automatizada dos apontamentos pelo sistema ocorre em poucos minutos, reduzindo significativamente o tempo de trabalho da comissão, que permanece responsável pela validação crítica das ações antes de sua incorporação ao relatório final. Conclui-se que a inteligência artificial contribuiu para o processo de autoavaliação ao reproduzir, complementar e aprimorar o trabalho da comissão, promovendo uma gestão mais eficiente e responsiva às necessidades da comunidade acadêmica e da sociedade, e fornecendo subsídios sobre a integração da inteligência artificial nas práticas de gestão pública. [resumo fornecido pelo autor]
Resumo
This study addresses the application of artificial intelligence (AI) within public institutions, specifically at the Federal Institute of Education, Science and Technology of Rio Grande do Sul (IFRS) - Bento Gonçalves Campus. The research context stems from the need to optimize the institutional self-assessment process - currently conducted by the Internal Evaluation Commission (CPA)- which is a laborious task requiring considerable time to complete. The dissertation's general objective is to develop an AI-based system to identify institutional actions highlighted in IFRS self-assessment surveys. To achieve this, the research examined key aspects of artificial intelligence, identified technology usage in the public sector, and analyzed the relationship between AI and technology in this context. Methodologically, the study adopts an exploratory approach, analyzing reports published by the institution in previous years and employing Design Science Research (DSR) to create and evaluate an artifact named "Auto Report," designed to advance the subject matter in a practical way. The developed system converts the response distribution for each question into structured commands submitted to four generative AI models (ChatGPT, DeepSeek, Gemini, and Claude), yielding proposed actions for each evaluated dimension. Results derived from analyzing internal community self-assessments from the 2023, 2024, and 2025 cycles demonstrated that, under the conditions analyzed, the system achieved 90.9% to 100% convergence with manual reports for questions where the commission had recorded actions, while also offering relevant proposals for questions where the commission had limited itself to diagnosis. The system generates these recommendations in a matter of minutes, significantly reducing the commission's workload, while the commission remains responsible for the critical validation of the actions before their incorporation into the final report. It is concluded that artificial intelligence contributed to the self-assessment process by replicating, complementing, and enhancing the commission's work, fostering management that is more efficient and responsive to the needs of the academic community and society, and providing insights into the integration of artificial intelligence into public management practices. [resumo fornecido pelo autor]
Palavras-chave
Inteligência Artificial, Administração pública, Institutos federais de educação, ciência e tecnologia, Processamento de linguagem natural (Computação), Avaliação educacional, Artificial intelligence, Public administration, Federal Institutes of Education, Science and Technology, Natural language processing (Computer science), Educational evaluation
Citação
Pereira, Leonardo Alvarenga