DEFESA DE DOUTORADO
DISCENTE: Eduardo Watanabe.
TÍTULO: PROPOSTA DE FRAMEWORK METODOLÓGICO DE CLASSIFICAÇÃO AUTOMÁTICA DE DOCUMENTOS DE ARQUIVO COM USO DE APRENDIZADO DE MÁQUINA.
HORÁRIO E DATA: 15/07/2026, às 14H00.

COMPOSIÇÃO DA BANCA:
Dr. Renato Tarciso Barbosa de Sousa - Presidente - (PPGCINF/UnB)
Dr. Dalton Lopes Martins - Membro Titular Interno à UnB (PPGCINF/UnB)
Dr. Thiago Henrique Bragato Barros - Membro Titular Externo (UFRGS)
Dr. João Alberto de Oliveira Lima – Membro Titular Externo (Senado Federal)
Dra. Ana Célia Rodrigues – Membro Suplente (UFF)

LOCAL DA REALIZAÇÃO DA BANCA:
Presencialmente na sala 213 e remoto pelo MS Teams
https://teams.microsoft.com/meet/214636242424751?p=fCbHXV1942n1LHsGYU

RESUMO: A classificação manual de documentos de arquivo tornou-se incompatível com a escala das massas documentais digitais, contexto em que o aprendizado de máquina (AM) tem se destacado nos experimentos de classificação automática, embora a maior parte deles careça de fundamentação na ciência da informação e na arquivologia. Diante dessa lacuna, a pesquisa teve por objetivo elaborar e testar um framework metodológico de classificação automática de documentos de arquivo com uso de AM, sob o método da Design Science Research, inscrita na Computational Archival Science (CAS) e em abordagem de métodos mistos. O framework, entregue como artefato principal, organiza-se em 25 subprocessos, acompanhado de Modelo de Maturidade e de triangulação estatística para avaliação dos resultados (Friedman, ANOVA fatorial Tipo III e correlações de Spearman, Pearson e regressão). O framework foi validado por experimento com 750 processos reais da Advocacia-Geral da União, classificados conforme o “Código de Classificação de Documentos de Arquivo para a Administração Pública Federal: atividades-meio” de 2001, em desenho que combinou 5 datasets, 48 vocabulários, 29 algoritmos classificadores e 5 folds, em um total de 34.800 execuções. A primeira hipótese, de que o tipo documental como variável dependente (alvo) produz melhor desempenho que a classificação feita com base no Código de Classificação, foi confirmada com ganho de 15 pontos percentuais no Macro F1 score (de 0,669 para 0,820). A segunda e a terceira hipóteses, de que a maturidade da estratégia de classificação e do desenvolvimento do dataset se correlacionam positivamente com o desempenho, foram sustentadas (efeitos de cerca de 12 e 13 pontos percentuais), com a ressalva de que os dois efeitos não são empiricamente separáveis, dada a multicolinearidade entre os indicadores. A quarta hipótese, de que haveria trade-off entre interpretabilidade e desempenho na classificação, não foi confirmada, pois as três categorias de interpretabilidade apresentaram médias de Macro F1 score equivalentes, entre 0,739 e 0,751. Achados que excederam as hipóteses revelaram que as interações entre dataset, vocabulário e algoritmo explicam a maior parte da variância (47% a 54%), em vez desses fatores quando isolados (6% a 14%); que o framework atua como instrumento diagnóstico do plano de classificação, para identificar suas inconsistências e lacunas; e que o agrupamento automático de processos mostrou potencial para validar externamente a revisão arquivística qualificada das classificações. Conclui-se que o framework contribui para a classificação automática de documentos de arquivo, mas que essa contribuição depende da maturidade do trabalho arquivístico humano qualificado conduzido a montante do processo computacional. No plano teórico, a tese reformula a Inteligência Artificial (IA) Centrada em Dados como IA Centrada no Contexto de Produção, converte o trade-off bidimensional da IA Explicável entre interpretabilidade e desempenho em um quadro analítico de três dimensões ao incorporar a inteligibilidade arquivística, e propõe a figura do arquivista como curador especializado. No plano metodológico, oferece a triangulação estatística, o sistema de avaliação multinível que articula métricas, explicabilidade e análise qualitativa, e o Modelo de Maturidade que torna o trabalho arquivístico mensurável.