Banca de DEFESA: VICTOR GABRIEL DE MORAIS FRAGOSO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: VICTOR GABRIEL DE MORAIS FRAGOSO
DATA : 03/07/2026
HORA: 14:00
LOCAL: Centro de Inormática - Sala E-231
TÍTULO:

UM PROCESSO PARA CRIAÇÃO DE REPOSITÓRIOS DE JORNAIS HISTÓRICOS: extração, correção e disponibilização de textos em documentos centenários.

PALAVRAS-CHAVES:

Recuperação da Informação. Imprensa Histórica.
Reconhecimento Óptico de Caracteres. DSpace 9. Preservação Digital.

 

PÁGINAS: 110
RESUMO:

A imprensa histórica oitocentista brasileira armazena dados fundamentais
sobre nossa memória social e política. Contudo, a disponibilização desses
documentos em formato digital passível de indexação e recuperação
automáticas enfrenta sérios obstáculos decorrentes de fatores variados:
falhas no Reconhecimento Óptico de Caracteres, bem como a ineficácia para
lidar com o português arcaico e suas variações ortográficas históricas.
Nesse contexto, este trabalho teve como objetivo desenvolver um processo
escalável e replicável para a criação de repositórios digitais de jornais
históricos, automatizando a extração, correção e disponibilização de textos
centenários com alta precisão. Foi implementado um sistema protótipo
baseado no DSpace 9, utilizando o Apache Solr, que integra
pré-processamento de imagens, pós-correção automática via Modelos de
Linguagem de Grande Escala (LLMs) e a estruturação do corpus de documentos
históricos em duas versões complementares (grafia original e atualizada).
Para a disponibilização qualificada, desenvolveu-se um consumer baseado em
regras para realizar a varredura e o preenchimento automático de metadados
de assuntos e tipos de matéria, integrando uma etapa de auditoria humana. O
estudo utilizou um corpus de 30 jornais digitalizados do Diario de
Pernambuco (1825–1839). A avaliação do processo foi conduzida a partir de
testes empíricos baseados em transcrições manuais de referência, utilizando
as métricas de Taxa de Erro de Caractere (CER) e Taxa de Erro de Palavra
(WER) para o reconhecimento textual. Os testes aplicados após as alterações
estruturais no indexador, utilizando de 10 termos de busca, demonstraram
uma melhora substancial nos índices de precisão e revocação do sistema como
um todo, alcançando valores médios de 87,4% de precisão e 96,5% de
revocação relativa, mitigando o impacto do OCR ruidoso na busca. Os
resultados obtidos sugerem que a conciliação entre arquiteturas abertas
adaptadas e o tratamento linguístico complementar minimiza os ruídos da
digitalização de documentos centenários, estabelecendo parâmetros práticos
para viabilizar o acesso em larga escala a acervos que, anteriormente, não
eram recuperáveis por buscas textuais convencionais.

 

MEMBROS DA BANCA:
Presidente - 1193006 - FLAVIA DE ALMEIDA BARROS
Externo à Instituição - MARCOS GALINDO LIMA - UFPE
Externa à Instituição - SANDRA DE ALBUQUERQUE SIEBRA - UFPE