Metadados de Large Language Models sob a perspectiva da ciência da informação: proposta de perfil de aplicação de metadados para LLMs personalizados
| dc.contributor.advisor | Alves, Rachel Cristina Vesu | |
| dc.contributor.author | Siqueira, Marcos Antonio | |
| dc.contributor.coadvisor | Coneglian, Caio Saraiva | |
| dc.contributor.committeeMember | Sant'Ana Filho, Ricardo César Gonçalves | |
| dc.contributor.committeeMember | Castro, Fabiano Ferreira de | |
| dc.contributor.committeeMember | Rodrigues, Fernando de Assis | |
| dc.contributor.committeeMember | Arakaki, Felipe Augusto | |
| dc.contributor.institution | Universidade Estadual Paulista (UNESP) | pt |
| dc.date.accessioned | 2026-10-23T15:29:16Z | |
| dc.date.issued | 2026-06-30 | |
| dc.description.abstract | Esta tese analisa a estrutura de metadados para Large Language Models (LLMs) sob a perspectiva da Ciência da Informação (CI), propondo um Perfil de Aplicação de Metadados (MAP) para LLMs personalizados, denominado MAP-CLLM. Reconhecendo a crescente relevância dos LLMs e a necessidade de controle e representação informacional, o estudo justifica-se pela lacuna na literatura sobre diretrizes formais para a organização e representação de metadados de modelos de Inteligência Artificial Generativa (IAG). O objetivo principal reside em desenvolver e apresentar o MAP-CLLM, visando padronizar a representação de LLMs personalizados e viabilizar a interoperabilidade, a recuperação e o reuso informacional. A metodologia de natureza aplicada, com abordagem qualitativa e objetivo exploratório-descritivo, operacionaliza uma revisão de literatura e análise documental, servindo-se do modelo conceitual LRM para a desconstrução do objeto de estudo, um LLM personalizado, fundamentada na literatura da CI focada na determinação de metadados e, na literatura da Ciência da Computação (CC) para especificações de metadados presentes em ferramentas de personalização de LLMs. A pesquisa realiza a análise e integração do padrão Dublin Core, do vocabulário Schema.org e do framework Model Cards, adaptando-os ao contexto da IAG. Os resultados culminam no MAP-CLLM, um conjunto de elementos que incorpora requisitos funcionais e estruturais específicos para contribuir para uma explicabilidade contextual de LLMs personalizados. O perfil é detalhado por meio de um Description Set Profile (DSP). Conclui-se que o MAP-CLLM constitui-se como uma estrutura fundamentada pela CI para a gestão de metadados de LLMs personalizados, contribuindo para a governança, transparência e confiabilidade desses objetos informacionais. | pt |
| dc.description.abstract | This thesis analyzes the metadata structure for Large Language Models (LLMs) from the perspective of Information Science (IS), proposing a Metadata Application Profile (MAP) for customized LLMs, designated as MAP-CLLM. Acknowledging the growing relevance of LLMs and the need for informational control and representation, the study is justified by a gap in the literature regarding formal guidelines for the organization and representation of metadata for Generative Artificial Intelligence (GAI) models. The primary objective is to develop and present MAP-CLLM, aiming to standardize the representation of customized LLMs and enable interoperability, retrieval, and information reuse. The methodology—applied in nature, qualitative in approach, and exploratory-descriptive in objective—operationalizes a literature review and document analysis. It employs the LRM conceptual model to deconstruct the object of study (a customized LLM), grounded in IS literature focused on metadata determination and in Computer Science (CS) literature regarding metadata specifications found in LLM customization tools. The research analyzes and integrates the Dublin Core standard, the Schema.org vocabulary, and the Model Cards framework, adapting them to the GAI context. The results culminate in MAP-CLLM, a set of elements incorporating specific functional and structural requirements to contribute to the contextual explainability of customized LLMs. The profile is detailed through a Description Set Profile (DSP). The study concludes that MAPCLLM constitutes an IS-grounded framework for managing metadata for customized LLMs, contributing to the governance, transparency, and trustworthiness of these information objects. | en |
| dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | pt |
| dc.description.sponsorshipId | CAPES: 88887.694015/2022-00 | |
| dc.identifier.capes | 33004110043P4 | |
| dc.identifier.citation | SIQUEIRA, Marcos Antonio. Metadados de Large Language Models sob a perspectiva da ciência da informação: proposta de perfil de aplicação de metadados para LLMs personalizados. 2026. Tese (Doutorado em Ciência da Informação) - Faculdade de Filosofia e Ciências, Universidade Estadual Paulista (UNESP), Marília, 2026. | pt |
| dc.identifier.lattes | 7364494700499051 | |
| dc.identifier.lattes | 5658134053257855 | |
| dc.identifier.lattes | 3954065076810604 | |
| dc.identifier.lattes | 7124931056289027 | |
| dc.identifier.lattes | 5556499513805582 | |
| dc.identifier.orcid | 0000-0002-1649-3722 | |
| dc.identifier.orcid | 0009-0002-8412-8820 | |
| dc.identifier.uri | https://hdl.handle.net/11449/349160 | |
| dc.language.iso | por | |
| dc.publisher | Universidade Estadual Paulista (UNESP) | pt |
| dc.rights.accessRights | Acesso aberto | pt |
| dc.subject | Metadados | pt |
| dc.subject | Organização da informação | pt |
| dc.subject | Recuperação da informação | pt |
| dc.subject | Inteligência artificial | pt |
| dc.subject | Dublin Core | pt |
| dc.subject | Schema.org | pt |
| dc.subject | Library Reference Model | en |
| dc.subject | Model Cards | en |
| dc.title | Metadados de Large Language Models sob a perspectiva da ciência da informação: proposta de perfil de aplicação de metadados para LLMs personalizados | pt |
| dc.title.alternative | Metadata for Large Language Models from the Perspective of information science: a proposed metadata application profile for customized LLMs | en |
| dc.type | Tese de doutorado | pt |
| dcterms.impact | A integração dos Large Language Models (LLMs) personalizados em diversos setores da sociedade contemporânea reconfigura paradigmas de interação humano-computador e produção informacional. Esta tese, ao propor um perfil de aplicação de metadados para LLMs personalizados, doravante denominado MAP-CLLM, estabelece pontos de convergência com os Objetivos de Desenvolvimento Sustentável (ODS) concentrando-se em dimensões onde a estruturação da informação é condição para o desenvolvimento tecnológico responsável. A conexão com o ODS 4 (Educação de Qualidade), manifesta-se na qualificação dos LLMs como recursos educacionais digitais. A ausência de padrões para a representação de agentes inteligentes personalizados dificulta sua integração criteriosa em ambientes de aprendizagem. O MAP-CLLM provê a estrutura necessária para a descoberta, a avaliação e o reuso dessas ferramentas como mediadores pedagógicos, assegurando que o acesso ao conhecimento mediado por IA seja fundamentado em critérios de proveniência e fidedignidade informacional. No âmbito do ODS 9 (Indústria, Inovação e Infraestrutura), a pesquisa contribui para a consolidação de infraestruturas de dados robustas. A aplicação do rigor da Ciência da Informação ao cenário da Inteligência Artificial Generativa fomenta a inovação sustentável, provendo modelos de representação que contribuem para a solidez técnica e a interoperabilidade sistêmica necessária para a economia digital e o avanço científico. Por fim, relativo ao ODS 16 (Paz, Justiça e Instituições Eficazes), o estudo endereça a problemática da opacidade algorítmica. Ao propor elementos de metadados voltados à explicabilidade e à documentação de limitações éticas, a tese oferece subsídios para o fortalecimento de instituições transparentes comprometidas em diminuir riscos associados a vieses informacionais, promovendo a governança ética e confiável da informação. | pt |
| dcterms.impact | The integration of customized Large Language Models (LLMs) into various sectors of contemporary society is reshaping paradigms of human-computer interaction and information production. By proposing a metadata application profile for customized LLMs—hereinafter referred to as MAP-CLLM—this thesis establishes points of convergence with the Sustainable Development Goals (SDGs), focusing on dimensions where information structuring is a prerequisite for responsible technological development. The connection to SDG 4 (Quality Education) is evident in the characterization of LLMs as digital educational resources. The lack of standards for representing customized intelligent agents hinders their judicious integration into learning environments. MAP-CLLM provides the necessary framework for the discovery, evaluation, and utilization of these tools as pedagogical mediators, ensuring that AI-mediated access to knowledge is grounded in criteria regarding provenance and informational reliability. Within the scope of SDG 9 (Industry, Innovation, and Infrastructure), the research contributes to the development of robust data infrastructures. Applying the rigor of Information Science to the landscape of Generative Artificial Intelligence fosters sustainable innovation by validating representation models that deliver the technical solidity and systemic interoperability essential for the digital economy and scientific advancement. Finally, regarding SDG 16 (Peace, Justice, and Strong Institutions), the study addresses the issue of algorithmic opacity. By proposing metadata elements specific to explainability and the documentation of ethical limitations, the thesis supports the strengthening of transparent institutions committed to mitigating risks associated with informational biases, thereby promoting ethical governance and trust in information. | en |
| dspace.entity.type | Publication | |
| relation.isAdvisorOfPublication | 0bc5ab9b-2d65-45e4-ac4f-79b7c5971ab5 | |
| relation.isAdvisorOfPublication.latestForDiscovery | 0bc5ab9b-2d65-45e4-ac4f-79b7c5971ab5 | |
| relation.isAuthorOfPublication | 911a654c-71bc-43c4-b48c-e59b0f548dda | |
| relation.isAuthorOfPublication.latestForDiscovery | 911a654c-71bc-43c4-b48c-e59b0f548dda | |
| relation.isCoadvisorOfPublication | 0c006ac7-5430-4d13-882c-55017ce64210 | |
| relation.isCoadvisorOfPublication.latestForDiscovery | 0c006ac7-5430-4d13-882c-55017ce64210 | |
| relation.isCommitteeMemberOfPublication | 83b3740f-8c95-49e4-ae06-ca98c8e8abff | |
| relation.isCommitteeMemberOfPublication | 900e5685-b01c-4a14-bf41-afa3d71ce28e | |
| relation.isCommitteeMemberOfPublication | 687e667b-68b8-4e24-a7f6-edffe16b2da2 | |
| relation.isCommitteeMemberOfPublication | dcd56222-1e6b-4c44-ac33-d681ced04141 | |
| relation.isCommitteeMemberOfPublication.latestForDiscovery | 900e5685-b01c-4a14-bf41-afa3d71ce28e | |
| relation.isCommitteeMemberOfPublication.latestForDiscovery | 687e667b-68b8-4e24-a7f6-edffe16b2da2 | |
| relation.isCommitteeMemberOfPublication.latestForDiscovery | dcd56222-1e6b-4c44-ac33-d681ced04141 | |
| relation.isCommitteeMemberOfPublication.latestForDiscovery | 83b3740f-8c95-49e4-ae06-ca98c8e8abff | |
| relation.isGradProgramOfPublication | 1ecdc84d-e8ea-4a3a-9b6a-7b64a970d043 | |
| relation.isGradProgramOfPublication.latestForDiscovery | 1ecdc84d-e8ea-4a3a-9b6a-7b64a970d043 | |
| relation.isOrgUnitOfPublication | e22ddca4-2c85-4153-8a3a-3aae2af14eaa | |
| relation.isOrgUnitOfPublication.latestForDiscovery | e22ddca4-2c85-4153-8a3a-3aae2af14eaa | |
| unesp.campus | Universidade Estadual Paulista (UNESP), Faculdade de Filosofia e Ciências, Marília | pt |
| unesp.examinationboard.type | Banca pública | pt |
| unesp.graduateProgram | Ciência da Informação - FFC | pt |
| unesp.knowledgeArea | Informação, tecnologia e conhecimento | pt |
| unesp.researchArea | Informação e tecnologia | pt |
Arquivos
Pacote original
1 - 1 de 1
Carregando...
- Nome:
- siqueira_ma_dr_mar.pdf
- Tamanho:
- 1,84 MB
- Formato:
- Adobe Portable Document Format

