Metadados de Large Language Models sob a perspectiva da ciência da informação: proposta de perfil de aplicação de metadados para LLMs personalizados
Carregando...
Data
Autores
Orientador
Coorientador
Pós-graduação
Ciência da Informação - FFC
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (UNESP)
Tipo
Tese de doutorado
Direito de acesso
Acesso aberto

Resumo
Resumo (português)
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.
Resumo (inglês)
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.
Descrição
Idioma
Português
Citação
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.



