Potencializando a Descoberta de Informação com ChatGPT:

Recomendações de artigos científicos da OpenAlex com assistência de IA Generativa

🪧 Vitrine.Dev
✨ Nome	Potencializando a Descoberta de Informação com ChatGPT
🏷️ Tecnologias	Python, ChatGPT
🚀 URL
🔥 Desafio

Nossa sociedade atual está enfrentando um volume crescente de informações em todas as áreas, incluindo a pesquisa científica. Como podemos aprimorar a qualidade e a precisão das recomendações de artigos científicos, tudo isso de forma mais rápida?

Este projeto busca abordar esse desafio combinando fontes de informação com inteligência artificial generativa.

Fonte de informação + Inteligência Artificial Generativa

Biblioteconomia + Tecnologia

Esse projeto nasceu, como forma de aplicar os conhecimentos obtidos nesse curso: GPT e Python: criando ferramentas com a API

Objetivo

Este projeto visa aprimorar meu conhecimento em inteligência artificial generativa e programação, construindo um protótipo de ferramenta utilitária para recomendar artigos científicos personalizados.

Ressalva

Este projeto utiliza IA para aprimorar a precisão das recomendações de artigos científicos. Embora seja possível implementar o projeto sem a IA, a funcionalidade central depende dela. Além disso, o uso de fontes diferentes da OpenAlex também é viável (inclusive de Repositórios).

A ideia desse "projeto" não é desenvolver um produto novo, mas apenas treinar a partir dos meus próprios estudos pessoais e "rascunhar" um, protótipo.

Fluxo do projeto

1. Coleta e Armazenamento de Dados:

   • Coleta de dados dos artigos científicos mais recentes da Open Alex (última semana, por exemplo).
   • Armazenamento: para esse "projeto", apenas foi estruturado em uma única tabela todos os artigos sem duplicatas e formatado no padrão necessário. Para demais projetos, recomenda-se a inserção em um banco de dados normalizado.

2. Entendimento do Usuário:

   • Entender as necessidades informacionais do usuário é crucial para lhe recomendar informações. Para esse projeto foi questionado:

     1. Área de conhecimento que tem interesse.
     2. Tipo de acesso do artigo (aberto ou fechado)
     3. Termos chave de interesse

   • Utilizou-se da ferramenta do Streamlit como forma de protótipo do front-end da aplicação.

3. Recomendações Customizadas:

   

   • A partir dos artigos coletados e entendimento do usuário, foi proposto um sistema de pontuação, para que se possa rankear os artigos e recomendar os N primeiros.

   O sistema leva em conta a regra de priorização:

    Score básico: Maior probabilidade da área escolhida 
    > Termo inserido pelo usuário no título
    > Termo inserido pelo usuário no resumo
    > Termo expandido pelo usuário no título
    > Termo expandido pelo usuário no resumo
   

   • É utilizado o ChatGPT para expandir os termos do usuário afim de se aumentar os termos relacionados e/ou sinônimos e melhorar a precisão e abrangência da descoberta de informação.

   

   

   • Utiliza-se também o ChatGPT para se criar um parágrafo inicial com um resumo de todos os artigos recomendados.

Custos estimados

Resumo de 5 artigos | Considerando apenas os gastos com o uso da API da OpenAI.

CUSTO TOTAL (considerando os a expansão dos termos e o resumo dos artigos, com seus respectivos "inputs" e "outputs")

• Custo total = $0.00286 a $0.00522

• Custo por 1.000: $2.86 a $5.22

• Custo por 10.000: $28.6 a $52.2

• Custo por 100.000: $286 a $522

Dólar = R$ 5,00

Reais:

• Custo por 1.000: R$1,43 a R$2,61
• Custo por 10.000: R$143 a R$261
• Custo por 100.000: R$1430 a R$2610

Links

Com uso de IA (Verifique o código no repositório. Não inseri, afim se não esgotar os créditos comprados na OpenAI)

Sem uso de IA

Acesse a apresentação completa aqui.

IMAGENS