Imagem da capa

Machine learning e revisão sistemática de literatura automatizada: uma revisão sistemática

Almeja identificar métodos de machine learning empregados na automatização de revisões sistemáticas. Analisa, baseado na recomendação Preferred Reporting Items for Systematic Reviews, 29 de 211 documentos científicos recuperados das bases Web of Science e Scopus, sem restrição de idioma ou recorte t...

ver descrição completa

Principais autores: Tsunoda, Denise Fukumi, Moreira, Paulo Sergio da Conceição, Guimarães, André José Ribeiro
Formato: Artigo
Idioma: Português
Publicado em: Universidade Tecnológica Federal do Paraná (UTFPR) 2020
Acesso em linha: http://periodicos.utfpr.edu.br/rts/article/view/12119
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
id peri-article-12119
recordtype ojs
spelling peri-article-121192020-09-25T22:41:24Z Machine learning e revisão sistemática de literatura automatizada: uma revisão sistemática Tsunoda, Denise Fukumi Moreira, Paulo Sergio da Conceição Guimarães, André José Ribeiro 6.07.00.00-9 Ciência da Informação Aprendizado de máquina; Revisão sistemática; Ferramentas de automatização; Mineração de textos Almeja identificar métodos de machine learning empregados na automatização de revisões sistemáticas. Analisa, baseado na recomendação Preferred Reporting Items for Systematic Reviews, 29 de 211 documentos científicos recuperados das bases Web of Science e Scopus, sem restrição de idioma ou recorte temporal. Demonstra a tendência de crescimento da produção relacionada ao tema, com 65,51% dos registros publicados após 2016. Indica o interesse dos pesquisadores em técnicas de text mining, sendo a palavra-chave mais utilizada pelos autores. Em relação aos métodos encontrados, evidencia o algoritmo Support Vector Machine como o mais frequente, sendo utilizado em oito trabalhos, seguido pelas heurísticas Redes Neurais Artificiais e Naïve Bayes, com duas aplicações cada. Ressalta a aplicação majoritária dos métodos à área médica. Conclui, entretanto, que nenhuma das ferramentas identificadas oferece uma solução aplicável a qualquer área do conhecimento. Universidade Tecnológica Federal do Paraná (UTFPR) Universidade Federal do Paraná Programa de Pós-Graduação em Gestão da Informação CNPq 2020-09-25 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion application/pdf http://periodicos.utfpr.edu.br/rts/article/view/12119 10.3895/rts.v16n45.12119 Revista Tecnologia e Sociedade; v. 16, n. 45 (2020); 337-354 Revista Tecnologia e Sociedade; v. 16, n. 45 (2020); 337-354 1984-3526 1809-0044 10.3895/rts.v16n45 por http://periodicos.utfpr.edu.br/rts/article/view/12119/7811 Direitos autorais 2020 CC-BY http://creativecommons.org/licenses/by/4.0
institution Universidade Tecnológica Federal do Paraná
collection PERI
language Português
format Artigo
author Tsunoda, Denise Fukumi
Moreira, Paulo Sergio da Conceição
Guimarães, André José Ribeiro
spellingShingle Tsunoda, Denise Fukumi
Moreira, Paulo Sergio da Conceição
Guimarães, André José Ribeiro
Machine learning e revisão sistemática de literatura automatizada: uma revisão sistemática
author_sort Tsunoda, Denise Fukumi
title Machine learning e revisão sistemática de literatura automatizada: uma revisão sistemática
title_short Machine learning e revisão sistemática de literatura automatizada: uma revisão sistemática
title_full Machine learning e revisão sistemática de literatura automatizada: uma revisão sistemática
title_fullStr Machine learning e revisão sistemática de literatura automatizada: uma revisão sistemática
title_full_unstemmed Machine learning e revisão sistemática de literatura automatizada: uma revisão sistemática
title_sort machine learning e revisão sistemática de literatura automatizada: uma revisão sistemática
description Almeja identificar métodos de machine learning empregados na automatização de revisões sistemáticas. Analisa, baseado na recomendação Preferred Reporting Items for Systematic Reviews, 29 de 211 documentos científicos recuperados das bases Web of Science e Scopus, sem restrição de idioma ou recorte temporal. Demonstra a tendência de crescimento da produção relacionada ao tema, com 65,51% dos registros publicados após 2016. Indica o interesse dos pesquisadores em técnicas de text mining, sendo a palavra-chave mais utilizada pelos autores. Em relação aos métodos encontrados, evidencia o algoritmo Support Vector Machine como o mais frequente, sendo utilizado em oito trabalhos, seguido pelas heurísticas Redes Neurais Artificiais e Naïve Bayes, com duas aplicações cada. Ressalta a aplicação majoritária dos métodos à área médica. Conclui, entretanto, que nenhuma das ferramentas identificadas oferece uma solução aplicável a qualquer área do conhecimento.
publisher Universidade Tecnológica Federal do Paraná (UTFPR)
publishDate 2020
url http://periodicos.utfpr.edu.br/rts/article/view/12119
_version_ 1805449513591111680
score 10,814766

Registros relacionados