Publicação: Agrupamentos de vídeos relacionados ao desenvolvimento de software por meio de LLMs
Carregando...
Tipo do documento
Data
Direito de acesso
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Resumo
O crescimento acelerado do volume de vídeos educacionais em plataformas digitais,
como o YouTube, torna necessária a adoção de métodos automáticos capazes de organizar
e agrupar conteúdos de forma eficiente e semanticamente consistente. Nesse contexto,
este trabalho tem como objetivo comparar a eficácia de abordagens baseadas em grandes modelos de linguagem (Large Language Models (LLMs)) com métodos tradicionais
de clusterização baseados em modelagem de tópicos no agrupamento semântico de transcrições de vídeos relacionados ao desenvolvimento de software. A metodologia adotada
possui caráter exploratório e comparativo, utilizando transcrições textuais de vídeos educacionais como base de análise. Foram avaliadas duas abordagens principais: métodos
tradicionais de clusterização baseados em modelagem de tópicos com Latent Dirichlet
Allocation (LDA) e abordagens baseadas em LLMs, incluindo diferentes modelos e configurações. Os agrupamentos gerados foram comparados por meio de métricas externas de
avaliação de clusterização, especificamente Adjusted Rand Index (ARI), Adjusted Mutual
Information (AMI), V-Measure e índice de Jaccard, utilizando como referência adicional uma clusterização manual realizada por um avaliador humano. Os resultados indicam
que modelos baseados em LLMs, especialmente aqueles com maior capacidade contextual,
produzem agrupamentos semanticamente mais consistentes e com maior alinhamento em
relação à referência humana quando comparados a métodos tradicionais utilizados com
configurações padrão. Observou-se também que abordagens clássicas, como o LDA, apresentam desempenho competitivo quando adequadamente parametrizadas, embora sejam
mais sensíveis ao pré-processamento e à escolha de parâmetros. Conclui-se que a utilização de grandes modelos de linguagem constitui uma alternativa viável e promissora para
tarefas de agrupamento semântico de transcrições textuais, oferecendo maior robustez na
captura de relações temáticas complexas. Os resultados reforçam o potencial dessas abordagens como ferramentas de apoio à organização automática de conteúdos educacionais e
indicam caminhos para pesquisas futuras na área.
Abstract
Palavras-chave
Clusterização, Grandes modelos de linguagem, Processamento de linguagem natural, Transcrições de vídeos, Análise semântica
Citação
MARTINS, Isadora Pereira Marques. Agrupamentos de vídeos relacionados ao desenvolvimento de software por meio de LLMs. 2026. 56 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Monte Carmelo, 2026.
DOI
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto