Modelagem de Dados Abertos e Busca Informada na Estrada Real: uma Perspectiva DCAI
Resumo
Fontes digitais abertas sobre rotas históricas são frequentemente fragmentadas demais para produzir diretamente um grafo navegável. Este artigo investiga a busca informada na Estrada Real como um workflow de e-Science intensivo em dados, sob a ótica da Inteligência Artificial Centrada em Dados (DCAI). Quatro fontes heterogêneas são unificadas em um grafo dirigido ponderado (108 nós, 226 arestas, 6 rotas), explicitando quatro decisões de modelagem: desambiguação de homônimos, transversais históricas como arestas sintéticas, proveniência leve de elevação e heurística admissível derivada da topologia. Sobre esse artefato curado, 45 execuções controladas e 34.668 pares dirigidos por algoritmo mostram que o Dijkstra reverso torna a admissibilidade auditável e desloca a poda do A* em até 32 pontos percentuais; UCS e A* permanecem ótimos em todos os pares, enquanto a Busca Gulosa diverge em 3.715 casos (≈10,7%). A contribuição principal é um workflow reprodutível de curadoria de dados, e não um novo algoritmo de busca. Explorador interativo: https://buscaestradareal.netlify.app/.
Referências
Calaes, G. D. and Ferreira, G. E., editors (2009). A Estrada Real e a transferência da corte portuguesa: Programa Rumys – Projeto Estrada Real. CETEM/MCT/CNPq/CYTED, Rio de Janeiro.
Costa, A. G. (2015). Registros do Caminho Novo para as minas de ouro nos mapas antigos. In Atas do VI Simpósio Luso-Brasileiro de Cartografia Histórica, Braga.
Descaminhos do Ouro (2026). Cicloturismo. Disponível em [link]. Acesso em abr. 2026 (cópia no Wayback Machine).
Dijkstra, E. W. (1959). A note on two problems in connexion with graphs. Numerische Mathematik, 1:269–271. DOI: 10.1007/BF01386390.
Hart, P. E., Nilsson, N. J., and Raphael, B. (1968). A formal basis for the heuristic determination of minimum cost paths. IEEE Transactions on Systems Science and Cybernetics, 4(2):100–107. DOI: 10.1109/TSSC.1968.300136.
Hey, T., Tansley, S., and Tolle, K., editors (2009). The Fourth Paradigm: Data-Intensive Scientific Discovery. Microsoft Research, Redmond, WA.
IBGE (2026). Coordenadas das sedes municipais. Disponível em [link]. Acesso em mar. 2026.
Instituto Estrada Real (2026). Roteiros planilhados. Disponível em [link]. Acesso em mar. 2026.
Paisagem Cultural da Estrada Real (2026). Inventário de bens culturais, sítios arqueológicos e grupos sociais. Disponível em [link]. Acesso em abr. 2026.
Rocha, D. M. (2026). Estrada Real: grafo curado, desambiguação de homônimos e scripts da varredura [dados]. Zenodo. DOI: 10.5281/zenodo.20867698.
Russell, S. and Norvig, P. (2020). Artificial Intelligence: A Modern Approach. Pearson, 4th edition.
Sambasivan, N., Kapania, S., Highfill, H., Akrong, D., Paritosh, P., and Aroyo, L. M. (2021). “Everyone wants to do the model work, not the data work”: data cascades in high-stakes AI. In Proc. of the 2021 CHI Conference on Human Factors in Computing Systems, pages 1–15. DOI: 10.1145/3411764.3445518.
Stahlberg, M. J., Sagnol, G., Ducke, B., and Klimm, M. (2023). Spatiotemporal reconstruction of ancient road networks through sequential cost–benefit analysis. PNAS Nexus, 2(2):pgac313. DOI: 10.1093/pnasnexus/pgac313.
Umbelino, G., Carvalho, R., and Antunes, A. (2009). Uso da cartografia histórica e do SIG para a reconstituição dos caminhos da Estrada Real. Revista Brasileira de Cartografia, 61(1). DOI: 10.14393/rbcv61n1-44855.
Valente, R. V. (2006). Café e escravidão no Caminho Novo da Piedade. In Anais.... USP. Whang, S. E., Roh, Y., Song, H., and Lee, J.-G. (2023). Data collection and quality challenges in deep learning: a data-centric AI perspective. The VLDB Journal, 32(4):791–813. DOI: 10.1007/s00778-022-00775-9.
Zha, D., Bhat, Z. P., Lai, K.-H., Yang, F., Jiang, Z., Zhong, S., and Hu, X. (2025). Data-centric Artificial Intelligence: a survey. ACM Computing Surveys, 57(5):1–42. DOI: 10.1145/3711118.
