Extração Automatizada de Tecnologias em Trabalhos Acadêmicos de Computação Utilizando LLM
Resumo
Os repositórios de TCCs operam como indicadores das demandas tecnológicas na formação acadêmica, mas seu mapeamento manual enfrenta limitações operacionais. Compreender essas dinâmicas é importante para subsidiar reformas curriculares e avaliar o descompasso entre o ensino e as práticas de mercado. Este trabalho desenvolveu e avaliou um método automatizado para extrair e estruturar dados cienciométricos a partir de resumos textuais. Propõe-se um pipeline sequencial em Python que integra engenharia de prompt com tipagem estrita de dados e expressões regulares pós-extração para o tratamento de exceções. A validação ocorreu por meio de um experimento computacional em lote sobre um conjunto de dados com 904 registros históricos da área de computação da UFAL. Os resultados discriminam as frequências cronológicas e domínios de aplicação das linguagens, frameworks e bancos de dados mais recorrentes ao longo de duas décadas. Conclui-se que a integração de modelos de linguagem com baixa criatividade constitui um arcabouço reprodutível e escalável para a cienciometria computacional.
Palavras-chave:
Extração de Informação, Modelos de Linguagem de Grande Escala, Cienciometria, Engenharia de Prompts
Referências
Asudani, D. S., Nagwani, N. K., and Singh, P. (2023). Impact of word embedding models on text analytics in deep learning environment: a review. Artificial Intelligence Review, pages 1 – 81.
Casagrande, V. M. and da Silva, T. P. (2024). Uma introdução à análise de dados usando pandas, matplotlib e seaborn. In Escola Regional de Informática de Mato Grosso (ERI-MT), pages 196–203. SBC.
Chen, Y., Wang, H., Yu, K., and Zhou, R. (2024). Artificial intelligence methods in natural language processing: A comprehensive review. Highlights in Science, Engineering and Technology.
Dagdelen, J., Dunn, A., Lee, S., Walker, N., Rosen, A. S., Ceder, G., Persson, K. A., and Jain, A. (2024). Structured information extraction from scientific text with large language models. Nature Communications, 15.
do Nascimento, J. R. (2024). Exploração de técnicas de engenharia de prompt para aprimorar os resultados do uso de LLM no TCMRio. Trabalho de conclusão de curso, Universidade Federal do Rio Grande do Norte.
Fujita, M., Tartarotti, R., Dal’Evedove, P., and Cruz, M. C. A. (2024). How do authors choose keywords for their theses and dissertations in repositories of university libraries? an introspection-based enquiry. Coll. Res. Libr., 85.
Goulart, V. G., Liboni, L., and Cezarino, L. (2021). Balancing skills in the digital transformation era: The future of jobs and the role of higher education. Industry and Higher Education, 36:118 – 127.
Herandi, A., Li, Y., Liu, Z., Hu, X., and Cai, X. (2024). Skill-llm: Repurposing general-purpose llms for skill extraction. arXiv preprint arXiv:2410.12052.
Khan, M. Q., Shahid, A., Uddin, M. I., Roman, M., Alharbi, A., Alosaimi, W., Almalki, J., and Alshahrani, S. M. (2022). Impact analysis of keyword extraction using contextual word embedding. PeerJ Computer Science, 8:e967.
Khan, N., Elizondo, D. A., Deka, L., and Molina-Cabello, M. A. (2024). Natural language processing tools and workflows for improving research processes. Applied Sciences.
Neves, B. B., Sousa, T., Coutinho, D., Garcia, A., and Pereira, J. A. (2024). Explorando o potencial e a viabilidade de llms open-source na análise de sentimentos. In Congresso Brasileiro de Software: Teoria e Prática (CBSoft), pages 89–98. SBC.
Nowakowska, M. (2025). A comprehensive approach to preprocessing data for bibliometric analysis. Scientometrics, 130:5191 – 5225.
Pandey, R. and Taruna, S. (2021). Prevalent exact string-matching algorithms in natural language processing: A review. Journal of Physics: Conference Series, 1854.
Rahman, M., Sarwar, H., Tin, T. T., and Kader, M. A. (2025). A systematic literature review on final year capstone project in an engineering curriculum. Edelweiss Applied Science and Technology.
Rosa, M. S. and da Cruz, F. M. (2026). Modelos de linguagem de grande escala para extração de informações estruturadas de documentos financeiros: Uma avaliação comparativa. In Inovações e Avanços em Inteligência Artificial, pages 117–138. Atena Editora.
Wang, Z., Nayfeh, T., Tetzlaff, J., O’Blenis, P., and Murad, M. (2020). Error rates of human reviewers during abstract screening in systematic reviews. PLoS ONE, 15.
Xu, D., Chen, W., Peng, W., Zhang, C., Xu, T., Zhao, X., Wu, X., Zheng, Y., and Chen, E. (2024). Large language models for generative information extraction: A survey. Frontiers of Computer Science, 18:186357. arXiv:2312.17617.
Younesi, A., Samani, Z. N., and Fahringer, T. (2025). Autostreampipe: Llm assisted automatic generation of data stream processing pipelines. ArXiv, abs/2510.23408.
Zdravković, M. (2021). Supervised ml-based approach for auto-tagging of scientific literature. In 2021 20th International Symposium INFOTEH-JAHORINA (INFOTEH).
Casagrande, V. M. and da Silva, T. P. (2024). Uma introdução à análise de dados usando pandas, matplotlib e seaborn. In Escola Regional de Informática de Mato Grosso (ERI-MT), pages 196–203. SBC.
Chen, Y., Wang, H., Yu, K., and Zhou, R. (2024). Artificial intelligence methods in natural language processing: A comprehensive review. Highlights in Science, Engineering and Technology.
Dagdelen, J., Dunn, A., Lee, S., Walker, N., Rosen, A. S., Ceder, G., Persson, K. A., and Jain, A. (2024). Structured information extraction from scientific text with large language models. Nature Communications, 15.
do Nascimento, J. R. (2024). Exploração de técnicas de engenharia de prompt para aprimorar os resultados do uso de LLM no TCMRio. Trabalho de conclusão de curso, Universidade Federal do Rio Grande do Norte.
Fujita, M., Tartarotti, R., Dal’Evedove, P., and Cruz, M. C. A. (2024). How do authors choose keywords for their theses and dissertations in repositories of university libraries? an introspection-based enquiry. Coll. Res. Libr., 85.
Goulart, V. G., Liboni, L., and Cezarino, L. (2021). Balancing skills in the digital transformation era: The future of jobs and the role of higher education. Industry and Higher Education, 36:118 – 127.
Herandi, A., Li, Y., Liu, Z., Hu, X., and Cai, X. (2024). Skill-llm: Repurposing general-purpose llms for skill extraction. arXiv preprint arXiv:2410.12052.
Khan, M. Q., Shahid, A., Uddin, M. I., Roman, M., Alharbi, A., Alosaimi, W., Almalki, J., and Alshahrani, S. M. (2022). Impact analysis of keyword extraction using contextual word embedding. PeerJ Computer Science, 8:e967.
Khan, N., Elizondo, D. A., Deka, L., and Molina-Cabello, M. A. (2024). Natural language processing tools and workflows for improving research processes. Applied Sciences.
Neves, B. B., Sousa, T., Coutinho, D., Garcia, A., and Pereira, J. A. (2024). Explorando o potencial e a viabilidade de llms open-source na análise de sentimentos. In Congresso Brasileiro de Software: Teoria e Prática (CBSoft), pages 89–98. SBC.
Nowakowska, M. (2025). A comprehensive approach to preprocessing data for bibliometric analysis. Scientometrics, 130:5191 – 5225.
Pandey, R. and Taruna, S. (2021). Prevalent exact string-matching algorithms in natural language processing: A review. Journal of Physics: Conference Series, 1854.
Rahman, M., Sarwar, H., Tin, T. T., and Kader, M. A. (2025). A systematic literature review on final year capstone project in an engineering curriculum. Edelweiss Applied Science and Technology.
Rosa, M. S. and da Cruz, F. M. (2026). Modelos de linguagem de grande escala para extração de informações estruturadas de documentos financeiros: Uma avaliação comparativa. In Inovações e Avanços em Inteligência Artificial, pages 117–138. Atena Editora.
Wang, Z., Nayfeh, T., Tetzlaff, J., O’Blenis, P., and Murad, M. (2020). Error rates of human reviewers during abstract screening in systematic reviews. PLoS ONE, 15.
Xu, D., Chen, W., Peng, W., Zhang, C., Xu, T., Zhao, X., Wu, X., Zheng, Y., and Chen, E. (2024). Large language models for generative information extraction: A survey. Frontiers of Computer Science, 18:186357. arXiv:2312.17617.
Younesi, A., Samani, Z. N., and Fahringer, T. (2025). Autostreampipe: Llm assisted automatic generation of data stream processing pipelines. ArXiv, abs/2510.23408.
Zdravković, M. (2021). Supervised ml-based approach for auto-tagging of scientific literature. In 2021 20th International Symposium INFOTEH-JAHORINA (INFOTEH).
Publicado
23/09/2026
Como Citar
SANTOS, Valéria Silva; OLIVEIRA, Mirelly Barbosa Fontes de; SANTOS, Breno Santana; SILVA, Marianne Batista Diniz da.
Extração Automatizada de Tecnologias em Trabalhos Acadêmicos de Computação Utilizando LLM. In: ESCOLA REGIONAL DE COMPUTAÇÃO BAHIA, ALAGOAS E SERGIPE (ERBASE), 26. , 2026, Maragogi/AL.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2026
.
p. 519-528.
DOI: https://doi.org/10.5753/erbase.2026.30513.
