Voltando a sala de aula, agora no modo mestrado

Primeira aula do mestrado. Estar no campus universitário assistindo uma aula após tantos anos desbloqueou algumas memórias, depois de três MBAs e da graduação, entrar novamente em uma sala de aula tem um certo sabor de nostalgia.

Mas ao mesmo tempo a sensação é completamente diferente. Na época das minhas primeiras aulas da graduação a internet ainda estava se consolidando como infraestrutura básica da sociedade. Hoje o debate gira em torno de inteligência artificial, redes de dados gigantescas e modelos capazes de interpretar linguagem humana.

O mestrado no Programa de Pós-Graduação em Engenharia e Gestão do Conhecimento da UFSC é muito interessante e ao mesmo tempo dinâmico. O programa estuda como o conhecimento é criado, estruturado e compartilhado quando pessoas, tecnologia e organizações se encontram. Isso conecta muito com o que já faço no trabalho, meu dia a dia é muito liderando iniciativas de inovação e desenvolvimento de produtos digitais. De certa forma, o mestrado virou uma forma de olhar com mais método e profundidade pra temas que já fazem parte do meu dia a dia como inteligência artificial, redes de informação e transformação digital.

Essa primeira aula foi com a disciplina Análise de Redes Sociais e Inteligência Artificial Aplicada. A proposta é entender como métodos digitais e inteligência artificial podem ser utilizados para análise de dados e redes em diferentes contextos. Não apenas como ferramentas para produzir conteúdo, mas como instrumentos metodológicos para analisar grandes volumes de informação.

Logo no começo apareceu uma pergunta interessante, o que é uma unidade de informação? A resposta é ampla mas faz sentido, pode ser um texto, uma imagem, um vídeo, um tweet, um comentário, um perfil. Qualquer elemento que possa ser transformado em dados e analisado computacionalmente.

A ideia não é formar programadores nem especialistas em machine learning, o foco está mais em entender os conceitos e aprender a usar ferramentas que permitam coletar dados, organizar informação e extrair padrões. Em muitos momentos a aula passou pela teoria dos grafos, que é uma base matemática para entender redes. Um grafo é uma estrutura simples composta por nós e arestas. Os nós representam entidades e as arestas representam relações entre elas.

Quando pensamos em redes sociais digitais isso fica bem intuitivo. Pessoas são nós, interações são conexões. Curtidas, comentários, menções e compartilhamentos passam a ser métricas dentro dessa rede.

O interessante é que essa estrutura permite enxergar padrões que seriam invisíveis olhando os dados individualmente. Um grafo pode revelar quem são os atores centrais, quais grupos estão conectados entre si e como a informação circula dentro de um sistema.

A professora Rita mostrou um exemplo de pesquisa muito interessante feita durante a pandemia. Ela analisou a comunicação do Ministério da Saúde do Canadá e do Brasil no Twitter ao longo de quarenta dias. A partir da coleta de dados foi possível construir grafos que mostravam como a informação se espalhava e quais perfis eram mais influentes naquela rede.

Em uma visualização dessas aparece algo curioso, um círculo grande no centro representa o perfil com maior centralidade. No caso, o próprio Ministério da Saúde. Em volta surgem outros nós menores representando usuários que interagem com aquela conta. Linhas mais grossas indicam conexões mais frequentes.

Outra parte da aula discutiu métodos digitais como um conjunto de ferramentas para analisar fenômenos de comunicação, isso envolve desde coleta de dados até visualização e interpretação. Destaque para quatro elementos importantes para qualquer pesquisa que utilize essas abordagens.

Primeiro entender o contexto do fenômeno estudado. Sem isso qualquer análise corre o risco de interpretar dados fora da realidade. Depois a infraestrutura disponível. Nem todas as plataformas permitem acesso fácil aos dados, algumas exigem APIs pagas ou restringem completamente a coleta.

O terceiro ponto é o conhecimento técnico mínimo. Não é necessário ser programador, mas entender conceitos básicos de ferramentas e linguagens ajuda bastante. E por último a lógica interpretativa. Dados por si só não dizem muita coisa, a análise exige leitura crítica e compreensão teórica.

O professor Alexandre entrou um pouco mais fundo no funcionamento da inteligência artificial. Explicou como modelos de linguagem transformam palavras em vetores numéricos e como isso permite comparar contextos semânticos.

Quando digitamos uma pergunta em um modelo como o ChatGPT, ele não “entende” a frase da forma como nós entendemos. Ele transforma aquele texto em representações matemáticas e procura padrões dentro de uma rede gigantesca de relações aprendidas durante o treinamento. Essas representações vetoriais permitem medir similaridade entre conteúdos. É a mesma lógica usada em buscadores, sistemas de recomendação e muitas ferramentas de análise de dados.

Enquanto estava na aula fiquei pensando como esse tipo de abordagem conversa diretamente com o que eu faço no trabalho. No mundo da tecnologia e dos produtos digitais estamos constantemente lidando com dados, padrões e comportamento humano mediado por plataformas. Seria ótimo se o corporativo tivesse mais tempo para observar esses fenômenos com mais cuidado.

No final da aula fiquei com aquela sensação boa de começo de jornada. A sensação de que existe um território grande para explorar, principalmente ligados a metologias de comunicação e pesquisas que fogem da minha área de atuação puramente técnica na gestão ou TI.

A comunicação hoje acontece dentro de sistemas digitais gigantescos. Plataformas, algoritmos, dados, redes. Entender essas estruturas talvez seja uma das formas mais interessantes de estudar a sociedade contemporânea.

Stay hungry, stay foolish.