Búsqueda y recuperación de información en plataformas de video streaming

un estudio de caso sobre Netflix

Autores/as

DOI:

https://doi.org/10.35699/2237-6658.2024.51049

Palabras clave:

Inteligencia artificial, Netflix, recuperación de información, sistemas de recuperación de información, sistema de búsqueda

Resumen

Estudia temas relacionados con la búsqueda y recuperación de información y su impacto en la satisfacción de las necesidades de los usuarios. Su objetivo general es analizar las dificultades e inconsistencias en el sistema de búsqueda y recuperación de información en las plataformas de streaming, especialmente Netflix. Utiliza como metodologías de investigación bibliográfica, exploratoria, descriptiva y documental, con un enfoque cualitativo mediante la aplicación de un estudio de caso sobre Netflix. Para obtener los datos se analizó la propia plataforma Netflix y sus sitios hermanos (Netflix Research, Netflix Investor, WeAreNetflix), así como blogs relacionados con la misma. El análisis de los datos se realizó en octubre de 2023. Como resultado, se evidencia que la plataforma brinda, en su página de inicio y en todas sus versiones, alternativas simples de búsqueda y navegación, en las que el campo de búsqueda simple es un espacio destinado a la usuario incluya una palabra o una expresión de búsqueda para recuperar el contenido (película, serie, documental, por ejemplo). Destaca que se encontraron dificultades e inconsistencias en el sistema de búsqueda y recuperación de información en la plataforma de streaming Netflix debido a que el motor de búsqueda presenta únicamente la opción de búsqueda simple, no permitiendo al usuario refinar o filtrar su búsqueda, imposibilitando la recuperación de información con especificidad y precisión. Se reflexiona sobre la importancia de que la plataforma innove en su infraestructura, considerando un ciclo continuo de aprendizaje, inferencias y observaciones que pueden realizar profesionales e investigadores en el campo de las Ciencias de la Información y áreas afines.

Descargas

Los datos de descarga aún no están disponibles.

Biografía del autor/a

  • Danilo Freitas, Universidade federal do Rio de Janeiro (UFRJ)

    Professor Adjunto do curso de Biblioteconomia e Gestão de Unidades de Informação (CBG) na Universidade Federal do Rio de Janeiro (UFRJ). Atualmente ocupando a função de Coordenador do curso de Biblioteconomia e Unidades de Informação na UFRJ e membro suplente do Conselho de Coordenação do CCJE - UFRJ (Centro de Ciências Jurídicas e Econômicas). Doutor em Sistemas de Informação pelo Programa de Pós-Graduação em Informática (PPGI) da Universidade Federal do Rio de Janeiro (UFRJ). Mestre em Informática pelo Programa PPGI da UFRJ. Graduado em Bacharel em Informática e Tecnologia da Informação pela Universidade do Estado do Rio de Janeiro (UERJ). Temas de interesse: Sistemas colaborativos (CSCW - computer supported cooperative work), mídias sociais, gestão do conhecimento e engenharia de software. Aplica suas pesquisas no domínio de Gestão de Emergências. Trabalhou por 34 anos na área de Tecnologia da Informação (TI), em empresas de mercado, com amplo conhecimento das diversas disciplinas que envolvem a área de informática.

  • Kaísa Morgado, UFRJ

    Bacharela em Biblioteconomia e Gestão de Unidades de Informação pela Universidade Federal do Rio de Janeiro - UFRJ (2021). Possui Dignidade Acadêmica da graduação da UFRJ (2022). Bolsista de Iniciação Científica PIBIC-UFRJ, 2020. Integra a Rede de Competência em Informação do estado do Rio de Janeiro. Áreas de interesse: sistemas de organização da informação e do conhecimento, sistemas de recuperação da informação, uso de tecnologias de inteligência artificial na organização da informação e do conhecimento, modelos e sistemas colaborativos de indexação, fontes de informação, competência em informação.

  • Raimunda Fernanda dos Santos, Universidade federal do Rio de Janeiro (UFRJ)

    Professora Adjunta do Departamento de Ciência da Informação da Universidade Federal do Rio Grande do Norte (UFRN). Professora permanente externa do Programa de Pós-Graduação em Ciência da Informação da Universidade Estadual de Londrina (PPGCI/UEL). Doutora em Ciência da Informação pela Universidade Federal da Paraíba (PPGCI/UFPB). Mestra em Ciência da Informação pelo Programa de Pós-Graduação em Ciência da Informação da Universidade Federal de Pernambuco (PPGCI/UFPE). Especialista em Docência em Sistemas de Informação pela Facuminas. Bacharel em Biblioteconomia pela Universidade Federal do Rio Grande do Norte (DECIN/UFRN). Pesquisadora Líder do Grupo de Pesquisa #FOLKCoLAB Colaboratório de pesquisas e práticas sobre Folksonomia e Sistemas híbridos de Organização do Conhecimento, primeiro grupo de pesquisa do CNPq exclusivamente dedicado às Folksonomias no Brasil. Membro do comitê de Machine Learning da Associação Internacional de Inteligência Artificial. Atuou como professora efetiva do Departamento de Biblioteconomia da Universidade Federal do Rio de Janeiro (UFRJ), no período de abril de 2019 a janeiro de 2024.Possui Láurea Acadêmica (2014) e prêmio de melhor monografia da graduação na UFRN (2014). Faz parte dos Grupos de Pesquisa certificados pelo CNPq na área de Organização e Representação da Informação e do Conhecimento nas instituições UFPB e UFPE. Áreas de Interesse: Organização e Representação da Informação e do Conhecimento. Inteligência Artificial. Modelos e sistemas colaborativos de Indexação. Folksonomias. Sistemas de Organização do Conhecimento. Sistemas de Recuperação da Informação. Dados de Pesquisa.

Referencias

ARAÚJO, A. R.et al. Cultura de convergência e classificação: uma aplicação das categorias pmest de ranganathan no catálogo da netflix. Biblionline, [S. l.], v. 14, n. 1, p. 91-105, 2018. Disponível em: https://periodicos.ufpb.br/index.php/biblio/article/view/40691/20684. Acesso em: 14 abr. 2024.

BAEZA-YATES, R.; RIBERIO-NETO, B. Recuperação da informação: conceitos e tecnologia das máquinas de busca. Porto Alegre: Bookman, 2013.

BECKLEY, J. et al. Data Compression for Large-Scale Streaming Experimentation. Netflix Research, 2019. Disponível em: https://netflixtechblog.com/data-compression-for-large-scale-streaming-experimentation-c20bfab8b9ce. Acesso em: 14 abr. 2024.

BORKO, H. Artificial intelligence and expert systems research and their possible impact on information science education. Education for Information, [S. l.], v. 3, n. 2, p. 103-114, jun. 1985.

CANALTECH. Quantos filmes estão disponíveis na Netflix?: uma resposta aproximada. [S.l.], 2020. Disponível em: https://canaltech.com.br/entretenimento/quantos-filmes-estaodisponiveis-na-netflix-uma-resposta-aproximada/. Acesso em: 14 abr. 2024.

CHOUDHURY, N. World Wide Web and its journey from Web 1.0 to Web 4.0. International Journal of Computer Science and Information Technologies, [S. l.], v. 5, n.6, p. 8096-8100, 2014. Disponível em:

http://www.ijcsit.com/docs/Volume%205/vol5issue06/ijcsit20140506265.pdf. Acesso em:

abr. 2024.

CONEGLIAN, Caio Saraiva. Recuperação da informação com abordagem semântica utilizando linguagem natural: a inteligência artificial na ciência da informação. 2020. Tese (Doutorado em Ciência da Informação) – Universidade Estadual Paulista Júlio de Mesquita

Filho, São Paulo, 2020.

FERNANDES, J. G. L. et al. Inteligência Artificial: Uma Visão Geral. Revista Eletrônica Engenharia Estudos e Debates, São José do Rio Preto, v. 1, n. 1, 2018.

FERNEDA, E. Recuperação de Informação: análise sobre a contribuição da Ciência da Computação para a Ciência da Informação. 2003. Tese (Doutorado em Ciência da Comunicação) – Escola de Comunicação e Artes, Universidade de São Paulo, São Paulo, 2003.

G1. Netflix lança perfis de usuário para serviço de filmes on-line. 2013. Disponível em: G1 - Netflix lança perfis de usuário para serviço de filmes on-line - notícias em Tecnologia e Games (globo.com). Acesso em: 14 abr. 2024.

LADEIRA, J. D. M. O Algoritmo e o Fluxo: Netflix, Aprendizado de Máquina e Algoritmos de Recomendações. Intexto, Porto Alegre, n. 47, p. 166-184, set./dez. 2019. Disponível em: https://seer.ufrgs.br/intexto/article/view/83748/52807. Acesso em: 14 abr. 2024.

LANCASTER, F. W. Indexação e Resumos: teoria e prática. 2. ed. Brasilia, DF: Briquet de Lemos, 2004.

LEITE, B. R. A. et al. Inteligência Artificial e Programas de Computador: Mapeamento Tecnológico dos Registros no Brasil. Revista INGI: Indicação Geográfica e Inovação, Aracaju, v. 4, n. 1, p. 617-630, 2020.

NETFLIX. The story of Netflix. Los Gatos, 2021. Disponível em: https://about.netflix.com/en. Acesso em: 14 abr. 2024.

NETFLIX BRASIL. Página principal. São Paulo, 2020. Disponível em: https://www.netflix.com/browse. Acesso em: 14 abr. 2024.

NETFLIX INC. Arquivos de mídia. Netflix INC: [S.n.], 2021. Disponível em: https://about.netflix.com/pt_br/company-assets. Acesso em: 14 abr. 2024.

NETFLIX INVESTORS. Company profile. Los Gatos, 2020. Disponível em: https://ir.netflix.net/ir-overview/profile/default.aspx. Acesso em: 14 abr. 2024.

NETFLIX RESEARCH. Machine Learning Platform: accelerating and democratizing Machine Learning innovation. Los Gatos, 2023. Disponível em: https://research.netflix.com/research-area/machine-learning. Acesso em: 14 abr. 2024.

NETFLIX TECHBLOG. Helping you find shows to continue watching on Netflix. Netflix TechBlog, Los Gatos, 2016. Disponível em: https://netflixtechblog.com/to-be-continuedhelping-you-find-shows-to-continue-watching-on-7c0d8ee4dab6. Acesso em: 14 abr. 2024.

NEVES, Bárbara Coelho. Inteligência Artificial e Computação Cognitiva em Unidades de

Informação: conceitos e experiências. LOGEION: Filosofia da informação, Rio de Janeiro,

v. 7, n. 1, p. 186-205, set. 2020/fev. 2021.

RIZZO, L.; FITZGERALD, D. Forget the Streaming Wars: pandemic-stricken 2020 lifted Netflix and others. The Wall Street Journal, 30 dez. 2020. Disponível em: https://www.wsj.com/articles/forget-the-streaming-warspandemic-stricken-2020-lifted-netflix-and-others-11609338780. Acesso em: 14 abr. 2024.

SIQUEIRA, I. S. P.; PEREIRA, A. E. da C. Perspectivas de aplicação da inteligência artifical à biblioteconomia e à ciência da informação. Revista Brasileira de Biblioteconomia e Documentação, São Paulo, v. 22, n. 1/2, p. 39-80, jan./jun. 1989. Disponível em: https://rbbd.febab.org.br/rbbd/article/view/390/364. Acesso em: 14 abr. 2024.

SOUZA, R. R. Sistemas de recuperação de informações e mecanismos de busca na web: panorama atual e tendências. Perspect. ciênc. inf., Belo Horizonte, v. 11, n. 2, p. 161-173, Ag. 2006. Disponível em: https://www.scielo.br/j/pci/a/7tt9ykG8xTGbWsyYnDhmghr/abstract/?lang=pt. Acesso em: 14 abr. 2024.

WHITE, C. M. Redes de computadores e comunicação de dados. São Paulo: Cengage Learning, 2011.

Descargas

Publicado

2024-05-03

Número

Vol. 14 (2024): Publicações Contínuas 2024

Sección

Dossiê temático - Práticas de organização e gestão de dados, informação e conhecimento em ambientes digitais

Licencia

Derechos de autor 2024 Kaísa de Souza Morgado, Danilo Pestana de Freitas, Raimunda Fernanda dos Santos

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Autores que publicam na Revista Múltiplos Olhares em Ciência da Informação mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista. Contratos adicionais poderão ser assumidos, separadamente, pelos autores, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (exemplo: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista. 

Cómo citar

Búsqueda y recuperación de información en plataformas de video streaming: un estudio de caso sobre Netflix. Múltiplos Olhares em Ciência da Informação - ISSN 2237-6658, Belo Horizonte, v. 14, p. e051049, 2024. DOI: 10.35699/2237-6658.2024.51049. Disponível em: https://periodicos.ufmg.br/index.php/moci/article/view/51049. Acesso em: 25 dec. 2025.