Busca e recuperação da informação em plataformas de streaming de vídeos

um estudo de caso na Netflix

Autores

DOI:

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

Palavras-chave:

Inteligência artificial, Netflix, recuperação da informação, sistemas de recuperação da informação, sistema de busca

Resumo

Estuda questões relacionadas à busca e recuperação da informação e o seu impacto na satisfação das necessidades dos usuários. Tem como objetivo geral: analisar as dificuldades e inconsistências no sistema de busca e recuperação da informação em plataformas de streaming, em especial na Netflix. Utiliza como metodologias as pesquisas bibliográfica, exploratória, descritiva e documental, com abordagem qualitativa mediante a aplicação de um estudo de caso na Netflix. Para obtenção dos dados, foi analisada a própria plataforma Netflix e os seus sites irmãos (Netflix Research, Netflix Investor, WeAreNetflix), bem como blogs relacionados à mesma. A dos dados foi realizada no mês de outubro de 2023. Como resultados, constata que a plataforma disponibiliza, em sua página inicial e em todas as suas versões, as alternativas de busca simples e de navegação, em que o campo de busca simples é um espaço destinado ao usuário incluir uma palavra ou uma expressão de busca para recuperar um conteúdo (filme, série, documentário, por exemplo). Ressalta que foram encontradas dificuldades e inconsistências no sistema de busca e recuperação da informação na plataforma de streaming Netflix devido ao motor de busca apresentar apenas a opção de busca simples, não permitindo ao usuário refinar ou filtrar sua busca, inviabilizando a recuperação da informação com especificidade e precisão. Reflete acerca da importância da plataforma inovar em sua infraestrutura, considerando um ciclo contínuo de aprendizados, inferências e observações que podem ser realizadas por profissionais e pesquisadores do campo da Ciência da Informação e áreas correlatas.

 

Downloads

Não há dados estatísticos.

Biografia do Autor

Danilo Pestana de 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 de Souza 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.

Referências

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. DOI: https://doi.org/10.22478/ufpb.1809-4775.2018v14n1.40691

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. DOI: https://doi.org/10.3233/EFI-1985-3203

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. DOI: https://doi.org/10.19132/1807-8583201947.166-184

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. DOI: https://doi.org/10.1002/j.2042-7670.2020.tb00432.x

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. DOI: https://doi.org/10.1590/S1413-99362006000200002

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

Publicado

2024-05-03

Como Citar

FREITAS, D.; MORGADO, K.; DOS SANTOS, R. F. Busca e recuperação da informação em plataformas de streaming de vídeos: um estudo de caso na Netflix. Múltiplos Olhares em Ciência da Informação, 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: 10 out. 2024.

Edição

Seção

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