Experimental Evaluation in IR: Decades of Tradition not only to Steer Generative AI but also Quantum Computing
Nesta palestra, explorarei a evolução da avaliação experimental em Recuperação da Informação (IR), em especial a abordagem orientada a sistemas baseada no paradigma de Cranfield, principalmente sob a perspectiva de iniciativas de avaliação em larga escala, como o CLEF (Conference and Labs of the Evaluation Forum, https://www.clef-initiative.eu/), a fim de mostrar como a avaliação é fundamental para impulsionar a inovação e o desenvolvimento na área e fomentar o crescimento de uma comunidade vibrante e interdisciplinar. Em seguida, apresentarei alguns desafios que a avaliação experimental enfrenta quando se trata de Inteligência Artificial (IA) Generativa, o tema mais discutido atualmente. Também discutirei como a avaliação experimental pode nos permitir explorar outras tecnologias inovadoras e aplicá-las à IR, como a Computação Quântica (QC), apresentando a experiência do QuantumCLEF (https://qclef.dei.unipd.it/), com o intuito de nos lembrar de que nossa área deve buscar o maior número possível de direções inovadoras para sua evolução.
Nicola Ferro é Professor Titular de Ciência da Computação no Departamento de Engenharia da Informação da Universidade de Pádua, Itália. Seus principais interesses de pesquisa são recuperação da informação, gerenciamento e representação de dados e suas formas de avaliação. Ele preside o Comitê Diretor do CLEF, a iniciativa europeia de avaliação de sistemas de acesso à informação multimodal e multilíngue, e o Comitê Diretor da ESSIR, a Escola de Verão Europeia em Recuperação da Informação. É membro sênior do comitê de programa de conferências de alto nível, como ECIR, ACM SIGIR, ACM CIKM e WSDM. É co-presidente geral da SIGIR 2025 e da CIKM 2026. Foi presidente geral da ECIR 2016 e editor associado da ACM TOIS. Foi eleito para o SIGIR Academy em 2023 e recebeu o Tony Kent Strix Award em 2024.
Coordenador da sessão: Marcos André Gonçalves
Data Management Systems in the Age of Machine Learning
Os sistemas de gerenciamento de bancos de dados têm uma trajetória de grande sucesso. Concebidos inicialmente para dar suporte a dados relacionais e consultas SQL, logo foram estendidos para suportar funções genéricas definidas pelo usuário (UDFs) e diferentes modelos de dados. Atualmente, estamos presenciando uma nova classe de aplicações que integram dados com modelos de aprendizado de máquina (ML) e inteligência artificial (IA). No entanto, construir essas aplicações de ML não é tarefa simples. Nesta palestra, argumentarei que muitas das funcionalidades necessárias para dar suporte a essas aplicações estão no próprio cerne dos bancos de dados, como otimização de consultas, transparência de dados, heterogeneidade dos dados, visões, entre outras. À medida que as aplicações de ML evoluem para usos mais complexos de IA, como é o caso da IA Generativa (GenAI), surgem novas oportunidades para revisitar, explorar e estender as técnicas de banco de dados.
Fabio Porto é Pesquisador Sênior no Laboratório Nacional de Computação Científica (LNCC), onde coordena o Data Extreme Lab (DEXL). É doutor e mestre em Informática pela PUC-Rio e graduado em Matemática-Informática pela UERJ. Realizou pós-doutorado na École Polytechnique Fédérale de Lausanne, Suíça (2004–2008). Atualmente, ocupa a Inria International Chair (2024–2028) e coordena o Instituto de IA do LNCC. Seus principais interesses de pesquisa são em Sistemas de Aprendizado de Máquina, Grafos de Conhecimento e Fluxos de Big Data.
Coordenador da sessão: Eduardo Almeida
Data Spaces Europeus: os catalizadores da Economia de Dados da UE
Nos últimos anos, com o intuito de impulsionar e promover a economia de dados, a União Europeia tem investido na criação de Common European Data Spaces. Iniciativas como o DSSC (Data Spaces Support Center) e o CoE-DSC (Centre of Excellence – Data Sharing and Cloud) foram criadas para dar suporte à construção de Data Spaces. Para viabilizar essa visão, arquiteturas de referência, protocolos e padrões (como o Dataspace Protocol), e diversas ferramentas estão sendo desenvolvidos. O objetivo é estabelecer uma base sólida para a criação de Data Spaces, abordando desafios cruciais como: Interoperabilidade de dados, Gerenciamento de acesso e identidade, e Soberania dos dados. Além desses aspectos técnicos, também são considerados elementos organizacionais, legais e de negócio. Em paralelo, a interação dos Data Spaces com outras aplicações de compartilhamento de dados, como DPP (Digital Product Passport), PETs (Privacy Enhancing Technologies) e Digital Twins, também tem sido investigado. Em toda a Europa, vários esforços têm sido realizados para assegurar que os Data Spaces representem uma solução eficaz, oferecendo benefícios claros aos seus participantes. Nesta palestra, vamos explorar exemplos de Data Spaces europeus já consolidados, abordando arquiteturas de referência, building blocks e ferramentas essenciais para a sua criação. Focaremos em aspectos como interoperabilidade, estabelecimento de confiança e preservação da soberania de dados. Ao final, discutiremos os desafios atuais e as oportunidades de pesquisa da área.
Bernadette Farias Lóscio é cientista sênior no Departamento de Ecossistema de Dados da TNO, uma organização holandesa independente e líder em ciência e tecnologia aplicada. Além disso, também atua como cientista no CoE-DSC (Centre of Excellence for Data Sharing & Cloud). Atualmente, ela desenvolve pesquisas e participa de projetos na área de Ecossistemas de Dados, com ênfase em Trust Frameworks, Interoperabilidade e Federação de Data Spaces. Anteriormente, por 15 anos, foi professora do Centro de Informática da Universidade Federal de Pernambuco (UFPE), onde coordenou projetos e orientou diversos alunos em temas como Ecossistemas de Dados, Web Semântica e Integração de Dados. Por meio de consultorias, treinamentos, autoria de artigos e recomendações internacionais, contribuiu significativamente para o avanço das áreas de Dados Abertos no Brasil e na América Latina. Bernadette possui doutorado em Ciência da Computação pela UFPE e mestrado em Ciência da Computação pela Universidade Federal do Ceará (UFC). Sua trajetória acadêmica e profissional reflete um compromisso contínuo com a inovação e o avanço do conhecimento em aspectos relacionados ao uso e gerenciamento de dados.
Coordenadora da sessão: Ticiana Linhares
