Objetivo: Realizar um diagnóstico buscando analisar o uso de inteligência artificial, especificamente do ChatGPT, na descrição de documentos arquivísticos segundo a Norma Geral Internacional de Descrição Arquivística. Método: A pesquisa é de natureza exploratória e aplicada, útil em estudos inovadores onde o objetivo é explorar possibilidades, identificar padrões e formular hipóteses futuras para estudos mais detalhados. Resultados: Os principais resultados mostraram que o ChatGPT atingiu uma taxa média de acerto de 92,04% no preenchimento quantitativo de metadados, com variabilidade mínima entre os testes. No entanto, inconsistências foram observadas em metadados considerados constantes, como Procedência e Condições de Acesso, que não mantiveram a precisão e consistência esperada. Metadados como Dimensão e Suporte, e Âmbito e Conteúdo, apresentaram maior dificuldade de padronização, sugerindo a necessidade de melhorias e ajustes no modelo. Conclusões: Os resultados sugerem que, embora o ChatGPT tenha demonstrado eficiência na maioria dos campos analisados, os desafios permanecem em metadados com pouca padronização. Os resultados indicam que o ChatGPT é capaz de manter um alto grau de completude dos metadados, mas enfrenta desafios em relação à precisão e consistência, especialmente em campos mais complexos. Ajustes no treinamento do modelo, juntamente com a supervisão humana contínua, podem melhorar a qualidade das descrições geradas. Apesar das limitações, a IA se mostra uma ferramenta promissora, capaz de impulsionar avanços significativos no campo da Arquivologia digital.
Generative AI in the extraction of archival metadata: a study based on the ISAD(G) standard
Abstract/Résumé/Resumen
Objective: This study aimed to analyze the use of artificial intelligence, specifically ChatGPT, in the description of digital records according to the General International Standard Archival Description (ISAD(G). Methodology: The research is exploratory and applied in nature, suited for innovative studies where the objective is to explore possibilities, identify patterns, and formulate hypotheses for more detailed future research. Results: The main results showed that ChatGPT achieved an average accuracy rate of 92.04% in the quantitative completion of metadata, with minimal variability between tests. However, inconsistencies were observed in metadata considered constant, such as Provenance and Access Conditions, which did not maintain the expected precision and consistency. Metadata like Extent and Medium, and Scope and Content showed greater difficulty in standardization, suggesting the need for improvements and adjustments to the model. Conclusions: The findings suggest that while ChatGPT demonstrated efficiency in most of the analyzed fields, challenges remain with metadata that lack standardization. The results indicate that ChatGPT is capable of maintaining a high degree of metadata completeness but faces challenges regarding precision and consistency, especially in more complex fields. Adjustments to the model's training, along with ongoing human supervision, could enhance the quality of the descriptions generated. Despite its limitations, AI proves to be a promising tool, capable of driving significant advancements in the field of digital Archival Science.
