Processamento de Linguagem Natural para a classificação de domínios da experiência no Parque Estadual do Jalapão utilizando técnicas de IA

Autores

DOI:

https://doi.org/10.20397/2177-6652/2026.v26i2.3231

Palavras-chave:

Atividade turística. Inteligência artificial. Aprendizado de máquina. Predição. Classificação.

Resumo

Objetivo: Este estudo aborda a automatização da categorização dos domínios da experiência turística no Parque Estadual do Jalapão (PEJ) através de técnicas avançadas de Processamento de Linguagem Natural (PLN), campo da Inteligência Artificial (IA), nos comentários de turistas no TripAdvisor.

Metodologia: Avaliar o processo de criação de modelos de IA com a aplicação dos métodos: Random Forest, Support Vector Machine, Stochastic Gradient Descent (SGD), Multi-layer Perceptron e Redes Neurais Artificiais (RNA).

Originalidade: A classificação manual de comentários online sobre pontos turísticos é dificultada pelo alto volume de dados disponíveis na Internet, razão pela qual este estudo propõe uma abordagem inovadora ao aplicar IA para automatizar esta tarefa.

Principais resultados: O estudo gerou um modelo de classificação, baseado em IA, que classifica sequências de quatro palavras (quadrigramas) nos quatro domínios da experiência. A geração do modelo considerou diferentes proporções para treinamento e teste, que modificam a acurácia dos modelos, e obteve a melhor forma de divisão sendo 85% para treinamento e 15% para teste. Quanto aos métodos, os dois melhores desempenhos foram alcançados por RNA, com 78% de acurácia, e por SGD, com 76% de acurácia.

Contribuições: Amplia os estudos que aprofundam conhecimentos de ferramentas que melhorem a coleta e o tratamento de dados por meio da IA, instrumentalizando os envolvidos com o turismo na tomada de decisões. O modelo de classificação obtido tem potencial para automatizar a avaliação de experiências turísticas, facilitando sua aplicação no setor e a tomada de decisão de gestores.

Biografia do Autor

Johann Belenda Maschio, Universidade Federal do Paraná - UFPR

Possui graduação em Sistemas de Informação pela Universidade Estácio de Sá (2019), Especialização em Inteligência Artificial pela Universidade Federal do Paraná (UFPR), atualmente é Mestrando em Informática (UFPR). Tem experiência na área de Ciência da Computação, com ênfase em Ciência da Computação

João Eugenio Marynowski, Universidade Federal do Paraná - UFPR

professor adjunto na Universidade Federal do Paraná (UFPR), atuando no curso superior de Tecnologia em Análise e Desenvolvimento de Sistemas. Seus interesses envolvem big data, incluindo banco de dados, sistemas distribuídos, segurança, teste e tolerância a falhas. Possui formação em Ciência da Computação, sendo doutor (2013) e mestre (2004) pela UFPR, e bacharel (2001) pela Universidade Estadual do Oeste do Paraná (UNIOESTE). Também realizou pós-doutorado na Pontifícia Universidade Católica do Paraná (PUCPR) entre 2014 e 2015. Possui experiência tanto no ensino superior de diversas disciplinas (p. ex.: Algoritmos, BD, Redes, IA, Compiladores, SO e SD) quanto no uso de TI como apoio à gestão empresarial. Atuou como coordenador de curso, consultor, gerente, analista e orientador durante o desenvolvimento e implantação de sistemas distribuídos, web, de tempo real e planejamento. Foi diretor e administrador de empresa no seguimento de suporte e segurança de sistemas, provendo serviços de infra-estrutura tecnológica, auditoria de sistemas, administração de banco de dados e software livre.

Melissa Silva de Oliveira, Universidade Federal do Paraná - UFPR

é professora nos cursos técnicos e de graduação na área de Informação e Comunicação no Instituto Federal do Paraná (IFPR), campus Telêmaco Borba, e pesquisadora nas áreas de Análise de Dados e Inteligência Artificial Aplicada. É formada em Análise e Desenvolvimento de Sistemas pela Universidade Federal do Paraná (UFPR), turma de 2024. Durante a graduação, foi bolsista do Programa Institucional de Iniciação ao Desenvolvimento Tecnológico e Inovação (PIBITI), participando de um projeto de pesquisa voltado à aplicação de técnicas de Inteligência Artificial, com ênfase em Processamento de Linguagem Natural (PLN), para a categorização de comentários relacionados ao turismo por meio de uma interface gráfica especializada baseada na web. Também possui experiência em desenvolvimento de software e certificação profissional em Gerenciamento de Projetos

Referências

Alencar, D. G., dos Santos, M. L., e Souza, A. A., & Gândara, J. M. G. (6 2019). Produtos turísticos para demandantes de experiências da dimensão entretenimento de Pine & Gilmore: novas características e tendências para o Paraná. Turismo Visão e Ação, 21, 46. https://doi.org/10.14210/rtva.v21n2.p46-67

Aljuaid, H., Alturki, N., Alsubaie, N., Cavallaro, L., & Liotta, A. (2022). Computer-aided diagnosis for breast cancer classification using deep neural networks and transfer learning. Computer Methods and Programs in Biomedicine, 223. https://doi.org/10.1016/j.cmpb.2022.106951

Benetti, A. C., Ozelame, Â. M. C. C., Pereira, L. A., & Tricárico, L. T. (7 2018). Turismo de Experiência em Áreas Patrimoniais: Uma Análise das Emoções a Partir dos Comentários do TripAdvisor sobre a Estrada Parque Transpantaneira‑MT‑Brasil. PASOS. Revista de Turismo y Patrimonio Cultural, 18, 565–581. https://doi.org/10.25145/j.pasos.2018.16.042

Caracristi, M. de F. de A.., Feger, J. E., Silva, T. M., & Marynowski, J. E. (2021). Uma Viagem pelo Jalapão, Brasil: análise das experiências turísticas. Revista Paranaense de Desenvolvimento (RPD), 41, 89–110.

Medeiros Caseli, H., & das Graças Volpe Nunes, M. (2024). Processamento de Linguagem Natural: Conceitos, Técnicas e Aplicações em Português (2nd ed.; H. M. Caseli & M. G. V. Nunes, Eds.). Retrieved from https://brasileiraspln.com/livro-pln/2a-edicao/

Crescencio, M., Gonçalves, A. L., & Todesco, J. L. (2020). Um processo de classificação de texto: análise de sentimento das opiniões no TripAdvisor sobre a atração Oktoberfest Blumenau. X Congreso Internacional de Conocimiento e Innovación.

Faceli, K., Lorena, AC, Gama, J., & Carvalho, ACPLF (2011). Inteligência artificial: uma abordagem de aprendizado de máquina.

Ghesh, N., Alexander, M., & Davis, A. (2024). The artificial intelligence-enabled customer experience in tourism: a systematic literature review. Tourism Review, Vol. 79. https://doi.org/10.1108/TR-04-2023-0255

Governo do Tocantins. (2024). Jalapão. https://www.to.gov.br/jalapao/w2szzqpn9qm

Hardt, M., Recht, B., & Singer, Y. (2016). Train faster, generalize better: Stability of stochastic gradient descent. 33rd International Conference on Machine Learning, ICML 2016, 3.

Hastie, T., Tibshirani, R., Friedman, J. H., & MyiLibrary. (2001). The elements of statistical learning data mining, inference, and prediction : with 200 full-color illustrations. Springer Series in Statistics.

Hu, T., & Chen, H. (6 2024). Destination experiencescape for coastal tourism: A social network analysis exploration. Journal of Outdoor Recreation and Tourism, 46, 100747. https://doi.org/10.1016/j.jort.2024.100747

Hyland, K. (1 2008). As can be seen: Lexical bundles and disciplinary variation. English for Specific Purposes, 27, 4–21. https://doi.org/10.1016/j.esp.2007.06.001

Kaizer, E. F., Caracristi, M. F. A., Feger, J. E., Marynowski, J. E., & Silva, T. M. (2021). Análise da experiência relatada pelos turistas ao visitar o Parque Estadual do Jalapão (PEJ) – TO, Brasil. Ateliê Do Turismo, 5.

Kazak, A. N., Chetyrbok, P. V., & Oleinikov, N. N. (2020). Artificial intelligence in the tourism sphere. IOP Conference Series: Earth and Environmental Science, 421. https://doi.org/10.1088/1755-1315/421/4/042020

Kim, H., So, K. K. F., Shin, S., & Li, J. (2024). Artificial Intelligence in Hospitality and Tourism: Insights From Industry Practices, Research Literature, and Expert Opinions. Journal of Hospitality and Tourism Research. https://doi.org/10.1177/10963480241229235

Marynowski, J. E., Fontana, R. M., Feger, J. E., & de Souza Lima, J. (2023). Domínios de Experiência no Turismo: uma Análise de Comentários Turísticos do Jalapão Baseada em Inteligência Artificial. https://www.anptur.org.br/anais/anais/files/20/3077.pdf

Minaee, S., Kalchbrenner, N., Cambria, E., Nikzad, N., Chenaghlu, M., & Gao, J. (2021). Deep Learning-Based Text Classification. ACM Computing Surveys, Vol. 54. https://doi.org/10.1145/3439726

Ministério do Turismo. (2010). ECOTURISMO: Orientações Básicas. Ministério do Turismo.

Paula, J., Marynowski, J., & Feger, J. (5 2024). Coleta de Dados Turísticos com Web Scraping: Problemas, Soluções e Otimizações. iSys - Brazilian Journal of Information Systems, 17. https://doi.org/10.5753/isys.2024.3644

Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., … Duchesnay, É. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12.

Pine, B. J., & Gilmore, J. H. (1999). The experience economy: work is theatre & every business a stage. Choice Reviews Online, 37. https://doi.org/doi:10.5860/choice.37-2254

Rezende, S. O., Monard, M. C., & de Carvalho, A. C. P. de L. F. (1998). Pesquisa e desenvolvimento de sistemas inteligentes para engenharia no LABIC/ICMSC/USP. Workshop de Sistemas Inteligentes Para Engenharia.

Santos, V. S., de Sousa, S. J. A., Santos, L. M. L., Filho, L. A. M. M., de Santana Porte, M., da Silva Taveira, M., & de Oliveira Alexandre, M. L. (3 2024). Inteligência Artificial nos estudos e pesquisas em Turismo no Brasil. Revista Brasileira de Pesquisa Em Turismo, 18, 2896. https://doi.org/10.7784/rbtur.v18.2896

Secundo, A., Almeida, I. C. D., & Tenório, N. (2023). Computação cognitiva nas organizações: uma investigação das ferramentas tecnológicas como apoio aos ciclos da gestão do conhecimento. Revista Tecnologia e Sociedade, 19. https://doi.org/10.3895/rts.v19n56.15380

Silva, S., & Serapiao, A. (5 2018). Ensaio em deep learning com aplicações em imagens e textos.

Teliukov, S., Frolov, D., Dubniak, M., Manzhai, O., & Haidarzhy, A. (2024). Fundamentos da aplicação da tecnologia para apoiar a inteligência em sistemas de tomada de decisão. Revista Gestão & Tecnologia, 24(5), 391–403. https://doi.org/10.20397/2177-6652/2024.v24i5.3119

Tuo, Y., Ning, L., & Zhu, A. (2021). How Artificial Intelligence Will Change the Future of Tourism Industry: The Practice in China. In Information and Communication Technologies in Tourism 2021. https://doi.org/10.1007/978-3-030-65785-7_7

UN Tourism. (2025). Glossary of Tourism Terms. Retrieved from https://www.unwto.org/glossary-tourism-terms

Ziger, G. (2021). Comparação de técnicas de word embedding na análise de sentimentos. Instituto Federal de Educação, Ciência e Tecnologia de Santa Catarina.

Downloads

Publicado

2026-06-23

Como Citar

Maschio, J. B., Marynowski, J. E., Feger, J. E., & Oliveira, M. S. de. (2026). Processamento de Linguagem Natural para a classificação de domínios da experiência no Parque Estadual do Jalapão utilizando técnicas de IA. Revista Gestão & Tecnologia, 26(2), 96–118. https://doi.org/10.20397/2177-6652/2026.v26i2.3231

Edição

v. 26 n. 2 (2026)

Seção

ARTIGOS

Licença

Copyright (c) 2026 Revista Gestão & Tecnologia

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.

Os direitos, inclusive os de tradução, são reservados. É permitido citar parte de artigos sem autorização prévia desde que seja identificada a fonte. A reprodução total de artigos é proibida. Em caso de dúvidas, consulte o Editor.