Gestão da Informação e Ciência de Dados em plataformas de biodiversidade marinha

desafios para integração e análise de dados

Autores

DOI:

https://doi.org/10.47681/rca.v11i.73183

Palavras-chave:

Gestão da Informação, biodiversidade marinha, plataformas informacionais, Ciência de Dados, Big Data

Resumo

Objetivo: Analisar o papel das plataformas informacionais na gestão de dados ambientais marinhos, investigando como técnicas de ciência de dados podem apoiar a análise de grandes volumes de dados sobre biodiversidade. Método: O estudo adota abordagem exploratória e qualitativa, baseada na análise conceitual da literatura e na caracterização de plataformas de dados ecológicos disponibilizadas em portais públicos e iniciativas de compartilhamento científico. Resultados: Os resultados evidenciam que, embora as plataformas informacionais ampliem significativamente a disponibilidade de dados sobre biodiversidade marinha, sua efetiva integração e utilização científica são condicionadas à adoção de práticas estruturadas de gestão da informação, especialmente no que se refere à padronização, curadoria e interoperabilidade dos dados. Observa-se ainda que o uso de métodos de ciência de dados potencializa a análise de grandes volumes de dados ecológicos, porém permanece limitado por problemas relacionados à qualidade, heterogeneidade e fragmentação das bases informacionais. Conclusões: Conclui-se que o potencial analítico dos dados de biodiversidade marinha não depende exclusivamente de avanços tecnológicos, mas da articulação entre infraestruturas informacionais, práticas de gestão da informação e métodos de ciência de dados. O estudo contribui ao evidenciar essa interdependência, oferecendo uma análise integrada que reforça a importância de abordagens interdisciplinares para o fortalecimento da produção, organização e uso científico de dados ambientais.

Downloads

Não há dados estatísticos.

Biografia do Autor

Leandro Coqueiro Souza, Universidade Federal do Paraná (UFPR)

Mestre em Ciência, Tecnologia e Sociedade pelo Instituto Federal do Paraná (IFPR). Analista de Tecnologia da Informação na Universidade Federal do Paraná (UFPR). Doutorando em Gestão da Informação da Universidade Federal do Paraná (UFPR).

Denise Fukumi Tsunoda, Universidade Federal do Paraná (UFPR)

Professora Titular da Universidade Federal do Paraná (UFPR), vinculada ao Departamento de Ciência e Gestão da Informação. Atua na graduação em Gestão da Informação e é docente permanente do Programa de Pós-Graduação em Gestão da Informação (PPGGI/UFPR). Idealizadora e fundadora do Mestrado Profissional em Ciência de Dados da UFPR, tendo sido responsável pela elaboração da APCN, aprovação junto à CAPES e implantação do curso, do qual é a atual coordenadora. Possui liderança consolidada em Pesquisa, Desenvolvimento e Inovação (PDI) com forte inserção no setor produtivo. Atualmente, coordena o Projeto HarmonIA (Portal Brasileiro para Curadoria em IA e Análise de Dados), realizado em parceria estratégica com o Instituto de Ciência e Tecnologia Itaú (ICTi), com foco em Inteligência Artificial Generativa e Processamento de Linguagem Natural (PLN). Também é coordenadora de projeto com fomento CAPES / PROCAD em parceria com a UFRN e a UFSC. No âmbito da extensão universitária, coordena o Laboratório de Excelência em Inteligência Artificial (LEXIA), projeto estratégico que viabiliza a curricularização da extensão e promove a integração entre discentes e docentes através da oferta de capacitações e prestação de serviços especializados à comunidade. Demonstra ampla capacidade de formação de recursos humanos, liderando equipe multidisciplinar com mais de 20 orientandos ativos, incluindo doutorado, mestrado, iniciação científica/tecnológica e extensão, com financiamento de agências públicas e da iniciativa privada. É Bolsista Produtividade da Fundação Araucária e atua como avaliadora do INEP (desde 2010) e consultora ad hoc. Com estágio pós-doutoral em Ciência da Informação pela UFSC (2023), Doutorado (2004) e Mestrado (1996) em Engenharia Elétrica e Informática Industrial pela UTFPR, e Bacharelado em Informática pela UFPR (1992). Suas áreas de pesquisa concentram-se em: Inteligência Artificial, Machine Learning, Deep Learning, Mineração de Dados/Textos e Computação Evolucionária, aplicadas à gestão da informação, inovação social e políticas públicas.

Referências

APPELTANS, W. et al. The magnitude of global marine species diversity. Current Biology, Cambridge, v. 22, n. 23, p. 2189-2202, 2012. Disponível em: https://doi.org/10.1016/j.cub.2012.09.036. Acesso em: 03 mar. 2026.

BARRETO, A. S. et al. SIMMAM – Sistema de Apoio ao Monitoramento de Mamíferos Marinhos: uma nova ferramenta para a gestão ambiental. In: RIO OIL & GAS EXPO AND CONFERENCE, 212, Rio de Janeiro. Anais [...]. Rio de Janeiro de Janeiro: Instituto Brasileiro de Petróleo, Gás e Biocombustíveis, 2012. Disponível em: https://www.researchgate.net/publication/289523408_SIMMAM_-_SISTEMA_DE_APOIO_AO_MONITORAMENTO_DE_MAMIFEROS_MARINHOS_UMA_NOVA_FERRAMENTA_PARA_A_GESTAO_AMBIENTAL. Acesso em: 15 mar. 2026.

BECK, J. et al. Spatial bias in the GBIF database and its effect on modeling species’ geographic distributions. Ecological Informatics, Amsterdam, v. 19, p. 10-15, 2014. Disponível em: https://doi.org/10.1016/j.ecoinf.2013.11.002. Acesso em: 10 mar. 2026.

BERNARD, A. et al. Toward a global strategy for seabird tracking. Conservation Letters, [s. l.], v. 14, n. 3, p. e12804, 2021. Disponível em: https://doi.org/10.1111/conl.12804. Acesso em: 04 mar. 2026.

CAETANO, P. B. Ingestão plástica em aves marinhas necropsiadas pelo Projeto de Monitoramento de Praias da Bacia de Santos (PMP-BS). 2022. Dissertação (Mestrado em Ciências Ambientais) – Universidade Federal de São Carlos, São Carlos, 2022. Disponível em: https://repositorio.ufscar.br/server/api/core/bitstreams/c92dc639-0d7f-46de-a402-63d368f7a8be/content. Acesso em: 15 mar. 2026.

CHOO, C. W. The knowing organization: how organizations use information to construct meaning, create knowledge and make decisions. New York: Oxford University Press, 2006. DOI: https://doi.org/10.1016/0268-4012(96)00020-5. Acesso em 25 fev. 2026.

COOKE, S. J. et al. Biotelemetry: a mechanistic approach to ecology. Trends in Ecology & Evolution, Amsterdã, v. 19, n. 6, p. 334-343, 2004. Disponível em: https://doi.org/10.1016/j.tree.2004.04.003. Acesso em: 19 mar. 2026.

COSTELLO, M. J. et al. Global coordination and standardisation in marine biodiversity through the Ocean Biogeographic Information System (OBIS). Marine Ecology Progress Series, San Francisco, v. 487, p. 203-213, 2013. Disponível em: https://doi.org/10.1371/journal.pone.0051629. Acesso em 12 mar. 2026.

DATE, C. J. Introdução a sistemas de bancos de dados. Tradução de Daniel Vieira. Rio de Janeiro: Elsevier Brasil: Campus, 2004.

DAVENPORT, T. H.; PRUSAK, L. Working knowledge: how organizations manage what they know. Boston: Harvard Business School Press, 1998.

DAVIES, T. E. et al. Multispecies tracking reveals a major seabird hotspot in the North Atlantic. Conservation letters, [s. l.], v. 14, n. 5, p. e12824, 2021. Disponível em https://doi.org/10.1111/conl.12824. Acesso em: 01 mar. 2026.

DE POOTER, D. et al. Toward a new data standard for combined marine biological and environmental datasets: expanding OBIS beyond species occurrences. Biodiversity Data Journal, Sofia, v. 5, e10989, 2017. Disponível em: https://doi.org/10.3897/BDJ.5.e10989. Acesso em: 03 mar. 2026.

DHAR, V. Data science and prediction. Communications of the ACM, New York, v. 56, n. 12, p. 64–73, dec. 2013. Disponível em: https://doi.org/10.1145/2500499. Acesso em: 03 mar. 2026.

ELMASRI, R.; NAVATHE, S. B. Fundamentals of database systems. 7th ed. Boston: Pearson, 2016.

FLORIDI, L. The fourth revolution: how the infosphere is reshaping human reality. Oxford: Oxford University Press, 2014.

FRICKE, M. Big Data and its epistemology. Journal of the Association for Information Science and Technology, [s. l.], v. 66, n. 4, p. 651-661, 2015. Disponível em: https://doi.org/10.1002/asi.23212. Acesso em: 10 mar. 2026.

HILL, K. L. et al. Observing systems and oceanographic data integration. Annual Review of Marine Science, Palo Alto, v. 2, p. 305-335, 2010. Disponível em: https://doi.org/10.1146/annurev-marine-120308-081135. Acesso em: 19 mar. 2026.

HORTON, T. et al. World Register of Marine Species (WoRMS): an authoritative global database for marine biodiversity. Nucleic Acids Research, Oxford, v. 49, n. D1, p. D984-D988, 2021. Disponível em: https://doi.org/10.1093/nar/gkaa1081. Acesso em: 19 mar. 2026.

HUSSEY, N. E. et al. Aquatic animal telemetry: a panoramic window into the underwater world. Science, Washington, v. 348, n. 6240, p. 1255642, 2015. Disponível em: https://doi.org/10.1126/science.1255642. Acesso em: 19 mar. 2026.

IVANOVA, N. V.; SHASHKOV, M. P. The possibilities of GBIF data use in ecological research. Russian Journal of Ecology, [s. l.], v. 52, n. 1, p. 1-8, 2021. Disponível em: https://doi.org//10.1134/S1067413621010069. Acesso em: 09 mar. 2026.

KAYS, R. et al. The Movebank system for studying global animal movement and demography. Methods in Ecology and Evolution, [s. l.], v. 13, n. 2, p. 419-431, 2022. Disponível em: https://doi.org/10.1111/2041-210X.13767. Acesso em: 18 mar. 2026.

KITCHIN, R. The data revolution: big data, open data, data infrastructures and their consequences. Londres: SAGE Publications, 2014.

KOETHER, B. Análise e integração de bancos de dados nacionais para a megafauna marinha: contribuições para as políticas públicas ambientais. 2024. Dissertação (Mestrado em Sistemas Costeiros e Oceânicos) – Universidade Federal do Paraná, Centro de Estudos do Mar, Campus Pontal do Paraná, Pontal do Paraná, 2024. Disponível em: https://acervodigital.ufpr.br/xmlui/handle/1884/94526. Acesso em: 08 mar. 2026.

KRANSTAUBER, B. et al. The Movebank data model for animal tracking. Environmental Modelling & Software, [s. l.], v. 26, n. 6, p. 834-835, 2011. Disponível em: https://doi.org/10.1016/j.envsoft.2010.12.005. Acesso em: 19 mar. 2026.

LYNCH, T. P. et al. The Australian Integrated Marine Observing System (IMOS): delivering data streams to address national and international research priorities. Marine and Freshwater Research, Melbourne, v. 65, n. 7, p. 569-576, 2014. Disponível em:https://doi.org/10.1071/MF13361. Acesso em: 19 mar. 2026.

MACGILLIVRAY, H. Statistics and data science must speak together. Teaching Statistics, [s. l.], v. 43, n. S1, p. S5–S10, 2021. Disponível em: https://doi.org/10.1111/test.12281. Acesso em: 02 mar. 2026.

MARCOVALDI, M. A. et al. Fifteen Years of Hawksbill Sea Turtle (Eretmochelys imbricata) Nesting in Northern Brazil. Chelonian Conservation and Biology, Massachusetts, v. 6, n. 2, p. 223-228, 2007. Disponível em: https://www.tamar.org.br/publicacoes_html/pdf/2007/2007_Marcovaldi_et_al_Eretmochelys_Brasil_CCB_2007.pdf. Acesso em: 19 mar. 2026.

MARICATO, G. A. B. Baleias e golfinhos em águas costeiras e oceânicas: uma abordagem integrada para distribuição, exposição a atividades humanas e conservação das espécies no Brasil e no mundo. 2023. Tese (Doutorado em Oceanografia) – Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2023. Disponível em: http://www.bdtd.uerj.br/handle/1/20806. Acesso em: 10 mar. 2026.

MARR, B. Big data in practice: how 45 successful companies used big data analytics to deliver extraordinary results. Chichester: Wiley, 2016.

MARTÍN MÍGUEZ, B. et al. The European marine observation and data network (EMODnet): visions and roles of the gateway to marine data in Europe. Frontiers in Marine Science, [s. l.], v. 6, p. 313, 2019. Disponível em: https://doi.org/10.3389/fmars.2019.00313. Acesso em 01 mar. 2026.

MEYER, C. et al. Multidimensional biases, gaps and uncertainties in global plant occurrence information. Ecology Letters, [s. l.], v. 19, n. 8, p. 992-1006, 2016. Disponível em: https://doi.org/10.1111/ele.12624. Acesso em: 15 mar. 2026.

MICHENER, W. K. Ecological data sharing. Ecological Informatics, [s. l.], v. 29, p. 33-44, 2015. Disponível em: https://doi.org/10.1016/j.ecoinf.2015.06.010. Acesso em: 01 mar. 2026.

MONS, B. et al. Cloudy, increasingly FAIR; revisiting the FAIR Data guiding principles for the European Open Science Cloud. Information Services & Use, Amsterdã, v. 37, n. 1, p. 49-56, 2017. Disponível em: https://doi.org/10.3233/ISU-170824. Acesso em: 19 mar. 2026.

MOURA, M. R. et al. Evaluating the suitability of biodiversity databases for macroecological studies: a conceptual framework for data quality. Ecography, [s. l.], v. 43, n. 4, p. 1-13, 2020.

PROVOST, F.; FAWCETT, T. Data science for business: what you need to know about data mining and data-analytic thinking. Sebastopol: O’Reilly Media, 2013.

RAMAKRISHNAN, R.; GEHRKE, J. Sistemas de gerenciamento de banco de dados. 3. ed. São Paulo: AMGH, 2008.

REICHSTEIN, M. et al. Deep learning and process understanding for data-driven Earth system science. Nature, Londres, v. 566, n. 7743, p. 195-204, 2019. Disponível em: https://doi.org/10.1038/s41586-019-0912-1. Acesso em: 19 mar. 2026

SARACEVIC, T. Information science. Journal of the American Society for Information Science, [s. l.], v. 50, n. 12, p. 1051-1063, 1999.

SCHMITT, T. et al. EMODnet Bathymetry: a compilation of bathymetric data in the European waters. In: OCEANS 2019 - MARSEILLE. 219, Marseille. Proceedings [...]. Piscataway: IEEE, 2019. p. 1–7. Disponível em: https://doi.org/10.1109/OCEANSE.2019.8867250. Acesso em: 20 mar. 2026.

SGARIONI, A. Z. et al. A novel variant of Babesia sp. (Piroplasmida) as a hemoparasite in procellariiform seabirds. Parasitology Research, [s. l.], v. 122, n. 8, p. 1935-1941, 2023. Disponível em: http://doi.org/10.1007/s00436-023-07894-4. Acesso em 19 mar. 2026.

SNYDER, H. Literature review as a research methodology: an overview and guidelines. Journal of Business Research, Amsterdã, v. 104, p. 333-339, 2019. Disponível em: https://doi.org/10.1016/j.jbusres.2019.07.039. Acesso em: 19 mar. 2026.

WANG, Y.; ZHANG, Y. Fifty years of information management research: a conceptual structure analysis using structural topic modeling. International Journal of Information Management, [s. l.], v. 58, 102316, 2021. Disponível em: https://doi.org/10.1016/j.ijinfomgt.2021.102316. Acesso em: 08 fev. 2026.

WILKINSON, M. D. et al. The FAIR Guiding principles for scientific data management and stewardship. Scientific Data, Londres, v. 3, n. 1, p. 1-9, 2016. Disponível em: https://doi.org/10.1038/sdata.2016.18. Acesso em: 09 mar. 2026.

YU, B.; KUMBIER, K. Veridical data science. Proceedings of the National Academy of Sciences, [s. l.], v. 117, n. 8, p. 3920–3929, 2020. Disponível em: https://doi.org/10.1073/pnas.1901326117. Acesso em: 07 mar. 2026.

Downloads

Publicado

27-07-2026

Como Citar

Souza, L. C., & Tsunoda, D. F. (2026). Gestão da Informação e Ciência de Dados em plataformas de biodiversidade marinha: desafios para integração e análise de dados. Revista Conhecimento Em Ação, 11, e73183. https://doi.org/10.47681/rca.v11i.73183

Edição

v. 11 (2026): publicação contínua

Seção

Relatos de Pesquisa

Licença

Copyright (c) 2026 Revista Conhecimento em Ação

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