Método computacional para sugestão de pareceristas com maior afinidade em pesquisa e menor conflito de interesse
A identificação de pareceristas para revisão por pares é um desafio recorrente no processo científico, especialmente devido ao risco de conflitos de interesses e à necessidade de identificar a afinidade em pesquisa. A autodeclaração de conflitos de interesse é o método mais aceito atualmente, mas sua aplicação só ocorre após o convite aos pareceristas, o que pode gerar retrabalho e omissões. Esta tese propõe um método computacional para sugerir pareceristas com maior afinidade em pesquisa e menor risco de conflitos de interesse. A proposta utiliza a análise de grafos de colaboração para sugerir pesquisadores, considerando a intensidade das colaborações passadas. Complementarmente, é empregado o processamento de linguagem natural para identificar a similaridade semântica entre manuscritos e potenciais pareceristas. Além disso, o método incorpora o Índice de Atribuição de Pareceristas (IAP), que quantifica a adequação dos pareceristas aos manuscritos, considerando tanto a afinidade acadêmica quanto o potencial de conflitos de interesse. Os experimentos realizados utilizam simulações com dados empíricos de pesquisadores reais e artigos publicados, recriando atribuições em cenários baseados no mundo real. Em um dos experimentos, baseado na revista Scientometrics, foram analisados 318 artigos e 1.074 perfis virtuais de autores. A análise da cobertura dos conceitos em três níveis demonstrou que, no nível 0 (mais amplo), a cobertura foi de 100%; no nível 1, a cobertura foi de 90%; e no nível 2 (mais específico), a cobertura foi de 49%. Esses resultados indicam que o método proposto agiliza a escolha de pareceristas, e promove uma revisão por pares mais diversa, imparcial e alinhada ao conhecimento necessário para avaliar os conceitos abordados.