Competência em dados e ciência de dados na ciência da informação
panorama da produção científica e atuação do bibliotecário
DOI:
https://doi.org/10.60144/v7i.2026.201Palavras-chave:
Competência em dados, Ciência de Dados, Projeto de Ciência de Dados, Educação em dadosResumo
Problemática: Considerando a competência em dados como um pilar necessário à execução de projetos de Ciência de Dados, questiona-se: o que tem sido produzido sobre a competência em dados e sua interseção com a Ciência de Dados? Objetivo: A pesquisa tem por objetivo investigar a produção científica que relaciona a competência em dados com a Ciência de Dados, no contexto da Ciência da Informação. Metodologia: A pesquisa apresenta natureza quali-quantitativa, do tipo descritiva-exploratória, cujos métodos aplicados consistem em revisão bibliográfica, análise bibliométrica e de conteúdo. Resultados: A análise bibliométrica demonstrou o crescimento da área ao longo dos anos e apresentou um mapa de colaboração entre os pesquisadores. Já a análise de conteúdo possibilitou traçar um panorama das pesquisas na temática e identificar as fases mais abordadas. Conclusão: O trabalho evidenciou onde a atuação do bibliotecário já está consolidada na execução de projetos de Ciência de Dados e expôs as lacunas existentes.
Downloads
Referências
ADISA, Ibrahim Oluwajoba; HERRO , Danielle; ABIMBADE, Oluwadara; IRGENS, Golnaz Arastoopour. Engaging elementary students in data science practices. Information and Learning Sciences, [S.l.], v. 125, n. 7/8, p. 513-544, 2024. Disponível em: http://dx.doi.org/10.1108/ILS-06-2023-0062. Acesso em: 30 ago. 2026.
ASHIQ, Murtaza; WARRAICH, Nosheen Fatima. Librarian’s perception on data librarianship core concepts: a survey of motivational factors, challenges, skills and appropriate trainings platforms. Library Hi Tech, [S.l.], v. 42, n. 3, p. 849-866, 2022. Disponível em: http://dx.doi.org/10.1108/LHT-12-2021-0487. Acesso em: 30 ago. 2026.
ASSOCIATION OF COLLEGE AND RESEARCH LIBRARIES. Working Group on Intersections of Scholarly Communication and Information Literacy. Intersections of Scholarly Communication and Information Literacy: creating strategic Collaborations for a Changing Academic Environment. Chicago: ACRL, 2013. Disponível em: https://www.ala.org/acrl/sites/ala.org.acrl/files/content/publications/whitepapers/Inters ections.pdf. Acesso em: 30 ago. 2026.
BARDIN, Laurence. Análise de conteúdo. São Paulo: Edições 70, 2010.
BOWLER, Leanne; SHAW, Charlie. Trends in data literacy, 2018-2023: a review of the literature. Information Research: an international eletronic journal, Boras, v. 29, n. 2, p. 198-205, 2024. DOI: https://doi.org/10.47989/ir292822. Disponível em: https://publicera.kb.se/ir/article/view/55129. Acesso em: 30 ago. 2026.
CAO, Longbing. Data science and analytics: a new era. The International Journal of Data Science and Analytics, [S. l], v. 1, p. 1–2. 2016. Disponível em: https://doi.org/10.1007/s41060-016-0006-1. Acesso em: 30 ago. 2026.
CLEVELAND, William S. Data science: an action plan for expanding the technical areas of the field of statistics. International Statistical Review, [S. l.], v. 69, n. 1, p. 21-26, 2001. DOI: 10.1111/j.1751-5823.2001.tb00477.x. Disponível em: https://onlinelibrary.wiley.com/doi/10.1111/j.1751-5823.2001.tb00477.x. Acesso em: 30 ago. 2026.
DONOHO, David. 50 years of data science. Journal of Computational and Graphical Statistics, [S. l.], v. 26, n. 4, p. 745-766, 2017. DOI: 10.1080/10618600.2017.1384734. Disponível em: https://www.tandfonline.com/doi/full/10.1080/10618600.2017.1384734. Acesso em: 30 ago. 2026.
FAYYAD, Usama; PIATETSKY-SHAPIRO, Gregory; SMYTH, Padhraic. From data mining to knowledge discovery in databases. AI Magazine, [S. l.], v. 17, n. 3, p. 37-54, 1996. DOI: 10.1609/aimag.v17i3.1230. Disponível em: https://ojs.aaai.org/aimagazine/index.php/aimagazine/article/view/1230. Acesso em: 30 ago. 2026.
GARINGAN, Dominique; PICKARD, Alison Jane. Artificial intelligence in legal practice: Exploring theoretical frameworks for algorithmic literacy in the legal information profession. Legal Information Management, Cambridge, v. 21, n. 2, p. 97-117, 2021. Disponível em: https://doi.org/10.1017/S1472669621000190. Acesso em: 30 ago. 2026.
KITCHIN, Rob. The data revolution: big data, open data, data infrastructures and their consequences. London: Sage, 2014.
KOLTAY, Tibor. Data literacy: In search of a name and identity. Journal of Documentation, Bingley, v. 71, n.2, p. 401-415, 2015. Disponível em: DOI https://doi.org/10.1108/JD-02-2014-0026. Acesso em: 30 ago. 2026.
KOLTAY, Tibor. Data literacy for researchers and data librarians. Journal of Librarianship and Information Science, London, v. 49, n. 1, p. 3-14, 2017. Disponível em: https://doi.org/10.1177/0961000615616450. Acesso em: 30 ago. 2026.
LUO, Jiebei; TANG, Rong. Data competency for academic librarians: Evaluating present trends and future prospects. The Journal of Academic Librarianship, v. 50, n. 4, p. 102897, 2024. Disponível em: https://doi.org/10.1016/j.acalib.2024.102897. Acesso em: 30 ago. 2026.
MATOS, Maurício Torres de; CANDURÚ, Marise Teles; BENCHIMOL, Alegria Célia. A produção científica e o acesso aberto sobre a Ciência de Dados no contexto da Ciência da Informação: estudo. Páginas a&b: arquivos e bibliotecas, [S.l.], 3. série, p. 247-248, 2022. Número especial. Trabalho apresentado na 12º ConfOA, 2021, [Braga]. Disponível em: https://doi.org/10.21747/21836671/pagnespp15. Acesso em: 30 ago. 2026.
MATUK, Camillia; VACCA, Ralph; AMATO, Anna; SILANDER, Megan; DESPORTES, Kayla; WOODS, Peter J.; TES, Marian. Promoting students’ informal inferential reasoning through arts-integrated data literacy education. Information and Learning Sciences, [S. l.], v. 125, n. 3/4, p. 163-189, 2024. Disponível em: https://doi.org/10.1108/ILS-07-2023-0088. Acesso em: 30 ago. 2026.
NAUR, Peter. Concise survey of computer methods. 3. ed. Lund: Studentlitteratur, 1974.
O’NEIL, Cathy; SCHUTT, Rachel. Doing Data Science: straight talk from the frontline.3. ed. Sebastopol: O’Reilly Media, 2014. Disponível em: https://books.google.com.br/books?hl=pt-BR&lr=&id=ycNKAQAAQBAJ&oi=fnd&pg=PP1&dq=%22data+science%22+Rachel+Schutt&ots=-7D8CQgtwt&sig=dZRUm6bwcW7_xPqnjf7weloZDrw#v=onepage&q&f=false. Acesso em: 30 ago. 2026.
SANDER, Ina. Critical datafication literacy: a framework for educating about datafication. Information and Learning Sciences, [S. l.], v. 125, n. 3/4, p. 270-292, 2024. Disponível em: http://dx.doi.org/I 10.1108/ILS-06-2023-0064. Acesso em: 30 ago. 2026.
SHEARER, Colin. The CRISP-DM model: the new blueprint for data mining. Journal of Data Warehousing, [S. l.], v. 5, n. 4, p. 13-22, 2000. Disponível em: https://www.academia.edu/42079490/CRISP_DM_The_New_Blueprint_for_Data_Mining_Colin_Shearer_Fall_2000_. Acesso em: 30 ago. 2026.
WINCKELMANN Predictive algorithms and racial bias: a qualitative descriptive study on the perceptions of algorithm accuracy in higher education. Information and Learning Sciences, [S.l.], v. 124, n. 9/10, p. 349-371, 2023. Disponível em: https://doi.org/10.1108/ILS-05-2023-00452023. Acesso em: 30 ago. 2026.
Downloads
Publicado
Como Citar
Edição
Seção
Categorias
Licença
Copyright (c) 2026 Cristina Marchetti Maia, Jéssyca Maria Santos da Silva, José Eduardo Santarem Segundo
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Qualquer usuário tem direito de:
- Compartilhar — copiar, baixar, imprimir ou redistribuir o material em qualquer suporte ou formato
- Adaptar — remixar, transformar, e criar a partir do material para qualquer fim, mesmo que comercial.
De acordo com os seguintes termos:
- Atribuição — Você deve dar o crédito apropriado, prover um link para a licença e indicar se mudanças foram feitas. Você deve fazê-lo em qualquer circunstância razoável, mas de maneira alguma que sugira ao licenciante a apoiar você ou o seu uso.
- Sem restrições adicionais — Você não pode aplicar termos jurídicos ou medidas de caráter tecnológico que restrinjam legalmente outros de fazerem algo que a licença permita.
