• Informações do Trabalho

Titulo Desenvolvimento de uma pipeline para interpretação de símbolos em narrativas de ficção baseado em LLMs Subtítulo Autor LÍVIA RIBEIRO PESSAMILIO Orientador FABRICIO MARTINS MENDONCA Resumo A análise de simbolismo literário em narrativas de ficção é uma tarefa complexa que envolve interpretação contextual e conhecimento cultural, características historicamente associadas à leitura humana. Com o avanço dos Modelos de Linguagem de Grande Escala (LLMs), surge a questão de em que medida esses modelos são capazes de produzir interpretações simbólicas comparáveis às de leitores humanos. Este trabalho investiga se interpretações simbólicas geradas automaticamente por um LLM podem ser percebidas como humanas e avaliadas como plausíveis por participantes sem conhecimento prévio de sua origem. Para isso, foi desenvolvida uma pipeline que combina técnicas de Processamento de Linguagem Natural (PLN), incluindo tokenização, etiquetagem morfossintática e resolução de correferência, para identificar os objetos mais recorrentes de três contos de domínio público, e um LLM para gerar três interpretações simbólicas por objeto com base nos trechos relevantes do texto. Essas interpretações foram misturadas a anotações humanas e apresentadas a participantes que atribuíram notas de plausibilidade e indicaram a autoria percebida de cada uma. Os resultados mostraram taxa de acerto global de 61,4% na identificação de origem, sendo as anotações humanas mais reconhecidas (71,7%) do que as geradas por LLM (56,3%), e as interpretações automáticas receberam plausibilidade média ligeiramente superior (3,94) à das humanas (3,71) em escala Likert de 1 a 5, indicando que interpretações geradas por LLM podem se aproximar das humanas em qualidade percebida, ainda que apresentem maior tendência a serem confundidas com escrita humana. O escopo do trabalho é limitado: o corpus abrange apenas três contos, o experimento contou com cerca de 22 participantes e cada história recebeu anotações de somente três leitores humanos, o que restringe a generalização dos resultados. Palavras-Chave Modelos de Linguagem de Grande Escala; Simbolismo Literário; Análise Computacional de Narrativas; Avaliação Humana; Processamento de Linguagem Natural