Big Data e Data for Good na Ciência da Informação: aproximação teórica

Patricia Siqueira  Santos; Nathalia Berger Werlang

doi:10.5433/1981-8920.2026v31n2p322

Autores

Patricia Siqueira Santos Universidade Federal de Santa Catarina - UFSC https://orcid.org/0000-0003-3622-3372
Nathalia Berger Werlang Universidade Federal de Santa Catarina - UFSC https://orcid.org/0000-0003-0172-6025

DOI:

https://doi.org/10.5433/1981-8920.2026v31n2p322

Palavras-chave:

Big Data, Data for Good, Ciência da Informação, Revisão de Literatura

Resumo

Objetivo: compreender de que forma os temas já estudados na Ciência da Informação estão inseridos nas discussões sobre Data for Good (dados para o bem), assim como explorar quais caminhos, com base nos GTs do Enancib, melhor dialogam com as publicações identificadas.
Metodologia: é desenvolvida pesquisa qualitativa, com caráter exploratório e documental, por meio de revisão de literatura. A análise temática é utilizada para levantar as relações encontradas e são definidos quatro temas principais: Cidades, Educação, Saúde e Comunidade. Para completar a análise e atender ao objetivo proposto, é realizado cruzamento de dados dos artigos pesquisados com as informações das ementas dos grupos de trabalho do Encontro Nacional de Pesquisa em Ciência da Informação.
Resultados: os trabalhos recuperados apresentam pesquisas com diversidade de métodos de coleta e análise. Tais pesquisas, mesmo sem fazer referência direta à Ciência da Informação, exploram temas que são transversais e de clara relevância para a área. Os quatro GTs que se destacam na relação feito com os artigos são GT 05 – Política e Economia da Informação; GT 11 – Informação & Saúde; GT 08 – Dados, Informação e Tecnologia e GT 06 – Informação, Educação e Trabalho, encontrando relação com os temas propostos.
Conclusões: é possível traçar o paralelo de buscarem utilizar o Big Data como apoio à solução de problemas socioambientais, com levantamento de riscos, benefícios e indicação de boas práticas para tomada de decisões informadas.

Downloads

Não há dados estatísticos.

Biografia do Autor

Patricia Siqueira Santos, Universidade Federal de Santa Catarina - UFSC

Doutoranda em Ciência da Informação pelo Programa de Pós-Graduação em Ciência da Informação da Universidade Federal de Santa Catarina (UFSC). Florianópolis, Brasil.

Nathalia Berger Werlang, Universidade Federal de Santa Catarina - UFSC

Doutora em Administração pela Universidade Federal de Santa Catarina (UFSC). Docente do Departamento de Ciência da Informação e do Programa de Pós-Graduação em Ciência da Informação da Universidade Federal de Santa Catarina (UFSC). Florianópolis, Brasil.

Referências

ASSOCIAÇÃO NACIONAL DE PESQUISA E PÓS-GRADUAÇÃO EM CIÊNCIA DA INFORMAÇÃO (ANCIB). Coordenações e Ementas de GT. 2026. Disponível em: https://ancib.org/coordenacoes-e-ementas-de-gt/. Acesso em: 7 maio 2026.

BORKO, H. Information Science: what is it? American Documentation, New Jersey, v. 19, n. 1, p. 3-5, 1968. Disponível em: https://doi.org/10.1002/asi.5090190103. Acesso em: 21 ago. 2025.

BRAUN, V.; CLARKE, V. Using thematic analysis in psychology. Qualitative Research in Psychology, [S.l.], v. 3, n. 2, p. 77-101, 2006. Disponível em: https://www.tandfonline.com/doi/abs/10.1191/1478088706qp063oa. Acesso em: 13 mar. 2025.

CALZADA, I. Smart Citizens: From Data Providers to Decision-Makers? The Case Study of Barcelona. MDPI Sustainability, 10(9), 3252, p. 1-25, 2018. Disponível em: https://doi.org/10.3390/su10093252. Acesso em: 09 ago. 2026.

CHAI, X.; GUO, X.; XIAO, J.; JIANG, J. Analysis of spatiotemporal mobility of shared-bike usage during COVID-19 pandemic in Beijing. Transactions in GIS, [S.l.], v. 00, p. 1-22, 2021. Disponível em: https://doi.org/10.1111/tgis.12784. Acesso em: 22 fev. 2025.

CHANDY, R.; HASSAN, M.; MUKHERJI, P. Big Data for Good: Insights from Emerging Markets. Journal of Product Innovation Management, [S.l.], v. 34, n. 5, p. 703-713. Disponível em: https://onlinelibrary.wiley.com/doi/abs/10.1111/jpim.12406. Acesso em: 13 mar. 2025.

D4GX INDIA. Data for Good Exchange 2024 India. 2024. Disponível em: https://www.d4gxindia.com/. Acesso em: 13 mar. 2025.

DATA KIND. Our Story. 2025. Disponível em: https://www.datakind.org/about-us/our-story/. Aceso em: 13 mar. 2025.

DATA SCIENCE ACADEMY. Big Data Fundamentos 3.0. 2023. Disponível em: https://www.datascienceacademy.com.br. Acesso em: 10 ago. 2024.

DAVENPORT, T. H. Big data no trabalho: derrubando mitos e descobrindo oportunidades. Rio de Janeiro: Alta Books, 2017.

DAVENPORT, T. H. How strategists use “big data” to support internal business decisions, discovery and production. Strategic Leadership, Leeds, v. 42, n. 4, p. 45-50, 2014. Disponível em: https://doi.org/10.1108/SL-05-2014-0034. Acesso em: 22 ago. 2025.

DRIVENDATA. Data science competitions to build a better world. 2024. Disponível em: https://www.drivendata.org/. Acesso em: 13 mar. 2025.

GUTIERREZ, M.; BRYANT, J. The Fading Gloss of Data Science: Towards an Agenda that Faces the Challenges of Big Data for Development and Humanitarian Action. Development, [S.l.], v. 65, p. 80-93, 2022. Disponível em: https://doi.org/10.1057/s41301-022-00327-2. Acesso em: 22 fev. 2025.

HÖPER, L.; SCHULTE, C. The data awareness framework as part of data literacies in K-12 education. Information and Learning Sciences, [S.l.], v. 125, n. 7/8, p. 491-512, 2023. Disponível em: https://doi.org/10.1108/ILS-06-2023-0075. Acesso em: 22 fev. 2025.

INSTITUTO DE CIDADANIA EMPRESARIAL - ICE. Tecnologias e uso de dados para transformação social: Movimento Data for Good começa a se estruturar no Brasil. 2018. Disponível em: https://ice.org.br/2018/10/17/tecnologias-e-uso-de-dados-para-transformacao-social-movimento-data-for-good-comeca-a-se-estruturar-no-brasil/. Acesso em: 13 mar. 2025.

JIA, S.; KIM, S. H.; NGHIEM, S. V.; DOHERTY, P.; KAFATOS, M. C. Patterns of population displacement during mega-fires in California detected using Facebook Disaster Maps. Environmental Research Letters, [S.l.], v. 15, n. 7. 2020. Disponível: https://doi.org/10.1088/1748-9326/ab8847. Acesso em: 07 maio 2026.

KONTOKOSTA, C. E.; MALIK, A. The resilience to emergencies and disasters index: applying big data to benchmark and validate neighborhood resilience capacity. Sustainable Cities and Society, v. 36, p. 272–285. Disponível em: http://dx.doi.org/10.1016/j.scs.2017.10.025. Acesso em: 09 ago. 2026.

LANCY, D. 3D Data Management: Controlling Data Volume, Velocity, and Variety. Application Delivery Strategies. Stamford: Meta Group. 2001. Disponível em: https://studylib.net/doc/8647594/3d-data-management--controlling-data-volume--velocity--a. Acesso em: 13 mar. 2025.

LUCCHINI, L.; CENTELLEGHER, S.; PAPPALARDO, L.; GALLOTTI, R.; PRIVETERA, F.; LEPRI, B.; NADAI, M. Living in a pandemic: changes in mobility routines, social activity and adherence to COVID-19 protective measures. Scientific Reports, [S.l.], v. 11, n. 24452, p. 1-14, 2021. Disponível em: https://doi.org/10.1038/s41598-021-04139-1. Acesso em: 22 fev. 2025.

MANN, G.; SAHUGUET, A. With Great Data Comes Great Responsibility: How Data Science Can Be Applied to Solve Public Interest Problems Without Losing Its Soul. Journal of Technology in Human Services, [S.l.], v. 36, 2018. Disponível em: https://doi.org/10.1080/15228835.2017.1419157. Acesso em: 13 mar. 2025.

MICHAŁOWICZ, A. Data Sharing for the Common Good – Remarks on the Data Altruism Framework Established under the Data Governance Act. Yearbook of Antitrust and Regulatory Studies, [S.l.], v. 17, n. 29, p. 209-234, 2024. Disponível em: https://doi.org/10.7172/1689-9024.YARS.2024.17.29.7. Acesso em: 22 fev. 2025.

MOHAN, P. S.; RAMSAWAK, R. Using Crowdsourced Data to Assess the Impact of Shelter-in-Place Orders (SIPO) during COVID-19: Lessons from a Small Island Developing State. Journal of Health Management, [S.l.], v. 26, n. 3, p. 555–570, 2024. Disponível em: https://doi.org/10.1177/09720634241244422. Acesso em: 22 fev. 2025.

MONTEIRO, M.J., MAIA, P. A Framework for Building pro-bono Data for Good Projects. In: KAMP, M., KOPRINSKA, I.; BIBAL, A.; BOUADI, T.; FRÉNAY, B.; GALÁRRAGA, L.; ORAMAS, J.; ADILOVA, L.; KRISHNAMURTHY, Y.; KANG, B.; VIARD, T.; WELKE, P.; RUPCCP, M.; AUNE, E.; GALLICCHIO, C.; SCHIELE, G.; PERNKOPF, F.; BLOTT, M.; FRÖNING, H.; SCHINDLER, G.; GUIDOTTI, R.; MONREALE, A.; RINZIVILLO, S.; BIECEK, P.; NTOUTSI, E.; PECHENIZKIY, M.; ROSENHAHN, B.; BUCKLEY, C.; CIALFI, D.; LANILLOS, P.; RAMSTEAD, M.; VERBELEN, T. FERREIRA, P. M.; ANDRESINI, G.; MALERBA, D.; MEDEIROS, I.; FOURNIER-VIGER, P.; NAWAZ, M. S.; VENTURA, S.; SUN, M.; ZHOU, M.; BITETTA, V.; BORDINO, I.; FERRETTI, A.; GULLO, F.; PONTI, G.; SEVERINI, L.; RIBEIRO, R.; GAMA, J.; GAVALDÀ, R.; COOPER, L.; GHAZALEH, N.; RICHIARDI, J.; ROQUEIRO, D.; MIRANDA, D. S.; SECHIDIS, K.; GRAÇA, G. Machine Learning and Principles and Practice of Knowledge Discovery in Databases. Springer: [S.l.], 2021. v. 1525. Disponível em: https://doi.org/10.1007/978-3-030-93733-1_19. Acesso em: 22 fev. 2025.

NGUYEN, H.; NGUYEN, T.; NGUYEN, D. T. A Graph-Based Approach for Population Health Analysis Using Geo-Tagged Tweets. Multimedia Tools and Applications, v. 80, p. 7187-7204, 2021. Disponível em: https://doi.org/10.1007/s11042-020-10034-0. Acesso em: 22 fev. 2025.

PATIL, D. J; MASON, H. Data Driven: Creating a Data Culture. California: O'Reilly Media, 2015.

SANDER, I. 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: https://doi.org/10.1108/ILS-06-2023-0064. Acesso em: 22 fev. 2025.

SANTOS, A. P.; HEIDER, K.; GRESSE JUNIOR, S.; RODRIGUEZ LOPEZ, J. M. The uneven burden of COVID-19 in the metropolitan region of São Paulo, Brazil – Risk analysis from a bottom-up perspective. Applied Geography, [S.l.], v. 162, 2024. Disponível em: https://doi.org/10.1016/j.apgeog.2023.103146. Acesso em: 22 fev. 2025.

SHERBININ, A.; BOWSER, A.; CHUANG, T. R.; COOPER, C.; DANIELSEN, F.; EDMUNDS, R.; ELIAS, P.; FAUSTMAN, E.; HULTQUIST, C.; MONDARDINI, R.; POPESCU, I.; SHONOWO, A.; AIVAKUMAR, K. The Critical Importance of Citizen Science Data. Frontiers in Climate, [S.l.], v. 3, p. 1-12, 2021. DOI: 10.3389/fclim.2021.650760. Disponível em: https://www.frontiersin.org/articles/10.3389/fclim.2021.650760/full. Acesso em: 22 fev. 2025.

SILVEIRA, M.; MARCOLIN, C. B.; FREITAS, H. Uso Corporativo do Big Data: Uma Revisão de Literatura. Revista de Gestão e Projetos, [S.l.], v. 6, n. 3. set/dez. 2015. Disponível em: https://periodicos.uninove.br/gep/article/view/9627/4372. Acesso em: 13 mar. 2025.

SOCIAL GOOD BRASIL – SGB. Quem somos. 2025. Disponível em: https://socialgoodbrasil.org.br/quem-somos/. Acesso em: 13 mar. 2025.

WANG, G.; ZHAO, J.; VAN-KLEEK, M. G.; SHADBOLT, N. R. ‘Don’t make assumptions about me!’: Understanding children’s perception of datafication online. In: ACM CONFERENCE ON COMPUTER-SUPPORTED COOPERATIVE WORK AND SOCIAL COMPUTING, 22, 2022, Nova Iorque. Anais eletrônicos […] Nova Iorque: Association for Computing Machinery, 2022. p. 1-24. Disponível em: https://dl.acm.org/doi/10.1145/3555144. Acesso em: 22 fev. 2025.

WITAYANGKURN, A.; ARAI, A.; SHIBASAKI, R. Development of Big Data-Analysis Pipeline for Mobile Phone Data with Mobipack and Spatial Enhancement. ISPRS International Journal of Geo-Information, [S.l.], v. 11, n. 196, p. 1-21, 2022. Disponível em: https://doi.org/10.3390/ijgi11030196. Acesso em: 22 fev. 2025.

XIA, J.; WANG, J.; LAI, Y. Development Strategy Based on Combination Typologies of Building Carbon Emissions and Urban Vibrancy—A Multi-Sourced Data-Driven Approach in Beijing, China. Land, [S.l.], v. 13, n. 1062, p. 1-19, 2024. Disponível em: https://doi.org/10.3390/land13071062. Acesso em: 22 fev. 2025.

YOON, A.; COPELAND, A. Understanding social impact of data on local communities. Aslib Journal of Information Management, [S.l.], v. 71, n. 4, p. 558-567, 2019. Disponível em: https://doi.org/10.1108/AJIM-12-2018-0310. Acesso em: 22 fev. 2025.