AUTISMO E A INTELIGÊNCIA ARTIFICIAL: UM ESTUDO A PARTIR DAS LEIS DE LOTKA, BRADFORD E ZIPF
DOI:
https://doi.org/10.47820/recima21.v6i3.6226Palavras-chave:
Análise bibliométrica, Aprendizagem de Máquina, Autismo, Inteligência ArtificialResumo
Este estudo tem como objetivo aplicar as leis da bibliometria para investigar a distribuição da produção científica sobre Autismo e Inteligência Artificial e identificar as fontes mais relevantes e a concentração de publicações, além obter insights sobre a produtividade dos autores nessa área. Para isso, foram utilizadas as leis de Lotka, Bradford e Zipf para analisar a produção científica em duas bases de dados, Scopus e Web of Science (WoS). Os resultados indicam que a produção científica sobre o uso da Inteligência Artificial e autismo tem crescido nos últimos anos, com um número restrito de pesquisadores da área da computação produzindo a maior parte dos artigos. As principais palavras-chave relacionadas ao tema incluem “autismo”, “inteligência artificial”, “diagnóstico” e “tratamento”. Além disso, a análise bibliométrica revelou que a maioria dos artigos foi publicada em periódicos de alto impacto na área de computação e medicina. Dessa forma, merece destaque a importância de abordagens interdisciplinares para entender melhor o TEA e desenvolver soluções eficazes para o diagnóstico e tratamento. No entanto, o estudo apresenta algumas limitações, como a análise bibliométrica não permitir avaliar a qualidade dos artigos incluídos na amostra, apenas a quantidade. Além disso, a análise se concentrou principalmente na produção científica sobre o tema, sem avaliar a implementação prática da IA no diagnóstico e tratamento do TEA. Portanto, são necessárias mais pesquisas para avaliar a eficácia da IA no diagnóstico e tratamento do TEA e para desenvolver soluções mais acessíveis e eficazes para as pessoas com TEA e suas famílias.
Downloads
Referências
AGLINSKAS, A.; HARTSHORNE, J. K.; ANZELLOTTI, S. Contrastive machine learning reveals the structure of neuroanatomical variation within autism. Science, v. 376, n. 6597, p. 1070-1074, 2022. DOI: 10.1126/science.abm2461 DOI: https://doi.org/10.1126/science.abm2461
AMERICAN PSYCHIATRIC ASSOCIATION (APA). Manual diagnóstico e estatístico de transtornos mentais: DSM-5-TR. 5.ed. rev. Porto Alegre: Artmed, 2023.
BONE, D.; GOODWIN, M. S.; BLACK, M. P.; LEE, C. C.; AUDHKHASI, K.; NARAYANAN, S. Applying machine learning to facilitate autism diagnostics: pitfalls and promises. Journal of autism and developmental disorders, v. 45, p. 1121-1136, 2015. DOI 10.1007/s10803-014-2268-6 DOI: https://doi.org/10.1007/s10803-014-2268-6
BZDOK, D.; MEYER-LINDENBERG, A. Machine learning for precision psychiatry: opportunities and challenges. Biological Psychiatry: Cognitive Neuroscience and Neuroimaging, v. 3, n. 3, p. 223-230, 2018. https://doi.org/10.1016/j.bpsc.2017.11.007 DOI: https://doi.org/10.1016/j.bpsc.2017.11.007
CAVACO, N. Reabilitação neuropsicológica do autismo. In: FONTOURA, D. R. da. et al. Teoria e Prática na Reabilitação Neuropsicológica. São Paulo: Vetor, 2020.
CHARMAN, T.; BAIRD, G. Practitioner review: Diagnosis of autism spectrum disorder in 2‐and 3‐year‐old children. Journal of Child Psychology and Psychiatry, v. 43, n. 3, p. 289-305, 2002. https://doi.org/10.1111/1469-7610.00022 DOI: https://doi.org/10.1111/1469-7610.00022
DOERNBERG, E.; HOLLANDER, E. Neurodevelopmental disorders (asd and adhd): Dsm-5, icd-10, and icd-11. CNS spectrums, v. 21, n. 4, p. 295-299, 2016. DOI: https://doi.org/10.1017/S1092852916000262 DOI: https://doi.org/10.1017/S1092852916000262
FÉLIX, Ana Maria Paixão. Estereotipias motoras: sintoma ou linguagem? 2020. 81f. Dissertação (Mestrado) - Universidade Católica de Pernambuco, Recife, 2020.
FERRARI, E. Artificial Intelligence for Autism Spectrum Disorders. In: LIDSTRÖMER, N.; ASHRAFIAN, H. (Eds) Artificial Intelligence in Medicine. [S. l.]: Springer, 2021. https://doi.org/10.1007/978-3-030-58080-3_249-1. DOI: https://doi.org/10.1007/978-3-030-58080-3_249-1
FULD, S. Autism spectrum disorder: The impact of stressful and traumatic life events and implications for clinical practice. Clinical social work journal, v. 46, n. 3, p. 210-219, 2018. https://doi.org/10.1007/s10615-018-0649-6 DOI: https://doi.org/10.1007/s10615-018-0649-6
GERHARDT, T. E.; SILVEIRA, D. T. Métodos de pesquisa. [S. l.]: Plageder, 2009.
GIRIANELLI, V. R.; TOMAZELLI, J.; SILVA, C. M. F. P. D.; FERNANDES, C. S. Diagnóstico precoce do autismo e outros transtornos do desenvolvimento, Brasil, 2013–2019. Revista de Saúde Pública, v. 57, n. 21, 2023. DOI: https://doi.org/10.11606/s1518-8787.2023057004710
HAYASHI, M. C. P. I. Epônimos em textos científicos: modelo de análise e aplicação no campo da Bibliometria. Em Questão, v. 29, e-125489, 2023. DOI: https://doi.org/10.19132/1808-5245.29.125489
JUNIOR, C. M.; DE SOUZA, M. T. S.; DOS SANTOS PARISOTTO, I. R.; PALMISANO, A. As leis da bibliometria em diferentes bases de dados científicos. Revista de Ciências da Administração, v. 18, n. 44, p. 111-123, 2016. DOI: https://doi.org/10.5007/2175-8077.2016v18n44p111
KOEHLER, J. C.; FALTER-WAGNER, C. M. Digitally assisted diagnostics of autism spectrum disorder. Frontiers in Psychiatry, v. 14, p. 1066284, 2023. https://doi.org/10.3389/fpsyt.2023.1066284 DOI: https://doi.org/10.3389/fpsyt.2023.1066284
LEWIS, M.; KIM, S. J. The pathophysiology of restricted repetitive behavior. Journal of neurodevelopmental disorders, v. 1, n. 2, p. 114-132, 2023. DOI: https://doi.org/10.1007/s11689-009-9019-6
LYSAGHT, T.; LIM, H. Y.; XAFIS, V.; NGIAM, K. Y. AI-assisted decision-making in healthcare: the application of an ethics framework for big data in health and research. Asian Bioethics Review, v. 11, p. 299-314, 2019. DOI: https://doi.org/10.1007/s41649-019-00096-0
MAHESH, B. Machine learning algorithms-a review. International Journal of Science and Research (IJSR), v. 9, n. 1, p. 381-386, 2020. https://doi.org/10.1007/s41649-019-00096-0 DOI: https://doi.org/10.21275/ART20203995
MARQUES, C. G. Avaliação do estresse e da qualidade na interação familiar de pais/cuidadores de crianças e adolescentes com Transtorno do Espectro Autista. [S. l.: s. n.], 2017
MARTINS, C. P. Face a face com o Autismo: será a Inclusão um mito ou uma realidade?. 2012. Dissertação (Mestrado) - Escola Superior de Educação João de Deus, Lisboa, Portugal, 2012.
MELO RIBEIRO, H. C. Bibliometria: quinze anos de análise da produção acadêmica em periódicos brasileiros. Biblios, n. 69, p. 1-20, 2017. DOI: https://doi.org/10.5195/biblios.2017.393
OZONOFF, S.; IOSIF, A. M.; BAGUIO, F.; COOK, I. C.; HILL, M. M.; HUTMAN, T.; YOUNG, G. S. A prospective study of the emergence of early behavioral signs of autism. Journal of the American Academy of Child & Adolescent Psychiatry, v. 49, n. 3, p. 256-266, 2010. https://doi.org/10.1016/j.jaac.2009.11.009 DOI: https://doi.org/10.1016/j.jaac.2009.11.009
PINHEIRO, R. G.; ALMEIDA, B. E. D. As estratégias de internacionalização: um estudo bibliométrico aplicando as leis de Lotka, Bradford e Zipf na base SPELL no período de 2008 A 2018. Revista de Administração, Contabilidade e Economia da Fundace, Ribeirão Preto, v. 11, n. 1, p. 60-79, 2020. DOI: https://doi.org/10.13059/racef.v11i1.656
PRAKASH, S.; BALAJI, J. N.; JOSHI, A.; SURAPANENI, K. M. Ethical Conundrums in the application of artificial intelligence (AI) in healthcare - a scoping review of reviews. Journal of Personalized Medicine, v. 12, n. 11, p. 1914, 2022. https://doi.org/10.3390/jpm12111914 DOI: https://doi.org/10.3390/jpm12111914
PROVOST, F.; KOHAVI, R. On applied research in machine learning. MACHINE LEARNING-BOSTON, v. 30, p. 127-132, 1998. DOI: https://doi.org/10.1023/A:1007442505281
SIDERAKI, A.; DRIGAS, A. Artificial Intelligence (AI) in Autism. Technium Soc. Sci. J., v. 26, n. 262, 2021. DOI: https://doi.org/10.47577/tssj.v26i1.5208
SILVA, K. F. W. D. O transtorno do espectro autista e os desafios na compreensão do sujeito: contribuições da teoria da subjetividade. 2021. Tese (Doutorado) - Programa de Pós-Graduação em Educação, Pontifícia Universidade Católica do Rio Grande do Sul, PUCRS, Porto Alegre, 2021.
SILVESTRE, A. Análise de dados e estatística descritiva. [S. l.]: Escolar editora, 2007.
SONG, D. Y.; KIM, S. Y.; BONG, G.; KIM, J. M.; YOO, H. J. The use of artificial intelligence in screening and diagnosis of autism spectrum disorder: a literature review. Journal of the Korean Academy of Child and Adolescent Psychiatry, v. 30, n. 4, p. 145, 2019. Doi: 10.5765/jkacap.190027 DOI: https://doi.org/10.5765/jkacap.190027
UDDIN, M.; WANG, Y.; WOODBURY-SMITH, M. Artificial intelligence for precision medicine in neurodevelopmental disorders. NPJ digital medicine, v. 2, n. 1, p. 112, 2019. https://doi.org/10.1038/s41746-019-0191-0 DOI: https://doi.org/10.1038/s41746-019-0191-0
Downloads
Publicado
Licença
Copyright (c) 2025 RECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Os direitos autorais dos artigos/resenhas/TCCs publicados pertecem à revista RECIMA21, e seguem o padrão Creative Commons (CC BY 4.0), permitindo a cópia ou reprodução, desde que cite a fonte e respeite os direitos dos autores e contenham menção aos mesmos nos créditos. Toda e qualquer obra publicada na revista, seu conteúdo é de responsabilidade dos autores, cabendo a RECIMA21 apenas ser o veículo de divulgação, seguindo os padrões nacionais e internacionais de publicação.
