{"id":307,"date":"2026-07-16T17:08:54","date_gmt":"2026-07-16T20:08:54","guid":{"rendered":"https:\/\/seocomia.com.br\/?p=307"},"modified":"2026-07-16T17:44:46","modified_gmt":"2026-07-16T20:44:46","slug":"sistemas-de-recomendacao-como-a-inteligencia-artificial-sugere-conteudos","status":"publish","type":"post","link":"https:\/\/seocomia.com.br\/index.php\/2026\/07\/16\/sistemas-de-recomendacao-como-a-inteligencia-artificial-sugere-conteudos\/","title":{"rendered":"Sistemas de recomenda\u00e7\u00e3o: como a intelig\u00eancia artificial sugere conte\u00fados"},"content":{"rendered":"<article>\n<p>\n    Sistemas de recomenda\u00e7\u00e3o est\u00e3o presentes em plataformas de v\u00eddeo, m\u00fasica, not\u00edcias, com\u00e9rcio eletr\u00f4nico, redes sociais, aplicativos de streaming e portais digitais. Eles ajudam a selecionar, organizar e sugerir conte\u00fados com base em dados, padr\u00f5es de navega\u00e7\u00e3o, prefer\u00eancias, hist\u00f3rico de consumo, caracter\u00edsticas dos itens e comportamento de usu\u00e1rios semelhantes.\n  <\/p>\n<p>\n    Na pr\u00e1tica, esses sistemas tentam responder a uma pergunta simples: diante de muitas op\u00e7\u00f5es dispon\u00edveis, quais conte\u00fados podem ser mais relevantes para determinada pessoa, grupo ou contexto? Para isso, utilizam t\u00e9cnicas de intelig\u00eancia artificial, an\u00e1lise de dados e aprendizado de m\u00e1quina.\n  <\/p>\n<p>\n    Embora sejam muito associados a plataformas comerciais, os sistemas de recomenda\u00e7\u00e3o tamb\u00e9m podem ser discutidos em ambientes de comunica\u00e7\u00e3o p\u00fablica, como portais de not\u00edcias, acervos audiovisuais, r\u00e1dios, televis\u00f5es p\u00fablicas e plataformas institucionais. Nesses casos, o objetivo n\u00e3o deve ser apenas aumentar cliques ou tempo de perman\u00eancia, mas facilitar o acesso a conte\u00fados relevantes, diversos, educativos, culturais e informativos.\n  <\/p>\n<p>\n    Ao tratar de sistemas de recomenda\u00e7\u00e3o, intelig\u00eancia artificial, recomenda\u00e7\u00e3o de conte\u00fado, personaliza\u00e7\u00e3o, algoritmos, curadoria digital e m\u00eddia p\u00fablica, \u00e9 importante compreender que a tecnologia n\u00e3o atua de forma isolada. A qualidade das sugest\u00f5es depende dos dados utilizados, dos crit\u00e9rios definidos, da governan\u00e7a dos algoritmos e da supervis\u00e3o humana sobre os resultados apresentados ao usu\u00e1rio.\n  <\/p>\n<h2>O que \u00e9 um sistema de recomenda\u00e7\u00e3o?<\/h2>\n<p>\n    Um sistema de recomenda\u00e7\u00e3o \u00e9 um recurso computacional utilizado para sugerir itens a usu\u00e1rios. Esses itens podem ser v\u00eddeos, not\u00edcias, programas, m\u00fasicas, cursos, produtos, documentos, podcasts, reportagens ou p\u00e1ginas de um site.\n  <\/p>\n<p>\n    A recomenda\u00e7\u00e3o pode aparecer em diferentes formatos, como:\n  <\/p>\n<ul>\n<li>\u201cconte\u00fados relacionados\u201d ao final de uma p\u00e1gina;<\/li>\n<li>\u201cvoc\u00ea tamb\u00e9m pode gostar\u201d em plataformas digitais;<\/li>\n<li>listas personalizadas de v\u00eddeos, not\u00edcias ou programas;<\/li>\n<li>sugest\u00f5es com base no hist\u00f3rico de navega\u00e7\u00e3o;<\/li>\n<li>conte\u00fados mais acessados por pessoas com interesses semelhantes;<\/li>\n<li>recomenda\u00e7\u00f5es por tema, localidade, faixa et\u00e1ria ou formato.<\/li>\n<\/ul>\n<p>\n    A fun\u00e7\u00e3o principal \u00e9 reduzir o excesso de informa\u00e7\u00e3o e ajudar o usu\u00e1rio a encontrar conte\u00fados relevantes sem precisar pesquisar manualmente em todo o acervo dispon\u00edvel.\n  <\/p>\n<h2>Por que sistemas de recomenda\u00e7\u00e3o s\u00e3o importantes?<\/h2>\n<p>\n    A quantidade de conte\u00fado dispon\u00edvel na internet \u00e9 muito grande. Em sites e plataformas com muitos v\u00eddeos, not\u00edcias, reportagens, programas e arquivos, o usu\u00e1rio pode ter dificuldade para encontrar exatamente o que procura.\n  <\/p>\n<p>\n    Sistemas de recomenda\u00e7\u00e3o ajudam a organizar essa oferta. Eles podem destacar conte\u00fados relacionados ao tema consultado, sugerir materiais complementares, recuperar conte\u00fados antigos ainda relevantes e criar percursos de navega\u00e7\u00e3o mais \u00fateis.\n  <\/p>\n<p>\n    Em vez de deixar todo o acervo depender apenas de busca manual ou de uma p\u00e1gina inicial fixa, a recomenda\u00e7\u00e3o permite que o conte\u00fado circule de forma mais inteligente. Isso pode aumentar a visibilidade de materiais relevantes e melhorar a experi\u00eancia do usu\u00e1rio.\n  <\/p>\n<h2>Como a intelig\u00eancia artificial sugere conte\u00fados?<\/h2>\n<p>\n    A intelig\u00eancia artificial pode sugerir conte\u00fados a partir da identifica\u00e7\u00e3o de padr\u00f5es. Esses padr\u00f5es podem estar nos usu\u00e1rios, nos conte\u00fados ou na rela\u00e7\u00e3o entre ambos.\n  <\/p>\n<p>\n    De forma simplificada, um sistema pode considerar informa\u00e7\u00f5es como:\n  <\/p>\n<ul>\n<li>tema do conte\u00fado;<\/li>\n<li>palavras-chave;<\/li>\n<li>categoria editorial;<\/li>\n<li>tempo de publica\u00e7\u00e3o;<\/li>\n<li>formato, como v\u00eddeo, texto, \u00e1udio ou imagem;<\/li>\n<li>hist\u00f3rico de navega\u00e7\u00e3o;<\/li>\n<li>conte\u00fados acessados anteriormente;<\/li>\n<li>intera\u00e7\u00f5es, como cliques, curtidas ou tempo de visualiza\u00e7\u00e3o;<\/li>\n<li>comportamento de usu\u00e1rios com interesses parecidos;<\/li>\n<li>localidade, idioma ou contexto de acesso, quando adequado e permitido.<\/li>\n<\/ul>\n<p>\n    A partir desses sinais, o sistema calcula quais conte\u00fados t\u00eam maior probabilidade de interessar ao usu\u00e1rio ou de se relacionar com aquilo que ele est\u00e1 acessando naquele momento.\n  <\/p>\n<h2>Recomenda\u00e7\u00e3o baseada em conte\u00fado<\/h2>\n<p>\n    A recomenda\u00e7\u00e3o baseada em conte\u00fado considera as caracter\u00edsticas dos pr\u00f3prios itens. No caso de um portal de not\u00edcias ou de uma plataforma de v\u00eddeos, isso pode envolver t\u00edtulo, resumo, tema, palavras-chave, editoria, participantes, localidade, data, dura\u00e7\u00e3o e descri\u00e7\u00e3o do material.\n  <\/p>\n<p>\n    Por exemplo, se uma pessoa acessa uma reportagem sobre educa\u00e7\u00e3o p\u00fablica, o sistema pode sugerir outros conte\u00fados com temas pr\u00f3ximos, como inclus\u00e3o escolar, ensino t\u00e9cnico, pol\u00edticas educacionais, cultura digital na educa\u00e7\u00e3o ou entrevistas relacionadas ao mesmo assunto.\n  <\/p>\n<p>\n    Esse tipo de recomenda\u00e7\u00e3o \u00e9 \u00fatil porque n\u00e3o depende necessariamente de comparar muitos usu\u00e1rios entre si. Ela pode funcionar a partir da semelhan\u00e7a entre os conte\u00fados.\n  <\/p>\n<h2>Filtragem colaborativa<\/h2>\n<p>\n    A filtragem colaborativa utiliza padr\u00f5es de comportamento dos usu\u00e1rios. A l\u00f3gica \u00e9 observar que pessoas com interesses semelhantes podem se interessar por conte\u00fados parecidos.\n  <\/p>\n<p>\n    Por exemplo, se muitos usu\u00e1rios que assistiram a determinado programa tamb\u00e9m acessaram uma entrevista relacionada, o sistema pode passar a sugerir essa entrevista para novos usu\u00e1rios que assistirem ao mesmo programa.\n  <\/p>\n<p>\n    Esse modelo pode revelar rela\u00e7\u00f5es que n\u00e3o estavam evidentes apenas pela descri\u00e7\u00e3o do conte\u00fado. No entanto, ele depende de dados de uso e precisa ser tratado com cuidado, especialmente quando envolve privacidade, prote\u00e7\u00e3o de dados e transpar\u00eancia.\n  <\/p>\n<h2>Modelos h\u00edbridos<\/h2>\n<p>\n    Muitos sistemas combinam diferentes t\u00e9cnicas. Um modelo h\u00edbrido pode usar caracter\u00edsticas do conte\u00fado e tamb\u00e9m padr\u00f5es de comportamento dos usu\u00e1rios.\n  <\/p>\n<p>\n    Em uma plataforma de comunica\u00e7\u00e3o, por exemplo, a recomenda\u00e7\u00e3o pode considerar:\n  <\/p>\n<ul>\n<li>semelhan\u00e7a tem\u00e1tica entre mat\u00e9rias;<\/li>\n<li>hist\u00f3rico de acesso do usu\u00e1rio;<\/li>\n<li>popularidade recente de determinados temas;<\/li>\n<li>conte\u00fados relacionados editorialmente;<\/li>\n<li>diversidade de fontes, formatos e perspectivas;<\/li>\n<li>prioridades institucionais, educativas ou culturais.<\/li>\n<\/ul>\n<p>\n    A combina\u00e7\u00e3o de t\u00e9cnicas pode melhorar a qualidade das sugest\u00f5es, desde que exista governan\u00e7a sobre os crit\u00e9rios usados e sobre os limites da personaliza\u00e7\u00e3o.\n  <\/p>\n<h2>Sistemas de recomenda\u00e7\u00e3o em m\u00eddia p\u00fablica<\/h2>\n<p>\n    Em plataformas comerciais, recomenda\u00e7\u00f5es muitas vezes s\u00e3o orientadas por m\u00e9tricas como cliques, reten\u00e7\u00e3o, engajamento e tempo de perman\u00eancia. Esses indicadores s\u00e3o importantes para medir uso, mas n\u00e3o devem ser o \u00fanico crit\u00e9rio em ambientes de comunica\u00e7\u00e3o p\u00fablica.\n  <\/p>\n<p>\n    Em uma m\u00eddia p\u00fablica, a recomenda\u00e7\u00e3o precisa respeitar valores como pluralidade, diversidade, finalidade educativa, interesse p\u00fablico, acesso \u00e0 informa\u00e7\u00e3o e responsabilidade editorial. Isso significa que o sistema n\u00e3o deve apenas refor\u00e7ar prefer\u00eancias j\u00e1 existentes do usu\u00e1rio.\n  <\/p>\n<p>\n    Uma recomenda\u00e7\u00e3o orientada ao interesse p\u00fablico pode sugerir conte\u00fados relacionados, mas tamb\u00e9m ampliar o repert\u00f3rio do usu\u00e1rio, apresentar perspectivas diferentes, valorizar produ\u00e7\u00f5es regionais, destacar temas educativos e recuperar materiais de acervo com relev\u00e2ncia social.\n  <\/p>\n<h2>Poss\u00edveis aplica\u00e7\u00f5es em uma empresa p\u00fablica de comunica\u00e7\u00e3o<\/h2>\n<p>\n    Em uma empresa p\u00fablica de comunica\u00e7\u00e3o, sistemas de recomenda\u00e7\u00e3o podem ser utilizados para organizar e distribuir melhor conte\u00fados j\u00e1 existentes. Entre as possibilidades est\u00e3o:\n  <\/p>\n<ul>\n<li>sugerir reportagens relacionadas ao final de uma not\u00edcia;<\/li>\n<li>indicar programas de r\u00e1dio ou televis\u00e3o sobre o mesmo tema;<\/li>\n<li>recomendar v\u00eddeos educativos a partir de conte\u00fados assistidos;<\/li>\n<li>organizar acervos por assunto, regi\u00e3o, personagem, s\u00e9rie ou data;<\/li>\n<li>destacar conte\u00fados culturais e cient\u00edficos relacionados;<\/li>\n<li>recuperar mat\u00e9rias antigas que continuam relevantes;<\/li>\n<li>criar trilhas tem\u00e1ticas, como sa\u00fade, educa\u00e7\u00e3o, cultura, cidadania ou meio ambiente;<\/li>\n<li>apoiar a curadoria editorial com sugest\u00f5es automatizadas, mantendo revis\u00e3o humana.<\/li>\n<\/ul>\n<p>\n    Nesse contexto, a IA n\u00e3o substitui a curadoria jornal\u00edstica ou editorial. Ela pode apoiar a organiza\u00e7\u00e3o, classifica\u00e7\u00e3o e distribui\u00e7\u00e3o de conte\u00fados, mas a decis\u00e3o sobre crit\u00e9rios editoriais deve permanecer sob responsabilidade humana e institucional.\n  <\/p>\n<h2>Personaliza\u00e7\u00e3o n\u00e3o pode virar isolamento informacional<\/h2>\n<p>\n    Um dos riscos dos sistemas de recomenda\u00e7\u00e3o \u00e9 criar bolhas informacionais. Isso ocorre quando o usu\u00e1rio recebe apenas conte\u00fados semelhantes ao que j\u00e1 acessou, reduzindo o contato com temas, opini\u00f5es ou perspectivas diferentes.\n  <\/p>\n<p>\n    Em uma plataforma p\u00fablica, esse risco precisa ser tratado com cuidado. A personaliza\u00e7\u00e3o pode facilitar o acesso, mas n\u00e3o deve limitar a diversidade informativa. Um bom sistema precisa equilibrar relev\u00e2ncia individual e pluralidade editorial.\n  <\/p>\n<p>\n    Isso pode ser feito por meio de regras que incluam diversidade tem\u00e1tica, varia\u00e7\u00e3o de fontes, conte\u00fados de interesse p\u00fablico, materiais educativos e sugest\u00f5es que n\u00e3o dependam apenas do hist\u00f3rico do usu\u00e1rio.\n  <\/p>\n<h2>Transpar\u00eancia dos crit\u00e9rios de recomenda\u00e7\u00e3o<\/h2>\n<p>\n    Usu\u00e1rios n\u00e3o precisam conhecer todos os detalhes t\u00e9cnicos de um algoritmo, mas devem ter alguma compreens\u00e3o sobre por que determinados conte\u00fados est\u00e3o sendo sugeridos.\n  <\/p>\n<p>\n    Mensagens simples podem ajudar, como:\n  <\/p>\n<ul>\n<li>\u201cconte\u00fados relacionados a este tema\u201d;<\/li>\n<li>\u201cmais not\u00edcias sobre educa\u00e7\u00e3o\u201d;<\/li>\n<li>\u201cprogramas da mesma s\u00e9rie\u201d;<\/li>\n<li>\u201cconte\u00fados recentes sobre sa\u00fade\u201d;<\/li>\n<li>\u201cmateriais recomendados pela curadoria editorial\u201d.<\/li>\n<\/ul>\n<p>\n    Esse tipo de transpar\u00eancia ajuda a diferenciar recomenda\u00e7\u00e3o algor\u00edtmica, curadoria editorial e organiza\u00e7\u00e3o tem\u00e1tica. Tamb\u00e9m fortalece a confian\u00e7a do usu\u00e1rio.\n  <\/p>\n<h2>Prote\u00e7\u00e3o de dados e privacidade<\/h2>\n<p>\n    Sistemas de recomenda\u00e7\u00e3o podem utilizar dados de navega\u00e7\u00e3o e intera\u00e7\u00e3o. Por isso, devem respeitar princ\u00edpios de prote\u00e7\u00e3o de dados, minimiza\u00e7\u00e3o, finalidade, seguran\u00e7a e transpar\u00eancia.\n  <\/p>\n<p>\n    Nem toda recomenda\u00e7\u00e3o precisa depender de dados pessoais identific\u00e1veis. Muitas sugest\u00f5es podem ser feitas com base no conte\u00fado acessado naquele momento, na categoria do material ou em regras editoriais.\n  <\/p>\n<p>\n    Quando houver personaliza\u00e7\u00e3o baseada em comportamento do usu\u00e1rio, \u00e9 necess\u00e1rio avaliar quais dados s\u00e3o coletados, por quanto tempo s\u00e3o mantidos, com que finalidade s\u00e3o utilizados e quais controles s\u00e3o oferecidos ao usu\u00e1rio.\n  <\/p>\n<h2>Controle humano e responsabilidade editorial<\/h2>\n<p>\n    A recomenda\u00e7\u00e3o automatizada n\u00e3o deve funcionar como uma caixa-preta sem supervis\u00e3o. Em especial na comunica\u00e7\u00e3o p\u00fablica, \u00e9 importante que existam crit\u00e9rios, auditoria, revis\u00e3o e possibilidade de ajuste humano.\n  <\/p>\n<p>\n    O controle humano pode atuar em diferentes etapas:\n  <\/p>\n<ul>\n<li>defini\u00e7\u00e3o dos objetivos do sistema;<\/li>\n<li>sele\u00e7\u00e3o dos dados que ser\u00e3o utilizados;<\/li>\n<li>cria\u00e7\u00e3o de categorias editoriais;<\/li>\n<li>valida\u00e7\u00e3o das recomenda\u00e7\u00f5es;<\/li>\n<li>monitoramento de vieses;<\/li>\n<li>corre\u00e7\u00e3o de distor\u00e7\u00f5es;<\/li>\n<li>avalia\u00e7\u00e3o de impacto sobre diversidade e pluralidade.<\/li>\n<\/ul>\n<p>\n    Assim, a intelig\u00eancia artificial atua como apoio \u00e0 curadoria, e n\u00e3o como substituta da responsabilidade editorial.\n  <\/p>\n<h2>Como medir se a recomenda\u00e7\u00e3o est\u00e1 funcionando?<\/h2>\n<p>\n    A avalia\u00e7\u00e3o de um sistema de recomenda\u00e7\u00e3o n\u00e3o deve considerar apenas cliques. Em ambientes de conte\u00fado p\u00fablico ou institucional, \u00e9 importante observar tamb\u00e9m qualidade, diversidade e utilidade.\n  <\/p>\n<p>\n    Alguns indicadores poss\u00edveis s\u00e3o:\n  <\/p>\n<ul>\n<li>taxa de clique nas recomenda\u00e7\u00f5es;<\/li>\n<li>tempo de perman\u00eancia em conte\u00fados recomendados;<\/li>\n<li>diversidade de temas acessados;<\/li>\n<li>circula\u00e7\u00e3o de conte\u00fados educativos e culturais;<\/li>\n<li>recupera\u00e7\u00e3o de conte\u00fados de acervo;<\/li>\n<li>distribui\u00e7\u00e3o entre formatos, como texto, \u00e1udio e v\u00eddeo;<\/li>\n<li>satisfa\u00e7\u00e3o do usu\u00e1rio;<\/li>\n<li>presen\u00e7a de conte\u00fados regionais ou de interesse p\u00fablico;<\/li>\n<li>redu\u00e7\u00e3o de repeti\u00e7\u00e3o excessiva de temas semelhantes.<\/li>\n<\/ul>\n<p>\n    Esses indicadores ajudam a avaliar se a recomenda\u00e7\u00e3o est\u00e1 apenas aumentando engajamento ou se tamb\u00e9m est\u00e1 contribuindo para uma navega\u00e7\u00e3o mais rica, plural e informativa.\n  <\/p>\n<h2>Riscos e cuidados<\/h2>\n<p>\n    Sistemas de recomenda\u00e7\u00e3o podem trazer benef\u00edcios, mas tamb\u00e9m exigem cuidado. Entre os principais riscos est\u00e3o:\n  <\/p>\n<ul>\n<li>refor\u00e7o de bolhas informacionais;<\/li>\n<li>prioriza\u00e7\u00e3o excessiva de conte\u00fados populares;<\/li>\n<li>invisibilidade de temas relevantes, mas menos clicados;<\/li>\n<li>uso inadequado de dados pessoais;<\/li>\n<li>falta de transpar\u00eancia sobre crit\u00e9rios de recomenda\u00e7\u00e3o;<\/li>\n<li>vi\u00e9s algor\u00edtmico;<\/li>\n<li>redu\u00e7\u00e3o da diversidade editorial;<\/li>\n<li>depend\u00eancia excessiva da automa\u00e7\u00e3o.<\/li>\n<\/ul>\n<p>\n    Esses riscos n\u00e3o impedem o uso da tecnologia, mas indicam que ela precisa ser planejada com responsabilidade, governan\u00e7a e supervis\u00e3o.\n  <\/p>\n<h2>Conclus\u00e3o<\/h2>\n<p>\n    Sistemas de recomenda\u00e7\u00e3o usam intelig\u00eancia artificial e an\u00e1lise de dados para sugerir conte\u00fados mais relevantes aos usu\u00e1rios. Eles podem melhorar a navega\u00e7\u00e3o, organizar acervos, recuperar materiais importantes e facilitar o acesso a conte\u00fados relacionados.\n  <\/p>\n<p>\n    No entanto, em ambientes de comunica\u00e7\u00e3o p\u00fablica, a recomenda\u00e7\u00e3o n\u00e3o deve ser orientada apenas por cliques ou tempo de perman\u00eancia. \u00c9 necess\u00e1rio equilibrar personaliza\u00e7\u00e3o, diversidade, transpar\u00eancia, prote\u00e7\u00e3o de dados e responsabilidade editorial.\n  <\/p>\n<p>\n    A intelig\u00eancia artificial pode apoiar a curadoria e a distribui\u00e7\u00e3o de conte\u00fados, desde que seja usada como instrumento de interesse p\u00fablico. O valor da recomenda\u00e7\u00e3o n\u00e3o est\u00e1 apenas em mostrar ao usu\u00e1rio o que ele provavelmente deseja ver, mas tamb\u00e9m em ampliar seu acesso a informa\u00e7\u00f5es relevantes, plurais, educativas e socialmente \u00fateis.\n  <\/p>\n<h2>Leia tamb\u00e9m<\/h2>\n<ul>\n<li>\n      <a href=\"https:\/\/seocomia.com.br\/index.php\/2026\/07\/16\/governanca-de-algoritmos-transparencia-e-controle-humano-no-uso-da-ia\/\"><br \/>\n        Governan\u00e7a de algoritmos: transpar\u00eancia e controle humano no uso da IA<br \/>\n      <\/a>\n    <\/li>\n<li>\n      <a href=\"https:\/\/seocomia.com.br\/index.php\/2026\/07\/16\/como-transformar-dados-em-decisoes-com-paineis-e-indicadores\/\"><br \/>\n        Como transformar dados em decis\u00f5es com pain\u00e9is e indicadores<br \/>\n      <\/a>\n    <\/li>\n<li>\n      <a href=\"https:\/\/seocomia.com.br\/index.php\/2026\/07\/16\/dashboards-e-transparencia-como-visualizar-informacoes-de-forma-clara\/\"><br \/>\n        Dashboards e transpar\u00eancia: como visualizar informa\u00e7\u00f5es de forma clara<br \/>\n      <\/a>\n    <\/li>\n<li>\n      <a href=\"https:\/\/seocomia.com.br\/index.php\/2026\/07\/16\/valor-em-projetos-digitais-quando-a-tecnologia-entrega-resultado-pratico\/\"><br \/>\n        Valor em projetos digitais: quando a tecnologia entrega resultado pr\u00e1tico<br \/>\n      <\/a>\n    <\/li>\n<\/ul>\n<h2>Links e refer\u00eancias recomendadas<\/h2>\n<ul>\n<li>\n      Google Developers \u2014 Introduction to Recommendation Systems:<br \/>\n      <a href=\"https:\/\/developers.google.com\/machine-learning\/recommendation\" target=\"_blank\" rel=\"noopener\">https:\/\/developers.google.com\/machine-learning\/recommendation<\/a>\n    <\/li>\n<li>\n      Google Developers \u2014 Collaborative Filtering:<br \/>\n      <a href=\"https:\/\/developers.google.com\/machine-learning\/recommendation\/collaborative\/basics\" target=\"_blank\" rel=\"noopener\">https:\/\/developers.google.com\/machine-learning\/recommendation\/collaborative\/basics<\/a>\n    <\/li>\n<li>\n      UNESCO \u2014 Recommendation on the Ethics of Artificial Intelligence:<br \/>\n      <a href=\"https:\/\/www.unesco.org\/en\/articles\/recommendation-ethics-artificial-intelligence\" target=\"_blank\" rel=\"noopener\">https:\/\/www.unesco.org\/en\/articles\/recommendation-ethics-artificial-intelligence<\/a>\n    <\/li>\n<li>\n      Planalto \u2014 Lei n\u00ba 11.652\/2008, que autoriza a constitui\u00e7\u00e3o da EBC e define princ\u00edpios da comunica\u00e7\u00e3o p\u00fablica:<br \/>\n      <a href=\"https:\/\/www.planalto.gov.br\/ccivil_03\/_ato2007-2010\/2008\/lei\/l11652.htm\" target=\"_blank\" rel=\"noopener\">https:\/\/www.planalto.gov.br\/ccivil_03\/_ato2007-2010\/2008\/lei\/l11652.htm<\/a>\n    <\/li>\n<li>\n      EBC \u2014 Acesso \u00e0 Informa\u00e7\u00e3o:<br \/>\n      <a href=\"https:\/\/acessoainformacao.ebc.com.br\/\" target=\"_blank\" rel=\"noopener\">https:\/\/acessoainformacao.ebc.com.br\/<\/a>\n    <\/li>\n<li>\n      Portal Gov.br \u2014 Empresa Brasil de Comunica\u00e7\u00e3o S.A.:<br \/>\n      <a href=\"https:\/\/www.gov.br\/pt-br\/orgaos\/empresa-brasil-de-comunicacao-s-a\" target=\"_blank\" rel=\"noopener\">https:\/\/www.gov.br\/pt-br\/orgaos\/empresa-brasil-de-comunicacao-s-a<\/a>\n    <\/li>\n<\/ul>\n<\/article>\n","protected":false},"excerpt":{"rendered":"<p>Sistemas de recomenda\u00e7\u00e3o est\u00e3o presentes em plataformas de v\u00eddeo, m\u00fasica, not\u00edcias, com\u00e9rcio eletr\u00f4nico, redes sociais, aplicativos de streaming e portais [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[110],"tags":[184,187,186,185,25,183],"class_list":["post-307","post","type-post","status-publish","format-standard","hentry","category-ia","tag-algoritmos","tag-comunicacao-publica","tag-conteudo-digital","tag-curadoria","tag-inteligencia-artificial","tag-sistemas-de-recomendacao"],"_links":{"self":[{"href":"https:\/\/seocomia.com.br\/index.php\/wp-json\/wp\/v2\/posts\/307","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/seocomia.com.br\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/seocomia.com.br\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/seocomia.com.br\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/seocomia.com.br\/index.php\/wp-json\/wp\/v2\/comments?post=307"}],"version-history":[{"count":2,"href":"https:\/\/seocomia.com.br\/index.php\/wp-json\/wp\/v2\/posts\/307\/revisions"}],"predecessor-version":[{"id":319,"href":"https:\/\/seocomia.com.br\/index.php\/wp-json\/wp\/v2\/posts\/307\/revisions\/319"}],"wp:attachment":[{"href":"https:\/\/seocomia.com.br\/index.php\/wp-json\/wp\/v2\/media?parent=307"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/seocomia.com.br\/index.php\/wp-json\/wp\/v2\/categories?post=307"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/seocomia.com.br\/index.php\/wp-json\/wp\/v2\/tags?post=307"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}