Banca de QUALIFICAÇÃO: MANUELLA ASCHOFF CAVALCANTI BRANDAO LIMA

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: MANUELLA ASCHOFF CAVALCANTI BRANDAO LIMA
DATA: 11/02/2026
HORA: 14:00
LOCAL: Centro de Informática
TÍTULO: Quando Regras e Redes Neurais Cooperam: Uma Arquitetura Híbrida e Multiagente para Tradução Automática de Língua de Sinais
PALAVRAS-CHAVES: Tradução Automática; Língua de sinais, Língua com Poucos Recursos.
PÁGINAS: 112
RESUMO: O acesso à informação por pessoas surdas permanece um desafio significativo, especialmente em contextos nos quais a comunicação ocorre predominantemente por meio de línguas orais e escritas. As línguas de sinais, por sua natureza viso-espacial, multimodal e não linear, impõem desafios adicionais à tradução automática, particularmente em cenários de poucos recursos, como é o caso da Língua Brasileira de Sinais (Libras). Nesse contexto, este trabalho investiga, propõe e avalia estratégias computacionais para a tradução automática do Português Brasileiro (PB) para Libras, no nível texto–glosa, com foco na melhoria da inteligibilidade, fluência e adequação linguística das traduções. Inicialmente, é proposta uma abordagem híbrida de tradução automática que integra Tradução Automática Baseada em Regras (RBMT) e Tradução Automática Neural (NMT). Nessa arquitetura, o módulo RBMT atua como um pré-processador linguístico responsável por tratar estruturas determinísticas da Libras, enquanto o módulo NMT refina a sequência de glosas gerada, lidando com fenômenos linguísticos mais complexos e sensíveis ao contexto, como desambiguação semântica, verbos direcionais e advérbios de intensidade e negação. Essa divisão de responsabilidades visa reduzir a complexidade do problema enfrentado pelo modelo neural, tornando a abordagem mais adequada a contextos de escassez de dados paralelos. Além da abordagem híbrida, este trabalho propõe uma arquitetura baseada na orquestração de múltiplos agentes especializados baseados em LLMs (Lange Language Models), orientados por prompts estruturados. Cada agente modela explicitamente um fenômeno linguístico específico da Libras, permitindo maior controle, interpretabilidade e reutilização do conhecimento linguístico. A abordagem multiagente é investigada em três cenários: (i) agentes substituindo o módulo RBMT como pré-processadores do NMT; (ii) agentes atuando como especialistas no pós-processamento da saída do NMT; e (iii) um pipeline totalmente baseado em agentes, sem o uso de RBMT ou NMT. Para viabilizar os experimentos, foi construído um novo corpus bilíngue PB–Libras com mais de 127.000 pares de frases. A avaliação foi realizada por meio de métricas computacionais, como BLEU, WER e METEOR, e por testes com usuários surdos. Os resultados indicam que as abordagens híbrida apresenta melhorias em relação a estratégias puramente baseadas em regras ou exclusivamente neurais, além de demonstrar viabilidade prática, evidenciada pela integração da solução ao ambiente de produção do VLibras.
MEMBROS DA BANCA:
Presidente(a) - 2813926 - TIAGO MARITAN UGULINO DE ARAUJO
Interno(a) - 1149359 - GUIDO LEMOS DE SOUZA FILHO
Externo(a) ao Programa - 1805780 - DANIEL FAUSTINO LACERDA DE SOUZA
Externo(a) à Instituição - AQUILES MEDEIROS FILGUEIRA BURLAMAQUI
Externo(a) à Instituição - TANYA AMARA FELIPE DE SOUZA