Inteligência ArtificialUECE7 de junho de 2026

Colaboração Humano–IA para Avaliação de Acessibilidade Digital: Agente de IA e Co-avaliação Participativa com Pessoas Surdas

Framework proposto pela UECE que integra agentes de IA Generativa (calibrados via RAG com a norma ABNT NBR 17225:2025) com co-avaliação participativa de pessoas surdas. O objetivo é superar a baixa eficácia das ferramentas automatizadas atuais (30-40%) na identificação de barreiras linguísticas e de execução em sistemas institucionais.

Inovação7/10
Aplicabilidade9/10
Potencial econômico8/10
MaturidadeMédia

Ideia de startup ou produto

SaaS de 'Acessibilidade como Serviço' (A11y-as-a-Service) que utiliza IA para pré-triagem de erros e conecta automaticamente a validadores humanos (pessoas com deficiência) através de uma plataforma de gig-economy para validação final e geração de laudos de conformidade.

Aplicações práticas

Auditoria contínua de sites governamentais e plataformas de educação; integração em CMSs para correção automática sugerida; treinamento de IAs focadas em Libras e acessibilidade.

Potencial de mercado

Alto. A conformidade com normas de acessibilidade (Lei Brasileira de Inclusão, ABNT, normas internacionais) é obrigatória para instituições públicas e privadas, criando demanda por ferramentas mais eficazes que as soluções puramente automáticas.

Problema abordado

Ferramentas automatizadas de acessibilidade falham na detecção de barreiras complexas, e estudantes surdos enfrentam dificuldades significativas em sistemas institucionais devido a lacunas na avaliação que considera o contexto real de uso.

Metodologia

Design Science Research (DSR) e IA Centrada no Humano. Utiliza Retrieval-Augmented Generation (RAG) para alinhar a IA à norma técnica e envolve usuários surdos na validação participativa para garantir a eficácia da solução.

Principais descobertas

A abordagem colaborativa Humano-IA é necessária para mitigar o 'Golfo de Execução'. A combinação de automação com expertise humana surda aumenta significativamente a precisão da detecção de problemas de acessibilidade digital.

Abstract originalIdioma e formato da publicação de origem

A acessibilidade digital em sistemas institucionais é um desafio para estudantes surdos. Pesquisas recentes indicam que ferramentas automatizadas detectam apenas 30–40% dos problemas, o que torna necessária uma abordagem colaborativa humano–IA. Este desenho de pesquisa propõe um framework que integra um agente de IA Generativa, calibrado via Retrieval-Augmented Generation (RAG) à norma ABNT NBR 17225:2025, com validação participativa por estudantes surdos. Fundamentado em Design Science Research (DSR) e IA Centrada no Humano, o estudo foca na identificação de barreiras linguísticas e na mitigação do Golfo de Execução. A contribuição esperada é uma metodologia generalizável para avaliação colaborativa em estudos de caso institucionais.

Matéria para leigosVersão editorial para divulgação pública

Para leigos: Unindo inteligência artificial e pessoas surdas para tornar a web mais acessível

O cenário atual

A acessibilidade digital em sistemas institucionais ainda é um grande desafio para estudantes surdos. Pesquisas recentes indicam que as ferramentas automáticas atuais, feitas para detectar esses problemas, têm baixa eficácia. Elas conseguem identificar apenas entre 30% e 40% das barreiras existentes.

O que os pesquisadores fizeram

Para resolver essa limitação, os pesquisadores propuseram um novo método de avaliação. O estudo apresenta um framework (uma estrutura de trabalho) que promove a colaboração entre humanos e inteligência artificial. A pesquisa é fundamentada no Design Science Research (DSR) e na abordagem de IA Centrada no Humano.

Como funciona na prática

O sistema proposto integra um agente de Inteligência Artificial Generativa. Este agente é calibrado utilizando uma técnica chamada Retrieval-Augmented Generation (RAG), alinhada à norma técnica brasileira ABNT NBR 17225:2025. Além da tecnologia, o método prevê a "co-avaliação": estudantes surdos participam ativamente do processo. O foco é identificar barreiras linguísticas e reduzir o "Golfo de Execução", ou seja, a dificuldade que o usuário tem para executar uma ação no sistema.

Resultados e evidência

O estudo não detalha resultados numéricos de um experimento já concluído, mas estabelece uma metodologia teórica. A contribuição principal do trabalho é a criação de um método generalizável para avaliação colaborativa. O objetivo é que essa metodologia possa ser aplicada em estudos de caso dentro de instituições.

Implicações práticas

Este framework oferece uma nova abordagem para instituições que desejam melhorar a acessibilidade de seus sistemas. Ao combinar o potencial da IA com a validação participativa de pessoas surdas, a tendência é obter uma avaliação muito mais completa e assertiva do que apenas relying em ferramentas automatizadas.

Limitações e próximos passos

O paper não detalha limitações específicas do framework proposto ou resultados de sua aplicação prática em larga escala. O foco do material fornecido está na proposta metodológica e na expectativa de sua utilização em estudos de caso institucionais futuros.

Quem são os pesquisadoresPerfil destilado da equipe por trás do paper

Quem são os pesquisadores

O estudo foi desenvolvido por Robson de Moraes Alves e Francisco Oliveira, ambos vinculados à Universidade Estadual do Ceará (UECE). O material fornecido não detalha a formação acadêmica específica, outras afiliações ou a trajetória profissional dos autores, limitando-se a informar seus nomes e a instituição de origem.

Leitura para gestão públicaComo esta pesquisa pode virar política

Adoção do framework como metodologia padrão para validação de portais de e-gov e sistemas de educação superior no estado do Ceará, garantindo que a contratação de TIC exija esta validação participativa.

Quem, com quem,
e pra quê

Parceria com empresas de desenvolvimento de software institucional para integrar o agente de IA nos processos de CI/CD, garantindo que o código seja verificado contra a norma ABNT antes do deploy.

3 direções estratégicas identificadas

  1. Startup

    Acessa.AI - Auditoria Híbrida

    Spin-off para comercializar a plataforma de avaliação combinando agentes de IA e rede de validadores surdos, focada em bancos e e-commerces.

    Impacto alto · Inteligência Artificial
  2. Política Pública

    Programa Ceará Acessível Digital

    Utilização da metodologia em todos os novos portais estaduais para garantir conformidade real com as necessidades da comunidade surda.

    Impacto alto · Govtech
  3. Parceria

    Validação em Plataformas EdTech

    Colaboração com grandes players de educação (Kroton, Yduqs) para aplicar o framework em seus AVAs e reduzir a evasão de alunos surdos.

    Impacto médio · Edtech