💬 NLP

Representing data in words: A context engineering approach

Este artigo apresenta a "wordalisation", uma metodologia de engenharia de contexto que transforma dados numéricos em narrativas textuais naturais e precisas, demonstrando sua eficácia em diversas aplicações através de avaliações humanas e automatizadas.

Autores originais: Amandine M. Caut, Amy Rouillard, Beimnet Zenebe, Matthias Green, Ágúst Pálmason Morthens, David J. T. Sumpter

Publicado 2026-03-16

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Amandine M. Caut, Amy Rouillard, Beimnet Zenebe, Matthias Green, Ágúst Pálmason Morthens, David J. T. Sumpter

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você tem uma planilha cheia de números frios e duros sobre um jogador de futebol, uma personalidade ou um país. Esses números são importantes, mas para a maioria das pessoas, eles são como uma receita escrita em código secreto: você sabe que tem ingredientes, mas não consegue imaginar o sabor do prato final.

Este artigo apresenta uma solução criativa chamada "Wordalisation" (uma mistura de "palavra" com "visualização"). Pense nisso como a tradução de uma língua de robô para a língua humana.

Aqui está a explicação do funcionamento, usando analogias do dia a dia:

1. O Problema: O Robô que "Alucina"

Os grandes modelos de inteligência artificial (como o ChatGPT) são ótimos em escrever histórias, mas péssimos em lidar com números. Se você pedir a eles para descrever um jogador baseado apenas em estatísticas, eles podem inventar fatos (alucinar) ou não entender a importância de um número. É como pedir para um pintor que nunca viu uma maçã descrever o vermelho dela: o resultado pode ser bonito, mas não será fiel à realidade.

2. A Solução: A "Wordalisation"

Os autores criaram um método para transformar dados brutos em narrativas envolventes e precisas. Eles chamam esse processo de Wordalisation.

Imagine que a Wordalisation é um tradutor de "Dados para História". Em vez de apenas mostrar um gráfico de barras, ela conta uma história sobre o que aquele gráfico significa.

3. Como Funciona: Os 4 Passos do "Engenheiro de Contexto"

Para fazer essa mágica acontecer, os autores não apenas "pedem" ao robô que escreva. Eles usam uma técnica chamada Engenharia de Contexto. É como se você estivesse treinando um estagiário muito inteligente, mas que precisa de instruções muito específicas para não errar.

O processo tem quatro etapas, que eles chamam de "Contar ao robô":

1. "Conte quem ele é" (O Papel):
Você diz ao robô: "Você é um olheiro de futebol experiente do Reino Unido" ou "Você é um psicólogo especialista". Isso define o "chapéu" que o robô vai usar. Ele não vai falar como um robô, mas como um especialista.
2. "Conte o que ele sabe" (O Conhecimento):
Você dá ao robô um manual de instruções. "Se um jogador tem muitos gols, isso é ótimo. Se ele tem poucas assistências, isso é uma fraqueza." Você ensina ao robô o significado dos números antes de ele vê-los. É como dar um dicionário de contexto.
3. "Conte quais dados usar" (A Tradução Intermediária):
Aqui está o segredo. Antes de o robô escrever a história final, o sistema converte os números em uma "descrição normativa" (uma lista de fatos secos, mas organizados).
- Exemplo: Em vez de "Z-score = 2.1", o sistema escreve: "Este jogador é 'extraordinário' em gols, mas 'abaixo da média' em passes."
- Isso é como preparar os ingredientes picados antes de cozinhar. O robô não precisa calcular a matemática; ele só precisa ler o que já foi preparado.
4. "Conte como responder" (O Estilo):
Finalmente, você diz: "Escreva um resumo de 4 frases, seja envolvente e use linguagem natural." Você mostra exemplos de como a resposta deve parecer.

4. O Resultado: Harry Kane em Palavras

No artigo, eles testaram isso com o jogador Harry Kane.

Dados brutos: Uma tabela com números de gols, passes, duelos aéreos.
Wordalisation: "Harry Kane é um artilheiro excepcional que cria oportunidades de gol de alta qualidade. Seus números de gols mostram um finalizador clínico. No entanto, ele tem menos impacto na criação de jogadas para os companheiros..."

É como se o robô tivesse assistido ao jogo e escrito um comentário esportivo, mas baseado 100% nos números, sem inventar nada.

5. Por que isso é importante? (A Avaliação)

Os autores testaram se isso funcionava de verdade.

Teste de Robô vs. Robô: Eles pediram para outro robô verificar se a história contada estava mentindo. A Wordalisation errou muito menos do que quando o robô tentava adivinhar sem ajuda.
Teste de Humano: Eles mostraram as histórias para pessoas reais. As pessoas acharam as Wordalisations mais interessantes e fáceis de entender do que apenas ver uma tabela de números ou uma descrição estatística seca. Elas mantinham a precisão, mas eram divertidas de ler.

6. A Lição Final: Transparência é Tudo

O ponto mais importante do artigo não é apenas a tecnologia, mas a ética.
Assim como um jornalista precisa explicar de onde tirou a informação, quem usa essa tecnologia precisa documentar como os números foram transformados em palavras. Eles criaram um "Cartão de Modelo" (Model Card), que é como uma etiqueta de ingredientes para a inteligência artificial. Ela diz: "Cuidado, esta história foi gerada baseada nestes critérios estatísticos específicos."

Resumo da Ópera:
A Wordalisation é como ter um narrador esportivo pessoal para qualquer tipo de dado. Ela pega a frieza dos números, adiciona o tempero do contexto humano e serve uma história que é ao mesmo tempo precisa e fácil de digerir. O objetivo não é substituir os dados, mas torná-los acessíveis para que qualquer pessoa possa entendê-los, sem precisar ser um matemático.

1. O Problema

Embora os Modelos de Linguagem de Grande Escala (LLMs) demonstrem capacidades impressionantes em raciocínio e matemática, eles ainda enfrentam dificuldades significativas ao interpretar e representar dados numéricos de forma fiel.

Limitação Atual: Os LLMs tendem a tratar números como tokens de texto em vez de informações quantitativas, o que leva a alucinações, imprecisões e dificuldade em gerar narrativas que reflitam com precisão os dados brutos.
Falta de Padrões: Não existem benchmarks (pontos de referência) padronizados para a tarefa específica de converter dados estruturados em narrativas naturais e engajadoras, tornando a avaliação de desempenho complexa.
Necessidade: Há uma lacuna na comunicação de dados que vai além de visualizações estáticas ou tabelas, exigindo textos que sejam ao mesmo tempo estatisticamente precisos e acessíveis a não especialistas.

2. Metodologia: "Wordalisations" e Engenharia de Contexto

Os autores propõem uma nova metodologia chamada "Wordalisations" (palavra-coisa), que transforma dados brutos em narrativas descritivas e naturais. A abordagem baseia-se na Engenharia de Contexto (Context Engineering), indo além do simples prompting para fornecer ao modelo as ferramentas, instruções e informações necessárias.

O fluxo de trabalho (Figura 1 do artigo) segue quatro etapas principais:

Modelo Estatístico: Os dados brutos são processados para gerar estatísticas informativas. O artigo utiliza Z-scores para padronizar as métricas, permitindo comparações relativas (ex: "acima da média", "abaixo da média") em vez de valores absolutos.
- Fórmula: $z_{i,j} = (x_{i,j} - \mu_j) / \sigma_j$
Modelo Normativo: Os Z-scores são convertidos em um texto sintético e descritivo usando regras de limiar (thresholds). Por exemplo, um Z-score > 1.5 é rotulado como "excepcional", enquanto entre -0.5 e 0.5 é "médio". Este texto é factual, mas mecânico.
Engenharia de Prompt (4 Passos): O texto sintético é alimentado em um LLM pré-treinado através de um prompt estruturado em quatro etapas:
- Diga quem ele é: Define o papel do sistema (ex: "Você é um olheiro de futebol do Reino Unido").
- Diga o que ele sabe: Fornece pares de Pergunta-Resposta (Q&A) que estabelecem conhecimento de domínio e limitações (ex: o que significa um jogador ser "bom" em gols).
- Diga quais dados usar: Insere o texto sintético gerado pelo modelo normativo (os Z-scores convertidos em palavras).
- Diga como responder: Fornece instruções de estrutura e exemplos few-shot (poucos exemplos) para guiar o estilo, tom e formato da resposta final.

3. Contribuições Chave

Conceito de "Wordalisations": Criação de um termo e metodologia para descrever a geração de narrativas naturais a partir de dados, análoga à visualização de dados, mas em formato textual.
Abordagem sem Treinamento (Zero-shot/Few-shot): Diferente de métodos tradicionais de "Data-to-Text" que exigem treinamento pesado de modelos, esta abordagem utiliza LLMs pré-treinados com engenharia de contexto avançada, reduzindo custos computacionais e aumentando a flexibilidade.
Aplicações Diversas: O método foi validado em três domínios distintos:
1. Scouting de Futebol: Análise de desempenho de jogadores (ex: Harry Kane).
2. Testes de Personalidade: Interpretação de resultados do teste dos "Big Five".
3. Dados de Inquéritos Internacionais: Análise de dados do World Values Survey (ex: caso da Malásia).
Ferramenta Prática: Desenvolvimento de um protótipo de aplicação (Streamlit) que integra visualização, wordalisation e chat com RAG (Retrieval-Augmented Generation).

4. Resultados e Avaliação

Devido à ausência de benchmarks padrão, os autores utilizaram uma abordagem holística combinando LLM-as-a-judge e Human-as-a-judge.

Avaliação por LLM (Precisão):
- Comparou-se três métodos: Texto de Controle (sem dados), Texto Estatístico (apenas números) e Wordalisation (dados + contexto).
- Resultado: O método de Wordalisation reduziu drasticamente as alucinações. Enquanto o controle gerou imprecisões em 91% dos casos e o texto estatístico em 50%, a Wordalisation manteve imprecisões em apenas 18%.
- A reconstrução dos dados a partir do texto gerado mostrou alta fidelidade, especialmente nos testes de personalidade e inquéritos sociais.
Avaliação Humana (Engajamento e Utilidade):
- 121 respostas de avaliadores humanos compararam os textos.
- Fidelidade e Utilidade: A Wordalisation foi estatisticamente superior ao texto de controle e comparável ao texto estatístico puro em termos de precisão factual.
- Engajamento: A Wordalisation superou significativamente tanto o controle quanto o texto estatístico puro em engajamento. Os avaliadores preferiram as narrativas naturais, que eram menos formulaicas e mais fáceis de digerir, sem sacrificar a precisão dos dados.

5. Significado e Conclusão

O artigo representa uma mudança de paradigma na interação entre dados e linguagem:

Mudança de Foco: Em vez de focar apenas em benchmarks de precisão numérica (que podem não capturar a qualidade da narrativa), os autores defendem a Engenharia de Contexto e a Documentação Transparente.
Model Cards: A proposta de usar "Model Cards" para documentar como os dados são interpretados, quais modelos estatísticos e normativos foram usados e quais são as limitações. Isso é crucial para a transparência e reprodutibilidade.
Futuro: A metodologia sugere que a comunicação de dados deve evoluir para práticas semelhantes ao jornalismo de dados, onde a clareza, a honestidade sobre as limitações e a documentação do processo são mais importantes do que a simples otimização de métricas de teste.

Limitações Notadas:
Atualmente, o método depende exclusivamente de dados numéricos brutos e não integra variáveis categóricas complexas ou séries temporais diretamente. Além disso, a versão atual é focada em fins educacionais e não é recomendada para uso profissional crítico (como contratação) sem validação adicional.

Em resumo, a "Wordalisation" demonstra que, com a engenharia de contexto adequada, os LLMs podem ser ferramentas poderosas para traduzir dados complexos em histórias confiáveis e envolventes, superando as limitações de abordagens puramente estatísticas ou de geração de texto sem contexto.