💻 computer science

Generative-AI-Enhanced XR Data Services for Intangible Cultural Heritage: Culturally Constrained Symbol Generation and User Engagement in Indonesian Batik

Este estudo propõe e avalia uma estrutura de IA-XR culturalmente restrita para o Batik indonésio que demonstra como a integração de IA generativa com validação de símbolos culturais aumenta significativamente a qualidade de serviço percebida, a autenticidade cultural e o engajamento do usuário em comparação com experiências digitais tradicionais ou não restritas.

Autores originais: Xinyi Zhang

Publicado 2026-09-29

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Xinyi Zhang

Artigo original sob licença CC BY 4.0 (https://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 um mundo onde as histórias tecidas no tecido não são apenas preservadas em vitrines de vidro, mas podem ser tocadas, exploradas e até reimaginadas pelos visitantes em tempo real. Esta é a promessa do patrimônio digital, um campo que busca usar a tecnologia para manter vivas as tradições vivas. No coração deste esforço está um conceito chamado "patrimônio cultural imaterial". Diferente de uma estátua de pedra ou uma pintura, que é um objeto físico que se pode segurar, o patrimônio imaterial consiste nas habilidades, conhecimentos e significados transmitidos através das gerações. É a maneira como um padrão é feito, a história por trás de um símbolo e a comunidade que mantém a prática viva. O desafio para os pesquisadores é criar ferramentas digitais que respeitem essas profundas raízes culturais. Eles devem evitar transformar tradições sagradas em meras decorações ou imagens genéricas. O objetivo é construir sistemas que permitam às pessoas interagir com a alma de uma cultura sem distorcer sua essência.

Um pesquisador voltou sua atenção para o Batik indonésio, uma tradição de têxteis tingidos à mão reconhecida pela UNESCO, conhecida por seus padrões intrincados e profundos significados simbólicos. Ele fez uma pergunta difícil: a inteligência artificial pode ajudar as pessoas a explorar esses padrões de uma nova maneira, sem perder a verdade cultural que os torna especiais? Para descobrir, ele construiu um serviço digital que combina três elementos: um programa de computador que pode gerar novos padrões, um ambiente de realidade virtual onde os usuários podem caminhar por uma galeria e um conjunto rigoroso de regras para garantir que o computador respeite a cultura. O pesquisador não queria apenas ver se o computador poderia fazer imagens bonitas; ele queria saber se as pessoas sentiriam que a experiência era respeitosa, autêntica e significativa.

O pesquisador começou reunindo uma coleção massiva de imagens de Batik, verificando cuidadosamente se possuía as permissões corretas para usá-las. Ele alimentou essas imagens em um sistema de computador projetado para aprender as regras do design de Batik. Este sistema não era a IA mais poderosa ou recente disponível; em vez disso, o pesquisador escolheu um método estável e confiável que pudesse ser monitorado de perto. O computador aprendeu a criar novos padrões que pareciam Batik, mas com uma rede de segurança crucial: uma "restrição de símbolo cultural". Isso atuava como um filtro, garantindo que o computador não misturasse diferentes estilos regionais ou criasse designs sem sentido que violassem as regras tradicionais. Antes que qualquer pessoa visse os resultados, três especialistas em cultura Batik revisaram centenas das imagens geradas pelo computador. Eles as avaliaram em uma escala de um a sete. A média foi de 5,2. Esse número disse algo importante ao pesquisador: o computador era bom o suficiente para ser usado para aprendizagem guiada e exploração, mas ainda não era habilidoso o suficiente para substituir um artesão humano ou para afirmar que estava criando uma peça de tradição perfeita e autêntica por conta própria.

Com a tecnologia testada, o pesquisador convidou 531 pessoas de diversos contextos para experimentar seu serviço digital. Os participantes foram divididos em três grupos. O primeiro grupo viu um site padrão com imagens estáticas e texto. O segundo grupo usou uma galeria de realidade virtual onde podiam caminhar e observar os padrões em um espaço 3D, mas não podiam alterar nada. O terceiro grupo usou o serviço completo "AI-XR". Eles caminharam pela galeria virtual, mas também puderam pedir ao computador para gerar novos padrões, misturar diferentes estilos e ver como os designs mudavam em tempo real. O pesquisador mediu o quanto cada grupo sentiu que o serviço era de alta qualidade, o quanto se sentiu imerso no espaço virtual e se acreditavam que a experiência era culturalmente autêntica.

Os resultados revelaram um caminho claro para o engajamento. O grupo que utilizou o serviço completo de AI-XR relatou a maior qualidade de experiência. Eles se sentiram mais envolvidos e consideraram os recursos de personalização úteis. No entanto, a tecnologia por si só não tornou a experiência bem-sucedida. O estudo descobriu que a alta qualidade do serviço primeiro fez as pessoas se sentirem "presentes", como se estivessem verdadeiramente dentro do espaço cultural. Esse sentimento de presença ajudou, então, a fazer com que julgassem a experiência como culturalmente autêntica. Quando as pessoas sentiram que a experiência era respeitosa e fiel à tradição, tornaram-se mais curiosas e emocionalmente conectadas à cultura. Essa conexão, por sua vez, as tornou mais propensas a usar o serviço novamente e a compartilhar a experiência com outros.

Crucialmente, o estudo mostrou que a capacidade do computador de gerar imagens não era a única coisa que importava. Se o sistema tivesse gerado padrões belos que parecessem culturalmente rasos ou desrespeitosos, os usuários não teriam se engajado com eles, não importa quão avançada fosse a tecnologia. A "restrição de símbolo cultural" e a revisão dos especialistas foram essenciais. Elas garantiram que o computador permanecesse dentro dos limites da tradição, o que permitiu que os usuários confiassem na experiência. O pesquisador descobriu que o caminho de um bom serviço digital até o desejo de compartilhar a cultura era longo, passando pelos sentimentos de presença e autenticidade. Não era um salto direto de "tecnologia legal" para "amor cultural".

As descobertas oferecem um guia cauteloso, mas esperançoso, para o futuro do patrimônio digital. O pesquisador concluiu que a inteligência artificial pode ser uma ferramenta poderosa para explorar tradições vivas, mas apenas se for usada como um assistente supervisionado, e não como um criador independente. A tecnologia deve ser envolta em camadas de explicação cultural, validação de especialistas e regras claras. Quando essas condições são atendidas, os serviços digitais podem ajudar as pessoas a sentir uma conexão genuína com tradições como o Batik, incentivando-as a aprender mais e a transmitir o conhecimento adiante. O estudo sugere que o futuro da preservação da cultura não reside em substituir o artesanato humano por máquinas, mas em usar as máquinas para criar espaços seguros, respeitosos e envolventes onde as pessoas possam descobrir as histórias por trás dos padrões por conta própria.

Resumo Técnico: Serviços de Dados de XR Aprimorados por IA Generativa para o Patrimônio Cultural Imaterial

Definição do Problema
O artigo aborda o desafio de digitalizar o Patrimônio Cultural Imaterial (PCI), especificamente o Batik indonésio, que envolve não apenas padrões visuais, mas sistemas simbólicos complexos, histórias regionais e conhecimentos do fazer artesanal. As aplicações de patrimônio digital existentes frequentemente tratam o patrimônio como arquivos estáticos ou focam na novidade visual sem garantir a fidelidade cultural. A IA generativa oferece o potencial para uma exploração personalizada, mas carrega o risco de produzir resultados culturalmente superficiais ou imprecisos que desvinculam os símbolos de suas tradições. O problema central é o desenvolvimento de um framework que integre a IA generativa com a Realidade Estendida (XR) para criar um "serviço de dados" que suporte a exploração, mantendo a fidelidade cultural-simbólica e a autenticidade percebida, em vez de meramente gerar imagens de alta qualidade.

Metodologia
O estudo emprega um design de métodos mistos compreendendo quatro componentes integrados:

Construção do Dataset: Um corpus curado de 3.850 imagens de Batik foi reunido a partir de fontes de domínio público, licença aberta e autorizadas institucionalmente. As imagens foram filtradas quanto à resolução (>512x512), duplicatas e marcas d'água, sendo então anotadas por dois especialistas culturais independentes (acordo inter-avaliador $\kappa=0,84$ ) em categorias de motivos (ex: Parang, Kawung, Mega Mendung).
Modelo Generativo & Arquitetura: O sistema utiliza uma arquitetura de quatro camadas: Dados Culturais, IA Generativa, Serviço de XR e Avaliação.
- Geração: Um modelo WGAN-GP (Wasserstein GAN com Gradient Penalty) foi selecionado pela estabilidade de treinamento em conjuntos de dados de tamanho moderado. Ele utiliza um gerador com cinco camadas de deconvolução e um crítico com cinco camadas de convolução.
- Personalização: Um módulo AdaIN (Adaptive Instance Normalization), baseado em um codificador VGG-19 pré-treinado, permite a transferência de estilo e a mistura de estilos controlada pelo usuário.
- Restrições: Um classificador ResNet-50 (ajustado para 84,2% de precisão) monitora a reconhecibilidade dos motivos nos resultados. Os outputs estão sujeitos a um módulo de restrição de símbolo cultural e validação de especialistas.
- Interface XR: O sistema é implantado via WebXR (Unity 2022.3), permitindo navegação espacial e interação.
Validação de Especialistas: 300 resultados gerados foram avaliados por três especialistas em patrimônio de Batik usando uma rubrica de 7 pontos cobrindo reconhecibilidade de motivo, coerência simbólica e respeito cultural.
Experimento com Usuários: Um ensaio controlado randomizado com $N=531$ participantes comparou três condições: (1) Exposição Digital 2D, (2) Exposição apenas em XR, e (3) Serviço de Geração IA-XR. A condição IA-XR agrupou a interação XR com a geração de motivos por IA e personalização de estilo.
Análise: Modelagem de Equações Estruturais (SEM) com 5.000 amostras de bootstrap testou um mecanismo sequencial: Qualidade Percebida do Serviço $\rightarrow$ Presença Imersiva $\rightarrow$ Autenticidade Cultural Percebida $\rightarrow$ Engajamento Cultural $\rightarrow$ Intenção de Continuidade/Transmissão.

Principais Contribuições

Integração de Framework: O artigo propõe um framework de serviço de dados IA-XR culturalmente restringido que vincula um corpus de imagens curado, modelos generativos, validação de especialistas e loops de feedback do usuário, indo além da geração isolada de imagens para uma arquitet verdadeiramente estruturada de arquitetura de serviço.
Posicionamento Técnico: Fornece uma avaliação transparente e não exagerada do WGAN-GP e AdaIN para contextos de patrimônio. O autor reconhece explicitamente que esses métodos não são o estado da arte em comparação ao StyleGAN ou modelos de Difusão Latente, mas foram escolhidos por sua interpretabilidade, estabilidade e adequação para conjuntos de dados culturais restritos.
Mecanismo Teórico: O estudo oferece um modelo empírico parcimonioso que distingue entre fidelidade cultural-simbólica avaliada por especialistas (uma validação técnica) e autenticidade cultural percebida pelo usuário (um julgamento psicológico). Demonstra que a qualidade do serviço impulsiona o engajamento através de uma sequência de presença e autenticidade, em vez de apenas através da novidade tecnológica.

Resultados

Desempenho Algorítmico: O modelo combinado WGAN-GP + AdaIN alcançou uma Distância de Incepção de Fréchet (FID) de 78,3 e uma Distância de Incepção de Kernel (KID) de 0,041, superando as linhas de base DCGAN e WGAN-GP isolado.
Fidelidade de Especialistas: A avaliação dos especialistas rendeu uma pontuação média de 5,2/7. O autor interpreta isso como "plausibilidade moderada/qualificada", adequada para exploração educacional guiada sob curadoria especializada, mas insuficiente para substituir o artesanato tradicional ou reivindicar reprodução de alta fidelidade.
Experimento com Usuários: Participantes na condição IA-XR relataram significativamente maior qualidade de serviço de patrimônio digital percebida, personalização e qualidade visual-generativa em comparação com as condições 2D e apenas XR.
Achados de SEM: Todos os caminhos hipotetizados foram suportados ( $p < ,001$ ). A qualidade percebida do serviço afetou positivamente a presença imersiva ( $\beta=0,55$ ), que por sua vez influenciou a autenticidade cultural percebida ( $\beta=0,34$ ), levando ao engajamento cultural ( $\beta=0,46$ ) e, finalmente, prevendo a intenção de continuidade e a intenção de transmissão do patrimônio.
Mediação: Os efeitos indiretos seriais foram estatisticamente significativos, mas de pequena magnitude, indicando que, embora o serviço de qualidade inicie a cadeia, a intenção de transmissão cultural é um resultado distal que requer mais do que exposição de curto prazo.

Significância e Alegações
O artigo alega que sua principal significância reside na mudança do foco da "novidade da imagem" para o "design de serviço IA-XR responsável" para o patrimônio vivo.

Alegações Técnicas Modestas: O autor afirma explicitamente que não reivindica um novo benchmark de geração de imagens. A contribuição é a integração de um módulo generativo leve e restrito em uma arquitetura de serviço de patrimônio.
Viabilidade Limitada: O estudo conclui que os motivos de Batik gerados por IA ainda não são maduros o suficiente para substituir a curadoria humana ou a autoridade tradicional. Em vez disso, são viáveis como ferramentas para "exploração educacional guiada" quando acompanhados de explicação cultural, curadoria de especialistas e rotulagem transparente.
Restrições Culturais: Os achados enfatizam que a qualidade generativa sozinha é insuficiente; o engajamento significativo depende de validação culturalmente restringida e da percepção de autenticidade do usuário. O sistema é projetado para apoiar, não substituir, a transmissão comunitária e o conhecimento do fazer artesanal.
Lógica de Serviço: A pesquisa reformula o patrimônio digital de documentação estática para um serviço de dados dinâmico onde a geração, a curadoria e o feedback do usuário operam em um loop cíclico para garantir a aceitabilidade cultural.

Mais como este