Ana Cristina Bicharra Garcia

PhD Universidade de Stanford

Professora - Inteligência Artificial
Universidade Federal do Estado do Rio de Janeiro (UNIRIO)

Afiliada de Pesquisa - MIT Sloan

Pesquisadora CNPq

Conselheira do Conselho de Educação do SENAC

Av. Pasteur 458
Rio de Janeiro, Brasil

cristina.bicharra@uniriotec.br

bio

Sou Professora Titular do Departamento de Informática Aplicada da UNIRIO, Pesquisadora Associada do MIT Sloan, pesquisadora do CNPq e membro do Conselho de Educação do SENAC. Possuo doutorado pela Universidade Stanford (1992) e pós-doutorado no MIT (2013 e 2022). Meu trabalho se concentra em Inteligência Artificial (IA), Inteligência Coletiva (IC) e Ética em IA, particularmente no aprimoramento da tomada de decisão humana e no combate ao viés algorítmico.

Sou autora de mais de 250 publicações em periódicos de alto impacto e anais de congressos de destaque, com um índice h de 28 no Google Acadêmico (em maio de 2025). Ao longo da minha carreira acadêmica, orientei 38 alunos de mestrado e 15 de doutorado. Sou Membro Sênior do IEEE, participo de conselhos editoriais de importantes periódicos de IA e participo ativamente de comitês de programa. Já ministrei palestras, tutoriais, uma palestra no TEDx e, mais recentemente, fiz uma apresentação no Harvard Radcliffe Institute.

Também possuo vasta experiência em inovação. De 1996 a 2017, dirigi o ADDLabs, um laboratório de pesquisa em IA focado no desenvolvimento de soluções avançadas para a indústria do petróleo. Durante esse período, o laboratório criou com sucesso mais de 20 sistemas baseados em IA, garantindo mais de US$ 5 milhões em financiamento para pesquisa e desenvolvimento.

Ocupei cargos de liderança como Presidente do Programa de Pós-Graduação em Informática e Membro do Comitê Estratégico, e contribuo ativamente para a política educacional nacional como membro do Comitê Consultivo do SENAC (2025-2027). Sou apaixonada por colaboração internacional em pesquisa, tendo coordenado projetos financiados e conduzido visitas de pesquisa prolongadas em Stanford, MIT e Universidad Carlos III de Madrid.

Lattes: http://lattes.cnpq.br/4879977915136752

h-index (Google Scholar) = 28

https://scholar.google.com/citations?user=qN-wg74AAAAJ&hl=en

projetos

pesquisa

IA para o Bem Social: Saúde e Educação

Esta linha de pesquisa concentra-se no desenvolvimento e na aplicação de soluções de inteligência artificial voltadas para o bem social, com ênfase nas áreas de saúde e educação. Investigamos como a IA pode auxiliar no diagnóstico e monitoramento de condições como depressão, promovendo explicabilidade e confiança nos sistemas. Na educação, exploramos o uso de técnicas de IA para personalizar a aprendizagem, identificar riscos de evasão escolar e apoiar a tomada de decisões por gestores e professores. O objetivo é gerar um impacto positivo com soluções éticas, acessíveis e centradas nas pessoas.

Transparência Algorítmica e Explicabilidade em Sistemas Sensíveis

Esta linha de pesquisa investiga como promover transparência e justiça em sistemas automatizados de tomada de decisão aplicados a contextos sensíveis, como finanças e saúde mental. No setor financeiro, analisamos vieses em decisões de crédito relacionados a gênero, educação e status socioeconômico, utilizando métricas de justiça e técnicas de explicabilidade para tornar os modelos mais auditáveis e éticos. Paralelamente, estudamos o papel das explicações em sistemas de apoio ao diagnóstico de depressão, buscando compreender como tornar as decisões do modelo mais compreensíveis e confiáveis, tanto para especialistas quanto para pacientes. O objetivo geral é contribuir para o desenvolvimento de sistemas de IA mais justos, transparentes e centrados no ser humano.

IA para Diálogo e Entendimento Mútuo em Sociedades Polarizadas

Esta linha de pesquisa investiga como a inteligência artificial pode auxiliar na identificação de convergências entre propostas de grupos com diferentes crenças e perfis demográficos, com base em questões de interesse coletivo. Inicialmente, utilizamos a IA para detectar similaridades de intenção e, posteriormente, para reescrever ideias de forma neutra e avaliar sua aceitação entre grupos opostos. Experimentos inspirados em The Moral Machine medem o grau de polarização e testam estratégias para mitigá-la. Um subprojeto analisa a relação entre monetização e comentários agressivos em vídeos do YouTube. O foco central é promover o diálogo e o entendimento mútuo por meio de soluções algorítmicas.

inovação

Sou fundadora e fui coordenadora do ADDLabs - Laboratório de Documentação Ativa e Design Inteligente, que liderei de 1996 a 2017. Durante esse período, transformei o laboratório em um hub de inovação tecnológica aplicada, com foco em inteligência artificial, design computacional e sistemas de apoio à decisão para problemas complexos de engenharia e indústria.

Coordenei mais de 10 projetos de longa duração, financiados por Petrobras, Shell, FINEP, CNPq, FAPERJ e redes como RECOPE-IA, sempre em colaboração com especialistas de domínio. As soluções que desenvolvemos foram implantadas em empresas reais, com impacto mensurável e ROI superior a 10 vezes em diversos casos.

Esses projetos combinam IA simbólica, machine learning, raciocínio baseado em casos, lógica fuzzy, redes neurais, programação por restrições, sistemas especialistas, criando tecnologias que são contribuições que vão além da academia. Todos os projetos geraram sistemas computacionais que foram implantados, muitos ainda em uso (2025). Projetos deste portfolio incluem:

  • ADDVAC1995

    Assistente inteligente baseado em IA para o projeto de sistemas HVAC (aquecimento, ventilação e ar-condicionado) em plataformas offshore de petróleo. O sistema auxilia engenheiros na modelagem e dimensionamento térmico, avaliando restrições ambientais, eficiência energética e normas técnicas. Integra algoritmos de otimização e simulação para propor soluções adaptadas ao contexto marítimo, com foco em segurança, conforto e desempenho operacional.

  • ADDPROC1996

    Plataforma baseada em raciocínio por casos para automação de projetos de plataformas marítimas. Recupera experiências anteriores e oferece soluções adaptadas a novos contextos, promovendo padronização, economia de tempo e aumento de qualidade no processo de projeto.

  • ADDGeo1998

    Sistema inteligente híbrido para determinação automatizada de eletrofácies e estrutura litológica, utilizando algoritmos de IA simbólica e aprendizado de máquina para analisar dados geofísicos e perfis de poço. A ferramenta apoia decisões em modelagem geológica, com precisão na identificação de formações rochosas relevantes para exploração de petróleo.

  • ADDSUB2000

    Sistema de apoio à decisão para o projeto de dutos submarinos, aplicando IA simbólica, regras de produção e métodos de otimização para gerar alternativas técnicas viáveis. Permite automatizar a documentação técnica e justificar decisões de engenharia, reduzindo riscos e acelerando o ciclo de projeto de sistemas submarinos.

  • PorAqui2002

    Aplicativo de roteamento inteligente que incorpora pontos de referência significativos para o usuário, como padarias, escolas ou centros comunitários. Integra mapas personalizados com inclusão contextual para apoiar trajetos urbanos mais intuitivos, seguros e acessíveis.

  • ADDFlowlift2005

    Sistema de simulação inteligente do método de gas-lift, voltado à otimização da produção de petróleo. A solução integra dados de geometria do poço, características físico-químicas dos fluidos e metas de produção para simular pressões, vazões e condições operacionais do sistema. Fornece suporte à decisão sobre injeção de gás, configuração de válvulas e cenários de transição de produção, promovendo ganhos expressivos de eficiência em ambientes complexos.

  • Bombeio2007

    Sistema inteligente de diagnóstico e prognóstico de falhas no processo de bombeio mecânico em extração de petróleo. Utiliza redes neurais e técnicas de aprendizado supervisionado para analisar padrões de funcionamento, prever falhas e recomendar intervenções, otimizando a manutenção de equipamentos críticos e aumentando a confiabilidade operacional.

  • ADDGDPO2008

    Ferramenta de análise preditiva e explicável para monitoramento inteligente de equipamentos de plataformas offshore. Integra IA simbólica, modelos estatísticos e visualizações interativas para identificar padrões de falha, prever desempenho e aumentar a eficiência operacional de sistemas industriais.

  • ACR2009

    Sistema inteligente para análise de causa raiz de acidentes em ambientes industriais. Utiliza representação de conhecimento e redes causais para modelar a cadeia de eventos, permitindo simulações, diagnósticos explicáveis e recomendações para prevenção de recorrências.

  • ADDSGA2010

    Sistema de gestão de alarmes com IA, voltado à priorização inteligente de alertas em situações críticas. Analisa múltiplos fluxos de dados operacionais para identificar eventos relevantes em tempo real, reduzindo sobrecarga de informação e apoiando a tomada de decisão em cenários de emergência.

  • ADDOrca2011

    Sistema inteligente para escalonamento e alocação de recursos em campos petrolíferos offshore, com foco em sondas e embarcações. Integra programação por restrições, IA simbólica e análise de risco para otimizar a sequência de atividades em poços, respeitando restrições operacionais e de engenharia. Permite simulação de múltiplos cenários e suporte à mitigação de riscos na fase de desenvolvimento e exploração de reservatórios.

  • ADDPrazo2013

    Sistema inteligente para estimativa e controle de prazos em projetos de engenharia, combinando técnicas de IA simbólica, histórico de projetos e raciocínio baseado em casos. O sistema avalia riscos, complexidade técnica e interdependência de tarefas para gerar previsões realistas de cronogramas, ajustáveis em tempo real. Desenvolvido para contextos de alta variabilidade e incerteza, como os enfrentados pela indústria de óleo e gás.

liderança

Liderar o ADDLabs por mais de duas décadas foi uma experiência transformadora. Gerenciei uma equipe de cerca de 70 pesquisadores, promovendo um ambiente interdisciplinar que reunia cientistas da computação, engenheiros, designers e especialistas em Inteligência Artificial e Interação Homem-Computador.

Captei e gerenciei recursos de diversos órgãos e empresas, especialmente Petrobras, o que nos permitiu construir uma sede própria para o laboratório, criando um espaço dedicado à inovação aplicada, à formação de talentos e à transferência de tecnologia.

Coordenei o programa de pós-graduação em Informática Aplicada na Universidade Federal do Estado do Rio de Janeiro (UNIRIO, 2020-2021) e faço parte do comitê estratégico desde 2020. Além disso, atuo no Comitê Científico da UNIRIO e no Conselho Consultivo de Educação do SENAC-RJ. Desde 2018, também sou membro da Comissão Especial de Sistemas Colaborativos da Sociedade Brasileira de Computação (CESC-SBC). Tais cargos destacam meu engajamento com a comunidade acadêmica e científica nacional.

Coordenei projetos com universidades internacionais (Universidade Carlos III de Madrid e MIT) e, desde 2023, sou pesquisadora afiliado do MIT Sloan School. Atualmente, coordeno, do lado brasileiro, o projeto Erasmus+ K171 com a Universidade de Vilnius (Lituânia). Esses são indicadores claros de envolvimento internacional.

Orientei 38 dissertações de mestrado e 14 teses de doutorado, sempre incentivando projetos com fortes conexões com desafios reais da indústria, do setor público e da sociedade civil. Muitos desses trabalhos resultaram em publicações de impacto, protótipos funcionais e tecnologias transferidas.

Minha liderança combina visão estratégica, compromisso com a excelência e uma profunda crença no poder da educação como motor da transformação. Essa visão me acompanha até hoje nos projetos que coordeno e nas redes que integro.

notícias

ensino

2025.1

  • Metodologia de Pesquisa Científica
  • Interação Humano-Computador

2025.2

  • Inteligência Artificial
  • Sistemas Colaborativos

papers

  • Garcia, A. C. B.; Vivacqua, A. S. (2024). Navigating virtual spaces: Understanding user adaptation in online meetings during the pandemic. International Journal of Human-Computer Studies, 188, 103274.
  • Garcia, A. C. B.; Garcia, M. G. P.; Rigobon, R. (2023). Algorithmic discrimination in the credit domain: What do we know about it? AI & Society, 1-40.
  • Cardoso Durier da Silva, F.; Bicharra Garcia, A. C.; Wolfgang Matsui Siqueira, S. (2023). Sentiment Gradient - Improving Sentiment Analysis with Entropy Increase. Inteligencia Artificial, 26, 114-130.
  • Ribeiro, L. A. P. A.; Garcia, A. C. B.; dos Santos, P. S. M. (2022). Dependency Factors in Evidence Theory: An Analysis in an Information Fusion Scenario Applied in Adverse Drug Reactions. Sensors, 22, 2310.
  • Oliveira, C.; Garcia, A. C. B.; Diirr, B. (2022). Why shop on social media? A systematic review. International Journal of Internet Marketing and Advertising, 16, 344-368.
  • Garcia, A. C. B.; Vivacqua, A. (2021). Should I stay or should I go? Managing Brazilian WhatsApp groups. First Monday, 1-7.
  • Oliveira, C. R.; Garcia, A. C. B.; Vivacqua, A. (2021). The cost structure of influencers’posts: The risk of losing followers. Personal and Ubiquitous Computing, 1, 1-22.
  • Galvão, V. F.; Maciel, C.; Pereira, R.; Gasparini, I.; Viterbo, J.; Garcia, A. C. B. (2021). Discussing human values in digital immortality: Towards a value-oriented perspective. Journal of the Brazilian Computer Society, 27, 1-26.
  • Pintas, J. T.; Fernandes, L. A. F.; Garcia, A. C. B. (2021). Feature selection methods for text classification: A systematic literature review. Artificial Intelligence Review, 54, 6149-6200.
  • Cinalli, D.; Martí, L.; Sanchez-Pi, N.; Garcia, A. C. B. (2020). Collective intelligence approaches in interactive evolutionary multi-objective optimization. Logic Journal of the IGPL, 28, 95-108.
  • Sacramento, C.; Ferreira, S. B. L.; Capra, E. P.; Garcia, A. C. B. (2019). Accessibility and communicability on Facebook: A case study with Brazilian elderly. First Monday, 24, 1-7.
  • Garcia, A. C. B.; Vivacqua, A. (2019). Grounding knowledge acquisition with ontology explanation: A Case Study. Journal of Web Semantics, 57, 1-16.
  • Oliveira, C.; Garcia, A. C. B. (2019). Citizens’electronic participation: A systematic review of their challenges and how to overcome them. International Journal of Web Based Communities, 15, 123-150.
  • Natal, I. P.; Correia, L.; Garcia, A. C. B.; Fernandes, L. A. F. (2019). Efficient out-of-home activity recognition by complementing GPS data with semantic information. First Monday, 24, 2.
  • Vivacqua, A.; Garcia, A. C. B. (2018). ACoPla: A multi-agent simulator to study individual strategies in dynamic situations. Advances in Distributed Computing and Artificial Intelligence Journal, 7, 81-91.
  • Maciel, C.; Roque, L.; Garcia, A. C. B. (2018). Maturity in decision-making: A method to measure e-participation systems in virtual communities. International Journal of Web Based Communities, 14, 395-416.
  • Nascimento, F. R. A.; Cesar da Rocha, J.; Garcia, A. C. B. (2018). Automated Evaluation of Open Government Data Portals. International Journal of Electronic Government Research, 14, 57-72.
  • Garcia, A. C. B.; Vivacqua, A.; Sanchez-Pi, N.; Martí, L.; Molina, J. M. (2017). Crowd-Based Ambient Assisted Living to Monitor the Elderly’s Health Outdoors. IEEE Software, 34, 53-57.

Recent Selected Peer-reviewed Conference Papers

  • Nascimento, R.; Serra, C.; Nobre de Mello, A. C.; Garcia, A. C. B. (2025). Predicting Oncology Readmissions: A Machine Learning Approach Using the MIMIC-IV-ED Database. In Hawaii International Conference on System Sciences, Big Island, Hawaii. Manoa: ScholarSpace. BEST PAPER AWARD
  • Paiva, R.; Cataldo, W.; Garcia, A.; De Mello, C. R. (2024). Digital Discrimination Detection in Ridesharing Services in Rio de Janeiro City. In 16th International Conference on Agents and Artificial Intelligence, Rome, pp. 1205-1212.
  • Mattos, M.; Siqueira, S.; Garcia, A. (2024). Fair and Equitable Machine Learning Algorithms in Healthcare: A Systematic Mapping. In 16th International Conference on Agents and Artificial Intelligence, Rome, pp. 815-822.
  • Rodrigues, H. S.; Moraes, L. O.; Santiago, E. S.; Campos, J. P. P.; Guimarães Júnior, E. S.; Wanderley, G. M. C. X.; Garcia, A. C. B.; De Mello, C. E. R.; Alvares, R. V.; Santos, R. P. (2024). Predicting Student Dropout in the Information Systems Undergraduate Program at UNIRIO Using Decision Trees. In XXXII Workshop sobre Educação em Computação (WEI 2024), p. 588.
  • Pereira, M. B.; Lancelotte, F. S.; De Classe, T. M.; Garcia, A. C. B. (2024). Simulation Sickness in Virtual Reality Games: How to Relieve It - A Systematic Literature Study. In SVR 2024: Symposium on Virtual and Augmented Reality, Manaus, pp. 168-176.
  • Nguema Ngomo, J. G.; Torres de Paiva, R.; Garcia, A. C. (2024). Fake News Detection by Machine Learning in Latin America: A Systematic Review. In Hawaii International Conference on System Sciences, Hawaii.
  • Xavier, C.; Cataldo, W.; Siqueira, S. W. M.; Garcia, A. C.; Mello, C. (2024). Understanding the Negative Effects of Social Networking Mobile App Notifications on the Attention of Young People and Adults: A Systematic Literature Mapping. In Hawaii International Conference on System Sciences, Hawaii.
  • Pinto, F.; Garcia, A. C. (2024). Facing Constitutive and Normative Aspects of Different Philosophical Currents When Approaching AI Ethics. In I Conferência Latino-Americana de Ética em Inteligência Artificial (LAAI-Ethics 2024), Porto Alegre, SBC, pp. 133-136.
  • Do Nascimento, J. O.; Garcia, A. C. B.; Siqueira, S. W. (2023). Collaborative Elaboration of Design Fiction Narratives with Participatory Design Fiction Extend. In 26th International Conference on Computer Supported Cooperative Work in Design (CSCWD 2023), Rio de Janeiro, pp. 1330-1335. FINALIST IN THE BEST PAPER AWARD
  • Nascimento, L. de F.; Souza, G. dos S.; Garcia, A. C. B. (2023). Machine-Based Stereotypes: How Machine Learning Algorithms Evaluate Ethnicity from Face Data. In XIX Brazilian Symposium on Information Systems (SBSI 2023), Maceió, pp. 159-166.
  • Galvão, V. F.; Maciel, C.; Pereira, V. C.; Garcia, A. C. B. (2023). Acceptability and Renown of Digital Immortality Through the Lens of the User. In 2023 IEEE International Conference on Systems, Man, and Cybernetics (SMC), Honolulu, pp. 4464-4469.
  • Morais, F. L. D.; Garcia, A. C. B.; Dos Santos, P. S. M.; Ribeiro, L. A. P. A. (2023). Do Explainable AI Techniques Effectively Explain Their Rationale? A Case Study from the Domain Expert’s Perspective. In 26th International Conference on Computer Supported Cooperative Work in Design (CSCWD 2023), Rio de Janeiro, pp. 1569-1574.
  • Nascimento, L. de F.; Garcia, A. C. B. (2022). What's Behind a First Impression? Implications for Portrait Selection on Gig Work Platforms. In XVII Simpósio Brasileiro de Sistemas Colaborativos (SBSC Estendido 2022), pp. 39-43.
  • Garcia, A. C.; Barros, M. O. (2021). Minimizing the Usage of SARS-CoV-2 Lab Test Resources Through Test Pooling Enhanced by Classification Techniques. In 54th Hawaii International Conference on System Sciences, Waikiki, pp. 3733-3742.
  • Da Paixão Pinto, N.; Dos Santos França, J. B.; De Sá Sousa, H. P.; Vivacqua, A. S.; Garcia, A. C. B. (2021). Conversational Agents for Elderly Interaction. In 24th IEEE International Conference on Computer Supported Cooperative Work in Design (CSCWD 2021), Dalian, pp. 1-6.
  • Daudt, F.; Cinalli, D.; Garcia, A. C. B. (2021). Research on Explainable Artificial Intelligence Techniques: A User Perspective. In 24th IEEE International Conference on Computer Supported Cooperative Work in Design (CSCWD 2021), Dalian, pp. 144-149.

Carregando...