O Wikimedia Hackathon 2026 é o principal encontro anual da comunidade técnica dos projetos Wikimedia. Em 2026, Milão foi a cidade-sede do hackathon, reunindo desenvolvedores, pesquisadores e editores para criar ferramentas voltadas ao conhecimento livre. O evento foi além da escrita de código, se destacou como um espaço de colaboração, aprendizado prático e conexão entre os participantes.
Membros da Wikimedia Brasil participaram do evento e desenvolveram projetos sobre uso de modelos de linguagem na geração de respostas com base em artigos científicos no Wikidata, modelo de tradução automática de buscas em linguagem natural para SPARQL no Wikidata e proposta de revisão da ferramenta de tradução da Wikipédia.
O grupo se encontrou com representantes de outros países da América Latina em um encontro de coordenação regional (LATAM Technical Community Meetup). A reunião foi uma oportunidade para discutir a organização de eventos, iniciativas de formação técnica e a construção de uma comunidade de desenvolvedores mais integrada na região.
Tradução de conteúdo na Wikipédia: melhorias de usabilidade e testes com novos motores de tradução
Por Lucas Belo
A ferramenta de tradução da Wikipédia (Content translation) é uma extensão que permite usuários traduzirem verbetes de uma língua para outra, sendo fundamental para expandir o conhecimento livre além das fronteiras linguísticas. Buscando uma melhor experiência na tradução de verbetes, iniciei algumas atividades focadas em duas frentes: aprimorar a usabilidade da ferramenta para tornar o fluxo de edição mais fluido e explorar a integração de novos motores de tradução com modelos de inteligência artificial generativa para avaliar se eles trazem resultados superiores aos motores de tradução automática já existentes.
Essas atividades nasceram de necessidades práticas identificadas tanto na comunidade quanto no ambiente acadêmico. Elas estão alinhadas com a Lista de desejos da Lusofonia e com a AEX – Processamento de Sinais e Sistemas Dinâmicos na Wikipédia em Português, atividade extensionista da Universidade de São Paulo da qual faço parte. Vivenciando na prática o desafio de traduzir conceitos acadêmicos com precisão, ficou claro o quanto uma ferramenta mais fluida é necessária. Toda essa motivação ganhou forma técnica durante o Wikimedia Hackathon 2026 em Milão, onde tive a oportunidade de trocar ideias sobre o escopo do projeto com desenvolvedores experientes que compartilharam as melhores abordagens arquiteturais para implementar essas melhorias no código.
Como próximos passos, o foco será traduzir essas ideias em código e iniciar os primeiros testes práticos. A integração de novos motores de tradução com modelos de inteligência artificial generativa passará por uma fase de experimentação com um grupo reduzido de usuários, garantindo que a qualidade das traduções e a preservação do código-fonte atendam aos padrões da Wikipédia. As melhorias de usabilidade serão desenvolvidas por meio da criação e resolução de tickets e discussões no Phabricator. Acredito que, com essas melhorias, poderemos tornar a experiência de tradução muito mais acessível, permitindo que mais voluntários ajudem a democratizar o conhecimento.
Modelo de linguagem de pequena escala para responder perguntas a partir do Wikidata
Por Hector Gabriel
A maioria das ferramentas de inteligência artificial disponíveis hoje depende de sistemas proprietários. São caixas-pretas controladas por grandes empresas. Quem pesquisa ou ensina não tem controle sobre o que acontece com seus dados, nem sobre como as respostas são geradas.O projeto Open Small Language Models for Real-World Question Answering from Scholarly Wikidata parte de uma premissa diferente. Construir uma solução completamente aberta, do início ao fim.
O sistema permite que estudantes e pesquisadores façam perguntas em linguagem natural, inclusive em português, e recebam respostas baseadas em artigos científicos indexados no Wikidata. O fluxo completo é aberto e rastreável. A pergunta é processada por um modelo de linguagem de pequena escala e aberto (como o Qwen2.5-3B-Instruct), os artigos relevantes são buscados usando SPARQL no Wikidata Scholarly. Os resumos dos artigos são recuperados utizando OpenAlex. Dessa forma, a resposta é gerada a partir desse contexto, com base direta às fontes de referência. Nenhuma API proprietária. Nenhum dado enviado a servidores de terceiros. Tudo executável localmente.
O projeto está em fase inicial de desenvolvimento. Os próximos passos incluem maior rastreabilidade de citações, adição de links para páginas do Wikidata e Wikipedia, critérios de inclusão de manuscritos e exportação para CSV e Zotero.
O código está disponível em: https://github.com/CorraleH/slm-wd-scholarly-mapping
Apresentação disponível no Wikimedia Commons: https://w.wiki/Mpmq
Perguntas em linguagem natural sobre a produção científica do NeuroMat no Wikidata
Por Erika Guetti
O trabalho apresenta uma solução preliminar de NL2SPARQL voltada ao domínio científico. A abordagem combina as capacidades de raciocínio de modelos de inteligência artificial generativa com o rigor estrutural de uma ontologia acadêmica desenvolvida a partir do ecossistema de dados do NeuroMAT (Centro de Pesquisa em Neuromatemática). O objetivo é demonstrar a viabilidade da automação de consultas SPARQL complexas a partir de enunciados em linguagem natural para casos de uso selecionados. A abordagem demonstra como os usuários podem fazer perguntas em português e recuperar dados estruturados sem necessidade de conhecer a sintaxe do SPARQL.
A proposta procurou destacar a necessidade de democratizar o acesso a informações científicas da Wikidata. A dependência de conhecimentos avançados em SPARQL atua hoje como uma barreira de exclusão, limitando o alcance do conhecimento livre para o público geral. O hackathon foi uma oportunidade de testar abordagens iniciais como também de receber feedback da comunidade técnica.
O código está disponível em: https://github.com/eguetti/hackathon_2026_Wikimedia
Apresentação disponível no Wikimedia Commons: https://w.wiki/NsPa
Apoio e Agradecimentos
Agradecemos o apoio da Fundação Wikimedia por meio do Comitê de Bolsas pela oportunidade de participação e colaboração nas sessões do Wikimedia Hackathon 2026, viabilizando a presença de Hector Gabriel, Erika Guetti e Lucas Belo. O participante Hector Gabriel conta com o apoio da FAPESP (#2024/05572-7) e do WikiProjeto Saúde Auditiva para as suas atividades de pesquisa.
Can you help us translate this article?
In order for this article to reach as many people as possible we would like your help. Can you translate this article to get the message out?
Start translation