REELFY
seu guia inteligente para o mundo do cinema
DOI:
https://doi.org/10.47385/tudoeciencia.2524.2025Palavras-chave:
recomendação. personalizada. streaming. inteligência artificial. (alterações feitas)Resumo
O mercado de mídias digitais tem experimentado um crescimento expressivo nos últimos anos, impulsionado principalmente pela popularização das plataformas de streaming, que passaram a integrar o cotidiano de milhões de usuários. Esse cenário, no entanto, trouxe consigo novos desafios, como a indecisão recorrente na escolha de novos títulos para assistir e a dificuldade de registrar e acompanhar o histórico de conteúdo. Diante desse contexto, surgiu o Reelfy — um aplicativo voltado à recomendação inteligente de conteúdo audiovisual, com foco na personalização da experiência do usuário. A proposta central é oferecer sugestões alinhadas aos interesses individuais, ao mesmo tempo em que possibilita a curadoria pessoal de títulos preferidos, promovendo uma navegação mais fluida entre diferentes títulos de streaming, como Netflix, Prime Video, Disney+, entre outros. A aplicação foi desenvolvida utilizando Flutter no front-end e .NET no back-end, sendo estruturada com base na API do TMDb (The Movie Database), que atua como principal provedor de dados e garante ampla cobertura de informações cinematográficas. Durante os testes iniciais, observou-se uma interface amigável e funcional, que facilita tanto o acompanhamento dos conteúdos já consumidos quanto a descoberta de novas opções relevantes. De forma geral, o Reelfy se apresenta como uma solução promissora frente às limitações dos catálogos atuais, ao reunir mecanismos de recomendação personalizados e ferramentas de organização semântica do consumo cultural. Como proposta futura, o sistema prevê o aprimoramento contínuo do algoritmo de recomendação, por meio de técnicas de refinamento progressivo do perfil do usuário, com o objetivo de tornar a plataforma cada vez mais responsiva, eficiente e alinhada às preferências individuais.
Downloads
Referências
INVESTOPEDIA. Freemium. In: Investopedia: financial dictionary, 16 nov. 2009. Disponível em: https://www.investopedia.com/terms/f/freemium.asp/. Acesso em: 26 jun. 2025.
JOURNALS.ACSPUBLISHER.COM. Content-Based Movie Recommendation System: An Enhanced Approach to Personalized Movie Recommendations. In: International Journal of Innovative Research in Computer Science & Technology, 2024. Disponível em: https://www.journals.acspublisher.com/index.php/ijircst/article/view/10261. Acesso em: 30 jun. 2025.
LAKATOS, Eva Maria; MARCONI, Marina de Andrade. Metodologia do trabalho científico. 6. ed. São Paulo: Atlas, 2003.
MDPI. Improving Graph-Based Movie Recommender System Using Cinematic Experience. In: MDPI – Applied Sciences, 2022. Disponível em: https://www.mdpi.com/2076-3417/12/3/1493. Acesso em: 30 jun. 2025.
PORTER, Michael E. Vantagem competitiva: criando e sustentando um desempenho superior. Rio de Janeiro: Elsevier, 1989. Acesso em: 10 mai. 2025.
SHIMABUKURU, I.; LIMA, L. Como funcionam os sistemas de recomendação? Disponível em: https://tecnoblog.net/responde/como-funcionam-os-sistemas-de-recomendacao/. Acessado em: 23 fev. 2025.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 Tudo é Ciência: Congresso Brasileiro de Ciências e Saberes Multidisciplinares

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.