Atualmente, está cada vez mais fácil gerar e armazenar informações. Buscar um conteúdo específico em uma base de dados, com a quantidade de informações cada vez mais elevada, pode se tornar algo exaustivo, desestimulando o pesquisador na sua busca. Este trabalho apresenta um estudo das técnicas de recomendação, visando o desenvolvimento de um sistema que faça recomendações de artigos científicos, com base em um acervo incremental, conforme os interesses do usuário. O objetivo é diminuir a exaustividade da busca e trazer um conteúdo que estimule as pessoas a ler e conhecer mais sobre assuntos de seu interesse. A proposta é utilizar uma recomendação baseada em técnica híbrida (conteúdo e colaborativa), auxiliada por uma rede neural artificial no processo de tomada de decisão. Um Sistema de Recomendação (SR) busca aumentar a eficácia na indicação de conteúdo conforme os interesses do usuário. Para a área de computação, a evolução das pesquisas e o aprimoramento das técnicas de recomendação representam contribuições nos algoritmos propostos e desenvolvidos. Também para a área comercial, novas propostas de sistemas de recomendação podem auxiliar na melhoria dos resultados. Os Sistemas de Recomendação podem ser classificados, quanto a sua forma, em dois grupos: Baseado em Conteúdo, no qual o usuário receberá recomendações de itens similares a itens preferidos no passado; e Colaborativo, no qual o usuário receberá recomendações de itens que pessoas com gostos similares aos dele preferiram no passado. Alguns autores citam uma terceira classificação, os Sistemas Híbridos, que utilizam as duas técnicas citadas anteriormente. Após um estudo feito sobre os tipos de sistemas de recomendação e trabalhos relacionados, decidiu-se desenvolver um sistema de recomendação de artigos científicos híbrido, com a associação de Redes Neurais Artificiais (RNA) e com um algoritmo de aprendizado não-supervisionado em um modelo de Mapas Autoorganizáveis. Redes neurais artificiais são uma técnica da área de Inteligência Artificial, que visa trabalhar no processamento de dados simulando o cérebro humano. No sistema que está sendo desenvolvido, a recomendação de artigos científicos é focada na busca, levando em consideração que o pesquisador gostaria de receber recomendações sobre o termo que ele está pesquisando no momento e não sobre qualquer assunto que poderia ser de seu interesse. O sistema tem uma visão em que vários usuários utilizam-no de forma colaborativa, ou seja, enquanto estão recebendo recomendações também estão contribuindo, avaliando-as. Busca pelos termos fornecidos pelo usuário na base de artigos científicos, que, por sua vez, retorna os itens relacionados para que sejam processados pela RNA e, após a filtragem, sejam apresentados ao usuário como recomendações. Uma das propostas do sistema é que usuários especialistas possam sempre alimentar a base com novos conteúdos (neste caso, artigos) e suas respectivas avaliações sobre estes, que devem ser diferenciadas da avaliação dos usuários pesquisadores em geral. O trabalho está em andamento e espera-se obter como resultado a comprovação da eficiência da técnica utilizada, a fim de motivar pesquisadores na busca por novos conteúdos. A validação do sistema será feita por um grupo de estudantes e professores do Programa de Pós-Graduação em Sistemas e Processos Industriais (PPGSPI) da UNISC. A base de dados do sistema será populada com artigos de áreas afins ao PPGSPI neste processo de validação.