Em um contexto de aumento exponencial na produção de conteúdo e de mudanças no modelo de consumo de notícias, os sistemas de recomendação de conteúdo apresentam-se como elementos que auxiliam na promoção do engajamento de usuários em sites de notícias. Entretanto, observa-se especificamente no âmbito dos sites de notícias o baixo desempenho dos sistemas de recomendação de conteúdo, em especial as reduzidas taxas de engajamento identificadas em acessos oriundos de fontes externas (redes sociais, buscadores e outros que já constituem a maior parte dos acessos). Dessa forma, tem-se por objeto da pesquisa a recomendação de notícias nas páginas de conteúdo dos sites de notícias, com ênfase nos sites brasileiros. Nessa tese é apresentada a análise teórica e prática a respeito da utilização de sistemas de recomendação automatizados no contexto da notícia, de maneira a validar quais aspectos desses sistemas exercem influência sobre os índices de engajamento. Para isso, são propostas três hipóteses a serem validadas a partir do resultado de pesquisas e experimentos práticos, a saber: 1) Mudanças no design de páginas de conteúdo (incluindo layout, usabilidade e/ou critérios dos elementos de recomendação de conteúdo) impactam nas métricas de engajamento do usuário com o site de notícias; 2) As variáveis página de destino e origem do tráfego influenciam de maneira relevante as métricas de engajamento dos sites de notícias; 3) O contexto interfere na probabilidade de um determinado usuário consumir uma notícia (Independente do nível de interesse por este conteúdo). Além disso, são identificados problemas e fatores que trazem complexidade para a utilização dos sistemas de recomendação de conteúdo automatizados no contexto específico do jornalismo e das notícias. A partir de análises de métricas e pesquisas acerca do estado atual da recomendação nos sites de notícias brasileiros, é proposta a categorização dos critérios utilizados na recomendação de conteúdo destes sites, bem como cenários conceituais que apontem para soluções que promovam melhores resultados em especial na questão do engajamento dos usuários - na utilização de sistemas de recomendação em sites de notícias

In a context of exponential increase in content production and changes in the news consumption model, content recommendation systems are seen as elements that help in promoting the engagement of users in news sites. However, the low performance of content recommendation systems, especially the low engagement rates identified in accesses from external sources (social networks, search engines and others that already make up most of the accesses). Thus, the purpose of the research is the recommendation of news on the content pages of news sites, with emphasis on Brazilian sites. This thesis presents the theoretical and practical analysis regarding the use of automated recommendation systems in the news context, in order to validate which aspects of these systems influence the engagement indexes. For this, three hypotheses are proposed to be validated from the results of research and practical experiments, namely: 1) Changes in the design of content pages (including layout, usability and / or criteria of content recommendation elements) impact on the metrics of user engagement with the news site; 2) The "landing page" and "traffic source" variables have a relevant influence on the engagement metrics of news sites; 3) The context interferes with the probability of a particular user consuming a news item (regardless of the level of interest in this content). In addition, problems and factors that bring complexity to the use of automated content recommendation systems in the specific context of journalism and news are identified. Based on analyzes of metrics and research on the current scenario of the recommendation on Brazilian news sites, it is proposed to categorize the criteria used in recommending the content of these sites, as well as conceptual scenarios that point to solutions that promote better results - especially in the issue of user engagement - in the use of recommendation systems on news sites.