Pesquisa Orientada - Julianna Moreira

Uma das situações mais curiosas da era da IA é observar estudantes utilizando uma ferramenta para detectar textos gerados por IA e outra para torná-los menos detectáveis.

Apesar de objetivos opostos, ambas compartilham a mesma limitação: não sabem quem escreveu o texto, não acompanham o processo de pesquisa e não observam a construção do argumento.

Elas apenas identificam padrões e estimam probabilidades.

Por isso acontecem falsos positivos e falsos negativos.

No fundo, temos uma IA tentando detectar IA e outra tentando convencer a primeira de que o texto parece humano.

Enquanto isso, a pergunta mais importante continua sem resposta:

Existe autoria intelectual por trás do texto?

Porque a boa pesquisa não se define pela ausência de IA.

Ela se define pela presença de pensamento crítico, responsabilidade e autoria.

E você? A discussão acadêmica está excessivamente focada em detectar IA ou ainda estamos debatendo o que realmente importa?

Virei figurinha e quero te dar um iPhone!

Quer saber como? Quem completar o álbum de figurinhas e estiver na live Hora da Virada concorre a um iPhone e a um notebook.

A Hora da Virada acontece na segunda-feira, às 9h49: uma verdadeira aula em que vamos revelar os segredos das principais bancas examinadoras, mostrar os padrões que elas mais repetem nas provas e como usar esse conhecimento para acelerar a sua aprovação.

Quer desbloquear a minha e ter acesso ao álbum para conseguir a dos demais professores?

O Código: F9ICXI95

~> https://imparaveis.gran.com.br/

Mas isso é só o aquecimento. Garanta sua vaga gratuitamente.

O link está na bio do

Uma das perguntas que mais tenho ouvido nos últimos meses é:

“Professora, como eu provo para a banca que não usei IA?”

Mas talvez essa não seja a questão central. A avaliação acadêmica sempre buscou identificar autoria intelectual: a capacidade de formular problemas, justificar escolhas, sustentar argumentos e responder pelas próprias conclusões.

A autoria não está apenas no texto final. Ela aparece no percurso da pesquisa, nas decisões tomadas e na forma como o pesquisador explica e defende seu trabalho.

Por isso, mais do que demonstrar o uso ou não uso de uma ferramenta, o desafio continua sendo evidenciar um processo intelectual consistente.

O que, para você, caracteriza a autoria em uma pesquisa?

Pela primeira vez, uma encíclica papal foi dedicada à inteligência artificial.

Em maio de 2026, o Papa Leão XIV publicou a Magnifica Humanitas (“Sobre a salvaguarda da pessoa humana na era da inteligência artificial”).

O documento chama atenção por tratar a inteligência artificial como uma questão relacionada à condição humana e à responsabilidade moral, e não apenas como um tema técnico ou econômico.

Embora não tenha sido escrito para pesquisadores, a leitura suscita reflexões importantes para a academia.

Um dos eixos centrais da encíclica é a responsabilidade humana diante de sistemas automatizados e dos processos de decisão mediados por tecnologia.

Essa discussão também atravessa a pesquisa acadêmica.

Ferramentas de IA podem auxiliar na organização de informações, na análise de dados e em diversas etapas do trabalho intelectual. Ainda assim, a formulação dos problemas de pesquisa, a interpretação dos resultados e a responsabilidade pelas conclusões permanecem vinculadas ao pesquisador.

Por isso, o debate sobre IA na ciência envolve mais do que capacidades técnicas das ferramentas.

Ele envolve autoria, julgamento crítico e responsabilidade intelectual na produção do conhecimento.

A pesquisa acadêmica não se resume à obtenção de respostas. Ela também envolve a formação de pessoas capazes de formular perguntas, avaliar evidências e responder pelas conclusões que produzem.

Como você percebe os limites entre o apoio oferecido por ferramentas de IA e a autoria intelectual na pesquisa?

Uma aluna me contou recentemente:

“Professora, agora eu deixo um errinho no trabalho para não parecer que usei IA.”

Eu ri.

Depois fiquei pensando.

Durante muito tempo, a preocupação era melhorar a escrita, argumentar melhor, eliminar erros e tornar o texto mais claro.

Agora, em alguns contextos, há quem cogite fazer o caminho inverso:
deixar uma vírgula fora do lugar,
uma construção menos elegante,
um tropeço estratégico… para provar humanidade.

Não estou discutindo aqui se o receio é justificável ou não.

Mas achei curioso perceber como a chegada da IA está mudando até mesmo a forma como algumas pessoas enxergam a própria escrita.

Porque texto humano impecável existe.
E texto humano ruim também.
Há muito tempo.

A Portaria CNPq nº 2.664/2026 marca um avanço importante na discussão sobre IA na pesquisa acadêmica brasileira.

O debate já não se limita à pergunta “pode ou não pode usar IA”.

A discussão passa a envolver transparência sobre o uso dessas ferramentas, responsabilidade intelectual e critérios de supervisão humana no processo de pesquisa e escrita acadêmica.

Ao mesmo tempo, periódicos científicos, universidades e programas de pós-graduação começam a estruturar regras próprias para declaração de uso de IA em trabalhos acadêmicos.

Nesse cenário, o pesquisador precisa acompanhar simultaneamente normas institucionais, políticas editoriais e diretrizes de integridade científica.

Brincadeiras à parte, o debate acadêmico sobre IA está começando a confundir marcas de estilo com prova de autoria artificial.

O problema é que recurso linguístico não pertence à IA.
Travessões, enumerações e organização textual existem muito antes dos modelos generativos.

Sinceramente?

Texto humano ruim existe há bastante tempo. 😅

O caso aconteceu na advocacia, mas a discussão alcança diretamente a pesquisa acadêmica.

Hoje, o debate sobre IA costuma se concentrar no uso dessas ferramentas por autores durante a escrita de artigos, projetos e pesquisas. Mas existe outra questão em crescimento: o uso de IA por avaliadores, pareceristas e revisores para ler, resumir ou analisar trabalhos acadêmicos.

Isso cria uma mudança importante no processo de avaliação científica.
Quando sistemas automatizados passam a participar da leitura e interpretação de textos, autores podem começar a escrever não apenas para leitores humanos, mas também para modelos de IA.

E isso afeta a própria lógica da validação do conhecimento.
A ciência depende de leitura crítica, discernimento metodológico e supervisão intelectual humana.

Sem critérios claros para o uso de IA na avaliação, a discussão deixa de ser apenas técnica. Ela passa a envolver também os modos de interpretação, mediação e reconhecimento do conhecimento científico.

A IA já integra a pesquisa acadêmica.
Agora, o debate também precisa incluir quem avalia.

Pelos poderes de Grayskull…
não leiam artigos sem fichar 😌📚

Encontrei isso no plano de ensino de uma disciplina de mestrado da FGV:

“A avaliação considera a honestidade da declaração e a qualidade da reflexividade sobre o próprio processo — não o uso ou não-uso da ferramenta.”

O trecho faz parte de um protocolo obrigatório de declaração de uso de IA generativa entregue junto aos trabalhos da disciplina.

E, honestamente?
Isso revela uma mudança importante no debate acadêmico.

A discussão mais séria sobre IA já não parece estar centrada em “usar ou não usar”.
O foco começa a migrar para:
✔️ transparência;
✔️ responsabilidade;
✔️ reflexividade;
✔️ consciência metodológica.

A IA entrou na pesquisa acadêmica.
Ignorar isso não parece mais uma opção institucional viável.

Mas há um detalhe essencial:
quanto maior o espaço da IA, maior precisa ser o compromisso com autoria intelectual, método e ética.

✨ Ferramenta sem reflexão produz dependência.
Ferramenta com método pode produzir potência.