Início · Guia de método

Guia de método

Levantamento bibliográfico com inteligência artificial: guia passo a passo

1. Transforme o tema vago em uma pergunta pesquisável

   Antes de abrir qualquer base de dados, descreva o tema para a IA como você o entende hoje, mesmo que de forma solta, e peça que ela devolva de três a cinco formulações de pergunta de pesquisa mais específicas, indicando população, variável ou fenômeno e contexto quando fizer sentido para a sua área. A IA não conhece a literatura da sua linha de pesquisa nem sabe o que já foi feito no seu programa, então trate as sugestões como rascunho para discutir com o orientador, não como pergunta pronta. O ganho real desse passo é sair de um tema amplo demais para pesquisar e chegar a uma pergunta que já sugere quais termos vão entrar na busca.

2. Peça descritores e sinônimos em mais de um idioma

   Com a pergunta definida, peça à IA uma lista de descritores e sinônimos relacionados a cada conceito da pergunta, em português e em inglês (e em espanhol, se a sua área publicar bastante nesse idioma). Bases indexadas internacionais concentram produção em inglês, e um sinônimo esquecido é busca incompleta, mesmo que a expressão booleana esteja tecnicamente correta. Se a sua área tem vocabulário controlado, como o MeSH usado pelo PubMed, vale conferir se os termos sugeridos pela IA têm equivalente nesse vocabulário antes de fechar a lista, porque o modelo sugere linguagem natural, não necessariamente o descritor oficial da base.

3. Monte a expressão de busca com operadores booleanos

   Peça à IA para transformar a lista de descritores em uma expressão de busca usando AND, OR e, dependendo da base, NOT ou AND NOT, sempre em letras maiúsculas, e para adaptar a sintaxe a cada base que você vai usar. A pontuação muda de uma base para outra: o Scopus, por exemplo, pede os termos entre chaves, como em {3D Print} AND {Prosthetic}, e quando há vários operadores na mesma expressão a ordem de leitura é OR primeiro, depois AND, depois AND NOT. O PubMed usa NOT no lugar de AND NOT, e ali aspas e truncamento merecem atenção redobrada: ao usar aspas ou truncar um termo, o PubMed para de expandir automaticamente a busca pela árvore de termos MeSH e passa a procurar literalmente o que foi digitado, e o efeito no total de resultados varia conforme a base, então confira o número antes e depois de reescrever. Peça à IA uma versão da expressão para cada base, não uma única expressão genérica.

4. Rode a busca nas bases reais, a IA não substitui esse passo

   Leve a expressão pronta para a base indexada de verdade (Scopus, PubMed, SciELO, Google Acadêmico, a base de referência da sua área) e rode a busca lá. A IA de conversa não tem acesso a catálogo bibliográfico enquanto conversa com você: quando ela responde alguma coisa sobre uma referência de memória, está completando o padrão de texto mais provável, não consultando um índice real, e é exatamente por isso que ela ajuda a preparar e organizar a busca, mas não substitui a base. Depois de rodar a busca, você pode colar os títulos e resumos retornados de volta na conversa e pedir que a IA ajude a organizar por tema ou a marcar duplicatas óbvias, o que economiza tempo de triagem sem terceirizar a decisão de quem entra na revisão.

5. Verifique cada referência antes de aceitar

   Este é o passo que mais tempo, dinheiro e credibilidade acadêmica já custou a quem confiou demais na resposta pronta. Para cada referência que passar pela sua triagem, confira quatro coisas: se existe DOI, ele resolve para o registro que está sendo descrito; o título exato aparece numa base indexada (Crossref, a base da sua área, SciELO, Google Acadêmico); autoria, ano, periódico e páginas batem com o registro real, não só com o que a IA descreveu; e o texto da fonte realmente sustenta o que a citação afirma, não apenas o fato de a fonte existir. Os quatro pontos importam porque um modelo de linguagem pode produzir uma referência com a forma inteiramente correta (autor plausível, ano plausível, periódico real) e o conteúdo inventado, e forma correta é exatamente o que engana quem confere rápido demais.

6. Fiche e organize só o que passou na verificação

   Depois da verificação, fiche cada referência no seu gerenciador (Zotero, Mendeley ou outro), com os pontos que você vai usar na revisão e a página de onde tirou a ideia. Zotero e Mendeley exportam e importam nos formatos RIS e BibTeX, então migrar biblioteca de um para o outro é possível, embora anotações e PDFs anexados nem sempre acompanhem a migração por completo. Nesta etapa, a IA pode ajudar a resumir rapidamente pontos de concordância entre fontes que você já leu e a varrer um volume grande de texto em busca de trechos relevantes, mas estudos sobre o tema mostram que tanto Claude quanto ChatGPT ainda erram na síntese, produzem citação incompleta e alucinam informação, e nenhum estudo recomenda fechar uma revisão de literatura usando IA sozinha, sem revisão humana. A leitura crítica final continua sendo sua.

Por que a IA inventa referência (e por que isso não é um erro raro)

A causa é estrutural, não um defeito pontual que vai desaparecer na próxima versão. Um modelo de linguagem generativa não consulta catálogo bibliográfico no momento em que gera uma referência: ele completa o padrão textual mais provável a partir do que aprendeu, então produz algo com a forma certa (estrutura de autor, ano, título, periódico, no formato esperado) enquanto o conteúdo pode estar total ou parcialmente inventado. É por isso que uma referência alucinada costuma parecer plausível à primeira vista, o problema não é ela parecer estranha, é ela parecer normal. Na prática, isso muda o jeito de usar a IA no levantamento: ela é útil para gerar candidatos (descritores, expressões de busca, possíveis linhas de argumento), mas toda referência específica, autor, ano ou dado numérico que ela citar de memória precisa ser tratado como hipótese a confirmar, nunca como fato já estabelecido.

O que as regras de integridade e as normas realmente exigem hoje

A Portaria CNPq n. 2.664/2026 (Política de Integridade na Atividade Científica) não proíbe o uso de IA generativa na pesquisa. Ela regulamenta esse uso e exige declaração (qual ferramenta, para qual finalidade) em todas as fases do trabalho, para quem tem bolsa ou financiamento do CNPq, e veda duas coisas específicas: usar IA para gerar dado ou resultado sem supervisão humana, e esconder que a IA foi usada. Um TCC sem bolsa CNPq não está sob essa portaria, fica sob a regra da própria instituição. O MEC também publicou orientação para o ensino superior sobre uso de tecnologias digitais e de IA, e revistas científicas costumam seguir diretrizes como as do ICMJE e da COPE, que caminham na mesma direção: não proíbem IA, proíbem IA como autora, e exigem declaração do uso. Onde a coisa fica genuinamente em aberto é na citação da ferramenta dentro do texto pela ABNT: a NBR 6023:2025 (referências) e a NBR 10520:2023 (citações) são as normas vigentes, mas a ABNT ainda não publicou um modelo próprio e consolidado para citar uma IA generativa como fonte. O que existe na prática são adaptações feitas por universidades e programas de pós-graduação, geralmente informando desenvolvedor, nome e versão da ferramenta, a indicação de que o conteúdo foi gerado por IA, data e link de acesso quando existir. Muitas instituições também exigem, além dessa citação, uma declaração formal de uso de IA em apêndice ou nota metodológica, que é uma exigência distinta e cumulativa, não a mesma coisa com outro nome. Antes de fechar o texto, vale perguntar diretamente ao seu programa qual adaptação ele usa e se pede declaração separada.

Referência não verificada não é fonte, é aposta.

Perguntas frequentes