Ética Acadêmica e Diretrizes da CAPES e CNPq no Uso de IA
Entenda o posicionamento das principais agências de fomento brasileiras sobre ética, integridade científica e uso transparente de IA na pesquisa.
A expansão dos modelos de linguagem generativa provocou debates profundos nos conselhos e agências que coordenam o Sistema Nacional de Pós-Graduação no Brasil. Tanto a Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) quanto o Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) vêm acompanhando as diretrizes internacionais sobre integridade em pesquisa.
Diferentemente de rumores informais que sugerem proibições cegas, as orientações das entidades oficiais enfatizam a responsabilidade ética, a transparência e a constatação incontornável de que ferramentas computacionais não podem ser creditadas como autoras de publicações científicas.
O cenário normativo da pós-graduação no Brasil
As diretrizes de boas práticas científicas no país reafirmam que o autor do manuscrito responde civil, ética e academicamente por cada afirmação contida no trabalho. A utilização de assistentes tecnológicos para suporte linguístico ou revisão de código é compreendida como ferramenta auxiliar, desde que não substitua o juízo autoral nem resulte em fabricação de dados.
Autoria, responsabilidade e atribuição transparente
As principais deliberações de comitês de ética em pesquisa ressaltam:
- Inteligência artificial não possui personalidade jurídica: Modelos geradores não podem assumir compromissos deontológicos, responder a alegações de má conduta ou assinar termos de cessão de direitos autorais.
- Obrigação de verificação factual: É dever indelegável do pesquisador conferir cada citação, cálculo ou referência empírica sugerida por algoritmos.
- Declaração de uso em periódicos: Quando exigido pelas diretrizes aos autores da revista acadêmica, deve-se explicitar na metodologia ou nos agradecimentos de que forma a ferramenta foi empregada.
Como os periódicos científicos nacionais avaliam o uso de IA
Periódicos vinculados ao portal SciELO e indexadores de prestígio internacional exigem originalidade expressiva e recusam manuscritos com dependência excessiva de formulações genéricas geradas por IA. O foco dos pareceristas recai sobre a clareza argumentativa e o rigor empírico.
Boas práticas recomendadas para bolsistas e pesquisadores
Se você é bolsista ou pesquisador em programa de mestrado ou doutorado, use o ThesisHuman como aliado estilístico para polir e dar clareza a seus rascunhos sem perder a exatidão conceitual. Documente seus processos e dialogue com seu orientador sobre as ferramentas utilizadas no refinamento formal do texto.
Resultados verificados frente a detectores para Ética Acadêmica e Diretrizes da CAPES e CNPq no Uso de IA
Cada texto processado no ThesisHuman conta com avaliações reproduzíveis frente a detectores de inteligência artificial e plataformas de análise acadêmica.
1. Painel ThesisHuman: estilo, área de pesquisa e tecnologia Term Lock
Diferentemente de parafraseadores genéricos que trocam palavras a esmo por sinônimos imprecisos, o ThesisHuman permite selecionar o gênero acadêmico exato (TCC, monografia, dissertação de mestrado, tese de doutorado, artigo científico) e a área do conhecimento (Direito, Medicina, Engenharia, Ciências Humanas). Com o Term Lock, citações autor-data (ABNT, APA), referências numéricas (Vancouver, IEEE), fórmulas em LaTeX e termos técnicos fundamentais ficam blindados contra modificações indevidas.
2. Verificação no Turnitin e iThenticate: índice de 0% de escrita por IA
Turnitin e iThenticate avaliam os documentos em blocos sequenciais para calcular a regularidade matemática das orações. Rascunhos brutos de IA apresentam simetria excessiva que aciona os indicadores do sistema. Após o refinamento no ThesisHuman, a redação ganha a cadência e a assimetria naturais da investigação humana, preservando integralmente citações e dados empíricos.
3. Verificação no GPTZero: curvas de perplexidade e variação rítmica
O GPTZero avalia o texto medindo a perplexidade das frases e a variação global de extensão (burstiness). Textos gerados diretamente por IA exibem pouca dispersão métrica entre períodos vizinhos. O ThesisHuman restabelece a alternância orgânica entre afirmações diretas e períodos analíticos aprofundados.
4. Verificação no Originality.ai: eliminação de sequências mecânicas
O Originality.ai rastreia combinações de n-gramas altamente previsíveis e vícios típicos de modelos de linguagem (como 'é imperioso destacar' ou 'desempenha um papel crucial'). O ThesisHuman elimina essas fórmulas vazias, aprimora a clareza e preserva equações e chamadas de notas.
