Quantos bons artigos já rejeitamos por má redação?

A assistência de IAs em descrições metodológicas

No dia 8 de outubro a Associação Brasileira de Ciência Política (ABCP) realizou um debate sobre “Inteligência Artificial na pesquisa em Ciência Política: o que dizem os editores”. Este texto e o anterior (IA e Ciência Política: o elefante na sala dos periódicos) surgiram das questões que me fiz (e que tentei responder) para participar do evento. (Esta é uma continuação do post anterior).

Em termos simples e diretos: a seção de Materiais e Métodos é onde vejo maior potencial para o uso de Inteligência Artificial como auxiliar na redação de artigos científicos. Essa seção é reconhecidamente difícil de escrever bem, especialmente em métodos qualitativos e mistos. Falta treinamento, falta metodologia, falta bibliografia.

Descrições metodológicas inadequadas são um problema recorrente em submissões. Não necessariamente por incompetência dos pesquisadores, mas porque descrever procedimentos complexos com clareza é tecnicamente difícil.

Por que precisamente Materiais e Métodos?

A seção de Materiais e Métodos ocupa um espaço peculiar na arquitetura da escrita acadêmica. Diferentemente da introdução, do marco teórico ou da discussão, que exigem atualização, originalidade argumentativa e invenção intelectual, essa seção tem uma função fundamentalmente descritiva e técnica. Seu objetivo não é persuadir ou inovar, mas documentar com precisão aquilo que foi feito de maneira transparente e replicável. Esta característica torna a seção de métodos particularmente adequada para assistência de IA.

Existe certo consenso disciplinar sobre o que constitui uma boa descrição metodológica. Não estou falando de “estilo” ou voz autoral, mas de elementos informativos obrigatórios.

Por exemplo, em uma pesquisa política que implique em entrevistas, é preciso informar com clareza:

a) as dimensões da amostra com justificativa para o N de casos escolhidos;

b) os procedimentos de recrutamento dos informantes com critérios de inclusão/exclusão;

c) os instrumentos utilizados com especificação técnica completa;

d) os protocolos de coleta com indicação de duração, condições e contexto;

e) os métodos de análise com referências aos frameworks teóricos empregados.

Estes não são elementos “estilísticos”. A IA pode ajudar a organizar essas informações factuais segundo padrões estabelecidos pela comunidade científica.

Considere este exemplo um pouco caricato:

Versão original em um artigo comum: “Entrevistas foram conduzidas com políticos e depois eu usei análise de conteúdo para ver padrões nas respostas”.

Versão após assistência de IA: “Realizei 52 entrevistas semiestruturadas com deputados estaduais (n=34), líderes partidários (n=12) e assessores legislativos (n=6) entre janeiro e junho de 2025. As entrevistas, conduzidas presencialmente ou via Zoom devido a restrições de deslocamento, duraram entre 45 e 120 minutos (em média, 78 minutos). Todas foram gravadas com consentimento informado, transcritas integralmente e codificadas utilizando análise de tópicos conforme protocolo de fulano de tal (ano), com uso do software NVivo versão 14”.

A primeira versão informa nada, nem permite replicação. A segunda, sim. O conteúdo factual é o mesmo. A IA apenas estruturou as informações que já estavam no próprio artigo seguindo padrões metodológicos estabelecidos. Isso é trapacear?

A armadilha da língua franca e o problema da equidade

Aqui chegamos ao ponto mais sensível politicamente, mas incontornável: a hegemonia do inglês acadêmico cria barreiras assimétricas.

Uma pesquisadora brasileira que conduziu 80 entrevistas com rigor metodológico exemplar pode escrever: “I made interviews with politicians and used content analysis.”

Um pesquisador norte-americano com o mesmo rigor escreve fluentemente: “I have conducted semi-structured interviews with members of the political elite employing a stratified purposive sampling strategy, with subsequent thematic analysis following an iterative coding process.”

A diferença não está na qualidade da pesquisa. Está no acesso a recursos linguísticos. O pesquisador norte-americano:

· teve inglês como língua materna;

· frequentou cursos de escrita acadêmica em inglês;

· teve múltiplos textos revisados por orientadores fluentes;

· possivelmente teve acesso a copyeditors profissionais.

A IA não nivela todos os privilégios acadêmicos, mas nivela este específico: o privilégio de expressar procedimentos metodológicos em inglês com a precisão terminológica esperada por editores de periódicos internacionais de alto impacto.

Os riscos reais dessa zona cinzenta

Reconhecer benefícios não significa ignorar perigos, obviamente. Há uma linha clara entre assistência legítima e uso problemático. Três riscos merecem atenção, mas há mais:

a) falsa precisão metodológica: a IA pode gerar descrições detalhadas que não correspondem exatamente ao que foi feito no artigo. Um pesquisador pode apresentar, com base nas sugestões da IA, uma reformulação que soa mais rigorosa, mas que distorce os procedimentos realmente executados.

b) mascaramento de problemas substanciais: uma redação polida e tecnicamente correta pode disfarçar fragilidades metodológicas reais. Um desenho de pesquisa problemático não deixa de ser problemático porque foi descrito com clareza e elegância.

c) a erosão da “voz autoral”: há algo que se perde quando um texto é excessivamente limpo por IA. As idiossincrasias estilísticas carregam marcas de tradições intelectuais. Quando tudo soa uniforme, perdemos diversidade.

Onde traçar a linha: assistência versus falsificação

- assistência legítima:

· Transformar notas pessoais em descrição estruturada (do rascunho ao plano do artigo, por exemplo);

· Adicionar especificações técnicas (versões de software, durações, quantidades) que o pesquisador conhece, mas se esqueceu de (ou não soube) incluir no manuscrito;

· Reformular frases para seguir estruturas metodológicas mais padronizadas;

· Corrigir inconsistências terminológicas simples (por exemplo: usar “participantes” em um parágrafo e “respondentes” em outro);

· Sugerir referências metodológicas padrão que deveriam ter sido lidas e depois citadas.

- uso problemático:

· Inventar números ou detalhes que o pesquisador não possui (“sugerindo” um N que parece logicamente mais robusto para a pesquisa);

· Descrever procedimentos que não foram seguidos (por exemplo: a IA sugere “codificação duplo cega” quando só houve codificação simples);

· Adicionar rigor retórico que mascara fragilidades reais (descrever uma amostra de conveniência como “estrategicamente selecionada”, por exemplo);

· Criar justificativas metodológicas ex post facto para decisões que foram pragmáticas ou mesmo arbitrárias.

Transparência radical e declaração de uso de IA

Minha posição é que precisamos de honestidade radical sobre dois fatos:

1. A “boa redação acadêmica” nunca foi apenas mérito individual. Sempre foi produto de redes de apoio, acesso a recursos e, sim, privilégio institucional.

2. A IA pode democratizar esse acesso, mas apenas se pararmos de fingir que assistência linguística é “trapaceadora” quando vem de um algoritmo, mas “profissional” quando vem de um copyeditor humano caro e pago.

Além disso, em nome da transparência completa, proponho que autores e autoras adotem o seguinte padrão de declaração em seus artigos (ou algo mais ou menos assim):

• “A ferramenta de inteligência artificial Claude Sonnet 4.5 (Anthropic, 2025) auxiliou na revisão de redação e refinamento linguístico do texto, sem participação na concepção da pesquisa, análise de dados ou formulação de argumentos teóricos”.

Ou:

• “Uma ferramenta de inteligência artificial (GPT-5) foi empregada para revisar a clareza linguística da seção de Materiais e Métodos e assegurar consistência terminológica. O conteúdo analítico, interpretativo e argumentativo permanece inteiramente de autoria do pesquisador”.

A meu ver, editores, no final das contas, devem focar não em como o texto foi escrito, mas se:

a) A descrição metodológica da seção de M&M corresponde aos dados apresentados;

b) O/A autora demonstra domínio completo de M&M e do seu artigo em respostas a revisores;

c) Há coerência entre argumentação e evidências;

d) As interpretações dos dados são originalmente do/da autora.

Se há elementos que “soam bem demais”, mas que não podem ser verificados nos materiais suplementares, então houve uso inadequado de IA (ou de qualquer outra forma de assistência).

Conclusão: clareza + profundidade

O objetivo final da escrita científica não é soar erudito, é comunicar conhecimento com precisão. Se a IA permite que pesquisadores e pesquisadoras com ideias originais as comuniquem de forma acessível e clara, isso fortalece a ciência.

Talvez precisemos questionar se a seção de Materiais e Métodos pertence, conceitualmente, ao domínio da “autoria criativa” ou ao domínio da “documentação técnica”. Ninguém questiona um químico que usa software para gerar automaticamente a descrição padronizada de procedimentos de síntese molecular. Por que deveríamos questionar um cientista político que usa IA para estruturar descrições de procedimentos de entrevista ou explicar de forma didática o significado do modelo log-linear com componente de associação RC(1) (Goodman)?

A autoria genuína em Ciência Política está em formular perguntas originais, interpretar os achados teoricamente com argumentos inovadores. Não formular frases gramaticalmente perfeitas sobre o que foi feito.

Se aceitarmos que o esforço intelectual essencial reside na pesquisa, não na redação técnica sobre a pesquisa, então a IA pode vir a ser uma ferramenta de democratização, permitindo que boas ideias sejam comunicadas mesmo quando originalmente não vêm embrulhadas em linguagem acadêmica de alto nível.

Quantos bons artigos rejeitamos não por falta de qualidade intelectual, mas por falta de acesso aos recursos certos para comunicá-la?

Este artigo reflete experiências pessoais como editor e não representa a posição oficial da Revista de Sociologia e Política.

#AcademicWriting #BoaRedaçãoAcadêmica #IAnaPesquisa #AIinScience #ScientificIntegrity #ResearchEquity #WritingPrivilege #AcademicPublishing #InteligenciaArtificial #ScienceCommunication