Como consequência, as operações editoriais de periódicos científicos estão cada vez mais sobrecarregadas pelo crescimento de submissões de baixa qualidade produzidas com auxílio de ferramentas de IA, afetando tanto editores quanto revisores, em geral voluntários.

A conclusão é de um estudo publicado em abril na revista científica Organization Science, no qual pesquisadores de diferentes instituições de ensino e pesquisa dos Estados Unidos analisaram como as atividades de submissão e revisão por pares da própria publicação mudaram a partir de 2022, com o lançamento do ChatGPT, primeiro chatbot comercial baseado em LLM (modelo de linguagem de grande escala) a alcançar ampla popularidade.

Os autores examinaram 6.957 submissões de manuscritos e 10.389 pareceres inseridos diretamente no sistema editorial da revista entre janeiro de 2021 e fevereiro de 2026, abrangendo, assim, os períodos anterior e posterior ao lançamento do ChatGPT. 

Os dois primeiros anos da série histórica foram utilizados como uma espécie de “período de controle”, permitindo-lhes comparar os padrões de escrita antes da disseminação das ferramentas de IA generativa.

No caso dos manuscritos, a análise concentrou-se principalmente nos resumos dos artigos, embora os pesquisadores também tenham recorrido ao texto integral de parte das submissões para verificar se o uso de inteligência artificial identificado nos resumos refletia adequadamente sua presença no restante dos textos.

Índice de assistência por IA

Para essa análise, utilizaram o Pangram, ferramenta amplamente empregada e validada para detectar conteúdos gerados por IA. 

O sistema adota um mecanismo estatístico que reduz significativamente o risco de falsos positivos, isto é, de textos escritos por humanos serem classificados equivocadamente como produzidos por inteligência artificial. 

O modelo gera ainda um “índice de assistência por IA”, em escala contínua de 0 a 1, que estima o grau de presença de inteligência artificial no texto analisado. 

Valores próximos de 0 indicam conteúdos predominantemente escritos por humanos, enquanto pontuações próximas de 1 sugerem textos amplamente produzidos com auxílio de IA.

Resultados são preocupantes

Segundo os pesquisadores, o volume de submissões na Organization Science aumentou 42% desde novembro de 2022, quando o ChatGPT foi lançado. Ao mesmo tempo, a qualidade da escrita dos manuscritos caiu. 

Utilizando o índice Flesch Reading Ease, empregado para avaliar legibilidade dos textos, os autores identificaram redução de 1,28 desvio-padrão na qualidade dos textos submetidos em janeiro de 2026 em comparação com aqueles enviados em janeiro de 2021.

Além de apresentarem pior qualidade textual, esses pareceres tendem a ser mais restritos em escopo, concentrando-se mais em discussões teóricas e menos na análise de dados e evidências empíricas.

Em síntese, mais pesquisas estão sendo submetidas ao periódico, mas acompanhadas por um aumento da produção textual automatizada de baixa qualidade. 

“Muitos defendem que as ferramentas de IA aprimoram a escrita acadêmica, mas nossos resultados indicam o contrário: o uso dessa tecnologia estaria associado à deterioração da qualidade textual tanto dos manuscritos quanto dos pareceres de revisão”, escreveram os autores da pesquisa.

Sistema editorial sobrecarregado

Eles acrescentam que os padrões observados na Organization Science provavelmente estão disseminados por outros campos científicos. 

“A IA entrou com força na academia”, afirmam os autores. “Essa tendência impõe pressão adicional a um sistema editorial que já operava sob forte sobrecarga antes mesmo do lançamento do ChatGPT.”

Segundo os autores, o aumento contínuo do número de submissões já vinha sendo impulsionado por mecanismos de incentivo altamente competitivos no meio acadêmico, como critérios de progressão na carreira baseados no volume de publicações e bônus financeiros vinculados à produtividade científica.

“Quando os incentivos institucionais priorizam a quantidade de publicações em vez de pesquisa rigorosa, a IA tende a ser usada para ampliar o volume de produção, e não para cumprir seu potencial como ferramenta de apoio à pesquisa”, escreveram os autores.

“Como editores que atuam na linha de frente para evitar que revisores sejam inundados por submissões de baixa qualidade produzidas com auxílio de IA, consideramos o sistema atual insustentável.”

O post IA impulsiona submissões de artigos e sobrecarrega revisão por pares apareceu primeiro em Science Arena.

Sem uma formação docente adequada, essas ferramentas correm o risco de se tornarem uma versão moderna do antigo “copia e cola”, um atalho que mina o esforço cognitivo dos estudantes e substitui o processo de escrita e reflexão.

O alerta parte de um estudo publicado na revista Teaching and Teacher Education, que mapeou as tensões entre alunos e professores diante da falta de diretrizes pedagógicas para lidar com as novas tecnologias.

O levantamento revelou que, embora haja interesse em usar a IA para economizar tempo ou gerar ideias iniciais, existe um receio legítimo de que o uso excessivo e sem critérios leve a um aprendizado raso e à dependência das plataformas.

O desafio de checar a “máquina de respostas”

Um dos pilares do chamado letramento digital é compreender que os modelos de IA operam por probabilidade estatística, não por discernimento factual.

Isso significa que as ferramentas estão sujeitas a alucinações, a geração de dados falsos, e à reprodução de vieses presentes nos dados usados em seu “treinamento”.

Por isso, o papel do professor se torna ainda mais analítico: ele precisa estar capacitado para ensinar os alunos a avaliar criticamente os resultados gerados pela tecnologia.

Se o educador não souber conduzir essa checagem, a IA passa a ser aceita como verdade absoluta em sala de aula, quando, na realidade, seu potencial está em potencializar o ensino, não em miná-lo ou condicioná-lo.

Da automação de tarefas ao motor de debates

O desafio da educação contemporânea é transformar a IA de uma ferramenta de automação de tarefas em um motor de debates.

Em vez de utilizá-la para substituir a redação de um texto ou a resolução de um problema matemático, a proposta é usá-la como contraponto.

Os professores podem, por exemplo:

• Desafiar os alunos a encontrar erros em um texto gerado pela IA;
• Comparar as respostas da máquina com fontes bibliográficas tradicionais;
• Utilizar os algoritmos para formular diferentes hipóteses de pesquisa.

Nesse sentido, a IA deve funcionar como ponto de partida para o questionamento, não como ponto final do conhecimento.

Três formas de usar a IA generativa sem renunciar ao pensamento crítico

1. Procurar erros: pedir aos alunos que identifiquem imprecisões, alucinações ou vieses em um texto gerado pela IA antes de aceitá-lo como resposta final.

2. Comparar fontes: confrontar o que a IA produz com bibliografia acadêmica e fontes primárias, mantendo a checagem “uma fonte de cada vez”.

3. Formular hipóteses: usar os algoritmos como ponto de partida para levantar perguntas de pesquisa, não como substituto da reflexão do estudante.

Leia a reportagem completa que o Science Arena publicou sobre este tema.

O post IA na educação pode virar novo “copia e cola” apareceu primeiro em Science Arena.

O cenário atual revela um “apagão” institucional: professores e futuros docentes buscam usar a IA e tentam fazê-lo por conta própria, de forma limitada e sem suporte metodológico das universidades.

O alerta vem de um estudo publicado na revista científica Teaching and Teacher Education. O levantamento foi realizado em janeiro e fevereiro de 2024 em uma universidade do noroeste dos Estados Unidos e ouviu 52 licenciandos, com idade média de 20 anos, e 21 professores universitários responsáveis por sua formação, com idade média de 54 anos e cerca de duas décadas de experiência docente. 

Os resultados foram reveladores: dos 52 futuros professores entrevistados, 49 declararam nunca ter recebido nenhum tipo de treinamento formal sobre como aplicar IA no ensino.

O desconforto não é exclusivo dos licenciandos. Entre os 21 formadores, 18 afirmaram não usar IA generativa em suas próprias aulas, 18 também relataram nunca ter recebido treinamento sobre o tema e apenas 9 permitem que os alunos utilizem a ferramenta em atividades, ainda que de forma restrita.

Essa ausência de diretrizes institucionais cria uma contradição: o estudo indica que licenciandos e docentes reconhecem vantagens da IA, como economia de tempo e suporte para planos de aula, mas a falta de orientação restringe o uso a experimentações informais e individuais. 

Prova disso é a autoavaliação da própria alfabetização em IA: em uma escala de 0 a 10, a nota média dada pelos licenciandos foi de apenas 4,2, enquanto os formadores se avaliaram com 3,9.

Sem o protagonismo das universidades na reformulação dos currículos de licenciatura, a IA corre o risco de permanecer em uma espécie de “clandestinidade acadêmica”, associada ao medo do plágio e da perda de integridade científica.

O que explica a resistência, apesar do interesse

Para entender por que professores e futuros docentes hesitam em adotar a IA mesmo reconhecendo seu potencial, a pesquisa recorre à teoria da difusão de inovações, formulada pelo sociólogo Everett Rogers em 2003. 

O modelo usa cinco atributos para explicar como novas tecnologias se espalham (ou não) dentro de um grupo social, e ajuda a mapear os pontos de atrito na adoção da IA em sala de aula.

Cinco fatores que explicam a adoção (ou rejeição) da IA na formação docente

1. Vantagem relativa: o quanto a IA é percebida como melhor do que os métodos já existentes — licenciandos citam economia de tempo e apoio à geração de ideias como ganhos concretos.

2. Compatibilidade: o quanto a ferramenta se encaixa nos valores e nas práticas já estabelecidas na formação docente, incluindo preocupações éticas sobre plágio e integridade.

3. Complexidade: o grau de dificuldade percebido para aprender a usar a IA de forma pedagogicamente adequada, sem suporte institucional.

4. Testabilidade: a possibilidade de experimentar a ferramenta antes de incorporá-la de forma consistente ao ensino, hoje restrita a iniciativas informais e individuais.

5. Observabilidade: a facilidade de visualizar resultados concretos do uso da IA em sala de aula, ainda rara diante da falta de diretrizes e exemplos institucionais.

Formação continuada como caminho metodológico

Para superar essa barreira, especialistas apontam que o caminho não passa por oferecer meros tutoriais de softwares ou oficinas isoladas de “como usar o ChatGPT”. 

O que a educação exige são políticas públicas de formação continuada focadas em letramento digital e metodologia.

Se as licenciaturas não assumirem a liderança desse processo agora, professores continuarão tateando no escuro, e alunos se formarão em desvantagem em um mundo já moldado pela tecnologia.

Para os dados detalhados da pesquisa e a análise teórica sobre a difusão da IA na educação, veja a matéria publicada anteriormente no Science Arena.

O post Ensinar professores a usar ChatGPT não basta, alerta estudo  apareceu primeiro em Science Arena.

Esse processo costuma trazer dificuldades mesmo para pesquisadores experientes. Como selecionar os resultados mais relevantes? Por onde começar a redação? Como construir uma discussão que não apenas repita os dados, mas demonstre de que maneira o estudo confirma, amplia ou questiona trabalhos anteriores?

Essas são algumas das questões que serão abordadas no próximo encontro virtual do Science Arena, que acontece no dia 27 de julho, das 18h30 às 19h30, com transmissão online e gratuita pelo Zoom.

A convidada é Érika Rangel, pesquisadora do Einstein Hospital Israelita e professora livre-docente da disciplina de Nefrologia da Escola Paulista de Medicina da Universidade Federal de São Paulo (Unifesp).

A live será realizada via Zoom, mediante inscrição gratuita. Os participantes também poderão enviar perguntas durante a transmissão.

O que será discutido na live?

Ao longo do encontro virtual do Science Arena, serão abordados temas como:

• Por onde começar a escrever um artigo científico;
• Por que a transição dos resultados para a discussão é uma etapa crítica;
• Diferenças entre a escrita de artigos científicos e de propostas de financiamento;
• Como a IA pode ajudar na organização, revisão e aprimoramento dos textos;
• Quais tarefas não devem ser transferidas para ferramentas de IA;
• Como preservar pensamento crítico, criatividade e autoria intelectual;
• Cuidados éticos, privacidade e transparência no uso da IA;

Dos resultados à discussão científica

Durante o encontro, Érika Rangel abordará os principais desafios envolvidos na redação de artigos científicos e propostas de financiamento: desde a estruturação do texto e a apresentação dos resultados até a construção de uma discussão consistente, capaz de evidenciar a contribuição da pesquisa.

“Se você tem seus resultados prontos, se você tem clareza dos seus achados, seu artigo está praticamente meio caminho andado”, afirma Rangel.

Um dos momentos mais desafiadores, porém, é a passagem dos resultados para a discussão. É nessa etapa que o pesquisador precisa comparar seus achados com a literatura, identificar aproximações e divergências e explicar por que determinado resultado acrescenta algo novo ao conhecimento existente.

Qual deve ser o papel da inteligência artificial?

A conversa também discutirá como ferramentas de inteligência artificial (IA) podem ser incorporadas à escrita científica.

Recursos de IA já são utilizados para organizar textos, revisar a gramática, melhorar a clareza de determinados trechos, apoiar levantamentos iniciais da literatura e auxiliar na criação de elementos visuais. Essas aplicações podem reduzir barreiras linguísticas e facilitar etapas operacionais da redação.

O desafio é impedir que a ferramenta assuma tarefas que pertencem ao pesquisador, como interpretar resultados, elaborar hipóteses, avaliar o desenho metodológico, analisar limitações e construir argumentos científicos.

“O pesquisador continua sendo o especialista. É ele que vai interpretar os resultados, fazer a discussão científica, elaborar hipóteses, julgar o desenho metodológico e conhecer as limitações do estudo. Essa avaliação crítica não pode sair do pesquisador”, ressalta Rangel.

Também serão abordados dilemas éticos associados ao uso dessas ferramentas. Entre eles estão a necessidade de declarar sua utilização, a proteção de dados e manuscritos ainda não publicados e os riscos de submeter a sistemas de IA materiais confidenciais.

Por que não perder esta live gratuita?

O encontro é voltado a estudantes de pós-graduação, pesquisadores em início de carreira, professores, orientadores e profissionais de diferentes áreas interessados em aprimorar a comunicação de seus trabalhos científicos.

Além de discutir princípios fundamentais da escrita acadêmica, a live pretende ajudar os participantes a refletir sobre decisões práticas: como organizar o processo de redação, como reconhecer as partes que exigem maior elaboração intelectual e como usar a inteligência artificial sem comprometer a qualidade, a originalidade e a integridade da pesquisa.

A discussão parte da experiência de Érika Rangel nas ciências da saúde, tanto como pesquisadora quanto como professora de escrita científica. Os desafios abordados, no entanto, são comuns a diferentes campos do conhecimento.

Serviço

Participantes

• Bruno de Pierro — mediador: jornalista e editor-chefe do Science Arena;
• Érika Rangel — convidada: pesquisadora do Einstein Hospital Israelita, professora da Escola Paulista de Medicina da Universidade Federal de São Paulo (Unifesp).

Ou copie e cole o endereço em seu navegador:

https://einstein.zoom.us/webinar/register/WN_RP15WPNxRW2Jlsu8psbfYQ#/registration

O post Escrita científica e IA: como preservar pensamento crítico e autoria? apareceu primeiro em Science Arena.

Com uma abordagem que recusa tanto o entusiasmo acrítico quanto o pânico tecnológico, ela posiciona a IA não como ameaça ao meio acadêmico, mas como espelho que revela o que sempre esteve lá: lacunas na formação metodológica, questões mal resolvidas de autoria e uma cultura que ainda trata a integridade científica como protocolo burocrático, não como valor.

A chegada de ferramentas de IA ao cotidiano da pesquisa levou órgãos como o Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) a publicarem portarias inéditas de regulamentação — sinal de que a prática já é realidade e exige diretrizes claras de governança. 

Para Scussel, o maior risco não é a tecnologia em si, mas o pesquisador que delega à máquina tarefas que são, na essência, intelectuais.

Em entrevista ao Science Arena, ela explica como selecionar ferramentas com critério, por que a validação cruzada é inegociável e o que separa o uso responsável da IA do simples uso inconsequente.

Science Arena – Quais são os maiores desafios práticos que os pesquisadores enfrentam para usar IA sem comprometer a qualidade do trabalho?

Fernanda Scussel – A IA colocou luz sobre problemas fundamentais da comunidade acadêmica que já existiam, mas eram negligenciados, como as questões de autoria, autenticidade e a fragilidade no ensino de metodologia no Brasil. 

O desafio não é apenas usar a ferramenta de forma ética, mas olhar para a cultura acadêmica como um todo. 

O foco precisa sair da tecnologia em si e voltar para o processo de pesquisa. Ou seja, a IA deve ser vista como uma ferramenta para etapas específicas, e não como uma solução mágica para escrever teses ou ler artigos por conta própria.

Muitos pesquisadores se sentem perdidos com a quantidade de ferramentas. Qual o seu critério para selecionar o que realmente é útil?

O critério principal é a adequação ao uso. O pesquisador deve primeiro definir o que precisa resolver e só então escolher a tecnologia. Outro ponto é o teste: recomendo explorar no máximo três ou quatro ferramentas e focar naquela com que se tem mais afinidade. 

O bom resultado vem do proveito que se tira de uma ferramenta específica, pois o uso contínuo permite o aprendizado de máquina e o modelo passa a compreender melhor as necessidades do usuário.

Quais estratégias de validação são inegociáveis para garantir que uma ferramenta seja confiável?

Precisamos entender que as plataformas de IA são empresas e têm um “elemento bajulador” para promover engajamento, ou seja, elas querem te agradar. 

Por isso, o pesquisador deve ter o seu próprio critério de validação. Uma estratégia crucial é o “cross check” (validação cruzada). Isso significa verificar se o que a IA afirma condiz com o que o autor do artigo realmente escreveu. 

Outro erro fatal é delegar tarefas essenciais, como a leitura, à máquina. Use a IA para acelerar o processo, como ler um texto complexo, mas nunca deixe de ser o responsável intelectual pelo conteúdo. 

Como você se mantém atualizada e consegue diferenciar o que é inovação real do que é apenas “hype”?

É preciso muito cuidado com o hype, que gera um ambiente ansiogênico. Se você já usa uma ferramenta que entrega resultados seguros e satisfatórios, não precisa migrar para a “novidade da semana” apenas por pressão. 

Manter o foco em uma ferramenta ajuda no aprendizado de máquina que eu mencionei anteriormente, e ainda reduz a ansiedade de estar sempre atrás da próxima técnica. 

Hoje eu testo muitas opções por ser professora, mas, para o pesquisador, o ideal é silenciar o ruído e se concentrar no que funciona para o seu processo.

Quais são os erros mais comuns no uso das ferramentas?

O primeiro é não saber fazer um prompt eficaz. É preciso saber “mandar” na IA, isto é, dar a ela contextos e limites.

O segundo é a ausência de interação: muitos copiam e colam a primeira resposta, o que gera textos genéricos e risco de plágio. 

Por fim, há a falta de compreensão técnica, como ignorar a “janela de contexto”, o que leva a alucinações da máquina quando se insere informações demais.

Como estruturar um prompt eficaz para pesquisa científica

Quais são as maiores oportunidades que a IA oferece para democratizar a ciência brasileira hoje?

A IA praticamente eliminou a barreira do inglês, por exemplo, e esse, para mim, foi um grande ganho. Pesquisadores que não dominam o idioma agora podem compreender textos complexos e participar de aulas em pé de igualdade. 

Para você, quais são os próximos passos dessa tecnologia?

Precisamos agora trabalhar na formação dos professores, para que eles estejam mais preparados e possam usar também nas suas práticas, ensinando o aluno a fazer corretamente. 

É preciso falar sobre tudo isso com responsabilidades e sem tabu, pois é um tema que veio para ficar e, portanto, merece atenção e seriedade.

O post “O risco não é a IA, mas delegar à máquina o que é intelectual”, diz pesquisadora apareceu primeiro em Science Arena.

Natural de São José dos Campos (SP) e formada em ciências moleculares pela Universidade de São Paulo (USP), Prôa também é mezzo-soprano pela Academia da Orquestra Sinfônica do Estado de São Paulo (OSESP), onde ela começou a articular seus interesses por música e ciência. 

No Einstein, Prôa tem se dedicado ao desenvolvimento de soluções para o Sistema Único de Saúde (SUS): mais especificamente, algoritmos de triagem de doenças e modelos que cruzam dados climáticos e de saúde para prever impactos das mudanças ambientais em populações mais vulneráveis.  

Nesta entrevista ao Science Arena, Prôa fala sobre seu processo de internacionalização acadêmica, os vieses dos dados em inteligência artificial (IA) e o que a academia ainda precisa fazer para se aproximar mais da população.  

Os primeiros acordes 

Graduada em ciências moleculares pela USP, com passagem pelas áreas de matemática e neurociência, Prôa chegou ao Einstein Hospital Israelita ainda na graduação para estudar distonia, uma condição neurológica comum entre músicos.  

O encaixe entre as diferentes áreas do conhecimento não foi acidental: a pesquisadora queria, desde o início, explicar o cérebro por meio de modelos matemáticos — um impulso quase filosófico de traduzir emoções e percepções em equações. 

A música nunca foi apenas pano de fundo nessa trajetória. Ao mesmo tempo em que se formava em ciências moleculares, Prôa atuava como cantora profissional e como mezzo-soprano na OSESP.  

Foi observando uma orquestra na Alemanha que ela teve insights que seriam centrais em seus modelos matemáticos. 

Foi também no Einstein onde ela encontrou um novo eixo de atuação: compreender o impacto direto da pesquisa científica na saúde pública. Trabalhando com neuroimagem e, depois, com inteligência artificial aplicada a imagens médicas, a jovem percebeu que poderia encurtar a distância entre pesquisa e vida real.  

“Eu me apaixonei por ver a ciência chegando nas pessoas”, conta.  

Desde então, sua atuação se voltou ao desenvolvimento de soluções para o SUS, incluindo algoritmos para triagem de doenças e modelos que cruzam dados de clima e saúde para prever impactos das mudanças ambientais em populações vulneráveis. 

Voos internacionais 

A internacionalização de Prôa não foi planejada desde a infância. Foi, segundo ela, fruto de uma busca ativa para entender o sistema acadêmico global.  

Em 2022, ingressou no doutorado em neurociência teórica na Universidade Columbia, em Nova York. Dois anos depois, ao completar o segundo ano — período em que o programa confere automaticamente um mestrado —, pediu uma licença de um ano para cursar um mestrado em saúde pública em Harvard. Concluiu a formação em maio de 2025 e retomou o doutorado em Columbia no semestre seguinte. 

A decisão, à primeira vista pouco convencional, tem raiz em uma percepção que emergiu durante o próprio doutorado: ao trabalhar com projetos voltados ao Sistema Único de Saúde (SUS), Prôa percebeu que os resultados geravam impacto mais concreto e imediato do que a pesquisa em modelos matemáticos do cérebro — sua linha original.  

O deslocamento não foi de área, mas de escala: do laboratório para o sistema de saúde. Para atuar nessa frente com o mesmo rigor técnico, avaliou que precisava de formação em saúde pública e gestão estratégica. Harvard entregou exatamente isso.  

Um ponto de virada foi, em 2021, ainda antes de ingressar no doutorado, a participação na Iniciativa Próxima, programa de mentoria da Universidade Yale (EUA) voltado a jovens cientistas na área de ciências biomédicas.  

Durante um ano, Prôa teve como mentor um doutorando em neurociência de Yale, que a acompanhou no processo de candidatura: do mapeamento do sistema acadêmico internacional ao desafio emocional de redigir o personal statement. 

Em Columbia, ela se viu como a única de sua turma vinda de fora do circuito de elite das universidades americanas, o que reforçou sua motivação para participar de programas de mentoria voltados a outros estudantes. 

Um dos maiores obstáculos foi a redação do personal statement, texto em que o candidato deve defender seu valor. A pesquisadora relata que precisou superar o que identifica como “cultura de humildade brasileira” e a síndrome do impostor, barreiras que dificultavam a autodefesa adequada de suas conquistas. 

Essa dificuldade com a autodefesa, que ela reconhece como traço cultural, não individual, acabou se tornando matéria-prima para um trabalho de comunicação à parte.  

Com mais de 30 mil seguidores no Instagram, Prôa passou a orientar jovens pesquisadores interessados em estudar no exterior, compartilhando o que aprendeu sobre candidaturas internacionais, interdisciplinaridade e carreira acadêmica.  

O movimento ganhou forma durante o mestrado em Harvard, quando atuou como comunicadora científica da instituição. O retorno tem sido especialmente positivo entre estudantes brasileiros sem acesso a redes de apoio estruturadas. 

Ciência sem pedestal 

Ao falar de inteligência artificial — tema central de sua atuação atual —, Prôa evita o entusiasmo acrítico. Para ela, a importância da tecnologia está menos na sofisticação técnica e mais nas perguntas que orientam seu uso.  

Em um país marcado por desigualdades, isso significa garantir que algoritmos de diagnóstico funcionem para diferentes perfis de pacientes. 

“Se você treina um modelo só com dados de um grupo, ele não vai funcionar para os outros”, afirma. Além disso, ela reforça que a academia precisa aprender a dialogar com a ponta, acolher dúvidas e abdicar do pedestal que afasta o conhecimento da população. 

Para quem está começando, os conselhos são diretos: “Não tenha medo das suas dúvidas. Nenhuma pergunta é estúpida. E, talvez mais importante, reconheça que a ciência não é um caminho solitário nem linear. Não basta ter resultado. Existe comunicação, relações humanas, política. Ter uma rede de apoio faz toda a diferença.” 

Como se candidatar a universidades internacionais 

O post Mezzo-soprano e cientista: como Renata Prôa internacionalizou sua carreira na pesquisa  apareceu primeiro em Science Arena.

Em entrevista ao Science Arena, Glauco Arbix, coordenador científico da Cátedra IA Responsável da Universidade de São Paulo (USP), destacou que a ciência por si só já está inserida em um contexto de instabilidades. Isso porque a sociedade vive constantemente em momentos turbulentos, desde problemas geopolíticos até econômicos. 

Quando se trata das tecnologias, ele pontuou que “toda tecnologia nova, ainda mais essas que são transformadoras, carrega problemas às vezes do mesmo tamanho ou maiores do que as expectativas”. O sociólogo da USP completou: “Você tem a esperança de que a vida vai melhorar e, ao mesmo tempo, a adoção da tecnologia pode gerar problemas”. 

De acordo com Arbix, a inteligência artificial otimiza processos de pesquisa, mas traz consigo questões que exigem cuidados extras por parte dos cientistas, como os riscos associados à aceleração da produção de artigos científicos sem olhar crítico. 

A IA e o viés na pesquisa científica

O enviesamento de uma pesquisa é um problema que a IA intensifica. Segundo Arbix, isso acontece porque os dados obtidos por meio da ferramenta são majoritariamente produzidos e armazenados por empresas que têm origem em países de língua inglesa. 

“Você não consegue estar preparado para trabalhar com a África ou com a América do Sul”, disse. “A pesquisa se torna mais homogênea, portanto menos inovadora”, adicionou. 

Outro ponto destacado é a necessidade de atenção em como realizar perguntas a essas plataformas, pois, dependendo do questionamento, a ferramenta irá responder da maneira como o pesquisador gostaria e não como uma evidência.

Desigualdade no acesso à inteligência artificial

Apesar de a IA estar sendo cada vez mais aprimorada, nem todos os países têm o mesmo acesso às ferramentas. Os Estados Unidos e a China são as duas nações que estão muito à frente de outras quando se trata do desenvolvimento da IA. 

De acordo com Arbix, o segundo bloco de países com um acesso maior a essa tecnologia é composto por nações como Alemanha, França e Reino Unido. 

“Nós temos deficiências muito grandes, seja na área de data center, seja na área de qualificação das pessoas ou no acesso exatamente aos avanços”, alertou. “Se não tivermos grandes programas de letramento da inteligência artificial para fazer com que as pessoas consigam desmistificá-la e utilizá-la, se não tivermos alteração na maneira como o ensino está sendo oferecido, nós teremos uma reprodução da desigualdade”.

Para ler o conteúdo completo sobre as incertezas geradas pelo uso de inteligência artificial na ciência, veja a entrevista nesta matéria do Science Arena.

O post Inteligência artificial: como a tecnologia gera incertezas na ciência? Veja o que diz especialista apareceu primeiro em Science Arena.

Segundo a análise, a adoção da telemedicina facilitou o acesso a diagnósticos e tratamentos no país. A implantação de sistemas digitais com informações de saúde de pacientes também foi destacada como medida positiva.

O uso de inteligências artificiais (IAs) é outro exemplo de tecnologia digital em expansão no Brasil. Segundo o Ministério da Saúde, em nota enviada à reportagem, o emprego de IAs no Sistema Único de Saúde (SUS) está alinhado com o Plano Brasileiro de Inteligência Artificial (PBIA), proposta lançada em 2024 com o objetivo de melhorar serviços públicos a partir da assimilação da tecnologia.

A incorporação das IAs já ocorre em duas frentes. No âmbito dos profissionais, a tecnologia pode auxiliar médicos no diagnóstico de doenças. No âmbito dos pacientes, ferramentas de IA estão disponíveis para esclarecer dúvidas de saúde ou elaborar diagnósticos preliminares a partir de sintomas relatados. Esse cenário abre novos desafios e oportunidades para profissionais que lidam com uma população com acesso crescente a informações médicas.

IA já integra o currículo médico brasileiro

O tema é do interesse de Matheus Torsani, médico e diretor do Centro de Inteligência Artificial da Faculdade de Medicina da Universidade de São Paulo (FMUSP). Ele afirma que o uso de IAs na medicina já é uma realidade: na mais recente atualização das Diretrizes Curriculares Nacionais (DCNs) dos cursos de medicina, publicada em 2024, a inteligência artificial figura como tópico a ser incorporado à formação.

“A ideia do nosso centro é tentar organizar o que existe e centralizar como será a formação dos profissionais”, afirma Torsani.

Para o médico, desenvolver senso crítico sobre o uso de IAs é uma prioridade, tanto para profissionais de saúde quanto para pacientes. Construir esse senso implica compreender que as ferramentas não são completamente precisas e que não têm como finalidade substituir a relação pessoal entre médicos e pacientes.

Eficiência e prevenção: onde as IAs podem ajudar

Simão Campos, especialista que participou de projetos na intersecção entre tecnologia e saúde — entre eles, o grupo sobre IAs para saúde conduzido em parceria entre a Organização Mundial da Saúde (OMS) e a União Internacional de Telecomunicações (ITU) —, acredita que as IAs não substituirão os humanos. Para ele, a grande vantagem da tecnologia é melhorar ganhos e eficiência em sistemas de saúde.

Mas alcançar esse potencial depende de fatores combinados. Campos destaca que profissionais de saúde precisam reconhecer que as IAs já são uma ferramenta amplamente disseminada entre pacientes. E que os modelos devem ser desenvolvidos a partir de bases de dados robustas e especificamente adaptadas ao campo da saúde, o que reduz erros nas conclusões geradas.

A compreensão das limitações desses sistemas por parte dos pacientes é igualmente relevante. Segundo o especialista, esse entendimento tem impacto positivo na relação entre profissionais e pacientes: a população passa a reconhecer que a análise de um especialista humano permanece fundamental mesmo diante do avanço tecnológico.

Bases de dados e resistência mútua

Wagner Meira, professor do Departamento de Ciência da Computação da Universidade Federal de Minas Gerais (UFMG) e pesquisador do Centro de Inovação e Inteligência Artificial para Saúde (CI-IA), trabalha com mineração de dados no campo da saúde há cerca de 25 anos. Mais recentemente, desenvolve pesquisas com uso de IA e machine learning, incluindo estudos sobre como modelos de linguagem treinados com grande volume de dados podem ser aproveitados para o treinamento médico.

Essa linha de pesquisa ainda está em aberto. Uma das razões, segundo Meira, é a desconfiança de profissionais de saúde quanto à eficácia e segurança das IAs. Mas a resistência também existe no sentido oposto: profissionais da tecnologia que trabalham com IAs encontram dificuldades para desenvolver modelos adequados ao campo da saúde.

Para ele, nem os profissionais de saúde nem os desenvolvedores de IA são os atores menos debatidos nessa equação: são os pacientes. No CI-IA, por exemplo, o pesquisador desconhece estudos orientados especificamente a discutir o tema a partir da perspectiva de quem recebe o cuidado.

Ainda assim, a visão que Meira repercute é similar à de outros especialistas ouvidos na reportagem: pacientes precisam desenvolver pensamento crítico ao utilizar IAs e compreender que a tecnologia não é uma bala de prata e que o acompanhamento médico permanece insubstituível.

O post Inteligência artificial na saúde: desafios e oportunidades para médicos e pacientes apareceu primeiro em Science Arena.

Diante da rápida multiplicação de ferramentas e possibilidades, uma pergunta tem se tornado cada vez mais comum: afinal, quais soluções usar e como utilizá-las de forma crítica e estratégica?

Esse será o ponto de partida do próximo encontro virtual do Science Arena, que acontece no dia 30 de abril, às 18h30, e terá como convidado o médico João Brainer, pesquisador clínico do Einstein Hospital Israelita e professor da Universidade Federal de São Paulo (Unifesp).

A live será realizada via Zoom mediante inscrição gratuita.

Haverá intérprete de Libras e os participantes poderão fazer perguntas por meio do chat.

Guia prático sobre uso de IA na pesquisa

Com uma proposta prática, o encontro vai percorrer as diferentes etapas da produção de um artigo científico para mostrar como a IA pode ser incorporada no dia a dia da, desde a formulação da pergunta de pesquisa até a redação e divulgação dos resultados.

O pesquisador é criador de diversas plataformas digitais para modelos preditivos de complicações neurológicas, diagnóstico e classificação em neurologia.

Ao longo da live, serão discutidas aplicações concretas de IA em tarefas como:

• Revisão de literatura;
• Organização de referências;
• Estruturação de manuscritos
• Análise de dados;
• Escrita acadêmica.

Ferramentas como Consensus, Elicit, SciSpace, Jenni Ai e NotebookLM, entre outras, devem aparecer como exemplos práticos de uso no cotidiano científico, especialmente em contextos de acesso aberto e amplo alcance.

Por que não perder esta live?

Mais do que apresentar soluções, o encontro também pretende discutir um ponto central: o uso dessas tecnologias já é uma realidade consolidada — e ignorá-las pode significar perder eficiência no processo de pesquisa.

“Hoje é praticamente impossível um pesquisador não utilizar algum tipo de ferramenta de IA em alguma etapa do trabalho”, observa Brainer.

Nesse cenário, diz o pesquisador, o desafio não é mais decidir se a IA deve ou não ser utilizada, mas compreender como utilizá-la com responsabilidade.

O encontro virtual busca oferecer um panorama integrado e aplicado, especialmente útil para pesquisadores em início de carreira ou para aqueles que ainda se sentem perdidos diante da diversidade de ferramentas.

Serviço

Participantes:

• Bruno de Pierro (mediador): editor-chefe do Science Arena
• João Brainer: médico, pesquisador do Einstein Hospital Israelita e professor da Unifesp

INSCRIÇÕES GRATUITAS

Ou copie e cole o link em seu navegador: https://einstein.zoom.us/webinar/register/WN_U5RduJe3SIyKEnuRkUKMXg#/registration

O post IA na ciência: como escolher e usar as melhores ferramentas na prática apareceu primeiro em Science Arena.

O cotidiano de um pesquisador envolve tarefas diversas — da escrita de artigos à análise de dados. A IA pode ajudar nessas frentes, liberando tempo para atividades de maior complexidade intelectual. O problema, segundo especialistas, está em como esse auxílio é incorporado ao processo de aprendizagem.

A distância entre gerações de pesquisadores torna isso evidente: enquanto muitos doutores consolidados desenvolveram suas habilidades de escrita e análise de forma manual, estudantes de doutorado que ingressam agora já têm acesso irrestrito a plataformas de IA — e podem nunca precisar exercitar essas competências de forma independente.

Confira na íntegra a entrevista de Helder Nakaya ao Science Arena:

Quando a IA compromete a formação

Em entrevista ao Science Arena, o biólogo Helder Nakaya, pesquisador sênior do Hospital Israelita Albert Einstein, distingue dois cenários. No primeiro, o pesquisador já domina as competências fundamentais (sabe escrever um artigo, interpretar dados, estruturar um argumento) e usa a IA para ampliar produtividade ou refinar resultados. Nesse caso, os riscos são limitados.

No segundo cenário, o problema se torna estrutural: quando o pesquisador começa a aprender uma habilidade utilizando a IA como suporte desde o início. 

Nakaya reconhece também a pressão estrutural que empurra pesquisadores para o uso intensivo da ferramenta: a exigência crescente por publicações aumenta a demanda por escrita e revisão, tornando difícil renunciar a qualquer recurso que agilize o processo.

O impacto na qualidade dos manuscritos

Além da formação individual, o avanço da IA na produção científica levanta uma preocupação com a qualidade e a distinção entre pesquisadores. “A facilidade de gerar textos maravilhosos, com o inglês perfeito, torna difícil distinguir a qualidade dos pesquisadores a partir dos manuscritos submetidos para publicação”, disse Nakaya.

O resultado, segundo ele, é uma crise de autenticidade: quando um texto não é reconhecido como genuíno e sim como produto de IA. O trabalho perde valor e prestígio no campo científico.

Autenticidade como diferencial

Nesse contexto, a autenticidade pode se tornar um ativo cada vez mais valorizado na carreira científica. Para Nakaya, ela funciona como uma espécie de “moeda de troca”: o reconhecimento do esforço humano, da curiosidade genuína e da capacidade de formular perguntas originais são elementos que a IA, por ora, não consegue replicar.

Para saber mais sobre o uso da inteligência artificial na carreira científica, veja a entrevista completa com Helder Nakaya no Science Arena.

O post Uso de IA na pesquisa científica pode prejudicar formação de novos pesquisadores apareceu primeiro em Science Arena.