Inteligência Artificial e Dissertações: 10 Erros que a IA Pode Não Detetar no Seu Trabalho Académico

A Inteligência Artificial tornou-se uma ferramenta cada vez mais presente na vida dos estudantes universitários, no entanto, existe um risco importante que muitos estudantes ignoram. A Inteligência Artificial também pode deixar passar erros relevantes numa dissertação, tese ou noutro trabalho académico.

Um texto pode parecer correto, bem organizado e formal e, mesmo assim, apresentar problemas científicos que uma ferramenta de Inteligência Artificial não consegue identificar com segurança. Por essa razão, utilizar IA não elimina a necessidade de revisão crítica, conhecimento científico e acompanhamento académico.

Conheça 10 erros que a IA pode não detetar numa dissertação e que podem afetar seriamente a qualidade do seu trabalho.

1. Um problema de investigação mal definido

Uma dissertação pode estar muito bem escrita e continuar a partir de um problema de investigação pouco claro. A IA pode melhorar a forma como uma pergunta está redigida, mas isso não significa que consiga determinar se essa pergunta tem verdadeira relevância científica.

O problema de investigação deve ser específico, investigável e coerente com a área de estudo. Se for demasiado amplo ou pouco fundamentado, todo o trabalho pode perder consistência.

2. Falta de ligação entre objetivos e metodologia

Este é um dos problemas mais importantes em muitos trabalhos académicos. Os objetivos podem indicar que o estudante pretende compreender determinado fenómeno, enquanto a metodologia escolhida não permite obter os dados necessários para responder a esses objetivos.

A Inteligência Artificial pode analisar cada parte isoladamente e considerar que ambas parecem corretas. O problema surge quando é necessário avaliar a coerência global entre pergunta de investigação, objetivos, metodologia, dados e conclusões.

3. Uma revisão bibliográfica aparentemente boa, mas superficial

Uma revisão bibliográfica não deve ser apenas uma sequência de autores e estudos. É necessário comparar perspetivas, identificar diferenças, reconhecer limitações e construir uma linha de raciocínio.

A IA pode ajudar a criar um texto fluido, mas um texto fluido não é necessariamente uma boa revisão da literatura. Uma dissertação pode apresentar muitas referências e continuar a não explicar o que já se sabe, o que ainda não se sabe e onde se encontra o contributo da investigação realizada.

4. Referências pouco adequadas ao tema

Nem todas as fontes são igualmente relevantes. Um artigo pode ser verdadeiro, científico e corretamente citado e, ainda assim, ser pouco adequado para sustentar determinada afirmação.

A Inteligência Artificial nem sempre consegue perceber se uma referência é realmente central para o argumento apresentado. Isto torna especialmente importante verificar cada fonte e compreender porque razão aquela referência está a ser utilizada naquele ponto do trabalho académico.

5. Conceitos utilizados de forma inconsistente

Ao longo de uma dissertação é frequente trabalhar com vários conceitos próximos. Por exemplo, satisfação, motivação, envolvimento ou desempenho podem estar relacionados, mas não significam a mesma coisa.

Uma IA pode aceitar pequenas alterações terminológicas sem perceber que o autor começou por definir um conceito e terminou o trabalho a analisar outro. A consistência conceptual é essencial para manter o rigor científico.

6. Uma metodologia possível, mas inadequada

Uma metodologia pode estar tecnicamente correta e continuar a não ser a melhor escolha para aquela investigação.

Imagine que existe uma pergunta que procura compreender profundamente as experiências de um determinado grupo. Aplicar apenas um questionário fechado pode produzir dados, mas talvez não permita obter a profundidade necessária.

A IA pode explicar métodos quantitativos e qualitativos, mas a escolha final exige perceber o que se pretende descobrir e qual é a melhor forma de obter essa informação.

7. Problemas na interpretação dos resultados

Um dos maiores perigos ocorre quando os resultados são apresentados corretamente, mas interpretados de forma exagerada.

Encontrar uma associação entre duas variáveis não significa necessariamente que uma causa a outra. Do mesmo modo, um resultado estatisticamente significativo não significa automaticamente que tenha grande importância prática.

A IA pode ajudar a interpretar uma tabela, mas a leitura dos resultados deve respeitar o desenho da investigação, as limitações dos dados e o contexto científico do estudo.

8. Conclusões que vão além dos dados obtidos

É comum encontrar trabalhos em que a conclusão afirma mais do que aquilo que os resultados realmente permitem afirmar.

Por exemplo, uma investigação realizada com uma pequena amostra de estudantes de uma única universidade dificilmente permite concluir que os mesmos resultados se aplicam a todos os estudantes universitários.

Uma boa conclusão deve responder aos objetivos do trabalho sem transformar resultados limitados em afirmações universais.

9. Contradições entre diferentes capítulos

Durante vários meses de escrita, determinadas ideias podem mudar. O estudante pode reformular um objetivo, alterar uma hipótese ou modificar a metodologia, mas esquecer-se de atualizar outras partes do documento.

O resultado pode ser uma dissertação em que a introdução apresenta um objetivo, a metodologia apresenta outro e a conclusão responde a uma terceira questão.

A IA pode identificar algumas inconsistências, mas nem sempre consegue reconhecer todas as contradições num documento académico extenso.

10. Um trabalho correto, mas sem verdadeiro contributo científico

Este pode ser o erro mais difícil de identificar.

Uma dissertação pode ter introdução, revisão bibliográfica, metodologia, resultados, discussão e conclusão. Pode cumprir todas as regras formais e, mesmo assim, deixar uma pergunta importante sem resposta: o que acrescenta este estudo ao conhecimento existente?

A Inteligência Artificial tende a avaliar aquilo que está escrito. No entanto, perceber se existe um contributo relevante implica conhecer profundamente a literatura, o contexto da investigação e aquilo que já foi estudado.

A IA pode ajudar, mas não substitui uma revisão científica

Utilizar Inteligência Artificial numa dissertação não significa necessariamente comprometer a qualidade do trabalho. Quando utilizada de forma responsável, pode ser uma ferramenta útil para organizar informação, melhorar a clareza do texto e apoiar algumas etapas da escrita.

O problema surge quando o estudante assume que, porque a IA não encontrou erros, o trabalho está cientificamente correto.

Uma dissertação deve ser avaliada como um conjunto. O tema, o problema de investigação, os objetivos, a revisão bibliográfica, a metodologia, os resultados e as conclusões devem estar ligados por uma lógica clara.

Antes de entregar qualquer trabalho académico, não pergunte apenas se o texto está bem escrito. Pergunte também se a investigação faz sentido, se os argumentos estão sustentados, se os métodos respondem aos objetivos e se as conclusões correspondem realmente aos resultados obtidos.

A Inteligência Artificial pode ser uma excelente ferramenta de apoio. O pensamento crítico, o rigor científico e a capacidade de avaliar a coerência de uma investigação continuam, contudo, a ser indispensáveis para produzir trabalhos académicos de qualidade.