Rafael Cardoso Sampaio, Professor permanente do Programa de Pós-graduação em Ciência Política e Comunicação da Universidade Federal do Paraná (UFPR)
Maria Alejandra Nicolás, Professora do Programa de Mestrado em Políticas Públicas e Desenvolvimento da Universidade Federal da Integração Latino-Americana (UNILA)
Luiz Rogério Lopes Silva, Professor substituto do Departamento de Ciência e Gestão da Informação da Universidade Federal do Paraná (UFPR)
Christiana Soares de Freitas, Professora dos Programas de Pós-graduação em Comunicação e em Governança e Inovação em Políticas Públicas Universidade de Brasília (UNB)
Marcio Telles, Professor permanente do Programa de Pós-Graduação em Comunicação e Linguagens da Universidade Tuiuti do Paraná (UTP)
João Senna Teixeira, Bolsista de pós-doutorado no Instituto Nacional de Ciência e Tecnologia em Democracia Digital (INCT-DD) da Universidade Federal da Bahia (UFBA)
Acabamos de depositar no SciELO Preprints, um ensaio sobre os possíveis impactos do uso do ChatGPT,1 outros modelos grandes de linguagem (large language models ou LLMs) e de outras inteligências artificiais (IAs) na pesquisa científica. Nosso objetivo ao resumi-lo é justamente colaborar com o esforço do blog do SciELO em discutir sobre o uso das IAs no fazer científico, que já teve duas contribuições pertinentes de Ernesto Spinak, uma sobre o que já temos de consenso em termos da comunicação científica2 e outra sobre traduções feitas por máquinas.3 Além de, claro, aproveitar que o ensaio se encontra em preprint para receber comentários e contribuições dos pares.
No ensaio, avançamos além da grande discussão que o ChatGPT e IAs generativas tiveram sobre a questão do plágio e “colas” em provas e trabalhos on-line. Para isso, argumentamos que tais tecnologias terão efeitos em todas as fases da pesquisa científica, denotando seis em especial.
Para exemplificar um pouco nosso ponto, três dos seis pontos abaixo foram resumos automáticos gerados pelo ChatGPT e três foram feitos por humanos. Você consegue distinguir qual é qual? As respostas estão ao final do texto.
1. Busca e seleção de literatura acadêmica
De modo similar ao que usamos para dialogar no ChatGPT, provavelmente passaremos a pesquisar fazendo perguntas diretamente. Por exemplo, em vez de pesquisarmos “fake news” AND “eleições” AND “efeitos”, perguntaremos de forma a tais sistemas, quais são os efeitos de fake news em eleições?. As respostas virão em trechos de artigos e outros materiais acadêmicos que buscam responder diretamente a nossos questionamentos. Pegando o exemplo de SciSpace abaixo, eles também imediatamente apresentarão questões follow-up, ou seja, que podem continuar o debate a respeito da temática.
Imagem: Captura de tela realizada pelos autores.
Figura 1. Exemplo de busca no SciSpace
Além disso, ao se fornecer referências ao Inciteful, em formatos de gerenciadores de citação (como. bib), ele nos retorna “textos similares”, os artigos considerados “mais importantes”, revisões recentes de “autores de destaque” e os textos recentes “mais relevantes” no tema pesquisado. E, na mesma linha, já existe um conjunto de plataformas que ao ser alimentadas com PDFs ou BIBs, fazem uso de técnicas de IA para gerar mapas de referência que mostram as conexões e redes de citações de materiais acadêmicos, como o próprio Inciteful, Litmaps e Research Rabbit.
Imagem: Captura de tela realizada pelos autores.
Figura 2. Exemplo de mapa de citações do Litmaps
2. Leitura do material acadêmico
Essas ferramentas não só permitem a leitura, grifos e comentários, mas também oferecem a opção de “conversar” com documentos acadêmicos em formatos como PDF e DOCX. Várias plataformas, como Claude, Perplexity, Elicit, Scispace, ChatPDF, Humata, e My Reader, estão em desenvolvimento para facilitar a interação com documentos acadêmicos. Essas plataformas também oferecem a capacidade de analisar múltiplos arquivos simultaneamente, permitindo aos usuários realizar questões específicas sobre o conteúdo, como metodologia e conclusões.
Imagem: Captura de tela realizada pelos autores.
Figura 3. Exemplo de interação com diferentes arquivos no MyReader
Além disso, ferramentas como Scholarcy são focadas exclusivamente em resumir materiais acadêmicos, oferecendo uma variedade de funcionalidades, como análise comparativa e destaque de conceitos importantes. A IA também está se tornando mais integrada em navegadores por meio de extensões, como o caso de SciSpace, que pode resumir e explicar artigos acadêmicos on-line.
3. Análise de dados (e programação!)
Linguagens de programação como Python e R têm se tornado habilidades valorizadas na academia. No entanto, a emergência dos LLMs, como o ChatGPT e o Github Copilot, tem potencial para modificar este cenário. Estas ferramentas auxiliam na elaboração e correção de códigos, acelerando o processo de programação e possivelmente diminuindo a necessidade de habilidades avançadas em programação.
Ferramentas específicas como Rows, uma espécie de Excel baseado em IA, e Wolfram, voltado para operações matemáticas e estatísticas, estão também ganhando espaço. Além disso, softwares acadêmicos para análise de dados qualitativos e quantitativos, como Atlas.ti e Tableau, estão começando a incorporar IA para auxiliar os pesquisadores em suas análises.
Imagem: Captura de tela realizada pelos autores.
Figura 4. Exemplo de análise de dados gerado pelo Intellectus Statistics
4. Escrita acadêmica
LLMs como o ChatGPT são capazes de realizar correções gramaticais e estruturais, além de ajustar o tom e jargões acadêmicos, fornecendo feedbacks estruturais e linguísticos, a exemplo de QuillBot e Writefull. Além disso, a IA está sendo usada para detalhar seções de “procedimentos metodológicos” e “descrição dos resultados” em trabalhos científicos, como ilustrado pela plataforma Intellectus Statistics. Estas ferramentas também estão sendo empregadas para testar ideias e gerar palavras-chave para artigos acadêmicos. O conceito de “copiloto”, no qual a IA atua como um assistente de pesquisa, está se tornando cada vez mais factível.
Imagem: Captura de tela realizada pelos autores.
Figura 5. Exemplo da ferramenta de escrita acadêmica QuillBot
5. Tradução
LLMs como o ChatGPT demonstram proficiência em múltiplos idiomas e, em diversas situações, demonstram performance superior a ferramentas como o Google Tradutor em termos de captura de nuances linguísticas. Embora não possam substituir completamente os tradutores humanos, essas ferramentas estão se tornando cada vez mais úteis para a tradução acadêmica, podendo contribuir para uma ciência mais multilíngue e globalmente acessível.
6. Apresentação dos dados
Outra área que ganhou bastante destaque nos últimos anos é a de visualização e apresentação de dados. Pela demanda cada vez maior, diversos plugins do ChatGPT e o próprio code interpreter, além do supracitado Wolfram e outros, atualmente geram visualizações automáticas dos dados, que podem ser facilmente ajustadas com poucos comandos no formato dialógico ao qual já estamos acostumados.
Para além de facilitar a criação de figuras e representações gráficas para os materiais acadêmicos e para as possíveis apresentações, as IAs já oferecem opções para a própria criação de apresentações. Criando um prompt simples com expressões ou palavras-chave e algumas demandas, já temos sites como Tome e Gamma que criam uma apresentação do zero. Fazendo uso de modelos como ChatGPT e de IAs generativas de imagens, como Midjourney e Stable Diffusion, tais sites criam literalmente todo o conteúdo em termos de textos e figuras em questão de segundos.
Imagem: Captura de tela realizada pelos autores.
Figura 6. Exemplo de apresentação sobre IA criada automaticamente no Gamma
O que isso significa?
Na parte 2 do texto, trataremos especificamente sobre questões éticas e práticas que podem decorrer desse uso das IAs nas diferentes fases da pesquisa científica. Além de convidar os colegas a lerem e comentarem o artigo em preprint, também destacamos um ensaio com reflexões similares escrito pela professora Anatalia Saraiva,4 que também está no SciELO Preprints.
Respostas
1. Busca e seleção de literatura acadêmica – Humano
2. Leitura do material acadêmico – IA
3. Análise de dados (e programação!) – Humano
4. Escrita acadêmica – IA
5. Tradução – IA
6. Apresentação dos dados – Humano
A série “ChatGPT e outras IAs transformarão toda a pesquisa científica: reflexões iniciais sobre usos e consequências” consiste em dois posts
SAMPAIO, R.C., et al. ChatGPT e outras IAs transformarão toda a pesquisa científica: reflexões iniciais sobre usos e consequências – parte 1 [online]. SciELO em Perspectiva, 2023 [viewed ]. Available from: https://blog.scielo.org/blog/2023/11/10/chatgpt-e-outras-ias-transformarao-toda-a-pesquisa-cientifica-reflexoes-iniciais-sobre-usos-e-consequencias-parte-1/
Últimos comentários