Consensus
Motor de busca acadêmico com IA. É útil para transformar uma pergunta em uma busca por estudos revisados por pares e receber sínteses ligadas às fontes.
Acessar →O ponto central
Ferramentas de IA já participam de várias etapas da pesquisa: localizar artigos, descobrir relações entre estudos, classificar referências, extrair dados e resumir evidências. Isso pode reduzir trabalho repetitivo e ampliar o acesso à literatura.
Ao mesmo tempo, pesquisas sobre aprendizagem alertam para a sobredependência: aceitar respostas prontas sem avaliar fontes, raciocínio ou limitações pode diminuir o envolvimento cognitivo necessário para aprender.
A melhor síntese é simples: use a IA como andaime para o pensamento, não como substituta dele. Ela deve ajudar a procurar, comparar, questionar e organizar evidências; a avaliação crítica continua humana.
Ferramentas para pesquisa científica
Os números de cobertura e usuários mudam com o tempo. Quando citados, são informações divulgadas pelas próprias plataformas, não medidas independentes de qualidade.
Elicit
Ajuda a localizar artigos, comparar estudos, produzir tabelas de evidências e apoiar fluxos de revisão. Em 2026 passou a oferecer recursos específicos alinhados ao PRISMA 2020.
Acessar →Scite
As Smart Citations ajudam a observar o contexto em que um trabalho foi citado e se pesquisas posteriores oferecem evidência de apoio ou contraste. É uma camada útil de avaliação, não um veredito automático sobre a verdade do artigo.
Acessar →Litmaps
Parte de artigos ou temas e explora redes de citações. É especialmente útil para visualizar a evolução de um campo, descobrir trabalhos relacionados e monitorar novas publicações.
Acessar →ResearchRabbit
Usa artigos-semente para descobrir trabalhos relacionados e representar conexões entre pesquisas. Funciona bem quando você já encontrou um ou dois bons artigos e quer ampliar o mapa.
Acessar →Semantic Scholar
Ferramenta gratuita do Allen Institute for AI para busca e descoberta de literatura científica, com recursos de IA e uma base multidisciplinar de centenas de milhões de registros.
Acessar →Rayyan
Voltado à organização, deduplicação, triagem, colaboração e síntese de referências. É particularmente útil quando há critérios explícitos de inclusão e exclusão e muitas referências para revisar.
Acessar →O que a ciência diz: benefícios e riscos
Benefícios
Uma revisão de 25 estudos sobre automação em síntese de evidências encontrou ganhos de eficiência em várias tarefas, especialmente triagem. Os resultados variaram bastante entre métodos e estudos.
Em um estudo experimental com 125 universitários, o uso de ChatGPT em contexto educacional foi associado a ganhos em habilidades de pensamento crítico, criativo e reflexivo.
O LiteRev, em uma avaliação específica sobre HIV em pesquisa na África subsaariana, encontrou 87,5% dos artigos relevantes identificados na triagem de texto completo manual, examinando uma fração do corpus e poupando trabalho de triagem.
Riscos
Uma revisão sistemática de 2024 concluiu que a sobredependência de sistemas de diálogo com IA pode afetar capacidades como tomada de decisão, pensamento crítico e raciocínio analítico. A própria revisão ressalta limitações e a necessidade de uso responsável.
Um estudo do MIT com EEG encontrou padrões diferentes de conectividade neural entre participantes escrevendo sem ferramentas, usando busca e usando LLM. O grupo sem ferramentas apresentou redes mais fortes e distribuídas; o grupo LLM, conectividade mais fraca durante a tarefa.
Importante: esse estudo do MIT foi divulgado como preprint. Ele não demonstra que a IA "danifica o cérebro", e os próprios pesquisadores alertam contra essa interpretação.
"Preguiça metacognitiva"
Fan e colaboradores estudaram como a IA generativa afeta motivação, processos de aprendizagem e desempenho. O trabalho ajuda a explicar um paradoxo: uma ferramenta pode melhorar o resultado imediato de uma tarefa e, ainda assim, não produzir o mesmo ganho no processo interno de aprendizagem.
Isso se relaciona ao offloading cognitivo: transferimos parte do trabalho mental para uma ferramenta externa. Isso não é necessariamente ruim — fazemos isso com livros, calculadoras e anotações —, mas se terceirizamos justamente a habilidade que precisamos desenvolver, podemos perder a oportunidade de exercitá-la.
Um método prático para estudantes
Para um trabalho de Psicologia, por exemplo, um fluxo possível é:
1. Pergunta→2. Consensus / Elicit→3. Semantic Scholar→4. Litmaps / ResearchRabbit→5. Scite→6. Artigo original→7. Análise crítica
| Etapa | IA pode ajudar | O estudante precisa fazer |
|---|---|---|
| Definir problema | Refinar perguntas e palavras-chave | Decidir o que realmente quer investigar |
| Buscar | Localizar e relacionar literatura | Verificar cobertura, pertinência e bases |
| Triar | Organizar e priorizar referências | Aplicar critérios de inclusão/exclusão |
| Ler | Explicar conceitos e localizar trechos | Ler método, resultados e limitações do original |
| Interpretar | Contrastar hipóteses e levantar objeções | Julgar força da evidência e formular conclusão |
| Escrever | Revisar clareza e estrutura | Assumir autoria intelectual e conferir cada citação |
Uma pergunta melhor muda o uso da IA
Como atalho
"Faça meu trabalho sobre Freud."
A ferramenta recebe o problema, escolhe o caminho, sintetiza e escreve. O estudante pode acabar avaliando apenas o produto final.
Como interlocutora
"Li este texto e entendi desta maneira. Questione minha interpretação, apresente uma leitura alternativa e diga quais pontos devo reler no original."
A IA passa a aumentar a quantidade de perguntas e verificações, em vez de eliminá-las.
Cuidados antes de citar
Uma resposta gerada por IA não substitui o artigo original. Confirme autores, título, periódico, ano e DOI; leia ao menos as partes do estudo necessárias para sustentar a afirmação; diferencie preprints de artigos revisados por pares; e não transforme associação em causalidade.
Também é importante separar dados científicos de alegações comerciais. Frases como "economiza 80%" ou "reduz o tempo em 90%" podem descrever testes internos, casos específicos ou publicidade. Elas não devem ser generalizadas sem examinar a metodologia que produziu o número.
Referências verificadas
- Zhai, C.; Wibowo, S.; Li, L. D. (2024). The effects of over-reliance on AI dialogue systems on students' cognitive abilities: a systematic review. Smart Learning Environments, 11, 28. DOI: 10.1186/s40561-024-00316-7.
- Kosmyna, N. et al. (2025). Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task. arXiv:2506.08872. Preprint. Consultar estudo.
- Fan, Y. et al. (2025). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 56, 489–530. DOI: 10.1111/bjet.13544.
- Abogunrin, S. et al. (2025). How much can we save by applying artificial intelligence in evidence synthesis? Frontiers in Pharmacology, 16:1454245. DOI: 10.3389/fphar.2025.1454245.
- Orel, E. et al. (2023). An Automated Literature Review Tool (LiteRev) for Streamlining and Accelerating Research Using Natural Language Processing and Machine Learning. Journal of Medical Internet Research, 25:e39736. DOI: 10.2196/39736.
- Fabiano, N. et al. (2024). How to optimize the systematic review process using AI tools. JCPP Advances, 4(2), e12234. DOI: 10.1002/jcv2.12234.
- Essel, H. B. et al. (2024). ChatGPT effects on cognitive skills of undergraduate students: Receiving instant responses from AI-based conversational large language models (LLMs). Computers and Education: Artificial Intelligence, 6, 100198. DOI: 10.1016/j.caeai.2023.100198.
Nota editorial: as sete referências acima foram conferidas uma a uma nas fontes originais (título, autores, periódico, DOI e os números citados no texto) antes de serem incorporadas aqui. A única mudança em relação ao rascunho original foi adicionar o contexto do estudo LiteRev (HIV/África subsaariana), já que o número de 87,5% vem de um domínio específico e não deve ser lido como desempenho geral da ferramenta.