VOLUME 14

2024

ISSN: 2237-5864

Acesso Livre

Potencialidades e desafios do uso de inteligência artificial generativa na produção de textos acadêmicos: uma revisão sistemática

Potencialidades y desafíos del uso de inteligencia artificial generativa em la producción de textos académicos: una revisión sistemática Shape2

Potentialities and challenges of using generative artificial intelligence in the production of academic texts: a systematic review

É crescente o uso de ferramentas de inteligência artificial generativa no âmbito educacional. Entretanto, essas ferramentas podem funcionar como “suportes amigáveis” na escrita acadêmica? Quais as implicações disso para a formação docente? Neste trabalho, objetiva-se identificar potencialidades e desafios do uso de inteligência artificial generativa na produção de textos acadêmicos e analisar abordagens de escrita acadêmica que os subjazem, por meio de uma revisão sistemática de artigos publicados nos últimos cinco anos, entre 2020 e 2024, e disponibilizados nas plataformas Google Acadêmico e Portal de Periódicos da CAPES. Dos 467 artigos identificados, 14 integram o corpus da pesquisa. Os resultados, analisados com base nas abordagens de escrita acadêmica, evidenciam que a maioria das potencialidades do uso de inteligência artificial generativa na escrita acadêmica, assim como de seus desafios, não se configuram como “suportes amigáveis”, visto que demonstram fragilidades éticas e pedagógicas. Essa constatação traz implicações para a formação docente e a prática de escrita acadêmica, já que podem sugerir o apagamento da responsabilidade de quem lê e escreve textos científicos, bem como da postura crítica, reflexiva e autoral esperada nesse tipo de texto. Apenas em situações pontuais e com objetivos específicos, a inteligência artificial generativa poderia ser utilizada como “suporte amigável”, sendo imprescindível que seu usuário tenha maturidade acadêmica e capacidade crítica para análise do material gerado por esse tipo de ferramenta.

Palavras-chave: letramentos acadêmicos; autoria; inteligência artificial generativa.

El uso de herramientas de inteligencia artificial generativa en el ámbito educativo es creciente. Sin embargo, ¿pueden estas herramientas funcionar como “soportes amigables” en la escritura académica? ¿Cuáles son las implicaciones de esto para la formación docente? En este trabajo, se tiene como objetivo identificar las potencialidades y desafíos del uso de inteligencia artificial generativa en la producción de textos académicos y analizar los enfoques de escritura académica que les subyacen, a través de una revisión sistemática de artículos publicados en los últimos cinco años, entre 2020 y 2024, y disponibles en las plataformas Google Académico y Portal de Periódicos de la CAPES. De los 467 artículos identificados, 14 integran el corpus de la investigación. Los resultados, analizados con base en los enfoques de escritura académica, evidencian que la mayoría de las potencialidades del uso de inteligencia artificial generativa en la escritura académica, así como sus desafíos, no se configuran como “soportes amigables”, dado que demuestran fragilidades éticas y pedagógicas. Esta constatación conlleva implicaciones para la formación docente y la práctica de la escritura académica, ya que pueden sugerir el borrado de la responsabilidad de quien lee y escribe textos científicos, así como de la postura crítica, reflexiva y autoral esperada en este tipo de texto. Solo en situaciones puntuales y con objetivos específicos, la inteligencia artificial generativa podría ser utilizada como “soporte amigable”, siendo imprescindible que su usuario posea madurez académica y capacidad crítica para el análisis del material generado por este tipo de herramienta.

Palabras-clave: literacías académicas; autoría; inteligencia artificial generativa.

The use of generative artificial intelligence tools within the educational context is increasing. However, can these tools function as “friendly supports” in academic writing? What are the implications of this for teacher education? This work aims to identify the potentialities and challenges of using generative artificial intelligence in the production of academic texts and to analyze the academic writing approaches that underlie them, through a systematic review of articles published in the last five years, between 2020 and 2024, available on the Google Scholar and CAPES Periodicals Portal platforms. Of the 467 articles identified, 14 comprise the research corpus. The results, analyzed based on academic writing approaches, evidence that most of the potentialities of using generative artificial intelligence in academic writing, as well as its challenges, do not constitute “friendly supports”, as they demonstrate ethical and pedagogical fragilities. This finding implies consequences for teacher education and the practice of academic writing, as it may suggest the erasure of the responsibility of those who read and write scientific texts, as well as the critical, reflective, and authorial stance expected in this type of text. Only in specific situations and with specific objectives could generative artificial intelligence be used as a “friendly support”, making it essential that the user possesses academic maturity and critical capacity to analyze the material generated by this type of tool.

Keywords: academic literacies; authorship; generative artificial intelligence.

A produção de textos é um processo complexo. Demanda a mobilização de diversos tipos de conhecimento – linguísticos, cognitivos, pragmáticos, sócio-históricos e culturais do autor – em conformidade com o propósito da produção, o público-alvo a que se destina e as particularidades do seu contexto de circulação (Paiva; Duarte, 2017). Além disso, configura-se enquanto uma prática social e historicamente situada (Lea; Street, 1998), que se molda conforme as especificidades de cada cultura disciplinar na qual é demandada.

As culturas disciplinares, constituídas a partir de configurações distintas que evidenciam normas, discursos e necessidades comunicativas específicas, demandam a produção e a circulação de gêneros textuais validados por seus integrantes (Hyland, 2004). Tais gêneros, por sua vez, ainda que reconhecidos em determinada área do conhecimento, assumem valores distintos para os integrantes da cultura disciplinar, organizando-se, assim, em uma relação hierárquica (Swales, 2004). Contudo, essas produções, embora reconhecidas e empregadas pelos membros de determinada cultura disciplinar, não são uma receita fixa, logo, não devem ser ensinados como tal (Ramos; Espeiorin, 2009). Em outras palavras, a apropriação dos gêneros acadêmicos não se configura como um processo simples, homogêneo, fruto de uma lista de dicas sobre como produzi-los. Na verdade, é através da elaboração desses gêneros que se refletem as especificidades das culturas disciplinares (Bezerra, 2012).

Nesse sentido, saber produzir gêneros acadêmicos demanda muito mais do que apenas dominar a sua estrutura ou decorar algumas regras, descontextualizadamente. Há “dimensões escondidas” (Street, 2010), não evidentes, nem explicitadas, que perpassam essa produção. Na maioria das vezes, os estudantes desconhecem-nas, fato que pode gerar tensionamentos entre as suas expectativas e as dos seus professores quanto às produções escritas (Lillis, 1999). Esses tensionamentos podem incentivá-los a buscar “suportes amigáveis” (Silva, 2015), ou seja, os discentes podem recorrer “de um lado, [a] estudantes que já passaram pela experiência com a escrita acadêmica; de outro, [a] colegas que estão vivenciando essa experiência” (Silva, 2015, p. 314).

Em tempos de uso cada vez mais recorrente de ferramentas de inteligência artificial generativa (IAG), no âmbito educacional, foco deste artigo, cabe indagarmos se esse tipo de ferramenta funcionaria como “suporte amigável” (Silva, 2015) na escrita acadêmica e quais as implicações disso para a formação docente. É indiscutível a capacidade (e rapidez) da IAG de gerar textos completos a partir de um comando. No entanto, essa capacidade vem levantando várias discussões na comunidade acadêmica relacionadas à confiabilidade dessas produções, bem como aos processos éticos envolvidos nesse contexto (Almeida, 2023; Barreto; Ávila, 2023; Bernadino; Guerra, 2024; Boa Sorte et al., 2021; Carmo; Carmo; Melo, 2022; Catelão, 2024; d’Alte; d’Alte, 2023; Fernandes, 2024; Ferreira et al., 2024; Lopes; Forgas; Cerdà-Navarro, 2023; Lopes; Forgas; Cerdà-Navarro, 2024; Moser et al., 2024; Santos; Silva, 2024; Tedesco; Ferreira, 2023).

Nessa perspectiva, para responder ao questionamento proposto, realizamos uma revisão sistemática (Sampaio; Mancini, 2007) norteada por dois objetivos: identificar potencialidades e desafios do uso de inteligência artificial generativa na produção de textos acadêmicos; e analisar abordagens de escrita acadêmica subjacentes a essas potencialidades e desafios. A sistematização desses aspectos apontados na literatura pode despertar, em docentes, discentes e pesquisadores, produtivas reflexões sobre em que contextos e com quais objetivos e ferramentas de IAG poderiam ser utilizadas como “suportes amigáveis” (Silva, 2015), auxiliando em determinadas demandas do processo de ensino e aprendizagem e do processo de escrita acadêmica; e em que momentos e finalidades, configurariam-se como “suportes não-amigáveis” para a comunidade acadêmica.

Assim, este artigo está organizado em quatro seções: esta introdução, a metodologia adotada, a análise e discussão dos dados obtidos e as considerações finais.

Esta pesquisa embasa-se nos pressupostos da abordagem quanti-qualitativa (Souza; Kerbauy, 2017). Classifica-se como uma revisão sistemática (Sampaio; Mancini, 2007), investigação por meio da qual se disponibiliza um resumo de evidências relacionadas a estratégias de intervenção específicas, permitindo a incorporação de um espectro maior de resultados relevantes. Esse compilado de evidências se estabelece por meio de um rigoroso processo metodológico (Sampaio; Mancini, 2007, p. 86).

Nesta investigação, percorreu-se o seguinte caminho metodológico: acessaram-se as plataformas Google Acadêmico e Portal de Periódicos da CAPES, visto serem recorrentemente consultadas pela comunidade acadêmica. Em seguida, digitaram-se, no sistema de busca, os descritores “inteligência artificial e produção de textos”, “inteligência artificial e escrita” e “inteligência artificial e autoria”. Além disso, definiram-se critérios de inclusão e exclusão de estudos

Na sistematização apresentada na Figura 2, observa-se que, embora um grande número de resultados tenha sido apresentado nas duas plataformas – somando um total de 300 resultados na plataforma Google Acadêmico e 167 no Portal de Periódicos da CAPES –, a maioria deles não se mostrou produtiva em relação aos objetivos desta pesquisa. O descritor 1, “inteligência artificial e produção de textos”, mostrou-se profícuo em ambas as plataformas, com proporções de 8:100 (oito resultados para 100) na plataforma Google Acadêmico, e de 5:58 (cinco resultados para 58) na plataforma de Periódicos da CAPES. Assemelhando-se ao descritor 2 “inteligência artificial e escrita”, que resultou em 7 resultados distribuídos nas duas plataformas. Esses resultados contrastam com o descritor 3, “inteligência artificial e autoria”, que não apresentou resultados relevantes.

A partir do tratamento dado aos textos, com base nos critérios de inclusão e exclusão delimitados, chegou-se ao total de 20 resultados, dos quais 12 foram publicados na plataforma Google Acadêmico, e 8 no Portal de Periódicos da CAPES. Feito isso, deu-se início ao processo de triagem dos dados, considerando os objetivos investigativos. Nesse processo, notou-se a presença de 6 ensaios teóricos acerca da temática. Considerando a delimitação de “artigos acadêmicos” estabelecida para a pesquisa, os ensaios foram excluídos, resultando em um corpus constituído por 14 artigos:

De posse do corpus, dedicou-se à leitura atenta dos artigos selecionados, em conformidade com os princípios da revisão sistemática (Sampaio; Mancini, 2007) e das abordagens de escrita acadêmica (Lea; Street, 1998, 2014). Na seção a seguir, apresentamos potencialidades e desafios do uso de IAG na produção de textos acadêmicos evidenciados na revisão sistemática realizada.

POTENCIALIDADES, DESAFIOS E ASPECTOS ÉTICOS E MORAIS DO USO DE IAG NA PRODUÇÃO DE TEXTOS ACADÊMICOS

Buscando atender aos objetivos da pesquisa, analisamos os artigos selecionados à luz das abordagens de escrita acadêmica (Lea; Street, 1998, 2014). Essas abordagens, de acordo com os autores, organizam-se em três, a saber: habilidades de estudo, socialização acadêmica e letramentos acadêmicos.

A primeira abordagem, de habilidades de estudo, considera a escrita enquanto uma habilidade individual e cognitiva e focaliza os “aspectos da superfície da forma da língua e pressupõe que estudantes podem transferir seu conhecimento de escrita e letramento de um contexto para o outro, sem quaisquer problemas” (Lea; Street, 2014, p. 479). Já a segunda abordagem, de socialização acadêmica, “supõe que os discursos disciplinares e os gêneros são relativamente estáveis e que, tendo os estudantes dominado e entendido as regras básicas de um discurso acadêmico particular, estariam aptos a reproduzi-lo sem problemas” (Lea; Street, 2014, p. 479). A terceira abordagem, de letramentos acadêmicos, por sua vez, “tem relação com a produção de sentido, identidade, poder e autoridade” (Lea; Street, 2014, p. 479), colocando, assim, a natureza institucional da escrita em primeiro plano. Essas abordagens, no entanto, não são excludentes, mas podem ocorrer de forma sobreposta, sendo aplicáveis a quaisquer contextos acadêmicos que envolvam a escrita (Lea; Street, 1998, 2014).

Nas subseções a seguir, exploramos os dados da pesquisa, organizados em três categorias macro: potencialidades do uso de IAG; desafios do uso de IAG; e aspectos éticos e morais do uso de IAG: potenciais ou desafiantes?

O estudo dos artigos selecionados evidenciou recorrência de aspectos positivos, trazidos pelos autores, relacionados ao uso de IAG para a produção de textos acadêmicos. Os principais pontos abordados remetem às atividades de automatização e facilitação de tarefas relacionadas à produção textual; personalização do ensino e da aprendizagem; e geração instantânea de textos acadêmicos, como pode ser conferido na Figura 3:

Figura 3 – Potencialidades do uso de IAG para a produção de textos acadêmicos

Dado o exposto na Figura 3, podemos perceber que a maior recorrência de aspectos positivos volta-se para atividades de automatização e facilitação de tarefas relacionadas à produção textual realizadas por IAG. A personalização da aprendizagem de escrita acadêmica e a geração instantânea de textos acadêmicos são as outras duas potencialidades que se destacam na literatura analisada.

A seguir, analisamos exemplos ilustrativos dessas subcategorias de análise, relacionando aquilo que os autores consideram positivo no uso de ferramentas de IAG para a produção de textos acadêmicos às abordagens de escrita (Lea; Street, 1998). Tendo em vista a grande quantidade de exemplos dessa (e das outras categorias de análise), selecionamos os mais representativos.

Alguns artigos elucidam que o uso de ferramentas de IAG pode trazer benefícios para diferentes esferas de utilização humana, dentre as quais se insere a produção textual. Assim, destacam potencialidades como a automatização de atividades e a correção gramatical, conforme apresentado no trecho do Artigo 5:

Entre as possibilidades da IA na escrita acadêmica, [sic] está a correção gramatical automatizada. Com o uso de algoritmos de IA, é possível identificar erros gramaticais e sugerir correções, tornando o processo de revisão de textos mais eficiente e preciso. Além disso, a IA também pode ser utilizada para sugestão de palavras e expressões, ampliando o vocabulário e tornando o texto mais rico e interessante (Artigo 5, 2023, p. 12, grifo nosso).

Nesse exemplo, os autores sinalizam a potencialidade do uso de IAG para a automatização do processo de correção gramatical a partir de algoritmos, contribuindo, possivelmente, para a construção de um texto adequado em níveis gramaticais e semânticos. Além disso, destacam a usabilidade das ferramentas para a sugestão de palavras e expressões que melhor se adequem às necessidades comunicacionais do texto. Assim, aproximam-se da abordagem de habilidades de estudo (Lea; Street, 1998), uma vez que relacionam as funcionalidades dessas ferramentas à melhoria de aspectos da superficialidade linguística do texto, conforme grifos no trecho apresentado.

Além dos aspectos gramaticais, outros trabalhos apontam potencialidades relacionadas ao uso da IAG para a facilitação de diversas atividades, como pode ser conferido no exemplo do Artigo 6, exposto a seguir, no qual os autores associam o uso de IAG à escrita do trabalho de conclusão de curso (TCC):

Entre esses benefícios [de IAG], destaca-se a facilitação da pesquisa, onde a IA automatiza tarefas tediosas e repetitivas, como a coleta de dados e a revisão de literatura, permitindo que os estudantes concentrem seus esforços em análises mais profundas e discussões teóricas. Além disso, há um aprimoramento da qualidade, pois as ferramentas de IA ajudam a identificar e corrigir erros que poderiam comprometer a clareza e a coerência do TCC, além de sugerir melhorias estilísticas, adequando o texto às normas acadêmicas (Artigo 6, 2024, p. 12, grifo nosso).

Nesse trecho, percebemos que a facilitação de atividades como a coleta de dados e a revisão de literatura recebe foco, ao lado da adequação dos textos às normas de escrita acadêmica. Esses aspectos, relacionados à funcionalidade das ferramentas de IAG na produção do TCC, levam-nos à inferência da abordagem de socialização acadêmica (Lea; Street, 1998), uma vez que se voltam não apenas para a realização e a escrita de partes do trabalho, mas para as normas que permeiam esse gênero.

O Artigo 6 converge com o Artigo 2, no qual também destaca-se a viabilidade de ferramentas de IAG na construção de revisões de literatura, uma vez que estas geram, rapidamente, resumos de artigos publicados. Demonstra a usabilidade dessas ferramentas em atividades que ocorrem antes da construção do material do texto, uma vez que o levantamento bibliográfico é realizado antes que se dê, necessariamente, o processo de escrita. Isso pode ser conferido no exemplo a seguir:

Além disso, o ChatGPT, [sic] se mostra viável na realização de revisões de literatura, pois é gerado [sic] automaticamente resumos de artigos acadêmicos, o que permite aos pesquisadores identificar as principais descobertas e extrair as informações mais relevantes de maneira mais rápida. Como também possibilita seu uso na criação do projeto de pesquisa ao criar hipóteses, perguntas norteadoras e indicar o estado da arte (Artigo 2, 2023, p. 9, grifo nosso).

A partir desses dois exemplos apresentados, identificamos as potencialidades do uso de IAG não só como ferramenta auxiliar da materialidade escrita de um texto, como também das atividades que antecipam essa etapa. O Artigo 2, ao destacar o potencial da criação de hipóteses, perguntas norteadoras e construção do estado da arte, evidencia a usabilidade da IAG durante o percurso inicial da produção de um texto, partindo da criação do projeto de pesquisa. Dessa forma, podemos inferir a abordagem de socialização acadêmica (Lea; Street, 1998), posto que o uso das ferramentas volta-se para a facilitação de atividades relacionadas à composição de um determinado texto acadêmico.

Para além dessa capacidade de corrigir/contribuir para a estruturação formal das produções, a geração de textos completos por IAG também é tomada enquanto potencialidade pelos autores do Artigo 9, ao afirmarem que:

as perspectivas são positivas, porque os benefícios da escrita de IA são diversos e têm aplicações em diferentes áreas. Isso decorre da agilidade na criação de conteúdo, pois permite a produção de material de em [sic] um tempo significativamente menor do que o necessário para um escritor humano (Artigo 9, 2024, p. 16, grifo nosso).

Tal exemplo aponta uma das características essenciais das ferramentas de IAG: a geração instantânea de textos. Essa habilidade recebe uma nova significação no exemplo, uma vez que, ao gerar textos de forma mais ágil que um humano, permite uma maior produção do material acadêmico em menor tempo. Parece uma potencialidade produtiva, sobretudo em tempos de “Publique ou pereça!”⁵ (Motta-Roth; Hendges, 2010, p. 13). No entanto, rapidez e produtividade nem sempre coincidem com qualidade. Produções científicas carecem de tempo para maturação da linha de raciocínio a ser construída e defendida, de forma consistente, com base em autores representativos na(s) área(s) do conhecimento na(s) qual(is) o estudo está situado.

Outra potencialidade apresentada no Artigo 6 é o uso de IAG na personalização da aprendizagem da escrita acadêmica, relacionada ao TCC, como ilustra o exemplo a seguir:

Outro benefício importante é a personalização da aprendizagem, com a IA permitindo que o processo de elaboração do TCC seja adaptado às necessidades individuais dos estudantes, oferecendo feedback personalizado e recursos específicos para áreas onde o aluno possa ter dificuldades (Artigo 6, 2024, p. 12).

Nesse exemplo, percebemos o uso de IAG como um aparente “suporte amigável” (Silva, 2015), visto que oferece uma espécie de atendimento individual e personalizado, sendo uma alternativa à consulta a um colega ou professor orientador, por exemplo. Essa possibilidade de personalização poderia auxiliar o processo de elaboração do TCC ao tirar dúvidas, prestar devolutivas e contribuir para a aprendizagem do gênero por parte do estudante, desde que o discente tenha maturidade acadêmica, incluindo conhecimento do gênero textual, do assunto e do contexto de produção da escrita, para analisar criticamente os feedbacks dados por uma determinada ferramenta de IAG. Além disso, a IAG pode gerar comentários inadequados às especificidades de determinada cultura disciplinar (Hyland, 2004), demandando, assim, uma atenção redobrada do seu usuário. Essas ponderações ratificam a abordagem dos letramentos acadêmicos (Lea; Street, 1998), dada a compreensão da escrita sob uma perspectiva mais ampla, que envolve aspectos institucionais, ainda não considerados pela IAG.

Nesta categoria, percebemos a presença de diferentes abordagens de escrita acadêmica, o que revela a associação entre as potencialidades de IAG na produção de textos acadêmicos e aspectos linguísticos, estruturais, sociais e ideológicos, sendo esses dois últimos em menor proporção. A maioria dessas potencialidades apresentadas, a exemplo da geração instantânea de textos acadêmicos e da produção de revisão de literatura, não se configuram como “suportes amigáveis” (Silva, 2015), já que terceirizam, para uma máquina, a responsabilidade da leitura e estudo dos textos-fonte que comporão a construção de uma revisão de literatura. Entendemos que somos nós, seres humanos, os responsáveis pelo nosso processo de construção de conhecimentos, pela formulação das ideias a serem defendidas, pela nossa postura crítica, reflexiva e autoral. Outras potencialidades, como correção gramatical, coleta de dados de pesquisa e feedback de textos, poderiam se configurar como “suportes amigáveis” (Silva, 2015), se aquele que utiliza a IAG tiver maturidade acadêmica e capacidade crítica para análise do material gerado por esse tipo de ferramenta.

Na próxima subseção, abordamos os desafios do uso de IAG na produção de textos acadêmicos.

Os artigos analisados em nosso estudo evidenciaram quatro desafios quanto ao uso de IAG na produção de textos acadêmicos, cuja recorrência pode ser conferida na Figura 4:

O estudo dos desafios explicitados na Figura 4 evidenciou que os posicionamentos dos autores, de certa forma, convergem e resultam em uma espécie de “efeito dominó”, conforme indicamos a seguir. O primeiro desafio é a não incorporação das habilidades de produção textual humanas pelas IAGs. Entre essas habilidades, destaca-se a falta de subjetividade atribuída ao texto por parte das ferramentas, como apresentado no exemplo abaixo:

o ChatGPT revela um simulacro de função-autor produzindo efeito de unidade, além de movimentar os sentidos em torno da paráfrase e até mesmo da polissemia em alguns momentos. Desse modo, assim como há uma simulação do cérebro humano, há um simulacro de função-autor que serve para dar textualidade à produção tecnolinguageira [grifo da autora] (Paveau, 2021, p. 31) do ChatGPT e tornar o texto interpretável (Artigo 1, 2024, p. 231, grifo nosso).

Nesse trecho, a autora destaca a paráfrase e a polissemia apresentadas nos textos gerados pelo ChatGPT, que decorrem da associação de informações contidas em um banco de dados de treinamento e configuram-se enquanto uma reprodução automática e sem inferências. A característica não-humana das IAGs pode incorrer em desafios para a atribuição de marcas de subjetividade ao texto gerado, impedindo a constituição de um eu-autobiográfico, que reflete experiências através de sua produção textual (Burgess; Ivanic, 2010). Além disso, no Artigo 1, as IAs são caracterizadas enquanto “simulacros de função-autor” (Fernandes, 2024), que unicamente articulam ideias já existentes, a fim de construir um texto coerente. Tal desafio, ao evidenciar aspectos relacionados a questões de identidade, ultrapassando questões linguísticas da produção textual, relaciona-se à abordagem dos letramentos acadêmicos (Lea; Street, 1998).

Face à ausência de habilidades de produção textual humana, especialmente na questão da paráfrase, algumas ferramentas de IAG podem apresentar dificuldades relacionadas ao aprofundamento teórico em suas produções, conforme destacam os autores do Artigo 3, no excerto abaixo:

apesar da apresentação de citações indiretas, o texto carece do “diálogo” entre os conceitos utilizados como suporte à redação, bem como do posicionamento do “autor” da pesquisa ante ao [sic] que foi apresentado para fundamentação do estudo (Artigo 3, 2022, p. 146-147).

No exemplo apresentado, os autores refletem que, embora as produções textuais realizadas pelas IAGs possam mencionar as referências utilizadas no decorrer da pesquisa a partir de citações indiretas, essas ferramentas não refletem o posicionamento do sujeito-autor, além de não articularem de maneira precisa os conceitos abordados. Dessa forma, o posicionamento dos autores do Artigo 3 relaciona-se com a abordagem dos letramentos acadêmicos, uma vez que traz como desafio questões de identidade no processo de produção textual acadêmica.

Um terceiro desafio decorre nesse contexto, as chamadas alucinações digitais, como postulam os autores do Artigo 2, no exemplo abaixo:

Posto que as alucinações digitais decorrem muitas vezes da falta de conhecimento da inteligência artificial sobre os fatos e havendo a necessidade de dar uma resposta ao usuário, a ferramenta pode criar respostas, ou seja, inventar respostas de acordo com sua base de dados (Artigo 2, 2023, p. 14).

No trecho apresentado, os autores constataram que, para responder ao comando de um usuário, as ferramentas de IAG podem gerar respostas que não estejam alinhadas à realidade dos fatos. Dessa forma, podem criar, a partir de padrões linguísticos, sintáticos e semânticos armazenados em sua base de dados, textos que podem conter informações inverídicas, atribuindo-lhes uma alucinação. A constatação apresentada no Artigo 2 dialoga com o estudo relatado no Artigo 10, no qual os autores solicitaram ao ChatGPT a escrita de uma introdução de um trabalho acadêmico sobre determinado autor. Nesse contexto, os autores evidenciaram que a ferramenta de IAG falhou, ao associar esse autor a obras que não produziu e a prêmios que não ganhou, configurando um exemplo de alucinação digital.

Os posicionamentos adotados pelos autores do Artigo 2, bem como do Artigo 10, revelam que as produções textuais geradas a partir de IAG podem carecer de uma parceria com o sujeito-autor – como defendem os autores do Artigo 3 –, com vistas a evitar a disseminação de informações falsas no contexto acadêmico-científico.

Apesar dos desafios apresentados até o momento, a associação entre as potencialidades evidenciadas na primeira subseção deste estudo e o caráter tecnológico apresentado pelas ferramentas de IAG pode ser atrativa aos usuários. Nesse sentido, uma confiança excessiva pode ser atribuída a essas ferramentas, gerando outro desafio apontado pelos autores dos artigos analisados: a dependência de IAGs para a produção de textos acadêmicos. Os autores do Artigo 4, por exemplo, constatam que

o enfoque instrumental, com ênfase em funcionalidades, aparece vinculado ao otimismo e confiança do sujeito no uso da IA na geração da escrita associando-se, além disso, à tranquilidade em responder às necessidades de certa produção acadêmica escrita sem correr o risco de errar, eliminando-se, portanto, a dúvida (Artigo 4, 2023, p. 130, grifo nosso).

Essa constatação evidencia que o caráter inteligente e não-humano das IAGs pode levar os usuários a acreditarem que essas ferramentas não estão suscetíveis ao erro. Assim, a segurança referente à credibilidade das produções textuais geradas artificialmente pode acentuar-se, de modo a motivar o uso dessas ferramentas como possíveis “suportes amigáveis” (Silva, 2015) por parte de estudantes que concebem a escrita como uma atividade de alto risco (Lillis; Scott, 2007). Subjacente ao posicionamento dos autores do Artigo 4, há indícios da abordagem dos letramentos acadêmicos, pois é perpassado por significações atribuídas ao processo de escrita, bem como pelas relações de poder que dele decorrem.

Nesse sentido, os autores do Artigo 9 revelam, por sua vez, uma preocupação com o uso excessivo de IAG na produção de textos acadêmicos, especialmente com os possíveis impactos negativos dessa prática para o “desenvolvimento crítico e criativo dos estudantes” (Artigo 9, p. 17). Segundo os autores, a dependência das IAGs poderia “limitar a capacidade pensamento [sic] independente e de resolução não assistida de problemas” (p. 17) e comprometer a autonomia dos estudantes. Assim, as ferramentas de IAG podem ultrapassar o limite de “suportes amigáveis” (Silva, 2015), comprometendo a autonomia dos estudantes no processo de escrita.

Em síntese, percebemos uma relação entre os desafios encontrados na literatura investigada e a abordagem dos letramentos acadêmicos (Lea; Street, 1998), de modo que são enfatizadas as questões de identidade que subjazem ao processo de produção de textos. Além disso, tais desafios (não incorporação das habilidades de produção textual humana, falta de domínio e aprofundamento teórico, alucinações digitais e dependência) evidenciam fragilidades no tocante ao uso de ferramentas de IAG como “suportes amigáveis” (Silva, 2015) no âmbito da escrita acadêmica.

A análise dos artigos evidenciou uma menção recorrente a aspectos éticos e morais do uso de ferramentas de inteligência artificial, ora como potencialidades, ora como desafios, conforme ilustra a Figura 5.

Dado o exposto na Figura 5, identificamos a relevância dessa temática nos trabalhos analisados e, a partir disso, uma divergência significativa em relação ao que os autores consideram potencial e desafiante no tocante aos aspectos éticos e morais do processo de escrita acadêmica em que há o uso de IAG. Em um primeiro momento, a discussão parece girar em torno da constituição de um sujeito-autor, retomando a falta de subjetividade atribuída às produções geradas artificialmente – como vimos na subseção anterior. Tal característica reforçaria a ideia de IAG enquanto simulacros de função-autor (Fernandes, 2024), pois

É um desafio encontrar marcas de autoria nesse texto [gerado artificialmente] sem condições de produção que remetam a algum contexto sócio-histórico, a um lugar social. [...] Falta estilo tal como falta subjetividade da posição de autor desse texto. [...] Com relação à avaliação da autoria, esta estaria em um grau intermediário em que a paráfrase prevalece inibindo a criatividade (Artigo 1, 2024, p. 227, grifo nosso).

Diante de tal colocação, percebemos uma relação de autoria ligada à subjetividade da produção de um autor e a um contexto sócio-histórico. Dessa forma, mais uma vez reforça-se a ideia de que as ferramentas de IAG não se constituem como entidades autorais. Porém, como apontado no Artigo 3, a produção textual, na qual são usadas ferramentas de IAG, também não se constitui como plágio, como podemos observar no excerto a seguir:

A análise realizada com base em softwares detectores de similaridades, popularmente conhecidos como “programas antiplágio”, permitiu identificar a produção textual de caráter autoral, já que não foi possível concluir que o texto gerado pelo ChatGPT (OPENAI, 2023b) apresentava evidências de plágio (Artigo 3, 2022, p. 148, grifo nosso).

vimos que a ferramenta, ao ser instruída, pode utilizar elementos linguísticos que marcam o grau de responsabilidade enunciativa e, assim, pode reproduzir ideias de outros textos sem incorrer no plágio (Artigo 11, 2024, p. 28).

Ao relacionarmos os dois exemplos ora apresentados com a discussão empreendida no Artigo 1, deparamo-nos com um paradoxo ligado às questões de autoria e plágio. Ao passo que essas ferramentas não atribuem ao texto autoria, também não atribuem a ele marcas explícitas de plágio, pois, com base em seus bancos de dado, produzem a partir de paráfrases. Essas paráfrases, porém, decorrem de ideias não explicitadas no corpo do texto, desassociando os conceitos trabalhados de suas fontes originais. Tal prática poderia atribuir à produção gerada a configuração de plágio indireto – no qual a IAG baseia-se em diversas fontes alternativas e cria uma colcha de retalhos sem referências adequadas (Martins, 2022). A partir desse desafio, os autores do Artigo 2 evidenciaram incongruências relacionadas aos aspectos éticos apresentados pelo ChatGPT em relação ao plágio, conforme o exemplo abaixo:

quando perguntado ao ChatGPT a respeito do seu funcionamento para a coleta de dados das respostas emitidas no chatbot, ele afirma que não foi projetado para plagiar ou violar direitos autorais. Contudo, sua declaração gera controvérsias, posto que ele mesmo faz a ressalva de ser uma ferramenta de inteligência artificial e, por isso, não tem a capacidade de julgamento moral ou ético (Artigo 2, 2023, p. 9, grifo nosso).

Face a isso, são necessários o desenvolvimento e o aprimoramento de uma consciência ética quanto ao uso dessas ferramentas no contexto da produção acadêmica. Não podemos nos esquecer de que os textos exercem uma função de força vital nesse cenário (Lima; Abreu, 2017), cabendo aos usuários prezarem pela originalidade e confiabilidade de suas produções. Ainda que a pressão exercida no ambiente acadêmico quanto à produtividade da ciência possa motivar a busca por estratégias que facilitem e agilizem a escrita, reforçamos a colocação do Artigo 5 (p. 20), de que isso “não justifica, em hipótese alguma, o distanciamento ético” dos pesquisadores. Nesse sentido, evidenciamos a importância de uma regulamentação efetiva sobre as IAGs, de modo a evitar a disseminação de informações inverídicas e a ocorrência de plágio nas produções socializadas no contexto acadêmico-científico, como postulam os autores do Artigo 2.

Ante o exposto, percebemos uma associação direta entre as questões éticas e morais da produção textual e a abordagem dos letramentos acadêmicos (Lea; Street, 1998), dado que as potencialidades e os desafios explorados neste trabalho estabelecem-se para além de aspectos linguísticos e composicionais da produção, alcançando o nível macro da escrita acadêmica, nas camadas ideológicas e epistemológicas. Ademais, o atual impasse quanto à ética no uso de ferramentas de IAG na escrita acadêmica, envolvendo questões de plágio e autoria, reforça a fragilidade de usar esse tipo de ferramenta como um “suporte amigável” (Silva, 2015), até porque, até o momento, não temos uma regulamentação institucional brasileira que estabeleça, claramente, as normas de uso de ferramentas dessa natureza.

Neste trabalho, apresentamos uma revisão sistemática dos desafios e potencialidades do uso de ferramentas de IAG na produção de textos acadêmicos associados às abordagens de escrita (Lea; Street, 1998). Ao sistematizarmos essas informações, constatamos que o uso de IAG na escrita acadêmica demonstra fragilidades enquanto um “suporte amigável” (Silva, 2015) nesse contexto.

Essa constatação traz implicações pedagógicas para a formação docente e a prática de escrita acadêmica. A maioria das características consideradas como potencialidades do uso de IAG não se configura como “suportes amigáveis” (Silva, 2015), uma vez que podem apagar a responsabilidade de quem escreve de ler e estudar os textos-fonte que comporão a construção do seu texto, comprometendo sua formação acadêmica e profissional. Além disso, entendemos que somos nós, seres humanos, os responsáveis pela criação/geração do nosso próprio texto acadêmico, pela formulação das ideias a serem defendidas, e pela nossa postura crítica, reflexiva e autoral.

Outras potencialidades identificadas na análise dos dados, como correção gramatical, coleta de dados de pesquisa e feedback de textos, podem se configurar como “suportes amigáveis” (Silva, 2015) se aquele que utiliza a IAG tiver maturidade acadêmica, postura ética e capacidade crítica para análise do material gerado por esse tipo de ferramenta, caso contrário, se configurarão como “suportes não-amigáveis”. Acrescenta-se que os desafios do uso de IAG na escrita acadêmica e as questões éticas e morais envolvidas ratificam fragilidades no uso desse tipo de ferramenta como um “suporte amigável” (Silva, 2015) no processo de ensino e aprendizagem da escrita, somadas à ausência de um regulamento institucional brasileiro que normatize o uso de tais ferramentas.

Reconhecemos que essa discussão precisa ser ampliada, com a possibilidade de triangularmos diferentes vozes — de professores, de estudantes, de orientadores, de pesquisadores —, situadas em diferentes áreas do conhecimento e níveis de ensino. Ademais, conhecer relatos de experiência com o uso de ferramentas de IAG seria igualmente produtivo, já que nos permitiram conhecer ações pedagógicas que exemplificam, na prática, potencialidades e desafios associados ao uso de IAG na escrita acadêmica. Esse tipo de material, fruto de vivências docentes e discentes, pode contribuir um pouco mais com as nossas reflexões sobre esse fenômeno inevitável, mas cujo uso carece de maturidade acadêmica, ética e profissional.

BERNADINO, Rosângela Alves dos Santos; GUERRA, Zailton Pinheiro. Questões de responsabilidade enunciativa e autoria em texto acadêmico produzido com auxílio do ChatGPT. Domínios de Lingu@gem, Uberlândia, v. 18, p. 1-32, 2024. Disponível em: https://seer.ufu.br/index.php/dominiosdelinguagem/article/view/74539/39342. Acesso em: 19 nov. 2024.

BOA SORTE, Paulo; FARIAS, Mário André de Freitas; SANTOS, Allessandra Elisabeth dos; SANTOS, Jefferson do Carmo Andrade; DIAS, Jamile Santos dos Santos Rodrigues. Inteligência artificial e escrita acadêmica: o que nos reserva o algoritmo GPT-3? Revista EntreLínguas, Araraquara, v. 7, e021035, 2021. DOI: https://doi.org/10.29051/el.v7i00.15352. Disponível em: https://periodicos.fclar.unesp.br/entrelinguas/article/view/15352. Acesso em: 19 nov. 2024.

CARMO, Carlos Roberto Souza; CARMO, Renata de Oliveira Souza; MELO, Guilherme Diniz de. A inteligência artificial e os desafios na avaliação da escrita acadêmica. Cadernos da FUCAMP, Monte Carmelo, v. 21. n. 53, p. 130-154, 2022. Disponível em: https://revistas.fucamp.edu.br/index.php/cadernos/article/view/2919. Acesso em: 22 nov. 2024.

HYLAND, Ken. Disciplinary cultures, texts and interactions. In : HYLAND, Ken. Disciplinary discourses : social interactions in academic writing. Michigan: The University of Michigan Press, 2004. p. 1-14.

LILLIS, Theresa. Whose “common sense”? Essayist literacy and the institutional practice of mystery. In: JONES, Carys; TURNER, Joan; STREET, Brian (org.). Students writing in the university: cultural and epistemological issues. Amsterdam; Philadelphia: John Benjamins, 1999. p. 127-148. DOI: https://doi.org/10.1075/swll.8.13lil. Disponível em: https://benjamins.com/catalog/swll.8.13lil. Acesso em: 10 nov. 2025.

LIMA, Maria Vanessa Batista; ABREU, Nícollas. Letramento acadêmico: análise sobre como manuais didáticos de metodologia abordam o ensino do gênero artigo acadêmico. Entrepalavras, Fortaleza, v. 7, n. 5, p. 09-25, 2017. Disponível em: http://www.entrepalavras.ufc.br/revista/index.php/Revista/article/view/656. Acesso em: 25 jan. 2025.

LOPES, Carlos; FORGAS, Rubén Comas; CERDÀ-NAVARRO, Antoni. A magia de escrever textos acadêmicos está ameaçada pela inteligência artificial? Pesquisa em Foco, São Luís, vol. 28, n. 2. p. 119-147, 2023. Disponível em: https://ppg.revistas.uema.br/index.php/PESQUISA_EM_FOCO/article/view/3520/2318. Acesso em: 23 nov. 2024.

MARTINS, Sônia Silva. “De onde você tirou essa citação?”: plágio acadêmico para iniciantes e iniciados. In: BARROS JUNIOR, José Ricardo Lima (org.). Cadernos de letramentos acadêmicos [recurso eletrônico]: caminhos na educação básica, travessias no ensino superior e experiências na extensão universitária. São Paulo: Parábola, 2022. p. 68–78.

MOSER, Giancarlo; BACK, Silvia Natalia Barbosa; ASSUMPÇÃO, Jairo José; FRANCISCO, Thiago Henrique Almino. Experiências didático-pedagógicas: um debate sobre o uso de inteligência artificial em trabalhos de conclusão de curso. REI - Revista de Educação do Unideau, Getúlio Vargas, v. 4, n. 1, p. e212, 2024. Disponível em: https://periodicos.ideau.com.br/index.php/rei/article/view/212. Acesso em: 23 nov. 2024.

MOTTA-ROTH, Désirée; HENDGES, Graciela Rabuske. Produção textual na universidade . São Paulo: Parábola, 2010.

PAIVA, Francisco Jeimes de Oliveira; DUARTE, Antônio Lailton Moraes. Uma análise do artigo acadêmico experimental: as práticas discursivas e as experiências de escrita de alunos iniciantes do curso de Letras. Mosaico, São José do Rio Preto, v. 16, n. 1, p. 373-402, 2017. Disponível em: http://www.olhodagua.ibilce.unesp.br/index.php/revistamosaico/article/view/430. Acesso em: 25 jan. 2025.

SANTOS, Elisabete Amaral; SILVA, Gutemberg Gomes. Revolucionando a escrita acadêmica com inteligência artificial: uma exploração das ferramentas de reescrita. Cadernos da FUCAMP, Monte Carmelo, v. 29, p. 1-19, 2024. Disponível em: https://www.revistas.fucamp.edu.br/index.php/cadernos/article/view/3433. Acesso em: 21 nov. 2024.

SWALES, John M. Research genres: exploration and applications. Cambridge: Cambridge University Press, 2004.

Graduanda em Letras (habilitação em Língua Portuguesa) pela Universidade Federal de Campina Grande (UFCG). Tem experiência na área de Letras, com ênfase em escrita acadêmica e inteligência artificial generativa.

Graduanda em Letras (habilitação em Língua Portuguesa) pela Universidade Federal de Campina Grande (UFCG), é membro do Grupo de Pesquisa Teorias da Linguagem e Ensino, na linha de pesquisa Lingua(gem) em Contexto de Ensino de Português. Tem experiência na área de Letras, com ênfase em escrita acadêmica e gêneros acadêmicos.

Professora da Universidade Federal de Campina Grande (UFCG) e membro do Grupo de Pesquisa Teorias da Linguagem e Ensino, na linha de pesquisa Lingua(gem) em Contexto de Ensino de Português. Doutora em Educação pela Universidade Federal de Minas Gerais. Tem experiência na área de Linguística Aplicada, com ênfase em leitura e produção de textos, desenvolvendo trabalhos principalmente sobre os seguintes temas: práticas de leitura e escrita acadêmica, gêneros acadêmicos, letramentos acadêmicos e ensino.

1 Universidade Federal de Campina Grande (UFCG), Campina Grande, PB, Brasil.

ORCID ID: https://orcid.org/0009-0006-8641-1194 . E-mail: jimmy.naially@estudante.ufcg.edu.br

2 Universidade Federal de Campina Grande (UFCG), Campina Grande, PB, Brasil.

ORCID ID: https://orcid.org/0009-0003-0102-8670 . E-mail: rebeca.trajano@estudante.ufcg.edu.br

3 Universidade Federal de Campina Grande (UFCG), Campina Grande, PB, Brasil.

ORCID ID: https://orcid.org/0000-0002-1355-493X . E-mail: elizabeth.maria@professor.ufcg.edu.br

Recebido em: 06/05/2025 Aprovado em: 05/11/2025 Publicado em: 30/12/2025

4 Neste trabalho, denominamos os artigos pela abreviação indicada nesta coluna.

Rev. Docência Ens. Sup., Belo Horizonte, v. 15, e058835, 2025 8

Artigo⁴	Título	Autores	Periódico/ ano de Publicação
Artigo 1	A autoria em textos produzidos por inteligência artificial e por alunos em uma perspectiva discursiva	Fernandes	Revista da Abralin 2024
Artigo 2	A inteligência artificial diante da integridade científica: um estudo sobre o uso indevido do ChatGPT	Barreto; Ávila	Revista Direitos Culturais 2023
Artigo 3	A inteligência artificial e os desafios na avaliação da escrita acadêmica	Carmo; Carmo; Melo	Cadernos da Fucamp 2022
Artigo 4	A magia de escrever textos acadêmicos está ameaçada pela inteligência artificial?	Lopes; Forgas; Cerdà-Navarro	Pesquisa em Foco 2023
Artigo 5	Ética e integridade acadêmica na pós-graduação em educação em tempos de inteligência artificial	Tedesco; Ferreira	Horizontes 2023
Artigo 6	Experiências didático-pedagógicas: um debate sobre o uso de inteligência artificial em trabalhos de conclusão de curso	Moser; Back; Assumpção; Francisco	Revista de Educação do Unideau 2024
Artigo 7	Explorando a capacidade de produção textual e sentidos entre humanos e IA: estudo comparativo de resumos acadêmicos	Catelão	Domínios de Lingu@gem 2024
Artigo 8	Inteligência artificial e escrita acadêmica: o que nos reserva o algoritmo GPT-3?	Boa Sorte; Farias; Santos; Santos; Dias	Revista Entrelínguas 2021
Artigo 9	Inteligência artificial na educação superior: avanços e dilemas na produção acadêmica	Ferreira; Costa; Meira; Olavo Filho	Revista de Educação a Distância 2024
Artigo 10	Para uma avaliação do ChatGPT como ferramenta auxiliar de escrita de textos académicos	d’Alte; d’Alte	Revista Bibliomar 2023
Artigo 11	Questões de responsabilidade enunciativa e autoria em texto acadêmico produzido com auxílio do ChatGPT	Bernadino; Guerra	Domínios de Lingu@gem 2024
Artigo 12	Revolucionando a escrita acadêmica com inteligência artificial: uma exploração das ferramentas de reescrita	Santos; Silva	Cadernos da Fucamp 2024
Artigo 13	Tese de doutorado em educação escrita por inteligência artificial?	Lopes; Forgas; Cerdà-Navarro	Revista Brasileira de Educação 2024
Artigo 14	Textos gerados por inteligência artificial e suas implicações no EAD	Almeida	EaD em Foco 2023