O ChatGPT pode ajudar a transformar uma ideia vaga em perguntas mais claras, sugerir palavras-chave e testar caminhos. O problema começa quando ele deixa de ajudar o pesquisador a pensar e passa a decidir o que pesquisar, por quê e como.
Texto 5 de 5
Série: ChatGPT na educação – autoria, avaliação e pesquisa
O ChatGPT pode ajudar a começar uma pesquisa?
Pode. E justamente no começo ele pode ser bastante útil.
Quem inicia uma pesquisa nem sempre possui uma pergunta pronta. Às vezes existe apenas um assunto:
inteligência artificial e trabalho
ou uma inquietação ainda maior:
quero pesquisar os impactos da tecnologia na educação.
Entre esse interesse inicial e um problema realmente pesquisável existe muito trabalho: leitura, delimitação, conhecimento do campo, disponibilidade de dados e escolhas metodológicas.
O ChatGPT pode ajudar nesse percurso.
O cuidado está em não confundir uma pergunta bem escrita com um problema de pesquisa bem construído.
Use como parceiro de exploração, não como fábrica de temas
Um estudo com doutorandos de universidades britânicas encontrou uma expressão curiosa para um dos papéis atribuídos à IA generativa: algo próximo de um parceiro de brainstorming sempre disponível.
Entre os 75 participantes de 19 instituições, 52% já haviam usado IA generativa em pesquisa ou escrita doctoral. Os usos e opiniões variavam bastante, mas apareciam tanto benefícios percebidos quanto preocupações com viés, originalidade, segurança dos dados e dependência da ferramenta.
O estudo sobre o uso de IA por pesquisadores de doutorado ajuda a colocar o problema no lugar certo: pesquisadores já estão usando essas ferramentas. A questão relevante passa a ser para quais tarefas e com que grau de delegação.
No começo de uma pesquisa, há usos bastante diferentes entre si.
Quatro usos que podem ajudar
1. Transformar um interesse amplo em possibilidades
Suponha que alguém queira pesquisar:
“Inteligência artificial no mercado de trabalho.”
É amplo demais.
O ChatGPT pode ser solicitado a apresentar diferentes dimensões do assunto:
- transformação de ocupações;
- qualificação profissional;
- automação de tarefas;
- diferenças regionais;
- gestão algorítmica;
- percepção dos trabalhadores.
Isso não escolhe o problema.
Cria um mapa inicial para que o pesquisador perceba caminhos que depois precisará investigar.
2. Descobrir vocabulário para começar a buscar
Este é um uso especialmente útil para quem está entrando em um campo.
A ferramenta pode sugerir:
- conceitos relacionados;
- termos técnicos;
- sinônimos;
- expressões em inglês;
- palavras-chave utilizadas em áreas próximas.
Depois vem a etapa indispensável: pesquisar esses termos em literatura acadêmica real.
O ChatGPT pode dizer que determinado conceito existe. Quem precisa descobrir como ele é definido, quem o utiliza e se realmente interessa à pesquisa é o pesquisador.
3. Testar uma pergunta que já está surgindo
Aqui a IA pode funcionar quase como alguém que faz perguntas de volta.
Em vez de pedir:
“Crie meu problema de pesquisa.”
é mais produtivo apresentar uma formulação provisória e pedir:
- Que termos estão vagos?
- Essa pergunta parece ampla demais?
- Que variáveis ou conceitos precisam ser definidos?
- Que recortes temporais ou espaciais poderiam ser considerados?
- Que dificuldades metodológicas essa pergunta pode gerar?
- Que pressupostos estão escondidos nela?
A diferença parece pequena, mas muda quem está conduzindo o processo.
A pergunta continua sendo do pesquisador. A IA ajuda a pressioná-la.
4. Explorar possibilidades metodológicas
Também é possível perguntar quais métodos costumam ser usados para investigar determinado tipo de problema.
Entrevistas? Survey? Análise documental? Experimento? Dados secundários?
Isso pode ser ótimo para conhecer alternativas.
Não é suficiente para escolher uma delas.
O método não vem em pacote
Imagine esta sequência:
- o aluno informa o tema;
- o ChatGPT cria o problema;
- cria os objetivos;
- escolhe o método;
- sugere os participantes;
- elabora o instrumento de coleta.
Em poucos minutos existe algo com aparência de projeto.
E esse é justamente o perigo.
Um desenho metodológico depende de coisas que não cabem automaticamente em uma resposta genérica:
- o que a pergunta realmente exige;
- o que a literatura já mostrou;
- quais dados estão disponíveis;
- quem pode ser pesquisado;
- quais limitações existem;
- quais pressupostos teóricos foram assumidos;
- o que é viável naquele contexto.
Um prompt detalhado pode produzir uma resposta muito melhor. Mas resposta melhor não é sinônimo de decisão metodológica validada.
Se quiser entender por que a forma da instrução muda tanto a resposta dessas ferramentas, há uma explicação em O que é um prompt: como falar com a IA de forma que ela entenda.
Uma pesquisa recente ajuda a estabelecer a fronteira
Em 2026, Wei Dai e Cecilia Chan estudaram como pós-graduandos utilizavam IA generativa ao longo da pesquisa.
Foram realizados sete grupos focais com 28 pesquisadores de pós-graduação.
Os participantes relataram usos em diferentes etapas, inclusive para compreender conceitos e métodos, mas também apontaram riscos relacionados a precisão, originalidade, privacidade dos dados e perda de habilidades.
A conclusão é mais interessante do que uma lista universal de proibições: o uso precisa ser avaliado de acordo com a tarefa e com o contexto da pesquisa.
O estudo sobre uso responsável de IA generativa na pesquisa propõe justamente orientações sensíveis à tarefa, em vez de uma regra única para todo o processo científico.
Isso combina com uma régua simples.
Antes de aceitar uma sugestão da IA, passe por quatro filtros
1. Literatura
Há estudos que sustentam essa escolha ou ela apenas parece convincente?
2. Problema
Essa decisão ajuda realmente a responder à pergunta da pesquisa?
3. Viabilidade
Tenho dados, tempo, acesso e condições para executar isso?
4. Justificativa
Consigo explicar por que escolhi esse caminho sem dizer “porque o ChatGPT sugeriu”?
O quarto filtro é particularmente revelador.
Se o pesquisador não consegue justificar uma escolha metodológica, provavelmente ainda não deveria tratá-la como decisão tomada.
Um exemplo de uso melhor
Em vez de:
“Crie um projeto de pesquisa sobre uso de inteligência artificial por professores.”
pode ser mais produtivo trabalhar em etapas:
- “Tenho interesse em estudar IA e trabalho docente. Que dimensões desse tema eu deveria investigar na literatura antes de delimitar o problema?”
- Pesquisar essas dimensões em artigos, livros e bases acadêmicas.
- Formular uma primeira pergunta.
- Voltar à IA: “Que ambiguidades ou limitações você percebe nesta pergunta?”
- Confrontar as críticas com a literatura e com as condições reais da pesquisa.
- Só então avançar para o desenho metodológico.
Perceba a diferença.
A ferramenta participa bastante.
Mas o pesquisador continua trabalhando.
A melhor ajuda é aquela que ainda deixa trabalho para você
Existe uma maneira simples de perceber quando a fronteira começa a ficar estranha.
Se depois de conversar com o ChatGPT você tem:
- novas perguntas;
- termos para pesquisar;
- hipóteses para conferir;
- alternativas para comparar;
a ferramenta provavelmente ajudou a abrir o problema.
Se você termina com:
- problema pronto;
- objetivos prontos;
- justificativa pronta;
- método pronto;
sem ainda conhecer suficientemente a literatura ou conseguir justificar essas decisões, talvez tenha acontecido o contrário.
A pesquisa ganhou aparência de pronta antes de realmente começar.
O ChatGPT pode encurtar caminhos operacionais e ajudar a organizar uma dúvida.
Só não deveria eliminar justamente a dúvida que transforma alguém em pesquisador.
Se conhece alguém começando um TCC, artigo ou projeto e prestes a pedir ao ChatGPT “faça tudo para mim”, compartilhe este texto antes do prompt.