O ChatGPT pode acelerar partes de uma revisão de literatura. O problema começa quando velocidade vira confiança: encontrar termos, organizar ideias e comparar textos é uma coisa; decidir quais estudos importam e sustentar uma conclusão científica é outra.
Texto 4 de 5
Série: ChatGPT na educação – autoria, avaliação e pesquisa
Revisão de literatura não é uma lista de referências
Quem começa uma pesquisa costuma imaginar a revisão de literatura como uma etapa de coleta: encontrar artigos, baixar PDFs, fazer alguns resumos e montar uma sequência de citações.
Mas uma boa revisão exige algo além.
Quem pesquisa precisa:
- delimitar o que está procurando;
- escolher onde procurar;
- decidir o que entra e o que fica de fora;
- distinguir estudos mais e menos relevantes;
- perceber convergências e divergências;
- relacionar os resultados ao problema investigado.
É justamente aí que o uso do ChatGPT precisa ser bem dosado.
A ferramenta pode ajudar bastante no trabalho ao redor da revisão. Isso não significa que deva assumir as decisões que fazem da revisão uma atividade de pesquisa.
Onde o ChatGPT pode ajudar
Há usos relativamente simples em que a IA pode economizar tempo sem ocupar o lugar de que pesquisa.
1. Explorar o vocabulário do tema
Quem está entrando em uma área pode perguntar por:
- conceitos relacionados;
- termos técnicos;
- sinônimos;
- traduções de palavras-chave;
- expressões usadas internacionalmente.
Isso pode ajudar a construir buscas melhores em bases acadêmicas.
Se o tema for trabalho por plataformas digitais, por exemplo, uma conversa inicial pode revelar expressões como platform work, gig economy, algorithmic management e outras formulações que merecem ser pesquisadas.
A diferença é importante:
o ChatGPT sugere o termo. A base acadêmica mostra o que realmente foi publicado com ele.
2. Ajudar a formular estratégias de busca
Também é possível usar a ferramenta para experimentar combinações com operadores como AND e OR.
Mas a busca efetivamente utilizada na pesquisa deve ser feita em fontes rastreáveis e registrada pelo pesquisador.
Não basta escrever:
“O ChatGPT encontrou vários artigos sobre o tema.”
É preciso saber onde foram encontrados, com quais termos e segundo quais critérios.
3. Organizar textos que o pesquisador já possui
Este é um uso particularmente interessante.
Quando o pesquisador fornece materiais selecionados, a IA pode ajudar a:
- criar tabelas comparativas;
- localizar conceitos recorrentes;
- organizar autores por posição teórica;
- comparar objetivos e métodos;
- sugerir categorias provisórias de análise.
Nesse cenário, o corpus não está sendo inventado pela ferramenta. Ele foi definido pelo pesquisador.
Ainda assim, a síntese precisa ser conferida nos textos originais.
Onde começa o risco
O problema cresce quando a pergunta deixa de ser:
“Ajude a organizar estes artigos.”
e vira:
“Faça minha revisão de literatura sobre este assunto.”
A segunda instrução reúne tarefas muito diferentes:
- Quem garante que os estudos selecionados são realmente os mais importantes?
- Quem definiu os critérios de inclusão?
- Que trabalhos relevantes ficaram de fora?
- A conclusão atribuída ao artigo está realmente lá?
Uma resposta fluente pode esconder todas essas perguntas.
Isso está relacionado ao próprio funcionamento dos modelos de linguagem.
Em O que é um modelo de linguagem: como o ChatGPT, o Claude e outros aprendem, explicamos por que esses sistemas são tão bons em produzir sequências linguisticamente plausíveis.
Plausibilidade textual, porém, não é evidência científica.
O que acontece quando a IA faz a revisão?
Um estudo publicado no JMIR AI comparou uma revisão conduzida por pesquisadores com outra realizada com auxílio do GPT-4 sobre o mesmo problema.
A IA apresentou duas vantagens claras: velocidade e amplitude inicial.
Conseguiu levantar rapidamente numerosos fatores relacionados ao tema. Quando pesquisadores experientes examinaram o resultado, porém, apareceram limitações.
Algumas informações eram irrelevantes ou imprecisas, e a revisão humana mostrou maior profundidade, contextualização e transparência metodológica.
Os próprios autores resumem a função mais adequada da ferramenta como assistente, e não substituta da expertise humana.
Vale consultar o estudo completo: Evaluating Literature Reviews Conducted by Humans Versus ChatGPT.
Há uma ressalva importante: foi um estudo sobre um modelo, um tema e um desenho específico. Ele não permite concluir que todo sistema atual terá exatamente o mesmo desempenho.
Mas mostra onde a diferença aparece.
Gerar possibilidades rapidamente é uma tarefa.
Julgar a importância delas é outra.
Isso significa que IA não serve para revisão?
Não.
E esse contraponto é importante.
Em 2025, pesquisadores testaram o ChatGPT-4o como segundo avaliador na extração de dados de revisões sistemáticas.
A concordância com avaliadores humanos foi de 92,4%, embora ainda tenham ocorrido erros. Os autores concluíram que o sistema podia atuar como segundo revisor naquele tipo específico de tarefa.
O estudo está disponível na PLOS ONE: ChatGPT-4o can serve as the second rater for data extraction in systematic reviews.
Esse resultado ajuda a fazer uma distinção que se perde facilmente no debate.
Há tarefas mais estruturadas, como extrair campos previamente definidos de artigos.
E há tarefas mais interpretativas, como decidir:
- qual teoria explica melhor um fenômeno;
- se dois autores realmente discordam;
- qual estudo possui maior peso metodológico;
- se determinado resultado pode ser generalizado;
- onde existe uma lacuna de pesquisa.
Quanto mais a tarefa exige julgamento contextual, mais perigoso se torna simplesmente transferi-la para a ferramenta.
Um protocolo simples para usar sem terceirizar a revisão
Uma regra prática pode ajudar.
A IA pode apoiar:
- vocabulário: sugerir termos e sinônimos;
- busca: ajudar a estruturar combinações de palavras-chave;
- organização: comparar textos fornecidos;
- síntese preliminar: levantar padrões que serão conferidos;
- redação: melhorar clareza de algo que o pesquisador já construiu.
Quem pesquisa precisa controlar:
- quais bases serão utilizadas;
- quais estudos serão selecionados;
- quais critérios justificam essa seleção;
- o que cada fonte realmente afirma;
- como os estudos se relacionam;
- qual conclusão pode ser sustentada pelas evidências.
Essa divisão não precisa ser rígida em todas as pesquisas.
Ela serve como uma boa pergunta de controle:
a IA está reduzindo trabalho mecânico ou tomando uma decisão que deveria ser metodológica?
Sempre volte à fonte
Há uma regra ainda mais simples.
Se uma afirmação será usada para sustentar seu trabalho, abra a fonte. Vale lembrar que o modelo raramente consegue mostrar o caminho que percorreu até ali, porque nem quem o construiu enxerga esse percurso por inteiro.
Não cite um artigo porque o ChatGPT disse que ele afirma algo. Não use um resumo gerado como substituto permanente da leitura. Não presuma que uma referência é adequada apenas porque existe.
E, quando a ferramenta indicar um estudo interessante, trate isso como uma pista para investigar, não como evidência já incorporada à pesquisa.
Esse pequeno hábito resolve boa parte do problema.
A pessoa continua sendo o filtro
A IA pode ajudar a encontrar palavras que você ainda não conhecia, organizar dezenas de informações e reduzir tarefas repetitivas.
Tudo isso é ganho real.
Mas uma revisão de literatura precisa ser rastreável, justificável e intelectualmente defensável.
Se alguém perguntar:
“Por que este estudo entrou e aquele ficou de fora?”
a resposta não pode ser:
“Porque o ChatGPT escolheu.”
Usar IA para diminuir esforço operacional pode tornar uma pesquisa mais eficiente.
Usá-la para terceirizar o julgamento que sustenta a revisão pode tornar a mesma pesquisa mais frágil.
Próximo texto da série:
Como usar o ChatGPT no início de uma pesquisa acadêmica sem terceirizar o método
Se este texto pode evitar que alguém descubra uma referência “perfeita” que só existia dentro da resposta da IA, compartilhe.