Em conformidade com as diretrizes brasileiras para o uso ético e responsável da Inteligência Artificial Generativa em pesquisa científica [1], declaro que este trabalho
utilizou ferramentas de inteligência artificial para apoio em tarefas específicas de
análise, organização e formatação de conteúdo científico.
Conforme estabelecido pelas diretrizes brasileiras para uso de IA em pesquisa [1], este
trabalho observou rigorosamente os seguintes princípios:
- Transparência: Declaração completa e detalhada do uso da IA em todas as etapas do
trabalho, incluindo especificação das ferramentas, metodologias e limitações. - Responsabilidade: Manutenção da responsabilidade humana integral sobre o conteúdo
científico produzido, com supervisão ativa e validação crítica de todos os resultados
gerados pela IA. - Integridade: Garantia de que o uso da IA não compromete a originalidade,
autenticidade e rigor científico da pesquisa, mantendo padrões éticos elevados. - Qualidade: Implementação de processos rigorosos de verificação e validação para
assegurar a precisão, relevância e adequação científica de todos os conteúdos.
FUNDAMENTAÇÃO LEGAL E NORMATIVA
Marco Regulatório Brasileiro
O uso de inteligência artificial em pesquisa científica no Brasil é regulamentado por um
conjunto abrangente de diretrizes e normativas que visam garantir a ética, transparência
e qualidade na produção científica. Este trabalho fundamenta-se nas seguintes bases
legais e normativas:
Diretrizes para o Uso Ético e Responsável da IA Generativa
As “Diretrizes para o uso ético e responsável da Inteligência Artificial Generativa: um guia
prático para pesquisadores” [1], desenvolvidas por pesquisadores brasileiros em 2025,
estabelecem o marco fundamental para o uso responsável de IA em pesquisa. Este
documento, elaborado por Rafael Cardoso Sampaio, Marcelo Sabbatini e Ricardo
Limongi, representa o primeiro guia específico para o contexto brasileiro, abordando
questões éticas, metodológicas e práticas essenciais.
As diretrizes estabelecem que pesquisadores devem declarar explicitamente o uso de
ferramentas de IA, especificando como foram utilizadas, quais limitações foram
identificadas e que medidas de verificação foram implementadas. O documento enfatiza
que a responsabilidade pelo conteúdo científico permanece integralmente com o
pesquisador humano, independentemente do grau de assistência tecnológica utilizada.
Normativas da CAPES
A Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) publicou em
abril de 2025 o relatório “A inteligência artificial na pesquisa e no fomento: desafios e
oportunidades” [2], que estabelece diretrizes específicas para o uso de IA em programas
de pós-graduação e pesquisa científica. O documento reconhece que a IA está
transformando a produção de conhecimento científico, mas enfatiza a necessidade de
enfrentar desafios éticos, de transparência e qualidade.
A CAPES estabelece que programas de pós-graduação devem desenvolver políticas
claras sobre o uso de IA, incluindo diretrizes para orientadores e estudantes sobre
práticas aceitáveis, limitações e requisitos de transparência. O órgão também enfatiza a
importância da formação adequada de pesquisadores para o uso responsável dessas
tecnologias.
Diretrizes do CNPq
O Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq), através da
Portaria nº 1.735 de 1º de agosto de 2024 [3], estabelece princípios fundamentais para o
fomento à transparência e idoneidade na tomada de decisões científicas, incluindo a
necessidade de evitar conflitos de interesses e vieses discriminatórios que podem ser
introduzidos pelo uso inadequado de tecnologias de IA.
A normativa do CNPq enfatiza que projetos de pesquisa que utilizem IA devem
demonstrar transparência metodológica, especificando claramente como as
ferramentas são utilizadas, que validações são realizadas e como a qualidade científica é
assegurada. O órgão também estabelece que a avaliação de projetos deve considerar a
adequação do uso de IA aos objetivos científicos propostos.
Estratégia Nacional de Inteligência Artificial
O Ministério da Ciência, Tecnologia e Inovações (MCTI) estabeleceu através da Estratégia
Nacional de Inteligência Artificial [4] diretrizes para estimular ações de transparência e
divulgação responsável quanto ao uso de sistemas de IA em pesquisa. A estratégia
promove a observância de direitos humanos, princípios éticos e valores democráticos
no desenvolvimento e aplicação de IA.
A estratégia nacional enfatiza a necessidade de contribuir para a elaboração de
princípios éticos para o desenvolvimento e uso de IA responsáveis, promovendo
investimentos sustentados em pesquisa e desenvolvimento que observem padrões
éticos elevados. Este framework orienta a aplicação de IA em contextos de pesquisa
científica, estabelecendo parâmetros para uso responsável.
Conformidade Normativa
Este trabalho foi desenvolvido em estrita conformidade com todas as normativas
brasileiras aplicáveis, observando os seguintes aspectos:
Transparência Metodológica: Declaração completa e detalhada de todas as
ferramentas de IA utilizadas, especificando funções, limitações e processos de validação
implementados.
Responsabilidade Científica: Manutenção da responsabilidade humana integral sobre
o conteúdo científico, com supervisão ativa e validação crítica de todos os resultados
gerados.
Qualidade e Rigor: Implementação de processos rigorosos de verificação para
assegurar que o uso de IA não compromete a qualidade, originalidade ou integridade
científica do trabalho.
Ética e Integridade: Observância de princípios éticos fundamentais, incluindo
honestidade intelectual, respeito à propriedade intelectual e compromisso com a
veracidade científica.
DESCRIÇÃO DETALHADA DO USO DA IA
Contexto e Justificativa
O uso de inteligência artificial neste trabalho foi motivado pela necessidade de realizar
análise comparativa complexa de múltiplas metodologias Delphi, envolvendo
processamento e síntese de grande volume de informações científicas especializadas. A
natureza da tarefa – comparação sistemática de quatro estudos metodológicos distintos
com análise de adequação para contexto específico – demandava capacidade de
processamento, organização e síntese que se beneficiaria significativamente do apoio
de IA.
A decisão de utilizar IA foi fundamentada na complexidade analítica requerida, que
envolvia: (1) análise detalhada de características metodológicas de quatro estudos
científicos; (2) comparação sistemática entre diferentes abordagens Delphi; (3) avaliação
de adequação metodológica para contexto específico de saúde pélvica esportiva; (4)
síntese de recomendações baseadas em evidências; e (5) formatação de documento
científico com estrutura complexa incluindo tabelas, anexos e referências.
Especificação Técnica da Ferramenta
Sistema utilizado: Manus AI
- Tipo: Sistema de inteligência artificial especializado em assistência à pesquisa
acadêmica - Capacidades: Análise de texto científico, síntese de informações, organização de
conteúdo, formatação de documentos acadêmicos - Limitações conhecidas: Dependência de supervisão humana para validação científica,
necessidade de verificação de precisão factual, limitações em conhecimento
especializado muito específico
Tarefas Específicas Realizadas pela IA
Análise e Extração de Informações
A IA foi utilizada para extrair e organizar informações metodológicas dos quatro artigos
científicos fornecidos: Shang (2023), Jünger et al. (2017), Giagio et al. (2023), e Spranger
et al. (2022). Esta tarefa envolveu identificação de características metodológicas
específicas, critérios de consenso, estruturas de rodadas, composição de painéis de
especialistas, e outras variáveis metodológicas relevantes.
O processo incluiu leitura sistemática dos documentos, identificação de elementos
chave para comparação, extração de dados quantitativos (número de participantes,
critérios de consenso, número de rodadas), e organização de informações qualitativas
(abordagens metodológicas, inovações, limitações). A IA demonstrou capacidade
eficiente para processar e organizar estas informações complexas de forma sistemática.
Análise Comparativa Sistemática
A IA conduziu análise comparativa detalhada entre as metodologias, identificando
similaridades, diferenças, vantagens e limitações de cada abordagem. Esta análise
envolveu comparação multidimensional considerando adequação temática, rigor
metodológico, inovação metodológica, aplicabilidade prática e qualidade da evidência.
O processo analítico incluiu desenvolvimento de critérios de comparação, aplicação
sistemática destes critérios a cada metodologia, identificação de padrões e tendências,
e síntese de conclusões baseadas em evidências. A IA demonstrou capacidade para
realizar análise estruturada e identificar nuances metodológicas importantes.
Avaliação de Adequação Metodológica
A IA avaliou a adequação da metodologia atual do projeto em relação às alternativas
analisadas, considerando objetivos específicos, contexto temático, recursos disponíveis
e requisitos de qualidade científica. Esta avaliação envolveu análise crítica
fundamentada em evidências científicas.
O processo incluiu identificação de critérios de adequação, aplicação destes critérios à
metodologia atual, comparação com alternativas disponíveis, e formulação de
recomendações baseadas em evidências. A IA demonstrou capacidade para realizar
avaliação crítica e fundamentada cientificamente.
Síntese e Organização de Conteúdo
A IA organizou e sintetizou as informações analisadas em documento estruturado,
incluindo desenvolvimento de argumentação científica, organização lógica de conteúdo,
criação de tabelas comparativas, e formatação de documento acadêmico conforme
padrões científicos.
O processo envolveu estruturação lógica de argumentos, desenvolvimento de narrativa
científica coerente, criação de elementos visuais (tabelas, matrizes comparativas), e
formatação conforme padrões acadêmicos. A IA demonstrou capacidade eficiente para
organização e apresentação de conteúdo científico complexo.
Metodologia de Supervisão Humana
Durante todo o processo, foi mantida supervisão humana integral com os seguintes
componentes:
Validação de Conteúdo: Verificação sistemática da precisão factual de todas as
informações extraídas dos artigos científicos, incluindo confirmação de dados
quantitativos, verificação de interpretações metodológicas, e validação de conclusões
analíticas.
Controle de Qualidade: Avaliação contínua da qualidade científica do conteúdo gerado,
incluindo verificação de rigor metodológico, adequação de argumentação científica, e
conformidade com padrões acadêmicos.
Direcionamento Estratégico: Orientação ativa do processo analítico, incluindo
definição de objetivos específicos, estabelecimento de critérios de análise, e
direcionamento de foco analítico conforme necessidades do projeto.
Validação Final: Revisão completa e validação final de todo o conteúdo produzido,
incluindo verificação de coerência argumentativa, adequação científica, e conformidade
com objetivos estabelecidos.
METODOLOGIA DE VERIFICAÇÃO E CONTROLE
Protocolo de Validação Científica
Foi implementado protocolo rigoroso de validação científica para assegurar a qualidade
e precisão de todo conteúdo gerado com assistência de IA. Este protocolo incluiu
múltiplas camadas de verificação e controle de qualidade.
Verificação de Precisão Factual
Todas as informações factuais extraídas dos artigos científicos foram verificadas através
de consulta direta aos documentos originais. Este processo incluiu confirmação de
dados quantitativos (número de participantes, critérios de consenso, número de
rodadas), verificação de citações e referências, validação de interpretações
metodológicas, e confirmação de conclusões dos autores originais.
A verificação foi realizada de forma sistemática, com checagem item por item de todas
as informações apresentadas. Foram identificadas e corrigidas eventuais imprecisões ou
interpretações inadequadas, garantindo fidelidade absoluta aos documentos originais.
Validação de Análise Metodológica
A análise comparativa das metodologias Delphi foi validada através de revisão crítica
fundamentada em conhecimento especializado em metodologia de pesquisa. Este
processo incluiu avaliação da adequação dos critérios de comparação, verificação da
aplicação consistente destes critérios, validação das conclusões analíticas, e
confirmação da fundamentação científica das recomendações.
A validação metodológica envolveu análise crítica da lógica argumentativa, verificação
da coerência entre evidências e conclusões, e confirmação da adequação das
recomendações aos objetivos do projeto. Foram realizados ajustes quando necessário
para assegurar rigor metodológico.
Controle de Qualidade Científica
Foi implementado sistema de controle de qualidade científica abrangendo todos os
aspectos do trabalho. Este sistema incluiu verificação da estrutura argumentativa,
avaliação da qualidade da escrita científica, confirmação da adequação das referências
bibliográficas, e validação da conformidade com padrões acadêmicos.
O controle de qualidade envolveu múltiplas revisões do conteúdo, com foco em
diferentes aspectos: precisão científica, clareza de comunicação, adequação
metodológica, e conformidade normativa. Foram realizados refinamentos contínuos
para otimizar a qualidade final.
Processo de Verificação Cruzada
Consulta a Fontes Primárias
Todas as informações sobre diretrizes brasileiras para uso de IA em pesquisa foram
verificadas através de consulta direta a fontes primárias oficiais. Este processo incluiu
acesso a documentos da CAPES, CNPq, MCTI, e outras instituições relevantes,
confirmando a precisão e atualidade das informações normativas apresentadas.
A verificação de fontes primárias garantiu que todas as referências a diretrizes e
normativas brasileiras fossem precisas e atualizadas, evitando interpretações
inadequadas ou informações desatualizadas.
Validação de Conformidade Normativa
A conformidade com diretrizes brasileiras foi validada através de análise detalhada de
cada requisito normativo e verificação de sua implementação no trabalho. Este processo
incluiu checagem de requisitos de transparência, verificação de procedimentos éticos,
confirmação de medidas de qualidade, e validação de responsabilidade científica.
A validação de conformidade assegurou que o trabalho atenda integralmente a todas as
diretrizes brasileiras aplicáveis, demonstrando compromisso com padrões éticos e
científicos elevados.
Documentação de Processo
Registro de Decisões
Todas as decisões metodológicas relacionadas ao uso de IA foram documentadas,
incluindo justificativas para escolhas específicas, critérios de validação aplicados, e
medidas de controle implementadas. Esta documentação permite rastreabilidade
completa do processo e transparência metodológica.
Identificação de Limitações
Foram identificadas e documentadas todas as limitações associadas ao uso de IA,
incluindo áreas onde supervisão humana foi especialmente crítica, aspectos que
requereram validação adicional, e questões que demandaram expertise humana
especializada.
A identificação clara de limitações contribui para transparência metodológica e permite
avaliação adequada da qualidade e confiabilidade do trabalho produzido.
LIMITAÇÕES E CONSIDERAÇÕES ÉTICAS
Limitações Técnicas Identificadas
Dependência de Supervisão Humana
A principal limitação identificada no uso de IA foi a dependência crítica de supervisão
humana para validação científica. Embora a IA tenha demonstrado capacidade eficiente
para processamento e organização de informações, a validação da precisão científica,
adequação metodológica e qualidade argumentativa requereu supervisão humana
especializada contínua.
Esta limitação manifestou-se particularmente em aspectos que demandam expertise
metodológica específica, interpretação de nuances científicas, e avaliação de
adequação contextual. A IA não possui capacidade autônoma para validar a qualidade
científica de suas próprias produções, tornando a supervisão humana indispensável.
Limitações em Conhecimento Especializado
A IA demonstrou limitações em conhecimento especializado muito específico,
particularmente em aspectos metodológicos avançados da técnica Delphi e nuances
específicas da área de saúde pélvica esportiva. Estas limitações requereram
complementação através de expertise humana especializada.
As limitações de conhecimento especializado foram evidentes em situações que
demandavam compreensão profunda de contextos específicos, interpretação de
implicações metodológicas complexas, e avaliação de adequação para aplicações
particulares. A IA forneceu base analítica sólida, mas a interpretação especializada
permaneceu dependente de conhecimento humano.
Necessidade de Verificação Factual
Foi identificada necessidade sistemática de verificação factual de todas as informações
processadas pela IA. Embora a IA tenha demonstrado precisão geral adequada, a
verificação independente foi essencial para assegurar fidelidade absoluta aos
documentos originais e evitar eventuais imprecisões.
A necessidade de verificação factual foi particularmente importante para dados
quantitativos, citações específicas, e interpretações metodológicas. Este processo de
verificação foi implementado sistematicamente como medida de controle de qualidade.
Considerações Éticas Fundamentais
Transparência e Honestidade Intelectual
O uso de IA levanta questões éticas fundamentais relacionadas à transparência e
honestidade intelectual na produção científica. Este trabalho aborda estas questões
através de declaração completa e detalhada do uso de IA, especificação clara de tarefas
realizadas, identificação de limitações, e manutenção de responsabilidade humana
integral.
A transparência é assegurada através de documentação completa do processo,
incluindo especificação de ferramentas utilizadas, descrição de metodologias de
validação, e identificação clara de contribuições da IA versus supervisão humana. Esta
abordagem permite avaliação adequada da qualidade e confiabilidade do trabalho.
Responsabilidade Científica
A responsabilidade científica integral permanece com o pesquisador humano,
independentemente do grau de assistência de IA utilizada. Esta responsabilidade inclui
validação de conteúdo, garantia de qualidade científica, conformidade ética, e
adequação metodológica.
A manutenção de responsabilidade científica é assegurada através de supervisão ativa
contínua, validação crítica de todos os resultados, e tomada de decisões metodológicas
fundamentadas. A IA funciona como ferramenta de apoio, mas a responsabilidade
científica permanece integralmente humana.
Integridade e Originalidade
O uso de IA não compromete a integridade e originalidade do trabalho científico quando
implementado adequadamente. Este trabalho mantém integridade através de uso ético
de IA como ferramenta de apoio, preservação de originalidade analítica, e
desenvolvimento de contribuições científicas genuínas.
A originalidade é preservada através de análise crítica independente, desenvolvimento
de perspectivas analíticas próprias, e formulação de conclusões baseadas em avaliação
científica fundamentada. A IA contribui para eficiência do processo, mas não substitui o
pensamento científico crítico.
Medidas de Mitigação Implementadas
Protocolos de Validação Rigorosos
Foram implementados protocolos rigorosos de validação para mitigar limitações
identificadas e assegurar qualidade científica. Estes protocolos incluem verificação
sistemática de precisão factual, validação de análise metodológica, controle de
qualidade científica, e confirmação de conformidade normativa.
Supervisão Especializada Contínua
Foi mantida supervisão especializada contínua durante todo o processo, assegurando
que limitações da IA fossem adequadamente compensadas através de expertise
humana. Esta supervisão incluiu direcionamento metodológico, validação científica, e
controle de qualidade.
Documentação Transparente
Foi implementada documentação transparente completa de todo o processo, incluindo
especificação de uso de IA, identificação de limitações, descrição de medidas de
validação, e declaração de responsabilidade científica. Esta documentação permite
avaliação adequada e transparente do trabalho.
MEDIDAS DE QUALIDADE E VALIDAÇÃO
Sistema de Controle de Qualidade Multicamadas
Foi implementado sistema abrangente de controle de qualidade com múltiplas camadas
de verificação para assegurar que o uso de IA não comprometa a qualidade científica do
trabalho. Este sistema opera em diferentes níveis: validação de conteúdo, verificação
metodológica, controle de qualidade científica, e conformidade normativa.
Validação de Conteúdo Científico
A primeira camada de controle envolve validação sistemática de todo conteúdo
científico gerado com assistência de IA. Este processo inclui verificação de precisão
factual através de consulta direta aos documentos originais, confirmação de
interpretações metodológicas através de análise crítica especializada, validação de
conclusões analíticas através de revisão fundamentada em evidências, e verificação de
adequação científica através de avaliação por expertise humana.
A validação de conteúdo é realizada de forma sistemática e documentada, com registro
de todas as verificações realizadas e eventuais correções implementadas. Este processo
assegura fidelidade absoluta aos documentos originais e precisão científica de todas as
informações apresentadas.
Verificação Metodológica Especializada
A segunda camada envolve verificação metodológica especializada de todas as análises
e conclusões relacionadas às metodologias Delphi. Este processo inclui avaliação da
adequação dos critérios de comparação utilizados, verificação da aplicação consistente
destes critérios, validação da lógica argumentativa desenvolvida, e confirmação da
fundamentação científica das recomendações formuladas.
A verificação metodológica é conduzida por expertise humana especializada em
metodologia de pesquisa, assegurando que todas as análises atendam a padrões
científicos rigorosos e que as conclusões sejam adequadamente fundamentadas em
evidências.
Controle de Qualidade Científica
A terceira camada envolve controle abrangente de qualidade científica, incluindo
avaliação da estrutura argumentativa, verificação da coerência lógica, confirmação da
adequação das referências bibliográficas, e validação da conformidade com padrões
acadêmicos estabelecidos.
Este controle é implementado através de múltiplas revisões do conteúdo, com foco em
diferentes aspectos da qualidade científica. Cada revisão aborda aspectos específicos:
precisão factual, adequação metodológica, clareza de comunicação, e conformidade
normativa.
Processos de Verificação Independente
Consulta a Fontes Primárias
Todas as informações utilizadas no trabalho foram verificadas através de consulta
independente a fontes primárias. Este processo incluiu acesso direto aos artigos
científicos analisados, consulta a documentos oficiais sobre diretrizes brasileiras para
uso de IA, verificação de normativas de órgãos reguladores, e confirmação de
informações através de múltiplas fontes confiáveis.
A consulta a fontes primárias assegura que todas as informações apresentadas sejam
precisas, atualizadas e adequadamente contextualizadas. Este processo é fundamental
para manter a integridade científica e evitar propagação de informações imprecisas.
Validação Cruzada de Informações
Foi implementado processo de validação cruzada para todas as informações críticas,
incluindo comparação entre múltiplas fontes, verificação de consistência de dados,
confirmação de interpretações através de diferentes perspectivas, e validação de
conclusões através de análise independente.
A validação cruzada é particularmente importante para informações metodológicas
complexas e interpretações analíticas, assegurando que as conclusões sejam robustas e
adequadamente fundamentadas.
Métricas de Qualidade Implementadas
Precisão Factual
Foi estabelecida métrica de precisão factual com objetivo de 100% de precisão para
todas as informações factuais apresentadas. Esta métrica é monitorada através de
verificação sistemática de todos os dados quantitativos, confirmação de todas as
citações, validação de todas as interpretações metodológicas, e verificação de todas as
referências bibliográficas.
Adequação Metodológica
Foi estabelecida métrica de adequação metodológica para assegurar que todas as
análises atendam a padrões científicos rigorosos. Esta métrica é avaliada através de
revisão por expertise especializada, verificação de conformidade com padrões
metodológicos estabelecidos, validação da lógica argumentativa, e confirmação da
fundamentação científica.
Conformidade Normativa
Foi estabelecida métrica de conformidade normativa para assegurar atendimento
integral a todas as diretrizes brasileiras aplicáveis. Esta métrica é monitorada através de
checklist detalhado de requisitos normativos, verificação de implementação de cada
requisito, documentação de conformidade, e validação por revisão independente.
Documentação de Qualidade
Registro de Verificações
Todas as verificações de qualidade realizadas são documentadas de forma sistemática,
incluindo especificação de métodos utilizados, identificação de aspectos verificados,
registro de resultados obtidos, e documentação de eventuais correções implementadas.
Esta documentação permite rastreabilidade completa do processo de controle de
qualidade e demonstra o rigor implementado para assegurar qualidade científica.
Auditoria de Processo
Foi implementado processo de auditoria interna para verificar a adequação e
efetividade das medidas de controle de qualidade. Esta auditoria inclui revisão dos
protocolos implementados, avaliação da efetividade das verificações realizadas,
identificação de oportunidades de melhoria, e implementação de refinamentos quando
necessário.
A auditoria de processo assegura melhoria contínua dos procedimentos de controle de
qualidade e manutenção de padrões elevados de rigor científico.
CONFORMIDADE COM DIRETRIZES BRASILEIRAS
Atendimento às Diretrizes para Uso Ético de IA Generativa
Este trabalho foi desenvolvido em estrita conformidade com as “Diretrizes para o uso
ético e responsável da Inteligência Artificial Generativa: um guia prático para
pesquisadores” [1], que representam o marco normativo brasileiro mais atual e
específico para uso de IA em pesquisa científica.
Princípio da Transparência
Conforme estabelecido pelas diretrizes brasileiras, este trabalho observa rigorosamente
o princípio da transparência através de declaração completa e detalhada do uso de IA. A
transparência é implementada através de especificação clara da ferramenta utilizada
(Manus AI), descrição detalhada das tarefas realizadas com assistência de IA,
identificação explícita das limitações encontradas, documentação dos processos de
validação implementados, e declaração inequívoca da responsabilidade humana
integral.
As diretrizes brasileiras enfatizam que a transparência não se limita à mera declaração
de uso, mas deve incluir descrição substantiva de como a IA foi utilizada, que validações
foram realizadas, e como a qualidade científica foi assegurada. Este trabalho atende
integralmente a estes requisitos através de documentação detalhada e transparente de
todo o processo.
Princípio da Responsabilidade
O princípio da responsabilidade é observado através da manutenção de
responsabilidade humana integral sobre todo o conteúdo científico produzido. Esta
responsabilidade inclui supervisão ativa de todo o processo de geração de conteúdo,
validação crítica de todos os resultados produzidos pela IA, tomada de decisões
metodológicas fundamentadas em expertise humana, e garantia de qualidade científica
através de controle humano especializado.
As diretrizes brasileiras estabelecem que a responsabilidade científica não pode ser
delegada à IA, permanecendo integralmente com o pesquisador humano. Este trabalho
demonstra conformidade através de supervisão contínua, validação sistemática, e
controle de qualidade rigoroso implementado por expertise humana especializada.
Princípio da Integridade
A integridade científica é preservada através de uso ético da IA como ferramenta de
apoio, sem comprometimento da originalidade ou autenticidade do trabalho científico.
A integridade é assegurada através de desenvolvimento de análises críticas
independentes, formulação de conclusões baseadas em avaliação científica
fundamentada, preservação de originalidade analítica através de pensamento crítico
humano, e manutenção de padrões éticos elevados em todas as etapas do trabalho.
As diretrizes brasileiras enfatizam que o uso de IA não deve comprometer a integridade
científica, mas sim contribuir para eficiência e qualidade quando adequadamente
supervisionado. Este trabalho demonstra como o uso responsável de IA pode contribuir
para qualidade científica sem comprometer integridade.
Conformidade com Normativas da CAPES
Requisitos de Transparência
A CAPES estabelece através de seu relatório sobre IA na pesquisa [2] requisitos
específicos de transparência que são integralmente atendidos por este trabalho. Estes
requisitos incluem declaração explícita do uso de IA em todas as etapas relevantes,
especificação clara das ferramentas utilizadas e suas capacidades, descrição detalhada
dos processos de validação implementados, e documentação transparente das
limitações identificadas.
O atendimento aos requisitos da CAPES é demonstrado através de documentação
completa e transparente de todo o processo, incluindo especificação técnica da
ferramenta utilizada, descrição detalhada das tarefas realizadas, identificação clara das
limitações, e documentação dos processos de controle de qualidade implementados.
Padrões de Qualidade Científica
A CAPES estabelece padrões rigorosos de qualidade científica que devem ser mantidos
independentemente do uso de IA. Este trabalho atende a estes padrões através de
implementação de protocolos rigorosos de validação científica, manutenção de
supervisão especializada contínua, verificação sistemática de precisão factual, e
controle de qualidade multicamadas.
Os padrões de qualidade da CAPES são atendidos através de processos que asseguram
que o uso de IA contribua para qualidade científica sem comprometê-la, incluindo
validação independente de todos os conteúdos, verificação de conformidade
metodológica, e garantia de rigor científico através de expertise humana especializada.
Conformidade com Diretrizes do CNPq
Transparência e Idoneidade
A Portaria CNPq nº 1.735/2024 [3] estabelece requisitos de transparência e idoneidade
que são integralmente observados por este trabalho. Estes requisitos incluem
transparência metodológica completa, evitação de conflitos de interesses, prevenção de
vieses discriminatórios, e manutenção de idoneidade científica.
A conformidade com as diretrizes do CNPq é demonstrada através de declaração
transparente de todos os aspectos metodológicos, implementação de medidas para
evitar vieses, manutenção de padrões éticos elevados, e documentação completa de
todos os processos implementados.
Fomento à Qualidade Científica
O CNPq enfatiza o fomento à qualidade científica através de práticas transparentes e
rigorosas. Este trabalho contribui para este objetivo através de demonstração de como o
uso responsável de IA pode contribuir para qualidade científica, implementação de
padrões rigorosos de validação, manutenção de transparência metodológica completa,
e desenvolvimento de práticas que podem servir como referência para outros
pesquisadores.
Conformidade com a Estratégia Nacional de IA
Uso Responsável e Ético
A Estratégia Nacional de Inteligência Artificial [4] estabelece diretrizes para uso
responsável e ético de IA que são integralmente observadas por este trabalho. Estas
diretrizes incluem observância de direitos humanos, respeito a princípios éticos
fundamentais, promoção de valores democráticos, e contribuição para
desenvolvimento científico responsável.
A conformidade com a Estratégia Nacional é demonstrada através de uso ético da IA
como ferramenta de apoio científico, observância de princípios éticos fundamentais,
manutenção de transparência e responsabilidade, e contribuição para desenvolvimento
de práticas responsáveis de uso de IA em pesquisa.
Transparência e Divulgação Responsável
A Estratégia Nacional enfatiza a importância da transparência e divulgação responsável
sobre o uso de IA. Este trabalho contribui para este objetivo através de documentação
completa e transparente de todo o processo, compartilhamento de práticas e
metodologias implementadas, contribuição para desenvolvimento de padrões de
transparência, e demonstração de como o uso responsável de IA pode ser
adequadamente documentado e comunicado.
Demonstração de Conformidade Integral
Checklist de Conformidade
Foi desenvolvido checklist detalhado para verificar conformidade com todas as
diretrizes brasileiras aplicáveis:
Diretrizes para Uso Ético de IA Generativa: –
✅ Declaração completa e transparente do
uso de IA –
✅ Especificação detalhada das ferramentas utilizadas –
✅ Descrição das
tarefas realizadas com assistência de IA –
✅ Identificação clara das limitações
encontradas –
✅ Documentação dos processos de validação –
✅ Manutenção de
responsabilidade humana integral –
✅ Preservação da integridade científica
Normativas da CAPES: –
✅ Atendimento aos requisitos de transparência –
✅Manutenção de padrões de qualidade científica –
✅ Implementação de processos de
validação rigorosos –
✅ Documentação adequada de metodologias
Diretrizes do CNPq: –
✅ Transparência metodológica completa –
✅ Prevenção de
vieses e conflitos de interesse –
✅ Manutenção de idoneidade científica –
✅ Fomento à
qualidade através de práticas rigorosas
Estratégia Nacional de IA: –
✅ Uso responsável e ético da IA –
✅ Observância de
princípios éticos fundamentais –
✅ Transparência e divulgação responsável –
✅Contribuição para desenvolvimento científico responsável
Documentação de Evidências
Todas as evidências de conformidade são documentadas de forma sistemática,
incluindo especificação de como cada requisito normativo é atendido, documentação
dos processos implementados para assegurar conformidade, registro das verificações
realizadas, e validação da adequação das medidas implementadas.
Esta documentação permite verificação independente da conformidade e demonstra o
compromisso com padrões éticos e científicos elevados estabelecidos pelas diretrizes
brasileiras.
DECLARAÇÃO DE RESPONSABILIDADE
Responsabilidade Científica Integral
Declaro, em conformidade com as diretrizes brasileiras para uso ético e responsável de
inteligência artificial em pesquisa científica, que assumo responsabilidade científica
integral por todo o conteúdo produzido neste trabalho, independentemente do grau de
assistência tecnológica utilizada.
Responsabilidade por Conteúdo Científico
Assumo responsabilidade completa pela precisão, adequação e qualidade de todo o
conteúdo científico apresentado, incluindo análises metodológicas, conclusões
analíticas, recomendações formuladas, e interpretações científicas desenvolvidas. Esta
responsabilidade abrange verificação de precisão factual, validação de adequação
metodológica, confirmação de qualidade científica, e garantia de conformidade ética.
A responsabilidade por conteúdo científico inclui assegurar que todas as informações
apresentadas sejam precisas e adequadamente fundamentadas, que todas as análises
atendam a padrões metodológicos rigorosos, que todas as conclusões sejam
adequadamente justificadas por evidências, e que todo o trabalho mantenha padrões
éticos elevados.
Responsabilidade por Decisões Metodológicas
Assumo responsabilidade integral por todas as decisões metodológicas relacionadas ao
desenvolvimento deste trabalho, incluindo escolha de abordagens analíticas, definição
de critérios de comparação, seleção de metodologias de validação, e implementação de
processos de controle de qualidade.
As decisões metodológicas foram tomadas com base em expertise científica
especializada, considerando objetivos específicos do trabalho, padrões de qualidade
científica estabelecidos, requisitos normativos aplicáveis, e melhores práticas em
metodologia de pesquisa.
Responsabilidade por Qualidade e Integridade
Assumo responsabilidade pela qualidade científica e integridade de todo o trabalho,
incluindo implementação de medidas adequadas de controle de qualidade,
manutenção de padrões éticos elevados, preservação da originalidade e autenticidade
científica, e conformidade com diretrizes normativas aplicáveis.
A responsabilidade por qualidade e integridade é demonstrada através de
implementação de protocolos rigorosos de validação, manutenção de supervisão
especializada contínua, documentação transparente de todos os processos, e
compromisso com padrões científicos e éticos elevados.
Declaração de Supervisão e Validação
Supervisão Ativa Contínua
Declaro que mantive supervisão ativa e contínua durante todo o processo de
desenvolvimento do trabalho, incluindo direcionamento de todas as atividades
realizadas com assistência de IA, validação crítica de todos os resultados produzidos,
tomada de decisões metodológicas fundamentadas, e controle de qualidade
sistemático de todo o conteúdo gerado.
A supervisão ativa incluiu orientação específica para cada tarefa realizada pela IA,
verificação sistemática de todos os resultados produzidos, validação crítica de todas as
análises desenvolvidas, e implementação de correções quando necessário para
assegurar qualidade científica.
Validação Científica Rigorosa
Declaro que implementei processos rigorosos de validação científica para todo o
conteúdo produzido com assistência de IA, incluindo verificação de precisão factual
através de consulta a fontes primárias, validação de adequação metodológica através de
expertise especializada, confirmação de qualidade científica através de revisão crítica, e
verificação de conformidade normativa através de análise detalhada.
A validação científica foi realizada de forma sistemática e documentada, assegurando
que todo o conteúdo atenda a padrões científicos rigorosos e que eventuais limitações
da IA sejam adequadamente compensadas através de expertise humana especializada.
Compromisso com Transparência e Ética
Transparência Metodológica Completa
Comprometo-me com transparência metodológica completa, incluindo declaração
detalhada de todo o uso de IA, especificação clara de limitações identificadas,
documentação transparente de processos de validação, e comunicação honesta sobre
contribuições da IA versus supervisão humana.
A transparência metodológica é fundamental para permitir avaliação adequada da
qualidade e confiabilidade do trabalho, contribuindo para desenvolvimento de padrões
elevados de uso responsável de IA em pesquisa científica.
Compromisso Ético Fundamental
Comprometo-me com observância rigorosa de princípios éticos fundamentais, incluindo
honestidade intelectual, integridade científica, responsabilidade social, e respeito a
diretrizes normativas estabelecidas. Este compromisso abrange todas as etapas do
trabalho e todas as decisões metodológicas implementadas.
O compromisso ético inclui uso responsável da IA como ferramenta de apoio científico,
manutenção de padrões elevados de qualidade e integridade, contribuição para
desenvolvimento de práticas responsáveis, e promoção de valores científicos
fundamentais.
Declaração de Conformidade Normativa
Atendimento Integral às Diretrizes Brasileiras
Declaro que este trabalho foi desenvolvido em conformidade integral com todas as
diretrizes brasileiras aplicáveis ao uso de IA em pesquisa científica, incluindo as
“Diretrizes para o uso ético e responsável da Inteligência Artificial Generativa”,
normativas da CAPES, diretrizes do CNPq, e Estratégia Nacional de Inteligência Artificial.
A conformidade normativa é demonstrada através de implementação de todos os
requisitos estabelecidos, documentação adequada de processos e procedimentos,
manutenção de padrões éticos e científicos elevados, e contribuição para
desenvolvimento de práticas responsáveis.
Compromisso com Melhoria Contínua
Comprometo-me com melhoria contínua das práticas de uso responsável de IA em
pesquisa, incluindo incorporação de novas diretrizes e melhores práticas, refinamento
de processos de validação e controle de qualidade, contribuição para desenvolvimento
de padrões elevados, e compartilhamento de experiências e aprendizados.
Este compromisso reflete reconhecimento de que o uso responsável de IA em pesquisa é
área em evolução contínua, requerendo adaptação e melhoria constantes para manter
padrões elevados de qualidade e ética científica.
REFERÊNCIAS
[1] Sampaio, R. C., Sabbatini, M., & Limongi, R. (2025). Diretrizes para o uso ético e
responsável da Inteligência Artificial Generativa: um guia prático para pesquisadores.
Universidade Estadual de Campinas. https://prpg.unicamp.br/wp-content/uploads/
sites/10/2025/01/livro-diretrizes-ia-1.pdf
[2] Coordenação de Aperfeiçoamento de Pessoal de Nível Superior – CAPES. (2025). A
inteligência artificial na pesquisa e no fomento: desafios e oportunidades. Ministério da
Educação. https://www.gov.br/capes/pt-br/centrais-de-conteudo/
23042025_Relatorio_2575649_A_inteligencia_artificial_na_pesquisa_e_no_fomento.pdf
[3] Conselho Nacional de Desenvolvimento Científico e Tecnológico – CNPq. (2024).
Portaria CNPq nº 1.735, de 1º de agosto de 2024. Ministério da Ciência, Tecnologia e
Inovações. http://www.cnpq.br/web/guest/view/-/journal_content/56_INSTANCE_0oED/
10157/21786999
[4] Ministério da Ciência, Tecnologia e Inovações – MCTI. (2024). Estratégia Nacional de
Inteligência Artificial. Governo Federal. https://www.gov.br/mcti/pt-br/acompanhe-o
mcti/transformacaodigital/inteligencia-artificial
[5] SciELO Brasil. (2025). Pesquisadores brasileiros lançam diretrizes para o uso ético e
responsável da Inteligência Artificial Generativa (IAG). Blog SciELO em Perspectiva.
https://blog.scielo.org/blog/2025/02/05/pesquisadores-lancam-diretrizes-iag/
[6] Fundação Getulio Vargas. (2025). Diretrizes para o Uso Ético e Responsável da
Inteligência Artificial Generativa. Revista de Ciência, Gestão e Políticas Públicas. https://
periodicos.fgv.br/cgpc/announcement/view/376
[7] Gomes, R. A. (2025). Um panorama das diretrizes relacionadas ao uso de inteligência
artificial nos principais periódicos da Área Interdisciplinar da CAPES. Revista Eletrônica
de Biblioteconomia e Ciência da Informação. https://periodicos.ufsc.br/index.php/eb/
article/view/103488
[8] Instituto de Estudos Sociais e Políticos – IESP. (2024). Recomendações iniciais para
editores de periódicos científicos sobre o uso de GenAIs. Dados – Revista de Ciências
Sociais. https://dados.iesp.uerj.br/recomendacoes-para-editores-de-periodicos
cientificos-sobre-o-uso-de-genais/
