Uma experiência realizada pela Transactions on Machine Learning Research, TMLR, colocou em discussão uma questão que ganha importância à medida que a inteligência artificial passa a participar de diferentes etapas da produção científica: os pesquisadores conseguem explicar e responder pelo conteúdo dos artigos que submetem?
Entre 14 e 28 de agosto de 2026, Nihar B. Shah, editor-chefe da TMLR, entrevistou autores de trabalhos que estavam inicialmente destinados à rejeição sem revisão por pares. A proposta foi conversar diretamente com os pesquisadores antes da decisão editorial e fazer perguntas sobre o problema investigado, a metodologia, os resultados e aspectos técnicos dos próprios artigos.
Dos dez trabalhos selecionados, oito tiveram reuniões agendadas e sete encontros foram realizados. Em três deles, os autores não conseguiram responder a perguntas consideradas básicas sobre seus próprios trabalhos. Outros três grupos conseguiram explicar os conceitos gerais, mas tiveram dificuldades diante de questões técnicas mais específicas. Em outro caso, o autor conseguiu responder às perguntas, mas uma análise posterior identificou um erro importante em uma das principais afirmações do artigo, posteriormente reconhecido pelos próprios autores.
Ao final do experimento, nove dos dez artigos foram rejeitados sem possibilidade de ressubmissão. O décimo recebeu autorização para uma nova submissão depois da correção do erro identificado e de outros problemas.
A iniciativa ocorreu em um cenário de crescimento do uso de inteligência artificial na pesquisa e na preparação de manuscritos. Segundo Shah, uma das questões consideradas pelo experimento era verificar se os autores conseguiam supervisionar adequadamente trabalhos que poderiam ter recebido auxílio significativo de ferramentas de IA.
O caso se conecta diretamente a uma discussão já abordada pelo Periódico Eletrônico no artigo “Papéis de autoria: por que e como declarar a contribuição de cada pessoa em um artigo científico”. A publicação destaca que autoria e contribuição são dimensões relacionadas, mas diferentes. Enquanto a autoria identifica quem assume responsabilidade pelo trabalho, a declaração de contribuição permite registrar o papel desempenhado por cada participante.
Essa distinção se torna ainda mais relevante quando ferramentas de inteligência artificial são utilizadas durante a preparação de um artigo. Como discutido na publicação do blog, sistemas de IA não podem assumir autoria ou responsabilidade pelo conteúdo científico. A responsabilidade continua atribuída aos pesquisadores, que precisam supervisionar, verificar e responder pelo material apresentado.
A experiência da TMLR leva esse princípio para uma situação concreta. Se um pesquisador assina um artigo, a capacidade de compreender seus métodos, resultados e principais afirmações passa a ser uma dimensão importante da responsabilidade pela publicação. A questão, portanto, não é simplesmente identificar se uma ferramenta de IA foi utilizada, mas compreender como essa utilização se relaciona com a supervisão humana sobre o trabalho.
O tema também dialoga com outra discussão recente sobre o que muda e o que permanece na comunicação científica em um mundo mediado por IA. À medida que novas tecnologias passam a atuar na redação, análise e organização de pesquisas, os processos editoriais precisam lidar com novas formas de participação tecnológica sem transferir para os sistemas de IA a responsabilidade que permanece com pesquisadores e instituições.
A própria avaliação dos manuscritos também começa a incorporar novas possibilidades. Em “IA pode ajudar a identificar pesquisas de qualidade antes da revisão por pares”, o Periódico Eletrônico abordou uma iniciativa voltada ao uso de inteligência artificial na avaliação preliminar de trabalhos científicos. No caso da TMLR, o caminho adotado foi diferente: em vez de utilizar uma ferramenta automatizada para avaliar os manuscritos, o editor buscou obter informações diretamente dos autores.
As duas abordagens apontam para uma transformação mais ampla nos processos de avaliação científica. A inteligência artificial pode apoiar diferentes etapas do trabalho editorial, mas a experiência da TMLR evidencia que a responsabilidade sobre o conteúdo publicado continua ligada às pessoas que assinam o artigo.
Há, porém, um obstáculo para transformar entrevistas desse tipo em uma prática editorial generalizada. Segundo Shah, o experimento consumiu entre 20 e 25 horas de trabalho ao longo de duas semanas, considerando oito artigos. Com o crescimento do volume de submissões, dedicar esse tempo a cada manuscrito seria difícil de sustentar em larga escala.
Ainda assim, a experiência abre espaço para uma discussão relevante para periódicos, editores e pesquisadores. Em um cenário no qual ferramentas de IA podem participar cada vez mais da produção de um manuscrito, declarar quem contribuiu para o trabalho é apenas uma parte da questão. Também se torna necessário compreender quem supervisionou o processo, quem verificou os resultados e quem está preparado para responder pelo conteúdo publicado.
O experimento da TMLR não estabelece, por si só, um novo padrão para a avaliação de artigos. Mas oferece um exemplo concreto de como os periódicos podem estar começando a repensar a relação entre autoria, uso de inteligência artificial e responsabilidade científica.
Fonte: MEDIUM
Texto produzido com auxílio de Inteligência Artificial e revisado pelo autor.
Confira nossa Política de Uso de IA.
Deseja divulgar a sua revista científica ou notícia gratuitamente no Periódico Eletrônico? Envie um email para
