Pesquisar com IA é construir contexto

Curso: Coescrita e Pesquisa Acadêmica com IA
Aula 1 — 28/04/2026

Este resumo foi elaborado a partir da transcrição da primeira aula do curso, realizada em formato síncrono, com apresentação dos participantes, contextualização conceitual e demonstrações práticas de uso da IA em processos de pesquisa acadêmica.

Coescrito com IA por Andre Stangl.

1. Abertura da aula e organização inicial

A aula começou com uma breve ambientação técnica. Foi explicado que o encontro estava sendo realizado pela plataforma Sympla, com sala do Zoom integrada, e que a gravação seria disponibilizada posteriormente aos participantes. Também foi reforçada a importância do grupo de WhatsApp como espaço de apoio, comunicação rápida e acompanhamento do curso.

Desde o início, ficou claro que a proposta do curso não seria apenas expositiva. A intenção era criar um espaço de troca, experimentação e reflexão coletiva. A turma, com cerca de 21 inscritos, foi apresentada como um grupo diverso, composto por professores, pesquisadores, estudantes de pós-graduação, profissionais da saúde, da educação, da comunicação, da nutrição, da psicanálise, da edição de livros e de áreas ligadas à cultura digital.

A apresentação dos participantes foi importante para mapear expectativas. Entre os interesses mencionados apareceram:

uso da IA na orientação de mestrado e doutorado;
apoio à pesquisa qualitativa e quantitativa;
escrita acadêmica;
revisão de textos;
leitura de artigos em inglês;
jornalismo investigativo;
saúde digital;
educação e letramento em IA;
uso crítico, ético e autoral da IA;
preocupação com confiabilidade, limites e normatização.

Esse momento ajudou a configurar o curso como um espaço interdisciplinar, não centrado apenas em aspectos técnicos, mas também em implicações epistemológicas, pedagógicas e institucionais do uso da inteligência artificial na pesquisa.

2. O primeiro deslocamento conceitual: IA não é apenas “ferramenta”

Um dos primeiros pontos conceituais da aula foi a problematização da expressão “usar IA”. A ideia central apresentada foi que essa formulação pode ser limitada, porque pressupõe uma relação instrumental simples: o usuário dá um comando e a máquina executa uma tarefa.

A aula propôs deslocar essa visão mecanicista para uma compreensão mais recursiva e dialógica da relação com os modelos de linguagem. Em vez de pensar a IA apenas como uma ferramenta externa, é mais produtivo entendê-la como parte de uma nova ecologia cognitiva.

A comparação com outras tecnologias de organização da informação foi central. A escrita, por exemplo, também é uma tecnologia. No entanto, ela foi tão profundamente incorporada às práticas de conhecimento que deixou de ser percebida como algo externo. Ninguém, ao escrever um artigo ou organizar uma pesquisa, pensa explicitamente: “agora vou usar a tecnologia da escrita”. A escrita já faz parte do próprio modo como entendemos a produção acadêmica.

O mesmo raciocínio foi estendido à oralidade. Embora possa parecer estranho chamar a fala de tecnologia, ela também organiza memória, conhecimento, transmissão cultural e formas de pensamento. Essa observação permitiu ampliar o debate para além da tradição ocidental escrita, reconhecendo a importância de formas orais de produção e circulação do conhecimento, especialmente em povos tradicionais e comunidades indígenas.

A partir disso, a IA foi situada numa longa história das tecnologias cognitivas: oralidade, escrita, imprensa, tecnologias eletrônicas, tecnologias digitais e, agora, modelos generativos. A IA não surgiu do nada, nem pertence exclusivamente às big techs. Ela é resultado de décadas de pesquisa em cibernética, computação, linguagem, estatística, matemática e inteligência artificial, envolvendo universidades, pesquisadores e centros de pesquisa desde meados do século XX.

3. IA como mudança na ecologia cognitiva

A aula propôs compreender a inteligência artificial generativa como uma transformação comparável, em certa medida, à escrita ou à imprensa. Essa comparação não significa dizer que todas essas tecnologias são iguais, mas reconhecer que elas reorganizam as condições de produção, circulação e validação do conhecimento.

No caso da IA, a mudança aparece especialmente na escrita, na leitura, na busca, na organização de informações e na relação com conceitos. O professor apresentou sua experiência pessoal com a IA desde dezembro de 2022, destacando que a prática cotidiana de escrita e pesquisa foi profundamente modificada.

Nesse ponto, apareceu a noção de coescrita: a IA não substitui simplesmente o pesquisador, mas participa de um processo de formulação, reformulação, revisão e organização das ideias. Essa participação pode ser produtiva, mas também exige critério, supervisão e consciência dos riscos.

A aula também destacou que os modelos estão mudando rapidamente. O que hoje parece uma funcionalidade avançada pode se tornar comum em poucos meses. Por isso, o curso foi apresentado como uma experiência situada em um campo instável, em permanente transformação.

4. Pesquisa com IA como construção de contexto

O eixo central da aula foi a ideia de que pesquisar com IA é construir contexto.

O modelo não responde apenas à pergunta isolada. A qualidade da resposta depende do contexto que o usuário fornece: textos, artigos, livros, objetivos, critérios, perguntas, exemplos, referências, estilo desejado e sucessivas correções.

A aula apresentou essa ideia como uma possível pedagogia do contexto. Esse conceito surgiu na própria interação com o modelo, a partir do material preparado para a aula. O ponto foi usado como exemplo de como a IA pode devolver ao pesquisador uma formulação nova, uma síntese ou uma expressão conceitual que não estava previamente nomeada, mas estava implícita no processo.

A partir disso, foi feita uma distinção importante:

pesquisar com IA não é apenas buscar respostas;
pesquisar com IA é estabilizar contextos progressivamente;
o contexto não é dado de uma vez;
ele é construído, negociado, corrigido e refinado.

Essa noção é decisiva para diferenciar o uso acadêmico da IA de um uso mais superficial, semelhante ao uso de um buscador. Muitas pessoas ainda interagem com o ChatGPT ou outros modelos como se estivessem diante de um “Google melhorado”. Mas a proposta da aula foi mostrar que os modelos de linguagem podem operar de forma mais rica quando são tratados como ambientes de construção progressiva de sentido.

5. Prompt: menos fórmula mágica, mais início de conversa

Outro ponto importante foi a relativização da “engenharia de prompt” como algo excessivamente técnico ou misterioso. A aula reconheceu que bons prompts ajudam, mas criticou a ideia de que seria necessário dominar fórmulas complexas para começar a usar IA em pesquisa.

O prompt foi apresentado como uma pergunta inicial, um gesto de abertura do contexto. Ele pode ser simples. O mais importante é compreender que a interação não termina na primeira resposta. O pesquisador pode pedir esclarecimentos, corrigir, aprofundar, solicitar reformulações, pedir que o próprio modelo melhore a pergunta ou ajude a estruturar a investigação.

Assim, o prompt não é uma chave mágica. Ele é o início de uma conversa orientada.

O professor mostrou que costuma começar uma interação de várias formas:

colando uma reportagem;
subindo um artigo em PDF;
apresentando uma questão de pesquisa;
pedindo uma estrutura inicial;
solicitando resumo, análise ou comparação;
pedindo ao modelo que ajude a organizar um caminho de investigação.

O valor não está apenas no comando inicial, mas na sequência de interações que vai refinando o campo de trabalho.

6. Projetos, pastas e contextos persistentes

A aula apresentou a função de Projetos no ChatGPT como uma segunda camada importante da construção de contexto. A ideia foi explicar que uma conversa isolada tem limites. Com o tempo, uma conversa longa pode ficar confusa, pesada ou menos precisa, porque há limites de contexto e de processamento.

Os projetos funcionam como “pastas de contexto”. Eles permitem organizar materiais, conversas e arquivos relacionados a um mesmo tema, autor, curso, pesquisa ou livro.

Foi dado o exemplo de um projeto dedicado à releitura de Umberto Eco, especialmente o livro Como se faz uma tese. Nesse caso, o professor mostrou como é possível subir o PDF de um livro, pedir uma estrutura detalhada da obra e depois abrir conversas específicas para cada capítulo ou seção.

Essa prática foi apresentada como uma forma de coleitura ou de fichamento ampliado. A IA não substitui a leitura do livro, mas pode ajudar a:

mapear a estrutura geral da obra;
identificar capítulos relevantes;
produzir uma primeira aproximação;
organizar fichamentos;
formular perguntas;
comparar trechos;
apoiar a decisão sobre quais partes merecem leitura mais detida.

Também foi feita uma observação técnica importante: a qualidade do PDF importa. Arquivos compostos apenas por imagens, sem texto selecionável, dificultam o trabalho do modelo. Nesses casos, pode ser necessário OCR, e a chance de erro aumenta. Para a IA trabalhar melhor, o ideal é usar PDFs com texto reconhecível e selecionável.

7. A conta como infraestrutura cognitiva

A aula também discutiu a diferença entre usar versões gratuitas e pagas dos modelos. O professor explicou que seus experimentos estão concentrados principalmente na versão paga do ChatGPT, porque ela oferece mais continuidade, mais recursos e menos interrupções.

Mas o ponto principal não foi fazer propaganda de uma ferramenta específica. A questão foi mostrar que a conta, o histórico, os projetos e a memória formam uma espécie de infraestrutura cognitiva. Quanto mais o pesquisador interage com o modelo, mais o modelo aprende sobre seu estilo, seus temas, suas preferências e suas demandas recorrentes.

Isso levou a uma ideia importante: o usuário também “educa” o modelo, ao mesmo tempo em que aprende a interagir melhor com ele. A relação é recursiva. O modelo vai se ajustando ao usuário, e o usuário vai aprendendo como orientar, corrigir e explorar o modelo.

Essa personalização pode ser útil, mas também pode gerar problemas. O modelo pode, por exemplo, insistir em relacionar qualquer tema aos autores que o usuário costuma pesquisar. No caso do professor, foram mencionados autores como Yuk Hui, Bruno Latour, McLuhan e Flusser. Isso pode ser produtivo em alguns contextos, mas inadequado em outros.

8. Memória, personalização e estilo

Na parte prática, foi demonstrada a área de configurações do ChatGPT, especialmente os recursos de personalização e memória. A aula mostrou que é possível ajustar o tom do modelo, definindo se ele deve ser mais profissional, amigável, direto, eficiente, criativo ou informal.

Também foi demonstrado como uma memória pode ser salva e apagada. O exemplo usado foi simples: o professor escreveu “sou baiano, memorize isso”, mostrou que a memória foi registrada e depois explicou que ela poderia ser excluída.

A memória foi apresentada como um dos elementos mais importantes da relação com a IA, porque ela cria continuidade entre interações. Mas essa continuidade exige cuidado. O usuário precisa saber que certas informações podem ser armazenadas, revisadas ou apagadas.

A discussão sobre estilo também apareceu a partir de uma pergunta de participante. Foi perguntado como manter o estilo pessoal em textos gerados ou revisados com IA. A resposta indicou que é possível pedir explicitamente ao modelo para preservar o estilo, manter expressões, conservar a estrutura argumentativa e apenas melhorar clareza, coesão ou fluidez.

Ao mesmo tempo, o professor explicou que, em seus textos jornalísticos e de divulgação científica, muitas vezes deseja justamente uma linguagem mais acessível, menos acadêmica e menos hermética. Nesse caso, a IA ajuda a traduzir debates complexos para um público mais amplo.

9. Oralidade, transcrição e nova escrita

Um tema importante da aula foi a relação entre IA, oralidade e escrita. O professor explicou que tem usado gravações, transcrições e modelos de linguagem para transformar falas, aulas e encontros em resumos expandidos, textos reflexivos ou materiais de apoio.

Esse procedimento foi apresentado como uma mudança importante na prática de escrita. Em vez de começar sempre diante da página em branco, o pesquisador pode falar, gravar, transcrever e depois trabalhar o texto com a IA.

Isso permite reaproveitar a experiência oral como matéria-prima da escrita. A aula sugeriu que essa mudança pode reativar dimensões da cognição ligadas à fala, à improvisação, à conversa e à elaboração progressiva das ideias.

Essa discussão dialogou com a crítica à centralidade exclusiva da escrita acadêmica tradicional e abriu espaço para pensar outras formas de produção do conhecimento.

10. Modelos diferentes, usos diferentes

Embora o foco da aula tenha sido o ChatGPT, também foram mencionados outros modelos e plataformas, como Gemini, Claude, DeepSeek e NotebookLM.

A ideia apresentada foi que não existe uma única ferramenta definitiva. Cada modelo pode ter pontos fortes diferentes:

ChatGPT: muito usado pelo professor para coescrita, organização textual e construção de contexto;
Gemini/NotebookLM: mais voltado a experiências multimodais, como áudio, imagem, vídeo, podcast e organização de fontes;
Claude: citado como modelo com boa qualidade textual em certos contextos;
DeepSeek: mencionado como útil em alguns temas ligados à China ou a bases de dados chinesas.

Também foi comentada a possibilidade de usar um modelo para melhorar o prompt a ser usado em outro. Essa prática mostra que a pesquisa com IA pode envolver uma ecologia de modelos, e não apenas uma plataforma isolada.

11. Ética, transparência e normatização acadêmica

Uma parte significativa da aula foi dedicada à questão ética e normativa. Foi discutido que o ambiente acadêmico ainda está tentando entender como lidar com o uso de IA.

A aula mencionou a recente política de integridade científica do CNPq como um sinal de que o debate está avançando, mas ainda há muitas incertezas. Uma das questões levantadas foi a dificuldade de relatar detalhadamente todo o processo de uso da IA. Em trabalhos complexos, uma coluna, artigo ou parecer pode envolver dezenas de interações, versões e reformulações. Relatar todos os prompts seria, em alguns casos, quase produzir outro documento.

Por isso, foi sugerido que a transparência talvez precise ser pensada em níveis. Em alguns casos, basta declarar que a IA foi usada para revisão, tradução, organização bibliográfica ou apoio à estruturação. Em outros, quando a IA participa mais diretamente da formulação de conceitos ou argumentos, a situação se torna mais complexa.

O professor também comentou sua própria experiência com textos coescritos, colunas jornalísticas e artigos acadêmicos. Foi destacada a diferença entre assumir publicamente o uso da IA e ocultar essa participação. No jornalismo, por exemplo, esse tema tem gerado reações fortes de leitores e profissionais.

12. IA, pareceres e crise do sistema acadêmico

A discussão ética se aprofundou quando surgiu o tema dos pareceres acadêmicos. Um participante relatou que alguns periódicos internacionais já perguntam aos pareceristas se usaram modelos de IA em suas avaliações. Outro mencionou que periódicos como Cadernos de Saúde Pública orientam explicitamente que artigos submetidos para parecer não sejam colocados em modelos de linguagem.

A aula reconheceu a importância dessa preocupação, especialmente quando se trata de material inédito, sigiloso ou sensível. Ao mesmo tempo, foi feita uma crítica à ideia de proibição absoluta, pois a IA pode ser uma auxiliar poderosa na leitura, análise e elaboração de pareceres.

A posição apresentada foi pragmática: quando solicitado a fazer pareceres, o professor informa que usa IA como apoio. Se a revista ou organização não aceitar, pode buscar outro parecerista. A IA não substitui a leitura humana, mas pode ajudar a organizar critérios, comparar argumentos, verificar coerência e produzir uma avaliação mais estruturada.

Esse ponto levou a uma reflexão mais ampla: o sistema de periódicos acadêmicos já está em crise, pressionado pelo produtivismo, pelo excesso de submissões e pela dificuldade de conseguir pareceristas. A IA tende a intensificar essa crise, mas também pode revelar problemas que já existiam.

13. Dados, segurança e privacidade

A aula também abordou a questão dos dados. Foi feita uma distinção entre usos mais abertos e usos envolvendo informações sensíveis.

O professor explicou que, em sua própria prática, a maior parte das interações com IA envolve temas que poderiam estar publicamente disponíveis: debates acadêmicos, textos, conceitos, colunas, pesquisas e experimentos. No entanto, quando se trata de dados de saúde, informações pessoais, patentes, documentos sigilosos ou avaliações inéditas, o cuidado precisa ser muito maior.

Foi mencionado que empresas oferecem planos com maior controle de dados, especialmente para usos corporativos ou áreas sensíveis. Também foi discutido que modelos locais, rodando no próprio computador, podem se tornar uma alternativa importante no futuro, ainda que hoje tenham limitações em relação aos modelos de fronteira.

Nesse ponto, a aula apontou para um horizonte possível: cada pesquisador ou grupo de pesquisa poderá, no futuro, ter seus próprios modelos locais, treinados ou alimentados com bases específicas, sem depender integralmente de grandes plataformas em nuvem.

14. Encaminhamento final da aula

Ao final, a aula retomou o caráter experimental do curso. A primeira aula funcionou como uma introdução conceitual e prática, preparando o terreno para os próximos encontros.

Os principais aprendizados foram:

A IA não deve ser compreendida apenas como ferramenta mecânica.
A pesquisa com IA depende da construção progressiva de contexto.
O prompt é apenas o início de uma interação, não uma fórmula definitiva.
Projetos, arquivos e memória permitem criar contextos mais persistentes.
A coescrita com IA exige revisão, critério e responsabilidade autoral.
A transparência sobre o uso da IA ainda está em processo de normatização.
A IA transforma não apenas a escrita, mas também a leitura, a oralidade, os pareceres e a organização da pesquisa.
O campo está mudando rapidamente, exigindo acompanhamento contínuo e reflexão crítica.

A aula terminou com o compromisso de disponibilizar a gravação e os materiais de apoio, além de continuar a conversa no grupo de WhatsApp. O próximo encontro foi anunciado como continuidade da jornada, com aprofundamento das práticas de pesquisa, coescrita e meta-reflexão com IA.

Abaixo estão os slides gerados com o GPT. Ainda não fiz uma revisão final do material, então podem conter ajustes a serem feitos. Estou compartilhando aqui apenas como complemento à aula e apoio para o acompanhamento dos conteúdos.

Aula 1- pt1 Baixar

Aula 1- pt2 Baixar