Literacia digital e as competências necessárias para a escrita académica
Aline Muniz, Universidade Católica de Brasília (Brasil)
Aline Barbosa Xavier Muniz é doutoranda em Educação pela Universidade Católica de Brasília, aluna do Programa de Doutorado Sanduiche (PDSE/Brasil) na Universidade de Aveiro/Portugal. Pedagoga na Escola Superior de Defesa/Brasil. Pesquisadora na área de Inteligência Digital e mapeamento de competência na educação. Pesquisadora no Laboratório de Segurança, Desenvolvimento e Defesa/LAB-SDD. Membro Grupo de Trabalho para o estudo e a difusão da Inteligência Artificial nas atividades da ESD.
Atualmente, quando você lê um texto, pergunta: isto foi escrito por um humano ou pela IA?
Esse questionamento pode estar presente na mente dos leitores, a partir da popularização e dos avanços na qualidade da escrita da IAGen. No contexto científico não é diferente, decidir a confiabilidade do que é lido, a partir da definição sobre quem o escreve, é contexto de discussão, que pode envolver, inclusive, os critérios pelos quais reconhecemos um conhecimento como científico. Boavida e Amado (2008) destacam a importância do rigor na análise e na interpretação dos dados e da reflexão sobre as condições de validade do conhecimento. Ao aproximar essa discussão da escrita com IAGen, podemos considerar que a confiabilidade do texto depende também da sustentação dos argumentos e da possibilidade de verificar as informações apresentadas. (Bozkurt, 2024).
Parece ser consensual, ainda, que a autoria não pode ser designada à IAGen, que a responsabilidade da escrita é humana e a tomada de decisão científica permanece intacta como atividade que só o humano deve fazer (Hoomanfard & Shamsi, 2025; Koval et al., 2026; Wu et al., 2026). Entretanto, a escrita colaborativa é aceita e não rechaçada. Para isto, novas competências devem ser construídas de forma a estabelecer uma relação profícua entre pesquisador e IAGen no processo de escrita científica (Lira et al., 2026; Savvidou, 2026; Wu, 2026).
Dito isto, mobilizar competências para o uso da IAGen na escrita científica se torna uma busca por conhecimento. Em pesquisa, ainda em andamento, realizada com doutorandos, um dos achados foi a importância do conhecimento prévio do pesquisador a respeito do assunto sobre o qual se dispõe a escrever. Ou seja, para utilizar a IAGen na escrita científica, o pesquisador precisa ter domínio técnico-conceitual para ter subsídios de realizar a curadoria dos resultados, e posterior tomada de decisão.
Para entender a importância do conhecimento prévio, construído ao longo da vida, faço uma analogia com a caixa de Skinner. Seríamos nós, humanos, os ratos dentro da caixa, recebendo o reforço positivo da IAGen para acreditar que o que está escrito está totalmente perfeito? E, com este reforço positivo, dentro da teoria do condicionamento operante, esse comportamento se tornaria mais provável de ocorrer novamente e criaria um looping de uso contínuo da IAGen. A analogia se inspira na relação entre estímulo/resposta do comportamento, descrita por Skinner (2009), e sua aplicação à IAGen é uma hipótese de reflexão.
Ao distanciar-se da teoria do condicionamento operante, se alinha a discussão aos aspectos cognitivos da escrita científica em colaboração com a IAGen. Neste sentido, o caminho é entender como a escrita se constrói nas relações entre o pesquisador, as pessoas com quem dialoga e os recursos que utiliza. A Teoria Ator-Rede, desenvolvida por Bruno Latour e outros pesquisadores, contribui para olhar esse processo, pois, nessa perspectiva, a produção do conhecimento envolve associações entre humanos e não humanos, como pesquisadores, textos, instrumentos e tecnologias, cuja participação precisa ser compreendida no decorrer da atividade (Latour, 2005).
Ao escrever um artigo, o pesquisador trabalha com conhecimentos anteriores, dados da pesquisa, contribuições de outros autores e orientações recebidas, e estas relações são incorporadas na IAGen que passa a participar desta rede colaborativa. Os outputs podem modificar a organização do texto, sugerir caminhos de interpretação e interferir na forma de apresentar um argumento. Ou seja, na perspectiva de Latour (2005), podemos investigar essas intervenções considerando a ferramenta como uma possível mediadora, isto é, como algo que transforma o que está sendo produzido.
A mediação ocorre quando a interação modifica a organização das ideias, provoca a revisão de um argumento ou encaminha a discussão para uma perspectiva que passa a ser considerada pelo autor (Annapureddy et al., 2025; Burneo-Arteaga et al., 2025). Essa participação precisa ser observada no processo de escrita, acompanhando o que foi sugerido e como a sugestão foi incorporada ou recusada no documento final. Parker et al. (2025) ajudam a observar essas transformações, em uma pesquisa participativa com quatro doutorandos e a professora, na qual identificaram uma escrita híbrida, envolvendo geração de ideias, negociação de significados e avaliação comparativa.
Ao mesmo tempo, a mediação não é neutra e seus impactos são temas de estudos, pois existe evidência de que a IAGen pode reduzir o esforço cognitivo, e termos como: “cognitive offloading” e “erosion of cognitive struggle”, passaram a permear a literatura na área, pois entende-se que o uso contínuo e automático (não crítico) pode favorecer dependência e alterar noções de autoria (Hamsiah et al., 2026). Contudo, não existe consenso; pesquisas mostram que pode haver aumento da capacidade cognitiva quando utilizado de forma mediada, com potencial de fortalecer o nível de criticidade (Hong et al., 2025).
Outro exemplo pode ser apresentado nos estudos de (Kim et al., 2026) que identificaram relatos de dependência e dificuldades de avaliação crítica, enquanto Parker et al. (2025) registraram percepções de maior envolvimento cognitivo e metacognitivo, ou seja, nem toda escrita assistida por IA causa prejuízo cognitivo, mas estas pesquisas corroboram a importância de compreender como a ferramenta é utilizada. Reconhecer essa mediação não significa atribuir à IAGen consciência ou responsabilidade pela pesquisa; ela passa a compor um elemento da rede. É nesse contexto que podemos buscar as competências necessárias para utilizar a IAGen na escrita científica.
A capacidade de conduzir a interação com a IAGen como definir a finalidade do uso, apresentar o contexto da pesquisa, formular pedidos e ajustar a conversa conforme as respostas recebidas, são competências a serem desenvolvidas. Tarchi et al. (2025) observaram que dificuldades de argumentação e de integração de informações limitaram o aproveitamento do ChatGPT em uma atividade de escrita baseada em fontes. Neste sentido, a curadoria das informações se articula a essas competências, pois conferir referências, retornar aos textos originais e comparar as sugestões com os dados da pesquisa são ações que ajudam a sustentar as decisões.
Nas situações em que a IAGen participa das etapas de buscar fontes, selecionar e relacionar os textos, o importante é compreender quais relações foram propostas pela ferramenta e como o pesquisador as examinou antes de incorporar (Tarchi et al., 2025). Compreender essa mediação permite ao pesquisador definir como a ferramenta participa da construção dos argumentos, de modo que as decisões se mantenham como competência humana.
Assim, o uso da IAGen na escrita científica exige domínio do tema, interação orientada, curadoria das informações e avaliação crítica dos outputs. Pela perspectiva da Teoria Ator-Rede, essas competências são mobilizadas nas relações entre pesquisadores, fontes, dados e tecnologias, refletidas nas transformações que ocorrem na produção da escrita científica (Latour, 2005).
Referências
Annapureddy, R., Fornaroli, A., & Gatica-Perez, D. (2025). Generative AI Literacy: Twelve Defining Competencies. Digital Government: Research and Practice, 6(1), 1–21. https://doi.org/10.1145/3685680
Boavida, J., & Amado, J. (2008). Ciências da Educação Epistemologia, Identidade e Perspectivas. DOI: http://dx.doi.org/10.14195/978-989-26-0414-5
Bozkurt, A. (2024). GenAI et al.: Cocreation, Authorship, Ownership, Academic Ethics and Integrity in a Time of Generative AI. Open Praxis, 16(1), 1–10. https://doi.org/10.55982/openpraxis.16.1.654
Burneo-Arteaga, P., Lira, Y., Murzi, H., Balula, A., & Costa, A. P. (2025). Capability-based training framework for generative AI in higher education. In Frontiers in Education (Vol. 10). Frontiers Media SA. https://doi.org/10.3389/feduc.2025.1594199
Lira, Y. R., Burneo, P. S., & Costa, A. P. (2026). Identifying Key Competencies for Education PhD Students with Generative AI Integration: A Scoping Review (pp. 167–200). https://doi.org/10.1007/978-3-032-02999-7_9
Hamsiah, A., Rizal, A., & Malik, A. R. (2026). ChatGPT use in higher education writing and its relationship with critical thinking autonomy struggle and authorship. Discover Education, 5(1), 580. https://doi.org/10.1007/s44217-026-01627-2
Hong, H., Vate-U-Lan, P., & Viriyavejakul, C. (2025). Cognitive Offload Instruction with Generative AI: A Quasi‑Experimental Study on Critical Thinking Gains in English Writing. Forum for Linguistic Studies, 7(7). https://doi.org/10.30564/fls.v7i7.10072
Hoomanfard, M., & Shamsi, Y. (2025). Generative AI in dissertation writing: L2 doctoral students’ self-reported use, AI-giarism, and perceived training needs. Journal of English for Academic Purposes, 78, 101570. https://doi.org/10.1016/j.jeap.2025.101570
Kim, J., Lee, S.-S., Detrick, R., Wang, J., & Li, N. (2026). Students-Generative AI interaction patterns and its impact on academic writing. Journal of Computing in Higher Education, 38(1), 504–525. https://doi.org/10.1007/s12528-025-09444-6
Koval, E. A., Ushkin, S. G., Ageeva, O. N., & Zhadunova, N. V. (2026). “An Assistant in Your Pocket”: How Generative AI Shapes the Publishing Practices of Russian Postgraduate Students. Vysshee Obrazovanie v Rossii = Higher Education in Russia, 34(12), 107–126. https://doi.org/10.31992/0869-3617-2025-34-12-107-126
Latour, B. (2005). Reassembling the Social: An Introduction to Actor-Network-Theory. Oxford University Press.
Parker, J. L., Richard, V. M., Acabá, A., Escoffier, S., Flaherty, S., Jablonka, S., & Becker, K. P. (2025b). Negotiating Meaning with Machines: AI’s Role in Doctoral Writing Pedagogy. International Journal of Artificial Intelligence in Education, 35(3), 1218–1238. https://doi.org/10.1007/s40593-024-00425-x
Savvidou, C. (2026). Negotiating Generative AI-Assisted Academic Writing: Student Perspectives on Authorship, Responsibility and Learning. Education Sciences, 16(9), 1568. https://doi.org/10.3390/educsci16091568
Skinner, B. F. (2009). Sobre o Behaviorismo (2nd ed.). Cultrix.
Tarchi, C., Zappoli, A., Casado Ledesma, L., & Brante, E. W. (2025). The Use of ChatGPT in Source-Based Writing Tasks. International Journal of Artificial Intelligence in Education, 35(2), 858–878. https://doi.org/10.1007/s40593-024-00413-1
Wu, C., Moorhouse, B. L., Wan, Y., & Wu, M. (2026). Exploring PhD students’ utilization of generative AI in academic writing for publication purposes: Insights for EAP. Journal of English for Academic Purposes, 79, 101612. https://doi.org/10.1016/j.jeap.2025.101612
Wu, E. (2026). From production to verification: generative AI, doctoral formation, and the leadership of digital education. Frontiers in Education, 11. https://doi.org/10.3389/feduc.2026.1890769
