Human-in-the-loop: A Investigação Qualitativa na Era da IA
António Pedro Costa, Universidade de Aveiro (Portugal)
Investigador do Centro de Investigação em Didática e Tecnologia na Formação de Formadores (CIDTFF), Departamento de Educação e de Psicologia, da Universidade de Aveiro e colaborador do Laboratório de Inteligência Artificial e Ciência de Computadores (LIACC), da Faculdade de Engenharia da Universidade do Porto.
A integração da Inteligência Artificial (IA), essencialmente a Inteligência Artificial Generativa (GenAI), na investigação qualitativa está a redefinir o modo como produzimos conhecimento. Ferramentas generativas, modelos de linguagem e agentes IA transformaram tarefas antes morosas, como a transcrição, a codificação ou a categorização, em processos automáticos e escaláveis. Contudo, esta aceleração metodológica levanta um desafio central: como garantir que a interpretação, a reflexividade e o sentido humano não se perdem na automatização?
Como defendem Costa et al. (2025a) em AI as a Co-researcher in the Qualitative Research Workflow: Transforming Human-AI Collaboration, a IA pode ser entendida não apenas como ferramenta, mas como co-investigadora. O modelo AbductivAI propõe precisamente uma colaboração entre humanos e agentes IA integrando raciocínios dedutivos, indutivos e abdutivos através do Chain-of-Thought prompting. Esta abordagem não elimina o papel humano, antes o reforça, ao exigir que o investigador atue como agente reflexivo, responsável por validar e interpretar os resultados produzidos pela IA. A noção de Human-in-the-loop ganha aqui um significado epistemológico. O humano não serve apenas para supervisionar o algoritmo, mas para co-produzir conhecimento, mediando tensões entre a inferência automática e a interpretação contextual. O investigador transforma-se em curador de sentido, garantindo rigor ético e metodológico num ecossistema “híbrido de inteligência”.
Esta ideia de colaboração estende-se à proposta de Mixed-Methods & AI for Methodological Literature Reviews – MIXAI (Costa et al., 2025b), que demonstra como a combinação de IA com métodos mistos potencia revisões metodológicas mais ricas e sistemáticas. No modelo MIXAI, investigadores humanos e a IA trabalham em triangulação: a análise bibliométrica (quantitativa) é complementada pela análise de enquadramento (qualitativa) com recurso a Chain-of-Thought prompting em modelos como ChatGPT e Gemini. O resultado é uma integração quant-QUAL, em que a IA amplia a capacidade analítica, mas o investigador mantém a decisão interpretativa e ética. Mais do que automatizar, a IA torna visíveis novas competências necessárias aos investigadores: literacia em IA, pensamento crítico, consciência ética e interdisciplinaridade. Estas competências configuram o novo perfil do investigador reflexivo-digital, capaz de compreender as potencialidades e as limitações dos sistemas generativos.
Se o AbductivAI enfatiza a colaboração e o MIXAI a integração, o modelo RUF – Reflexive Uncertainty Framework (Costa & Bem-Haja, 2025c) acrescenta uma camada fundamental: a incerteza como evidência metodológica. Em vez de tratar as ambiguidades dos modelos probabilísticos como erro, o RUF propõe vê-las como oportunidade de reflexão e diálogo. Durante a análise de dados, zonas de ambiguidade, em que as probabilidades de codificação se aproximam ou as justificações do modelo oscilam, são interpretadas como momentos reflexivos. É aí que o humano deve intervir: questionando, justificando e tornando explícitos os limites da “interpretação automática”, garantindo os limites éticos através do uso responsável da GenAI. O RUF faz da incerteza um espaço produtivo de co-análise, fortalecendo a transparência epistemológica e a agência humana na investigação mediada por IA.
Os três modelos, AbductivAI, MIXAI e RUF, convergem numa mesma premissa. A IA não substitui o investigador; amplia-lhe a capacidade de ver, mas apenas se o humano permanecer no circuito. A verdadeira inovação metodológica não está em automatizar a análise, mas em re-imaginar a relação entre o humano e a IA como uma parceria crítica, ética e reflexiva. Manter o Human-in-the-loop é, assim, uma exigência epistemológica da investigação qualitativa. Significa reconhecer que a interpretação é sempre situada, afetiva e socialmente mediada, algo que nenhum modelo probabilístico pode replicar. Ao aceitar a incerteza, ao praticar a reflexividade e ao dialogar com os sistemas generativos, o investigador assegura que o “cérebro” da investigação qualitativa continua humano, mesmo na era da IA.
Referências
Costa, A. P., Bryda, G., Christou, P. A., & Kasperiuniene, J. (2025a). AI as a Co-researcher in the Qualitative Research Workflow: Transforming Human-AI Collaboration. International Journal of Qualitative Methods, 24. https://doi.org/10.1177/16094069251383739
Costa, A. P., Burneo, P., & Kasperiuniene, J. (2025b). Mixed-methods & AI for Methodological Literature Reviews. The Qualitative Report, 30(10), 4515–4540. https://doi.org/10.46743/2160-3715/2025.8434
Costa, A. P., & Bem-Haja, P. (2025c). Reflexive Uncertainty AI for Qualitative Data Analysis. Proceedings of the 28th European Conference on Artificial Intelligence (ECAI 2025), in press.
