Does Scientific Writing Converge to U.S. English? Evidence from Generative AI-Assisted Publications

Este estudo analisa 5,65 milhões de artigos científicos e conclui que o uso de inteligência artificial generativa promove uma convergência significativa do estilo linguístico de autores de países não falantes de inglês em direção ao padrão do inglês dos EUA, reduzindo barreiras linguísticas históricas, embora isso levante questões sobre a dependência de um único padrão linguístico.

O essencial

🌍 O "Tradutor Mágico" que Está Mudando a Ciência

Imagine que o mundo da ciência é uma grande festa internacional. Há muito tempo, para entrar nessa festa e ser ouvido, você precisava falar inglês perfeitamente, especialmente o sotaque e a gramática dos Estados Unidos.

Se você fosse um cientista do Brasil, da China ou da Alemanha e escrevesse seu artigo com um inglês "quebrado" ou muito diferente do padrão americano, as portas se fechavam. Seus ideias poderiam ser brilhantes, mas o "porteiro" (os revisores das revistas científicas) dizia: "Sinto muito, sua escrita não soa profissional o suficiente". Para consertar isso, muitos precisavam pagar caros serviços de edição ou passar anos aprendendo o inglês técnico.

O que mudou?
No final de 2022, chegou o ChatGPT (e outras Inteligências Generativas). Pense nele como um tradutor e editor mágico que qualquer um pode usar de graça ou por muito pouco dinheiro.

Este estudo investigou uma pergunta simples: Esse "tradutor mágico" está ajudando os cientistas de fora dos EUA a escreverem de um jeito que soa mais parecido com o padrão americano?

🔍 O que os pesquisadores descobriram?

Os autores analisaram 5,65 milhões de artigos científicos publicados entre 2021 e 2024. Eles usaram uma tecnologia inteligente (chamada SciBERT) para medir o "sotaque" e o "estilo" de cada texto, comparando-o com o padrão dos EUA.

Aqui estão os três grandes achados, explicados com analogias:

1. A Convergência: "Todos vestindo o mesmo terno"

Antes do ChatGPT, os cientistas de países que não falam inglês tinham estilos de escrita muito variados. Depois que o ChatGPT chegou, os artigos escritos por cientistas de países não anglófonos começaram a ficar mais parecidos com os artigos americanos.

• A Analogia: Imagine que antes cada grupo de amigos chegava à festa com roupas de cores e estilos diferentes. De repente, todos começaram a usar o mesmo "terno azul padrão". O "sotaque" da escrita científica está se tornando mais uniforme e parecido com o dos EUA.

2. Quem mais se beneficiou? "Os que mais precisavam"

O estudo descobriu que essa mudança não aconteceu com todo mundo da mesma forma. Ela foi muito mais forte em dois grupos:

• Equipes locais: Cientistas que trabalham sozinhos em seu próprio país (sem colegas falantes de inglês para ajudar) foram os que mais usaram a IA e mais mudaram seu estilo.
• Países distantes: Cientistas de países onde o idioma é muito diferente do inglês (como China ou Japão) tiveram uma mudança maior do que países onde o inglês é mais comum (como na Europa).
• Revistas menores: Em revistas científicas menos famosas (onde não há revisores tão rigorosos ou editores caros), a mudança foi mais visível.
• A Analogia: É como se a IA fosse um tênis de corrida de alta tecnologia. Quem já tinha um bom par de tênis (cientistas com inglês fluente ou em grandes universidades) notou pouco a diferença. Mas quem estava correndo descalço ou com sapatos velhos (cientistas com barreiras linguísticas) deu um salto enorme de velocidade e estilo.

3. O Grande Dilema: "Inclusão ou Perda de Identidade?"

Aqui está o ponto mais importante e preocupante.

• O Lado Bom: A IA está quebrando barreiras. Cientistas que antes eram excluídos por não falarem inglês perfeito agora podem publicar suas ideias. Isso traz mais diversidade de pensamentos para a festa.
• O Lado Ruim: Se todos começarem a escrever exatamente da mesma forma (padrão americano), podemos perder a diversidade cultural na ciência. A ciência pode ficar "homogeneizada", como se todos estivessem cantando a mesma música no mesmo tom.

🎯 A Conclusão em uma frase

A Inteligência Artificial está funcionando como um nivelador: ela está ajudando cientistas de todo o mundo a escreverem de um jeito que o mundo aceita, reduzindo a barreira do idioma. Mas, ao fazer isso, ela também está fazendo com que a ciência global comece a soar cada vez mais parecida com a ciência americana.

O futuro?
Os autores sugerem que isso é uma oportunidade incrível para incluir mais vozes, mas precisamos ter cuidado para não apagar as vozes originais e únicas em troca de um padrão perfeito, mas sem alma. A ciência precisa de clareza, mas também de diversidade.

Resumo técnico

Aqui está um resumo técnico detalhado do artigo "Does Scientific Writing Converge to U.S. English? Evidence from Generative AI-Assisted Publications", estruturado conforme solicitado:

1. Problema e Motivação

O domínio do inglês na comunidade científica global historicamente conferiu vantagens estruturais a pesquisadores nativos e criou barreiras persistentes para pesquisadores não nativos (especialmente de países não anglófonos). Essas barreiras resultam em maiores custos de escrita, viés na revisão por pares e menor progresso de carreira.

Embora a literatura recente documente que a Inteligência Artificial Generativa (GenAI) está alterando a escrita científica (mudanças absolutas no vocabulário e legibilidade), uma questão fundamental permanece sem resposta: o uso de GenAI leva a uma convergência sistemática dos estilos de escrita não nativos em direção ao padrão dominante (inglês científico dos EUA), ou apenas a uma melhoria absoluta?

Distinguir entre "melhoria" e "convergência" é crucial. A convergência sinaliza se as barreiras linguísticas estão diminuindo e se a participação global está se diversificando, mas também levanta preocupações sobre a homogeneização estilística e a perda de diversidade linguística.

2. Metodologia

O estudo utiliza uma abordagem econométrica robusta baseada em grandes dados bibliométricos e processamento de linguagem natural (NLP).

• Dados:

  • Amostra: 5,65 milhões de artigos científicos em inglês publicados entre 2021 e 2024, indexados no Scopus.
  • Foco: Artigos com pelo menos uma afiliação de autor em um país não anglófono.
  • Unidade de Análise: Célula Publicação × País × Campo Científico (totalizando ~14,3 milhões de observações).
  • Categorização: Os campos foram agregados em quatro grupos principais: Ciências da Vida, Ciências Físicas, Engenharia e Tecnologia, e Ciências Sociais.

• Identificação do Uso de GenAI:

  • O uso de GenAI é inferido por meio de mudanças lexicais em títulos e resumos.
  • Utiliza-se um vocabulário de 65 termos (ex: delve, groundbreak, intricate, empower) previamente associados a conteúdo gerado por LLMs.
  • Um artigo é classificado como "assistido por GenAI" se contiver pelo menos um desses termos (em forma de stem) que apresentou um aumento de frequência de pelo menos 300% (quadruplicação) entre 2021 e 2024, dentro de seu campo científico específico.

• Medição de Similaridade Linguística:

  • Utiliza-se o modelo SciBERT (um transformer pré-treinado em textos científicos) para gerar embeddings (vetores semânticos) de 768 dimensões a partir da concatenação de título e resumo.
  • Calcula-se a similaridade de cosseno entre cada artigo de país não anglófono e um corpus de referência composto por artigos "puros" dos EUA (apenas afiliações americanas) do mesmo campo e ano.
  • A métrica varia de 0 a 1, onde valores mais altos indicam maior proximidade linguística e semântica ao padrão dos EUA.

• Estratégia Empírica:

  • Desenho: Estudo de evento com Diferenças-em-Diferenças (DiD) em cortes transversais repetidos.
  • Tratamento: Lançamento do ChatGPT no final de 2022.
  • Modelo: Regressão que compara a evolução da similaridade linguística entre artigos assistidos por GenAI e não assistidos, controlando por efeitos fixos de país, campo, revista e ano.
  • Linha de Base: O ano de 2022 serve como referência. O período pré-2023 atua como teste de placebo para garantir que as tendências não existiam antes da adoção massiva de GenAI.

3. Principais Contribuições

1. Evidência de Convergência em Escala: Fornece a primeira evidência transversal (multicampo e multicountry) de que o uso de GenAI está associado a uma convergência mensurável na apresentação linguística da ciência publicada em direção ao padrão dos EUA, indo além das análises de mudanças absolutas.
2. Mecanismo de Igualdade Parcial: Demonstra que a GenAI atua como um equalizador linguístico, reduzindo disparidades geográficas e linguísticas no registro científico formal, especialmente onde as barreiras eram historicamente mais altas.
3. Novo Enquadramento Teórico: Conecta a adoção de tecnologia digital a resultados acadêmicos, sugerindo que a GenAI pode reconfigurar a participação na ciência global de forma análoga à liberalização comercial, expandindo o pool de ideias, mas com riscos de homogeneização.

4. Resultados Chave

• Convergência Significativa: Publicações assistidas por GenAI de países não anglófonos exibem uma convergência estatisticamente significativa e crescente em direção ao inglês científico dos EUA após 2022, em comparação com publicações não assistidas desses mesmos países.
  • O efeito é de +0,15% em 2023 e +0,4% em 2024 (relativo à linha de base de 2022).
• Heterogeneidade do Efeito: A convergência é mais forte nos contextos onde as barreiras linguísticas são maiores:
  • Equipes de Autores Nacionais: O efeito é mais pronunciado para equipes compostas apenas por autores do mesmo país (sem coautores internacionais que poderiam fornecer suporte linguístico).
  • Distância Linguística: Países com maior distância linguística do inglês (medida pelo Common Language Index) apresentam ganhos de convergência mais acentuados.
  • Ausência de Coautores Nativos: Equipes sem nenhum coautor falante de inglês nativo mostram maior convergência.
  • Jornais de Menor Impacto: A convergência é mais prevalente em revistas de menor impacto (onde o suporte profissional de edição é menos acessível) do que em revistas de topo (onde já existe um padrão rigoroso de polimento linguístico).
• Robustez: Os resultados permanecem consistentes sob diferentes limiares de palavras-chave (200%, 300%, 400%), critérios mais estritos de identificação (exigência de 2+ termos) e diferentes definições do corpus de referência dos EUA (ex: excluindo artigos com GenAI, usando apenas artigos de 2021, ou focando em revistas de topo).

5. Significado e Implicações

• Redução de Barreiras de Entrada: A GenAI está efetivamente reduzindo as barreiras linguísticas para a publicação internacional, permitindo que pesquisadores de países não anglófonos, especialmente em instituições menos estabelecidas, produzam textos que se alinham melhor aos padrões editoriais dominantes.
• Risco de Homogeneização: Embora a convergência possa aumentar a inclusão, ela levanta a questão de se isso representa uma verdadeira inclusão ou uma dependência profunda de um único padrão linguístico, potencialmente levando à perda de diversidade retórica e estilística na ciência global.
• Políticas e Práticas Editoriais: O estudo sugere que a detecção automática de IA (que frequentemente penaliza escritas não nativas) é injusta e ineficaz. Em vez disso, recomenda-se:
  • Transparência na divulgação do uso de ferramentas de linguagem.
  • Acesso equitativo e treinamento para instituições sub-resourçadas.
  • Revisão editorial focada no mérito científico, tratando o suporte linguístico como independente da qualidade da pesquisa.
• Conclusão Final: A GenAI tem o potencial de remodelar a participação na ciência global, expandindo o pool de ideias concorrentes. No entanto, a realização de ganhos duradouros em diversidade e descoberta científica dependerá de investimentos institucionais complementares e de normas de divulgação transparentes, evitando que a convergência estilística se torne uma forma de padronização cultural.