Plagiarism or Productivity? Students Moral Disengagement and Behavioral Intentions to Use ChatGPT in Academic Writing

Título do Estudo: Plágio ou Produtividade? Desengajamento Moral dos Estudantes e Intenções Comportamentais de Uso do ChatGPT na Escrita Acadêmica

Autores: John Paul P. Miranda et al.
Publicação: 2025 International Workshop on Artificial Intelligence and Education (WAIE)

1. Problema de Pesquisa

O estudo aborda a crescente adoção de Inteligência Artificial Generativa (especificamente o ChatGPT) por estudantes universitários filipinos para tarefas acadêmicas, como redação de ensaios, teses e estudos de viabilidade. Embora existam benefícios educacionais, o uso generalizado desafia as definições tradicionais de autoria e integridade acadêmica.

O problema central identificado é a lacuna na compreensão de como os mecanismos de desengajamento moral (estratégias cognitivas que permitem aos indivíduos justificar comportamentos antiéticos) interagem com os componentes psicológicos da Teoria do Comportamento Planejado (TPB) para moldar a intenção dos estudantes de utilizar IA. Muitas instituições enfrentam dificuldades em formular políticas claras, e os estudantes frequentemente utilizam essas ambiguidades para racionalizar o uso da ferramenta, evitando conflitos morais internos.

2. Metodologia

• Desenho do Estudo: Pesquisa transversal quantitativa utilizando modelagem de equações estruturais (via regressão linear múltipla).
• Participantes: Uma amostra de 418 estudantes universitários das Filipinas com experiência prévia no uso do ChatGPT para trabalhos acadêmicos (teses, estudos de viabilidade, projetos de capstone, etc.).
  • Perfil: 58,5% homens, 41,5% mulheres; maioria (85,7%) de instituições públicas; idade média de 21,65 anos.
• Instrumentos: Um questionário online baseado em escala Likert de 5 pontos, medindo nove construtos:
  • Mecanismos de Desengajamento Moral (5): Justificação moral, rotulagem eufemística, deslocamento de responsabilidade, minimização de consequências e atribuição de culpa.
  • Componentes da TPB (3): Atitudes, normas subjetivas e controle comportamental percebido.
  • Variável de Saída: Intenção Comportamental de uso futuro.
• Análise de Dados: Os dados foram analisados usando Python (Jupyter Notebook). Foram executados quatro modelos de regressão linear múltipla para testar as relações preditoras entre os mecanismos de desengajamento moral e os componentes da TPB, e subsequentemente, a intenção comportamental. A consistência interna foi verificada com alfa de Cronbach > 0,70.

3. Contribuições Chave

• Integração Teórica: O estudo propõe e valida um modelo híbrido que conecta a Teoria do Desengajamento Moral (focada na racionalização ética) com a Teoria do Comportamento Planejado (focada na intenção de adoção de tecnologia).
• Contextualização Local: Oferece evidências empíricas específicas sobre o comportamento de estudantes filipinos, um grupo demográfico onde a adoção de IA é rápida, mas as políticas éticas ainda estão em evolução.
• Identificação de Fatores Críticos: Revela que a "Atribuição de Culpa" (culpar instituições por políticas vagas) é o mecanismo de desengajamento mais influente, superando a justificação moral interna.
• Limitação dos Modelos Atuais: Sugere que modelos baseados puramente em intenção (como a TPB) podem não capturar totalmente o comportamento real, que é influenciado por fatores emocionais, pressão de pares e conveniência.

4. Resultados Principais

• Predição de Atitudes: O modelo de desengajamento moral explicou 67,9% da variância nas atitudes dos estudantes.
  • Fatores Significativos: Minimização de consequências e Atribuição de Culpa foram os preditores mais fortes. Estudantes que acreditam que as consequências são pequenas ou que a culpa é das instituições (políticas vagas) têm atitudes mais favoráveis ao uso do ChatGPT.
  • Fator Não Significativo: Justificação moral (racionalizar o uso como "educativo") não foi um preditor significativo para atitudes.
• Predição de Normas Subjetivas: O modelo explicou 56,7% da variância.
  • A Atribuição de Culpa foi novamente o preditor mais forte, indicando que os estudantes percebem maior aceitação social do uso de IA quando acreditam que a instituição falhou em fornecer diretrizes claras.
• Predição de Controle Comportamental Percebido: O modelo explicou 59,1% da variância.
  • A Atribuição de Culpa (β = 0,421) foi o preditor dominante. Estudantes que transferem a responsabilidade para a instituição sentem-se mais confiantes em usar a ferramenta sem violar regras éticas.
• Predição da Intenção Comportamental: O modelo final (TPB) explicou 60,6% da variância na intenção de uso.
  • Atitudes foram o preditor mais forte (β = 0,499), seguidas pelo Controle Comportamental Percebido (β = 0,253) e Normas Subjetivas (β = 0,098).
  • Isso confirma que, embora o ambiente social e o controle percebido importem, a avaliação pessoal positiva do uso da IA é o fator decisivo para a intenção de uso.

5. Significado e Implicações

• Para Instituições de Ensino: Os resultados indicam que a ambiguidade nas políticas acadêmicas é um catalisador para o desengajamento moral. As universidades não devem apenas proibir, mas definir claramente o que constitui uso ético vs. plágio, especialmente em contextos de IA.
• Guia Pedagógico: É necessário um foco em discussões de sala de aula e feedback que ajudem os estudantes a refletir sobre a moralidade do uso de IA, em vez de apenas impor regras punitivas.
• Cultura Acadêmica: A promoção de uma cultura de responsabilidade e integridade é essencial para mitigar a tendência de os estudantes "culparem o sistema" por suas escolhas éticas.
• Futuro da Pesquisa: O estudo sugere que modelos futuros devem incorporar variáveis emocionais e contextuais (como estresse e facilidade de acesso) para prever melhor o comportamento real dos estudantes em ambientes de aprendizado digital.

Em suma, o estudo conclui que a intenção dos estudantes de usar o ChatGPT é fortemente moldada por como eles racionalizam suas ações diante de lacunas institucionais, sendo a atitude pessoal o motor final dessa decisão.