Report on CHIIR 2026 Workshop on Generative AI and Academic Search (GAI&AS)

Resumo Técnico: Workshop CHIIR 2026 sobre IA Generativa e Busca Acadêmica (GAI&AS)

Definição do Problema
O artigo aborda a mudança de paradigma que está ocorrendo nos sistemas de busca acadêmica devido à integração da IA Generativa (GenAI). Os sistemas tradicionais de recuperação de informação (IR) historicamente operaram sob a premissa de que o papel do sistema é localizar fontes relevantes, deixando o trabalho interpretativo e epistêmico de avaliação, conexão e uso para o pesquisador humano. No entanto, as capacidades da GenAI — como sumarização, síntese, recomendação e interação conversacional — estão borrando essas fronteiras. Essa mudança desafia os pressupostos fundamentais da busca acadêmica, que depende fortemente de rastreabilidade, credibilidade e interpretação cuidadosa de evidências. O problema central é determinar como projetar e avaliar sistemas de busca acadêmica que utilizem a GenAI para eficiência e descoberta sem comprometer a integridade da pesquisa, a agência do usuário, o engajamento cognitivo ou a transparência necessária para o trabalho acadêmico.

Metodologia
Este artigo é um relatório de workshop que resume os procedimentos do Workshop CHIIR 2026 sobre IA Generativa e Busca Acadêmica (GAI&AS). A metodologia empregada foi um processo de definição de agenda de pesquisa colaborativo e impulsionado pela comunidade, envolvendo pesquisadores de interação humano-informação e recuperação de informação. A estrutura do workshop incluiu:

1. Lightning Talks: Dez apresentações de pesquisadores detalhando projetos em andamento e perspectivas teóricas sobre GenAI em contextos acadêmicos.
2. Agrupamento Temático: Os participantes geraram ideias para trabalhos futuros em notas adesivas (sticky notes), que foram posteriormente organizadas pelos organizadores em três clusters temáticos distintos.
3. Discussões em Mesa Redonda: Discussões estruturadas focadas em três prompts específicos: (a) teorias e princípios orientadores, (b) métodos e abordagens promissoras, e (c) parcerias e construção de comunidade.
4. Síntese: Os autores sintetizaram os resultados dessas atividades para delinear o estado atual do campo, identificar desafios principais e propor uma agenda de pesquisa voltada para o futuro.

Principais Contribuições e Descobertas
O workshop identificou três clusters temáticos primários que definem o panorama de pesquisa atual:

1. Fundamentos e Princípios:

   • Transparência e Confiança: Há um consenso de que os sistemas de GenAI devem ser transparentes quanto ao seu processo (atribuição de fontes), propósito (eliciar objetivos do usuário) e desempenho (comunicar níveis de confiança).
   • Agência e Integridade: A pesquisa deve abordar o "hiato de confiança" (trust gap) onde estudantes confiam excessivamente na IA enquanto o corpo docente desconfia dela. Os sistemas devem ser projetados para preservar a agência humana, evitar o descarregamento cognitivo (cognitive offloading) do pensamento crítico e mitigar vieses (ex: a dinâmica "o rico fica mais rico" na reconstrução de coautoria).
   • Design Ético: Foram propostos princípios de "fricção produtiva", sugerindo que os sistemas não devem eliminar a incerteza ou a exploração, mas sim apoiar virtudes intelectuais como curiosidade e meticulosidade.

2. Aplicações e Oportunidades:

   • Além da Recuperação: As aplicações estendem-se ao suporte personalizado, agentes em dispositivos (on-device agents) e IA agêntica para tarefas de longo prazo, como revisões de literatura e geração de hipóteses.
   • Colaboração Humano-IA: Novos modelos são necessários para a colaboração humano-IA, particularmente em tarefas como programação de computadores e busca complexa de informação.
   • Casos de Uso Específicos: Foram identificadas oportunidades que incluem resumir/contrastar artigos, encadeamento para frente/trás (forward/backward chaining) para revisões de literatura, identificação de lacunas de pesquisa e tornar a literatura acadêmica acessível para públicos não acadêmicos.
   • Desafios: Obstáculos principais incluem o "hiato de execução" (gulf of execution — lacuna entre a intenção do usuário e a capacidade do sistema) e o "hiato de avaliação" (gulf of evaluation — desejo do usuário de entender os internos do sistema).

3. Busca como Aprendizado (Search-as-Learning):

   • Engajamento Cognitivo: Um tema central é a distinção entre fricção benéfica e prejudicial. Os sistemas devem incentivar os usuários a se envolverem em processos metacognitivos críticos em vez de delegá-los à IA.
   • Andaime (Scaffolding): A pesquisa deve focar em andaimes adaptativos que apoiem os aprendizes até que possam realizar tarefas de forma independente, evitando o "princípio do menor esforço" que leva à atrofia de habilidades.
   • Resultados de Aprendizagem: Há necessidade de investigar se a GenAI melhora o aprendizado autodirigido ou se apenas facilita a delegação de processos críticos de aprendizagem.

Resultados do Workshop
O workshop estabeleceu com sucesso uma agenda intelectual compartilhada para a comunidade CHIIR. Os principais resultados incluem:

• Identificação de Lacunas de Pesquisa: A necessidade de insights empíricos sobre como os pesquisadores realmente utilizam sistemas aprimorados por IA em diferentes disciplinas e níveis de expertise.
• Mudanças Metodológicas: Um chamado para ir além das avaliações automatizadas de larga escala em direção a práticas de pesquisa autênticas e com participação do sujeito, incluindo estudos observacionais naturalísticos, estudos longitudinais com usuários e design sensível a valores.
• Reavaliação Teórica: O reconhecimento de que os modelos existentes (ex: Modelo de Aceitação de Tecnologia) podem precisar de revisão ou que novas teorias fundamentadas são necessárias para abordar o impacto transformador da GenAI no trabalho acadêmico.
• Construção de Comunidade: O estabelecimento da necessidade de parcerias intersetoriais entre pesquisadores acadêmicos, bibliotecários e empresas de tecnologia para acessar dados de uso do mundo real e alinhar as ferramentas aos valores acadêmicos.

Significância
O artigo reivindica significância como um documento fundamental para um campo nascente, mas em rápido crescimento. Argumenta-se que a GenAI na busca acadêmica não deve ser tratada meramente como uma nova área de aplicação, mas como uma oportunidade de revisitar pressupostos fundamentais sobre como os sistemas de busca apoiam o trabalho de conhecimento. Ao reunir diversos stakeholders, o workshop destacou a tensão entre os ganhos de eficiência da GenAI e os requisitos epistêmicos da pesquisa acadêmica. O relatório serve como um roteiro para pesquisas futuras, enfatizando a necessidade de design centrado no ser humano, a preservação da integridade da pesquisa e o desenvolvimento de sistemas que apoiem processos cognitivos de ordem superior em vez de substituí-los. Os autores observam que o workshop demonstrou um forte interesse da comunidade e uma gama diversificada de iniciativas em andamento, justificando os planos para um segundo workshop e edições especiais de periódicos para avançar ainda mais nesta agenda de pesquisa.