Normative boundaries of AI in scientific work: Evidence from PhD researchers
Com base em um levantamento com 3.785 pesquisadores de doutorado internacionais, este estudo identifica quatro perfis attitudinais distintos em relação à IA no trabalho científico, revelando que os níveis de conforto dos pesquisadores são definidos por limites específicos de tarefas — aceitando a IA para tarefas de literatura enquanto resistem ao seu uso em contribuições intelectuais centrais, como escrita e desenho experimental — em vez de um simples binário de aceitação ou rejeição.
Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
A ciência sempre foi um empreendimento humano, um processo onde pesquisadores fazem perguntas, reúnem evidências e constroem novos entendimentos através de suas próprias mentes e mãos. Mas uma nova ferramenta entrou no laboratório e na biblioteca: a inteligência artificial. Esses sistemas agora podem escrever textos, analisar números e pesquisar através de vastas quantidades de informações mais rápido do que qualquer pessoa conseguiria. Essa mudança levanta uma questão fundamental para o futuro da descoberta: se uma máquina pode fazer o trabalho, quem está pensando? A preocupação não é apenas sobre se o trabalho será feito, mas sobre como a natureza da pesquisa muda quando humanos e máquinas compartilham a carga. Se um computador escreve um artigo ou projeta um experimento, o pesquisador humano ainda merece o crédito? O processo de aprendizagem que transforma um estudante em um especialista ainda acontece se a máquina fizer o trabalho pesado? Estas não são apenas questões técnicas sobre software; são questões sobre as regras e valores que governam como a ciência é feita.
Para entender como a próxima geração de cientistas está navegando neste novo cenário, os pesquisadores Francesco Angelini e Johan Lyrvall olharam diretamente para as pessoas que moldarão o futuro da pesquisa: os estudantes de doutorado. Eles analisaram dados de uma pesquisa massiva com 3.785 estudantes de doutorado nas áreas de ciência, tecnologia, engenharia, medicina e saúde de todo o mundo. Em vez de fazer uma pergunta simples de sim ou não sobre se os estudantes gostam de usar IA, os pesquisadores pediram que eles avaliassem o quão confortáveis se sentiam usando essas ferramentas para cinco partes específicas de seu trabalho diário. As tarefas variavam desde rastrear e resumir literatura científica até escrever artigos de pesquisa, coletar e analisar dados e projetar experimentos. Ao observar como os estudantes se sentiam em relação a cada tarefa específica, os pesquisadores puderam ver se havia um padrão em seu pensamento. Eles descobriram que os estudantes não se dividiam simplesmente em dois campos de "amantes" e "odiadores" da IA. Em vez disso, suas atitudes formaram quatro grupos distintos, revelando um mapa complexo de onde estavam dispostos a deixar as máquinas ajudar e onde traçavam a linha.
O maior grupo, representando quase metade de todos os estudantes pesquisados, mostrou um padrão claro que os pesquisadores chamaram de "divisão de trabalho". Esses estudantes estavam bastante confortáveis em usar IA para tarefas como encontrar e resumir artigos científicos existentes. Eles viam essas atividades como trabalho de suporte, onde uma máquina poderia organizar informações de forma eficiente. No entanto, os mesmos estudantes sentiam-se muito menos confortáveis em usar a IA para as tarefas intelectuais centrais da pesquisa: escrever o próprio artigo, analisar os dados ou projetar os experimentos. Para este grupo, a fronteira era clara. Eles estavam dispostos a deixar a máquina lidar com o trabalho de apoio, mas queriam manter as tarefas que exigiam pensamento profundo, criatividade e responsabilidade final firmemente nas mãos humanas. Isso sugere que, para muitos futuros cientistas, o valor da IA está em sua capacidade de auxiliar na gestão da informação, não em sua capacidade de substituir a mente humana no ato da descoberta.
Outros grupos no estudo mantinham visões diferentes. Cerca de um terço dos estudantes estavam desconfortáveis em usar a IA para quase qualquer tarefa de pesquisa, uma postura que os pesquisadores rotularam como "status quo". Eles tendiam a se sentir apreensivos com a tecnologia de forma geral, embora seu desconforto fosse mais forte quando se tratava de escrita e análise de dados. Um grupo menor, cerca de 16 por cento, era o oposto; eles eram amplamente confortáveis em usar a IA para tudo, vendo-a como uma ferramenta de uso geral que poderia ajudar em qualquer parte do processo de pesquisa. Finalmente, um pequeno mas notável grupo de 7 por cento era "indeciso". Esses estudantes frequentemente escolhiam "não sei" quando questionados sobre seus níveis de conforto, sugerindo que não tinham certeza sobre a tecnologia, não a haviam usado o suficiente para formar uma opinião ou ainda estavam descobrindo quais eram as regras. Mesmo entre os que estavam em dúvida, era mais provável que expressassem um sentimento positivo do que negativo.
O estudo também observou se fatores como o campo de estudo do estudante, o ano de seu programa ou a frequência com que usavam a IA alteravam essas atitudes. Os resultados mostraram que estudantes em campos de STEM eram ligeiramente mais propensos a estar no grupo cético do "status quo" em comparação com aqueles nas ciências médicas e da saúde. No entanto, os padrões gerais mantiveram-se independentemente de o estudante estar no primeiro ou no último ano, ou se estudava em tempo integral. Isso sugere que a maneira como os estudantes veem o papel da IA não é simplesmente uma questão de quanto tempo tiveram acesso às ferramentas, mas sim um reflexo mais profundo de como veem a natureza de seu trabalho. O fato de o grupo da "divisão de trabalho" ser o maior indica que a norma emergente mais comum não é rejeitar a IA inteiramente, nem aceitá-la cegamente, mas sim separar cuidadosamente quais tarefas pertencem à máquina e quais devem permanecer humanas.
Essas descobertas têm implicações importantes para a forma como a ciência é ensinada e avaliada. Os pesquisadores sugerem que a maneira como pensamos sobre a IA na ciência precisa ir além de regras simples que ou proíbem ou permitem seu uso. Em vez disso, as instituições e periódicos podem precisar adotar uma abordagem mais matizada que reconheça a diferença entre usar a IA para encontrar uma referência e usar para escrever uma conclusão. Se um estudante usa a IA para resumir cem artigos, isso é um tipo de assistência diferente de usá-la para gerar o argumento central de uma tese. O estudo implica que o futuro do treinamento científico precisará focar em ajudar os estudantes a compreender essas fronteiras. Não se trata apenas de aprender a usar a ferramenta, mas de aprender quais partes do processo de pesquisa são essenciais para o desenvolvimento de sua própria expertise. Se um estudante deixa a máquina fazer a escrita ou a análise de dados, ele pode perder a chance de desenvolver as habilidades de pensamento crítico que advêm de realizar essas tarefas por si mesmo.
Em última análise, esta pesquisa captura um momento de transição. As atitudes desses estudantes de doutorado não são fixas; elas provavelmente evoluirão à medida que a tecnologia melhorar e que a comunidade científica estabeleça novas normas. Hoje, a visão mais comum é uma seletiva, onde a IA é bem-vinda como uma auxiliadora para informação, mas resistida como um substituto para o julgamento. Esta "divisão de trabalho" pode se tornar a forma padrão de praticar a ciência, com as máquinas lidando com o volume de informações e os humanos focando na síntese e na criação de novos conhecimentos. À medida que esses estudantes se graduam e se tornam os líderes, editores e revisores de amanhã, as fronteiras que estão desenhando agora ajudarão a definir o que constitui um trabalho científico legítimo em uma era de inteligência artificial. O artigo não afirma ter resolvido o debate, mas fornece um quadro claro de onde a linha está sendo traçada atualmente pelas próprias pessoas que a cruzarão nos próximos anos.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.