AI-generated Academic Publications and Research Integrity: A Cross-National Analysis of Trends, Detection Methods, and Policy Responses (India vs. Global Standards, 2020-2026)

No mundo silencioso e rigoroso da pesquisa acadêmica, o fundamento da confiança é construído sobre uma promessa simples: que as palavras em um artigo publicado foram escritas pela mente humana que as reivindica. Por séculos, este sistema dependeu da revisão por pares, onde especialistas verificam o trabalho de outros para garantir que ele seja honesto e original. No entanto, uma nova tecnologia chegou desafiando essa promessa. Modelos de linguagem de grande escala são programas de computador capazes de gerar textos fluentes e convincentes que parecem e soam como escrita humana. Essas ferramentas podem redigir artigos de pesquisa inteiros em minutos. Ao mesmo tempo, uma nova classe de software surgiu, projetada para disfarçar esses textos escritos por máquinas, fazendo-os parecer ainda mais humanos ao adicionar pequenas imperfeições e variações. Isso cria uma situação difícil para a comunidade científica. Se um artigo é escrito por um computador, mas submetido como se tivesse sido escrito por uma pessoa, ele polui o registro do conhecimento humano. Isso não é apenas uma questão de má conduta; ameaça a confiabilidade de tratamentos médicos, padrões de engenharia e decisões políticas que dependem de dados precisos. A questão central enfrentada pelos cientistas hoje não é apenas se isso está acontecendo, mas o quão disseminado se tornou e se as regras e ferramentas que possuímos são suficientes para impedi-lo.

Um estudo recente de Jainish Bhagat, da Universidade P.P. Savani, aborda essas questões analisando os números por trás da tendência. A pesquisa compara o que está acontecendo na Índia com padrões globais entre 2020 e 2026, um período que viu a ascensão rápida dessas ferramentas de escrita. O autor reuniu dados de múltiplas fontes, incluindo bancos de dados de artigos retratados, estudos que rastrearam submissões de periódicos em busca de sinais de geração por computador e pesquisas de políticas universitárias. Eles descobriram que o número de submissões de manuscritos contendo conteúdo detectável gerado por computador explodiu. Globalmente, esse número cresceu quase 2.850% ao longo do período de seis anos. Na Índia, o crescimento foi ainda mais acentuado, subindo mais de 3.100%. Isso não significa que todo artigo da Índia seja falso, mas indica que o uso dessas ferramentas para criar manuscritos está acelerando mais rapidamente lá do que a média mundial. O estudo sugere que isso é impulsionado por uma combinação de fatores: uma comunidade de pesquisa em rápida expansão, pressão intensa para publicar e a disponibilidade crescente de ferramentas que podem escrever prosa acadêmica.

Os pesquisadores então observaram o quão comuns são esses artigos gerados por computador entre aqueles que são realmente enviados para periódicos. Sua análise sugere que aproximadamente 18% das submissões em todo o mundo e 21% das submissões na Índia contêm assinaturas que indicam que foram escritos ou fortemente auxiliados por inteligência artificial. Esta é uma parcela significativa, muito maior do que alguns casos isolados. O estudo também examinou se certas áreas são mais afetadas do que outras. Descobriu que assuntos técnicos, como ciência da computação e medicina, apresentam taxas de detecção mais altas, provavelmente porque esses campos são tanto de alta pressão quanto altamente dependentes dos tipos de linguagem que essas ferramentas geram bem. No entanto, o problema não se limita a um tipo de pesquisa; ele aparece também nas ciências sociais e na engenharia.

Uma parte importante do estudo focou nas ferramentas usadas para capturar esses artigos. O autor testou vários métodos de detecção, incluindo software que procura padrões de palavras incomuns e análise estatística que mede a previsibilidade do texto. Eles descobriram que nenhum método único é perfeito. Quando um artigo é escrito diretamente por um computador, as ferramentas de detecção podem identificá-lo corretamente cerca de 62 a 78% das vezes. No entanto, a situação muda quando o texto passa por um software "humanizador", que é projetado para enganar os detectores. Nesses casos, a precisão dos detectores de método único cai significativamente. O estudo conclui que a abordagem mais eficaz é combinar vários métodos diferentes — verificando padrões linguísticos, estranhezas estatísticas e verificando a fonte da informação. Mesmo com essa abordagem combinada, as ferramentas ainda perdem uma parte do conteúdo disfarçado, o que significa que a batalha entre a fraude e a detecção é contínua.

O artigo também investigou como as universidades estão respondendo a este desafio. Os pesquisadores pesquisaram 100 universidades indianas e compararam suas políticas com as de 50 instituições líderes globais. Eles descobriram uma lacuna significativa. Apenas 34% das universidades indianas possuem uma política formal que aborda explicitamente o uso de inteligência artificial na pesquisa. Em contraste, 67% da amostra global possuíam tais políticas. Além disso, as políticas que existem na Índia tendem a ser proibições estritas, banindo o uso dessas ferramentas inteiramente. Globalmente, muitas instituições estão se movendo em direção a uma abordagem diferente: permitir o uso de inteligência artificial, desde que o autor o declare claramente. O estudo argumenta que proibições estritas muitas vezes levam o comportamento para o submundo, tornando-o mais difícil de detectar, enquanto uma política de transparência cria um sistema de accountability. Se um pesquisador admite o uso da ferramenta, ele pode ser julgado sobre como a usou; se ele a esconde, está cometendo fraude.

Com base nessas descobertas, o autor propõe um conjunto de passos práticos para proteger a integridade da pesquisa sem sufocar a inovação legítima. Eles sugerem que as universidades adotem regras claras que exijam a divulgação em vez de simples banimentos. Isso permite que os pesquisadores utilizem ferramentas úteis enquanto mantêm a honestidade sobre seus métodos. Eles também recomendam que as instituições invistam em sistemas de detecção de múltiplos métodos para filtrar as submissões, reconhecendo que, embora nenhuma ferramenta seja perfeita, uma combinação de verificações é melhor do que nenhuma. Finalmente, o estudo enfatiza que a educação é crucial. Muitos pesquisadores podem não perceber que o uso dessas ferramentas sem divulgação é uma violação da ética. Ao treinar pesquisadores sobre o uso responsável e estabelecer consequências claras e consistentes para a má conduta, a comunidade científica pode gerenciar esta nova realidade. O estudo conclui que este não é um caso de colapso moral, mas um desafio de gestão. Os dados mostram que o problema é real e crescente, mas com políticas baseadas em evidências e detecção honesta, a integridade da literatura científica pode ser preservada.