Did LLMs colonize scientific titles? Fifty years of titular colonicity
Este estudo analisa cinquenta anos de dados de títulos científicos para demonstrar que, embora o uso de dois-pontos seja uma convenção de longa data que está aumentando em prevalência, os modelos de linguagem de grande escala geram títulos com frequências de dois-pontos significativamente mais altas do que autores humanos, um padrão que é sensível ao comando e influencia o desempenho de classificação de recuperação.
Artigo original sob licença CC BY 4.0 (https://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
Artigos científicos são frequentemente julgados por seus títulos, aquelas frases breves que devem realizar o trabalho pesado de dizer ao leitor sobre o que é o estudo antes mesmo de ele clicar em um link. Por décadas, pesquisadores notaram um padrão específico nesses títulos: o uso de dois pontos, aquele pequeno sinal de pontuação composto por dois pontos. Um título pode ler "Mudança Climática: Uma Nova Perspectiva", usando os dois pontos para separar um assunto amplo de um foco específico. Esse hábito, conhecido nos círculos acadêmicos como "colonicidade titular", tem sido observado desde a década de 1980. É uma ferramenta padrão para organizar informações, mas recentemente, uma nova força entrou na sala: grandes modelos de linguagem. Estes são sistemas de inteligência artificial treinados em vastas quantidades de texto que agora podem escrever resumos, responder perguntas e até redigir títulos científicos. À medida que essas ferramentas se tornam comuns na pesquisa, surge uma questão natural: elas estão mudando a forma como escrevemos? Especificamente, essas máquinas estão usando excessivamente os dois pontos, talvez tornando-os uma assinatura de sua produção, e esse sinal de pontuação realmente ajuda ou prejudica quando um computador tenta encontrar um artigo em um banco de dados?
Para responder a isso, uma equipe de pesquisadores da Interactive Crafts, na Polônia, conduziu uma investigação massiva abrangendo cinquenta anos de história científica. Eles não apenas adivinharam; eles analisaram quase noventa e cinco milhões de artigos de periódicos publicados entre 1976 e 2025, uma coleção extraída de um banco de dados global chamado OpenAlex. Sua primeira tarefa foi mapear a história dos dois pontos. Eles descobriram que seu uso nunca foi uma linha reta para cima ou para baixo. Em vez disso, oscilou ao longo das décadas, situando-se em cerca de 16 por cento no final da década de 1970, subindo e descendo, e depois subindo novamente nos anos recentes. Por volta de 2022, aproximadamente 25 por cento dos títulos em língua inglesa continham dois pontos. Em 2024, esse número saltou para quase 29 por cento, e uma análise preliminar de 2025 sugeriu que poderia atingir 34 por cento. Embora este aumento recente seja perceptível, os pesquisadores foram cuidadosos ao notar que essa tendência começou antes da inteligência artificial se tornar uma ferramenta dominante para a escrita, o que significa que o aumento faz parte de uma história mais longa e complexa de como os cientistas escrevem, não necessariamente uma mudança súbita causada pelas máquinas.
A equipe então voltou sua atenção para as próprias máquinas. Eles pegaram quase 1.700 resumos científicos — sumários de artigos de pesquisa — e pediram a três modelos de linguagem de código aberto diferentes que gerassem novos títulos para eles. Eles deram aos modelos dois tipos de instruções: uma era neutra, simplesmente pedindo um título, e a outra pedia que os modelos seguissem as convenções de estilo específicas do campo científico, como biologia ou engenharia. Os resultados foram impressionantes. Quando os modelos escreviam títulos, usavam dois pontos com muito mais frequência do que os autores humanos em artigos publicados. Para o modelo principal testado, 41 por cento dos títulos neutros continham dois pontos, comparado a apenas 27 por cento dos títulos reais publicados. Quando os modelos foram instruídos a seguir as convenções do campo, a taxa de uso de dois pontos aumentou ainda mais, chegando a 60 por cento. Isso sugere que, embora os humanos usem os dois pontos moderadamente, esses sistemas de inteligência artificial têm uma forte tendência de usá-los excessivamente, especialmente quando estimulados a imitar estilos acadêmicos específicos. Os pesquisadores também descobriram que os modelos eram inconsistentes; às vezes, produziam um título com dois pontos, e outras vezes não, mesmo analisando o mesmo resumo, indicando que esse comportamento é sensível à forma como a pergunta é feita.
Finalmente, os pesquisadores queriam saber se essa pontuação realmente importava quando um computador tentava encontrar um artigo. Eles montaram um experimento controlado onde pegaram títulos que tinham um único par de dois pontos e substituíram esses dois pontos por um simples espaço, deixando cada outra palavra exatamente igual. Eles então pediram a um sistema de busca que encontrasse o artigo original usando o título modificado. Surpreendentemente, remover os dois pontos tornou a busca ligeiramente mais eficaz. O sistema encontrou o artigo correto com mais frequência e o classificou mais alto na lista de resultados quando os dois pontos foram removidos. Isso não significa que os dois pontos sejam ruins para leitores humanos, mas mostra que, para a tecnologia de busca específica usada neste teste, os dois pontos atuaram como um leve obstáculo. Os pesquisadores observaram que esse efeito não era universal; para muitos títulos, a mudança não fez diferença alguma, mas para uma parte significativa, o espaço funcionou melhor do que os dois pontos.
O estudo conclui que, embora os grandes modelos de linguagem estejam de fato "colonizando" os títulos científicos com uma frequência que excede as normas humanas, isso não significa que sejam a única causa do recente aumento no uso de dois pontos. A tendência começou antes dessas ferramentas serem amplamente adotadas, e o aumento é provavelmente uma mistura de mudanças nos hábitos humanos e influência das máquinas. Além disso, a presença de dois pontos não é uma maneira confiável de identificar um artigo escrito por uma máquina, já que os humanos os utilizam há décadas. A verdadeira lição é que a pontuação não é apenas uma escolha estilística; é uma variável que altera a forma como as máquinas leem e recuperam informações. À medida que a inteligência artificial se integra mais no processo de pesquisa, compreender essas pequenas mudanças na linguagem torna-se essencial, não apenas para detectar a IA, mas para garantir que o conhecimento que criamos ainda possa ser encontrado pelos sistemas projetados para compartilhá-lo.
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.