ciência

Quando a inteligência artificial revisa a ciência, quem revisa a inteligência artificial?

/ Marcos Pędłowski / Deixe um comentário

Muito além do debate sobre transparência no uso da inteligência artificial, está em jogo a capacidade da ciência de produzir interpretações originais, desafiar paradigmas e resistir à padronização imposta pelas grandes plataformas digitais 

O editorial publicado na revista Evidence-Based Dentistry parte de um dado que merece atenção: mais da metade dos pareceristas científicos já utiliza ferramentas de inteligência artificial durante o processo de revisão por pares, embora grande parte das editoras ainda mantenha políticas ambíguas, restritivas e de difícil fiscalização. O texto defende que a IA já é uma realidade incontornável e propõe que o debate deixe de ser centrado na proibição para passar a ser orientado por mecanismos de transparência, governança e uso responsável.

Entretanto, há uma dimensão importante que o editorial apenas tangencia e que merece ser aprofundada: as implicações desse processo para a própria produção da ciência crítica.

Em primeiro lugar, é preciso reconhecer que a revisão por pares não é um exercício meramente linguístico. Um parecer de qualidade resulta da trajetória intelectual do pesquisador, de seu acúmulo teórico, de sua experiência metodológica e, sobretudo, de sua capacidade de formular perguntas incômodas. O bom parecerista não apenas identifica erros estatísticos ou problemas formais, mas é capaz de perceber silêncios, pressupostos ideológicos, conflitos de interesse e limitações epistemológicas que frequentemente escapam a uma leitura superficial.

É justamente nesse ponto que reside o principal problema da crescente delegação dessa atividade aos grandes modelos de linguagem. Essas ferramentas são treinadas para reconhecer padrões estatísticos presentes em grandes massas documentais. Em consequência, tendem a reproduzir aquilo que já é dominante, consensual e amplamente aceito na literatura científica. A originalidade, a ruptura teórica e a crítica às estruturas estabelecidas deixam de aparecer como virtudes e passam a ser interpretadas como desvios em relação ao padrão.

Em outras palavras, existe o risco concreto de que a IA funcione como um poderoso mecanismo de normalização da produção científica.

Esse risco é particularmente preocupante nas ciências sociais, humanas e ambientais, áreas em que grande parte das contribuições mais relevantes nasceu justamente do questionamento dos paradigmas vigentes. Pensadores que hoje são referências internacionais provavelmente teriam seus trabalhos classificados como excessivamente especulativos, pouco alinhados ao consenso ou insuficientemente convencionais caso fossem avaliados por sistemas treinados predominantemente sobre a literatura dominante.

Há ainda um aspecto estrutural que o editorial menciona apenas de forma indireta: a utilização crescente da IA não decorre apenas da busca por eficiência, mas da intensificação das condições de trabalho na academia. Pesquisadores são pressionados a publicar mais artigos, orientar mais estudantes, captar mais recursos, participar de mais bancas, assumir mais funções administrativas e, simultaneamente, produzir pareceres gratuitos para um sistema editorial altamente lucrativo. Nesse contexto, a IA surge como uma prótese cognitiva destinada a compensar a sobrecarga de trabalho.

O problema é que essa solução individual pode produzir um efeito coletivo perverso. Quanto mais a atividade intelectual é parcialmente terceirizada para sistemas algorítmicos, menor tende a ser o exercício cotidiano das competências analíticas que caracterizam o pensamento científico. A revisão por pares deixa de ser um espaço privilegiado de aprendizado, reflexão e confronto de ideias para transformar-se em uma atividade de edição e validação de textos previamente organizados pela inteligência artificial.

Existe também uma dimensão política pouco explorada no editorial. Os grandes modelos de linguagem são produtos de poucas corporações multinacionais que controlam infraestrutura computacional, bases de dados e recursos financeiros inacessíveis à maior parte da comunidade científica. A incorporação crescente dessas ferramentas ao processo editorial amplia a dependência da ciência em relação a plataformas privadas cujos critérios de treinamento, seleção de dados e funcionamento permanecem em grande medida opacos.

Nesse sentido, o problema não é apenas metodológico ou ético, mas também epistemológico. Se a produção, a avaliação e a circulação do conhecimento passam a ser mediadas por tecnologias desenvolvidas por um número reduzido de empresas, cria-se uma nova forma de concentração do poder científico, na qual determinados estilos de escrita, formas de argumentação e referências bibliográficas tendem a ser privilegiados em detrimento de perspectivas periféricas, dissidentes ou contra-hegemônicas.

Paradoxalmente, o próprio uso massivo da IA pode enfraquecer aquilo que mais se espera da revisão por pares: a diversidade de interpretações. Se milhares de pareceristas recorrem aos mesmos sistemas, treinados sobre os mesmos conjuntos de dados e programados para produzir respostas semelhantes, corre-se o risco de uma progressiva homogeneização do julgamento científico. O pluralismo metodológico e teórico, condição indispensável para o avanço da ciência, pode dar lugar a uma padronização algorítmica da crítica.

Por isso, embora o editorial tenha razão ao defender que a simples proibição da IA é ineficaz e provavelmente contraproducente, a discussão não deveria limitar-se à transparência do seu uso. É igualmente necessário preservar espaços em que o exercício da leitura crítica, da dúvida metodológica e da imaginação teórica continue sendo uma atividade genuinamente humana.

A ciência avança precisamente porque alguém é capaz de enxergar o que ainda não está consolidado, de formular perguntas que os consensos existentes não conseguem responder e de desafiar as interpretações dominantes. Uma inteligência artificial, treinada para reproduzir padrões, pode auxiliar tarefas técnicas e operacionais, mas dificilmente substituirá a capacidade de produzir estranhamento diante do aparentemente óbvio.

Em uma época marcada pela crescente automatização da produção acadêmica, talvez o maior desafio não seja impedir o uso da IA, mas evitar que ela transforme a ciência em um exercício de reprodução do consenso, justamente quando o mundo necessita, mais do que nunca, de pensamento crítico, criatividade intelectual e disposição para questionar as estruturas de poder que moldam tanto a sociedade quanto o próprio conhecimento científico.

Oceanos em colapso e a urgência de uma ciência voltada para a ação

/ Marcos Pędłowski / Deixe um comentário

Nova revista científica internacional lança chamado global por soluções concretas para enfrentar a poluição marinha e a crise dos oceanos

A publicação do editorial “Welcome to Clean Oceans: a platform for solutions to ocean pollution and sustainability challenges”, assinado pela pesquisadora Sylvia G. Sander, marca o lançamento da revista científica Clean Oceans e traz uma mensagem clara: os oceanos estão submetidos a pressões sem precedentes e o tempo das respostas lentas e fragmentadas já não é mais compatível com a gravidade da crise ambiental planetária.  

O editorial de lançamento da Clean Oceans destaca que a combinação entre poluição química, despejo de plásticos, contaminação por metais pesados, acidificação dos mares e mudanças climáticas vem alterando profundamente os ecossistemas marinhos. Em outras palavras, os oceanos  que são responsáveis pela regulação climática, produção de oxigênio e sustentação de cadeias alimentares globais estão sendo transformados em depósitos de resíduos do modelo econômico dominante.  

Mais do que anunciar uma nova revista científica, o editorial representa um chamado político e intelectual por uma ciência orientada para soluções práticas e socialmente relevantes. A editora chefe da Clean Oceans enfatiza que enfrentar a degradação marinha exigirá abordagens interdisciplinares que conectem ciências naturais, engenharia, políticas públicas e ciências sociais. Essa é uma admissão importante: a crise dos oceanos não é apenas um problema técnico, mas também resultado de escolhas econômicas e políticas que priorizam crescimento ilimitado, extração intensiva de recursos e expansão de cadeias globais de produção altamente poluentes. 

O lançamento da revista ocorre em um contexto particularmente preocupante. O aquecimento global acelera processos de desoxigenação dos oceanos, altera correntes marítimas, intensifica eventos climáticos extremos e modifica a dinâmica química das águas costeiras. Ao mesmo tempo, a produção global de plásticos segue aumentando, enquanto sistemas regulatórios nacionais e internacionais permanecem incapazes de conter o avanço da contaminação marinha.

Nesse cenário, o Sul Global ocupa posição contraditória: ao mesmo tempo em que concentra ecossistemas marinhos extremamente vulneráveis, também sofre pressões crescentes para expandir atividades minerárias, petrolíferas, portuárias e do agronegócio exportador. Países como o Brasil convivem com a combinação explosiva entre desregulação ambiental, precarização da fiscalização e fortalecimento de grandes corporações interessadas na exploração intensiva de zonas costeiras e oceânicas.

O editorial da Clean Oceans também chama atenção para a necessidade de democratizar o acesso ao conhecimento científico, defendendo um modelo de publicação em acesso aberto. Essa dimensão é crucial. Em um mundo marcado pela desigualdade científica e tecnológica, tornar pesquisas acessíveis amplia a possibilidade de participação de comunidades costeiras, movimentos sociais, pesquisadores periféricos e formuladores de políticas públicas comprometidos com justiça ambiental.

Outro aspecto importante para a ciência brasileira é a participação do professor Carlos Eduardo Rezende, do Laboratório de Ciências Ambientais da Universidade Estadual do Norte Fluminense Darcy Ribeiro (Uenf), no corpo editorial da Clean Oceans, na condição de editor associado.  A presença do professor Rezende reforça a relevância internacional da produção científica desenvolvida no Brasil na área de ciências ambientais e oceanográficas, além de ampliar a inserção de pesquisadores do Sul Global em espaços estratégicos de formulação científica internacional.

A mensagem central do texto é inequívoca: não haverá futuro sustentável sem oceanos saudáveis. E proteger os oceanos exige enfrentar diretamente os padrões de produção e consumo responsáveis pela atual escalada de poluição e degradação climática. Em última instância, trata-se de reconhecer que a crise marinha é também uma crise do próprio modelo civilizatório contemporâneo. 

A adoção acrítica da IA ​​na ciência é alarmante — precisamos urgentemente de mecanismos de controle

/ Marcos Pędłowski / Deixe um comentário

A inteligência artificial está acelerando rapidamente a produção científica, mas corre o risco de restringir a investigação, enfraquecer o discernimento e prejudicar a formação dos cientistas

A automação computadorizada pode dificultar a aquisição de habilidades e conhecimentos especializados. Crédito: Westend61/Getty

Por  Lisa Messeri e  MJ Crockett para “Nature”

A comunidade científica está adotando ferramentas de inteligência artificial, especialmente grandes modelos de linguagem (LLMs), a uma velocidade surpreendente. A escrita de artigos com auxílio de LLMs aumentou drasticamente nos últimos três anos e os pesquisadores têm buscado incorporar agentes semiautônomos em seus fluxos de trabalho . No entanto, a adoção rápida e acrítica da Inteligência Artificial (IA) ​​na ciência acarreta riscos significativos. Vários problemas já são evidentes: artigos que utilizam ferramentas de IA se concentram em um conjunto mais restrito de questões de pesquisa estabelecidas e , em alguns casos, foram avaliados como tendo menor mérito científico do que estudos que não dependem de IA.

Além disso, à medida que a IA automatiza tarefas científicas rotineiras, as preocupações com a erosão das oportunidades de formação para investigadores em início de carreira permanecem em grande parte sem solução e muitas vezes ignoradas. Convencionalmente, a formação científica tem combinado instrução formal em factos e métodos com a aquisição gradual de conhecimento tácito através de trabalho prático de nível inicial. Os académicos em estudos de ciência e tecnologia têm demonstrado repetidamente que os textos científicos, por si só, não comunicam totalmente o conhecimento; em vez disso, o saber-fazer crucial está incorporado nas comunidades de investigação e é transmitido através da aprendizagem e da prática .

Esse conhecimento tácito — por exemplo, sobre o que constitui dados “razoáveis”, ou os detalhes de uma técnica que são difíceis de articular em uma seção de métodos, ou se um resultado é consistente com a literatura existente — é essencial para que um pesquisador supervisione fluxos de trabalho assistidos por IA de forma eficaz no futuro. Se os sistemas de IA substituírem cada vez mais o trabalho científico de nível inicial, os estagiários podem nunca desenvolver essas habilidades, deixando potencialmente a próxima geração de cientistas mal preparada para supervisionar pesquisas orientadas por IA de forma responsável.

Essas tendências exigem que os cientistas reflitam sobre o propósito das instituições científicas. Nosso objetivo é simplesmente construir uma coleção de fatos científicos ou também cultivar uma comunidade viva e em constante evolução de cientistas? Se as ferramentas de IA aceleram o primeiro objetivo, mas ameaçam o segundo, como os cientistas devem proceder? Com ​​base em evidências emergentes sobre os efeitos da IA ​​na prática científica, destacamos aqui os principais riscos e delineamos possíveis soluções.

Mais produção, menos compreensão

A indústria de IA tem comercializado agressivamente produtos LLM para cientistas como tecnologias para aumentar a produtividade. Alguns pesquisadores abraçaram essa promessa, destacando a capacidade desses produtos de “turbinar” sua escrita acadêmica.

Se considerarmos a produtividade como a produção de artigos científicos, os produtos de IA sem dúvida cumpriram a promessa  , com efeitos de longo alcance. Repositórios online de pré-publicações , como o SocArXiv e o PsyArXiv, impuseram moratórias temporárias a artigos de IA ou atualizaram suas políticas de revisão; o arXiv mudou sua política e não aceita mais artigos de opinião em ciência da computação (que são relativamente fáceis de produzir para mestrados em direito), e os Institutos Nacionais de Saúde dos EUA começaram a limitar as propostas de financiamento a seis por ano por pesquisador principal.

Além do aumento da produtividade, há evidências de que cientistas que utilizam ferramentas de IA em seu trabalho recebem mais citações e progridem mais rapidamente para cargos de pesquisador principal do que aqueles que não as utilizam, sendo que pessoas com inglês como primeira língua se beneficiam de forma desproporcional.Vale ressaltar, no entanto, que os benefícios de carreira proporcionados por produtos de IA são mais evidentes em métricas quantitativas, como número de publicações e citações. Tais medidas não conseguem determinar se esses benefícios decorrem da contribuição científica ou de conexões com uma área em alta. Seria, portanto, um erro considerar essas métricas como representativas de uma vitória para a ciência, sem analisar mais atentamente a qualidade desse aumento de produtividade.

Mais nem sempre é melhor, e há cada vez mais evidências de que o aumento da produtividade científica impulsionado pelo aprendizado de máquina muitas vezes tem um custo. O mais óbvio é a introdução de “lixo de IA” na literatura, incluindo imagens sem sentido geradas por IA e citações alucinadas.

Diversos estudos documentaram tendências preocupantes em artigos que dependem fortemente da assistência de especialistas em redação (LLM, na sigla em inglês) na escrita. O periódico Organization Science auditou todas as 6.957 submissões recebidas entre janeiro de 2021 e janeiro de 2026 e observou que os artigos com assistência de especialistas em redação apresentavam qualidade científica inferior (medida pela probabilidade de serem aceitos pelo periódico). Outro estudo , com 264.125 artigos coletados em uma conferência de IA de 2024 e submissões publicadas em três servidores de pré-impressão (arXiv, bioRxiv e SSRN) entre 2023 e 2024, constatou que, em artigos com assistência de especialistas em redação, a boa escrita deixou de ser um indicador preciso de qualidade científica (medida pelo resultado da publicação e pelas notas da revisão por pares).

Os autores concluem que isso cria “um risco para a atividade científica, já que uma enxurrada de pesquisas superficialmente convincentes, mas cientificamente pouco robustas, poderia saturar a literatura”. Atualmente, não existem soluções claras para essa poluição do nosso ecossistema de conhecimento, apesar do consenso de que ela não deveria ocorrer.

As ferramentas de IA implementadas em toda a cadeia de pesquisa também estão limitando a compreensão científica de maneiras mais sutis, por exemplo, reduzindo o conjunto de preocupações que os pesquisadores exploram. Uma análise de 41,3 milhões de artigos científicos abrangendo biologia, medicina, química, física, ciência dos materiais e geologia mostra que a adoção da IA ​​parece “induzir os autores a convergirem para as mesmas soluções para problemas conhecidos, em vez de criarem novas”. Este é um alerta precoce da probabilidade de a IA ter impactos em cascata no ecossistema do conhecimento .

Ameaça de desqualificação

As visões mais ambiciosas da IA ​​para a ciência envolvem ‘cientistas de IA’ semiautônomos ou totalmente autônomos, e protótipos recentes dessa visão têm recebidogrande alarde tanto na ciência quanto na indústria. Os desenvolvedores de cientistas de IA fazem questão de assegurar que sua intenção “não é substituir cientistas humanos, mas sim complementar e acelerar seu trabalho” . Esses produtos, portanto, devem ser supervisionados por um cientista qualificado que possa direcionar e verificar, de forma responsável, os resultados da IA.

Questionamos se essa visão pode se concretizar sem uma definição clara de como o cientista responsável pode desenvolver a expertise necessária para distinguir entre resultados bons e ruins da IA. Grande parte do entusiasmo pelas ferramentas de IA em toda a cadeia científica vem da promessa de aliviar a carga de trabalho. Mas muitas tarefas consideradas “pouco qualificadas” têm sido tradicionalmente pontos de partida importantes para cientistas em formação.

A limpeza de dados brutos ajuda os estagiários a compreender a diversidade e a qualidade dos dados; a pesquisa, a leitura e o resumo da literatura científica desenvolvem a percepção de quais áreas de pesquisa são densamente povoadas versus quais são escassas, e quais tipos de descobertas são comuns versus raras. Os cientistas seniores de hoje encontram-se na posição singular de terem sido treinados antes da ampla disponibilidade de ferramentas de IA, beneficiando-se, assim, de décadas de experiência prática que os estagiários atuais talvez nunca venham a desenvolver. Parte ou mesmo todo esse trabalho árduo pode não ser necessário para o desenvolvimento da expertise que os cientistas seniores de hoje possuem. Mas é uma aposta arriscada presumir, de antemão, que esse será o caso.

Um caminho a seguir

Para lidar com esses riscos, defendemos políticas e práticas que apoiem a autoavaliação contínua nas comunidades científicas, de forma análoga à maneira como os ecologistas monitoram os ecossistemas em busca de sinais de danos.

Uma intervenção simples seria que editoras e financiadores exigissem mais transparência. Nos últimos anos, cientistas desenvolveram uma norma de divulgação do uso de IA em seus trabalhos. Este é um primeiro passo importante, mas a divulgação por si só obscurece a diversidade de razões para o uso de ferramentas de IA. Um pesquisador que não tem o inglês como língua materna pode usar um modelo de aprendizado de máquina para aprimorar a versão final de um artigo. Outro pode depender de modelos de aprendizado de máquina para trabalhar com grandes conjuntos de dados que seriam inviáveis ​​de analisar sem automação, ou mesmo para gerar uma revisão bibliográfica do zero dentro de um prazo apertado. Tratar todos esses usos como equivalentes obscurece suas diferentes implicações para o trabalho científico, o julgamento e a responsabilidade.

Exigimos mais transparência não apenas no uso de ferramentas de IA na ciência, mas também nas razões por trás de seu uso. Assim como não podemos confiar em descobertas científicas sem métodos descritos de forma transparente e justificativas para esses métodos, não podemos confiar em ferramentas de IA na ciência sem mais informações sobre como e por que elas estão sendo usadas. Como ocorre com outras novas técnicas e tecnologias, o diálogo entre revisores e autores estabelecerá novas normas.

Essa troca só pode ocorrer com explicações e justificativas mais explícitas, além da mera divulgação. Tais informações poderiam, em última análise, servir como fonte de dados para projetos de metaciência que avaliam a conexão entre as diversas justificativas para o uso de IA e a robustez das descobertas resultantes. Se os cientistas que utilizam produtos de IA em seu trabalho desejam conectar os ganhos de produtividade aos ganhos de compreensão, a divulgação com explicações pode ser um primeiro passo para atingir esse objetivo.

Um conjunto mais complexo de questões diz respeito a como devemos treinar os futuros cientistas e certificar sua competência em cada etapa. Os pesquisadores principais precisam considerar o quanto podem confiar que seus orientandos usarão ferramentas de IA de forma responsável, e os programas de pós-graduação precisam discutir políticas para o uso de mestrados em direito (LLM) em exames de qualificação e dissertações.

Quais habilidades elementares pesquisadores em início de carreira devem adquirir para garantir que se tornem cientistas responsáveis, independentemente dos futuros desenvolvimentos tecnológicos? A resposta a essa pergunta varia de acordo com a disciplina. Por exemplo, alguns pesquisadores das ciências humanas estão entusiasmados com o uso de modelos de aprendizagem baseados em linguagem (LLMs) para automatizar entrevistas e a análise de dados qualitativos, enquanto outros argumentam que a leitura e a análise desses dados são cruciais para a compreensão das experiências dos participantes humanos, indo além de resumos quantitativos. Os cientistas devem promover debates abrangentes sobre o assunto agora, em vez de presumir, sem evidências, que a automatização do trabalho inicial não influenciará a expertise de futuros colegas.

Ao navegarmos por esta nova fase da produção de conhecimento, devemos lembrar que os objetivos da indústria não são os mesmos da ciência. A ciência acadêmica não se resume à produtividade; ela também busca a compreensão profunda, a exploração de soluções criativas e a formação de pensadores críticos para serem a próxima geração de pesquisadores. Chegou a hora de a comunidade científica avaliar se os produtos de IA auxiliam ou dificultam esses esforços.

Nature 653 , 675-676 (2026)

doi: https://doi-org.ez81.periodicos.capes.gov.br/10.1038/d41586-026-01557-x

Fonte: Nature

A ciência sob suspeita: o avanço das retratações e a crise da integridade científica

/ Marcos Pędłowski / Deixe um comentário

Como fraudes, pressão por produtividade e “fábricas de artigos” ameaçam a credibilidade da pesquisa científica — e o que pode ser feito para restaurar a confiança na ciência

A ciência costuma ser apresentada como um sistema capaz de corrigir seus próprios erros. Quando um estudo apresenta falhas graves, manipulação de dados, plágio ou fraude, existe um mecanismo formal para retirá-lo da literatura científica: a retratação. Em tese, trata-se de uma ferramenta essencial para proteger a credibilidade do conhecimento científico. Na prática, porém, o cenário descrito no artigo “Scientific retractions: causes, processes, and implications for research integrity, e que é assinado por Louie Giray, Bench Fabros e Jane Xavierine , revela uma crise muito mais profunda e estrutural.

O estudo mostra que o número de retratações cresceu fortemente nas últimas duas décadas. Esse aumento não significa apenas que a ciência está se tornando mais vigilante. Ele também revela o peso de um modelo acadêmico cada vez mais pressionado pela lógica do “publicar ou perecer”, pela hipercompetição entre pesquisadores e pela transformação da produção científica em uma espécie de indústria globalizada.

Entre as principais causas das retratações estão o plágio, a fabricação ou manipulação de dados, a falsificação de imagens, a revisão por pares fraudulenta e erros metodológicos graves. O artigo destaca que essas práticas não surgem apenas de desvios individuais, mas de pressões estruturais que atravessam universidades, agências de fomento e revistas científicas.

Um dos pontos mais alarmantes discutidos pelos autores é o crescimento das chamadas “paper mills”, verdadeiras fábricas clandestinas de artigos científicos. Essas organizações produzem estudos falsos em escala industrial, vendendo autoria acadêmica para pesquisadores interessados em inflar currículos ou cumprir metas institucionais. Muitas vezes, esses trabalhos utilizam inteligência artificial para gerar textos aparentemente sofisticados, dificultando ainda mais a detecção das fraudes.

O problema se torna ainda mais grave nas áreas biomédicas e farmacológicas. Um artigo fraudulento não afeta apenas debates acadêmicos: ele pode influenciar pesquisas clínicas, orientar políticas públicas, alterar protocolos terapêuticos e até impactar diretamente a saúde de pacientes. O texto lembra que durante a pandemia de COVID-19 houve uma explosão de publicações aceleradas e retratações posteriores, demonstrando como a combinação entre urgência política, pressão midiática e revisão científica apressada pode gerar consequências perigosas.

Outro aspecto preocupante é que os artigos retratados continuam circulando e sendo citados mesmo depois de oficialmente invalidados. Muitas bases de dados não sinalizam adequadamente que determinado estudo foi retirado, enquanto pesquisadores frequentemente reutilizam referências sem verificar sua situação atual. Isso cria uma espécie de “zumbi científico”: trabalhos desacreditados continuam influenciando novas pesquisas, revisões sistemáticas e até sistemas de inteligência artificial treinados com literatura acadêmica contaminada.

O artigo também chama atenção para os efeitos desiguais das retratações. Pesquisadores em início de carreira tendem a sofrer consequências muito mais severas do que acadêmicos consolidados. Jovens cientistas frequentemente abandonam a carreira após terem seus nomes associados a artigos retratados, inclusive em situações em que a responsabilidade principal estava concentrada em pesquisadores seniores.

Além disso, países periféricos ou com sistemas científicos mais frágeis aparecem de forma desproporcional nos índices de retratação. Isso não significa necessariamente que exista mais fraude nesses lugares, mas que há ambientes acadêmicos marcados por forte pressão produtivista, baixa fiscalização institucional e escassez de infraestrutura para garantir integridade científica.

Diante desse quadro, os autores defendem que enfrentar o problema exige mudanças profundas. Uma das principais propostas é tornar os processos de retratação muito mais transparentes. Atualmente, muitas revistas publicam avisos vagos, sem explicar claramente se houve fraude, erro metodológico ou má conduta ética. O artigo sustenta que as retratações devem indicar explicitamente as causas do problema, os responsáveis envolvidos e as medidas adotadas pelas instituições.

Outra medida importante seria ampliar a exigência de acesso aberto aos dados brutos das pesquisas. A possibilidade de verificar planilhas, imagens originais, códigos estatísticos e registros laboratoriais dificulta manipulações e aumenta a capacidade de auditoria independente.

O texto também propõe o fortalecimento da revisão pós-publicação. Em vez de considerar um artigo definitivamente validado após sua publicação, a comunidade científica deveria monitorar continuamente possíveis inconsistências, inclusive utilizando plataformas colaborativas e ferramentas automatizadas de detecção de fraudes.

Os autores defendem ainda uma mudança cultural mais ampla. Hoje, a retratação costuma ser tratada como um estigma absoluto, o que desencoraja pesquisadores honestos a reconhecer erros. Criar um ambiente em que correções sejam vistas como parte normal do processo científico pode fortalecer, e não enfraquecer, a credibilidade da ciência.

O artigo deixa uma mensagem clara: a crise das retratações não é apenas um problema técnico ou editorial. Ela reflete a transformação da ciência em um ambiente marcado pela competição extrema, pela mercantilização do conhecimento e pela pressão incessante por produtividade. Combater esse cenário exige mais do que softwares antifraude ou filtros automatizados. Exige reconstruir uma cultura científica baseada em transparência, cooperação, responsabilidade coletiva e compromisso público com a produção do conhecimento.

Citações zumbis devastam o mundo da Ciência

/ Marcos Pędłowski / Deixe um comentário

Uma entrevista com um acadêmica que testemunhou de perto o impacto da inflação de citações por IA

Como alguém de fora do meio acadêmico em sua totalidade, devo admitir que não tenho muita experiência com a publicação acadêmica/literatura revisada por pares.

Mas mesmo assim, eu sei quando algo está errado, e claramente o que ficou conhecido como “Frankencitações” — referências em artigos acadêmicos a literatura inexistente, inventadas por meio do uso do LLM — está errado. Elas ridicularizam todo o empreendimento e me parecem uma espécie de crise.

Ben Williamson, da Universidade de Edimburgo, tem acompanhado o fenômeno devido a uma experiência muito pessoal com as Frankencitations. Fiz-lhe algumas perguntas sobre o que está acontecendo e o que ele acha que devemos fazer a respeito.

JW: Vamos começar com uma apresentação para que as pessoas entendam suas credenciais.

BW: Sou professora sênior no Centro de Pesquisa em Educação Digital da Universidade de Edimburgo e editora do periódico Learning, Media and Technology . Minha pesquisa se concentra em tecnologia digital e dados no setor educacional, com trabalhos recentes e em andamento voltados para investidores em tecnologia educacional, a ascensão das ciências biológicas da aprendizagem com uso intensivo de dados e políticas educacionais relacionadas à IA.

P: O que é uma “Frankencitação” e por que devemos nos preocupar com elas?

R: Nos últimos dois ou três anos, muitos de nós que trabalhamos em universidades começamos a notar essas estranhas referências a artigos de periódicos acadêmicos ou livros que não existem. As referências são fabricadas por inteligência artificial generativa quando um autor, por exemplo, instrui um modelo de linguagem complexo a ajudá-lo a escrever um artigo ou adiciona referências para fundamentar uma revisão bibliográfica. Acho que todos já sabemos que os modelos de linguagem complexos rotineiramente inventam material. É isso que está acontecendo aqui. Os modelos de linguagem complexos estão criando referências acadêmicas porque pesquisadores acadêmicos os utilizam para produzir trabalhos de pesquisa, como artigos, capítulos ou livros.

Já ouvi vários nomes diferentes para isso: referências fantasmas, citações zumbis, referências espectrais ou Frankencitações. O que todos esses termos querem dizer é que as referências falsas geradas por IA não são reais, como um corpo humano vivo, mas têm uma espécie de meia-vida. “Frankencitações” funciona bem como nome porque elas são como o monstro — costuradas a partir de dados em um modelo de linguagem e, em seguida, animadas quando alguém usa um chatbot como o ChatGPT para fazer o trabalho por elas. E então, essas citações fabricadas podem causar todo tipo de problema quando se espalham pelo mundo ao serem incluídas em artigos acadêmicos.

P: Isso me parece muito ruim. Uma verdadeira onda de conteúdo falso infectando pesquisas acadêmicas e citações.

R: O grande problema que enfrentamos agora é que essas citações Frankenstein estão acabando em manuscritos enviados para revisão por pares. Isso está sobrecarregando editores e revisores, pois agora precisamos fiscalizar os manuscritos em busca de informações falsas nas listas de referências. Algumas dessas citações Frankenstein estão até mesmo sendo publicadas em periódicos acadêmicos. Elas simplesmente não estão sendo detectadas em nenhuma etapa do processo de publicação acadêmica — nem por editores, nem por revisores, nem mesmo durante a revisão, a correção de provas e a produção da publicação final.

Usar IA para produzir publicações acadêmicas com essas inserções falsas é uma forma de poluição do conhecimento, como deixar toxinas se infiltrarem em um rio e alterarem todo o ecossistema que ele alimenta. Também interfere na integridade acadêmica e quebra as cadeias de citação que sinalizam a relação de um autor com sua área de estudo. Isso representa o perigo real de que indivíduos sejam creditados por ideias que nunca tiveram ou que lhes sejam atribuídas afirmações que nunca fizeram. É por isso que a ideia de que essas referências falsas têm uma espécie de meia-vida me parece correta: elas estão circulando, deixando sua marca no mundo acadêmico e causando enormes problemas para editores, revisores e leitores de periódicos, apesar de não terem a substância de uma publicação real.

P: Você tem uma história interessante sobre como se deparou com o fenômeno pela primeira vez. Gostaria que você nos contasse essa história, mas também gostaria de saber o que você estava pensando/sentindo enquanto tudo acontecia. Qual foi a jornada intelectual/emocional de descobrir que você havia sido tão extensivamente Frankenificado?

R: Sou editora de periódico e isso envolve verificar novos manuscritos submetidos para decidir se são adequados para revisão por pares. Recentemente, meus coeditores e eu começamos a encontrar referências em novos manuscritos a artigos nos quais um ou mais de nós éramos creditados como autores, mas soubemos imediatamente que esses artigos não deviam ser reais, pois não os escrevemos!

Nossa hipótese é que alguns autores que submetem artigos à nossa revista estejam solicitando aos editores que incluam referências a artigos dos próprios editores, na esperança de que isso aumente as chances de seus manuscritos serem aprovados na revisão inicial. O problema é que eles estão inserindo erros crassos que detectamos imediatamente. Assim, nesses casos, os editores se tornam não apenas os primeiros leitores, mas também os últimos, já que somos obrigados a rejeitá-los de imediato. Isso configura uma conduta acadêmica inadequada, segundo os padrões de publicação científica, visto que os autores são absolutamente responsáveis ​​pela precisão das referências em seus próprios manuscritos.

Recentemente, porém, decidi fazer uma busca na internet por uma dessas falsas referências a mim, puramente por curiosidade para ver se ela aparecia em algum outro lugar. Tinha o título “Governança e datificação da educação”. É um título bem genérico, mas já publiquei sobre os temas “educação”, “governança” e “datificação”, então essas são palavras-chave plausíveis para associar ao meu nome. Mas quando pesquisei “Governança e datificação da educação”, percebi rapidamente que essa citação Frankenstein em particular teve uma vida útil bastante agitada. Pelo que pude apurar, esse texto, “Governança e datificação da educação”, foi citado cerca de 70 vezes. Você mesmo pode conferir — basta acessar o Google Acadêmico, pesquisar “Governança e datificação da educação” e encontrará páginas e páginas de publicações que me citam por algo que eu nunca escrevi.

O que me intriga ainda mais é que, entre todos esses artigos, o subtítulo “Governança educacional e datificação” muda constantemente. Ele é citado em diversos periódicos diferentes. Às vezes, é um livro inteiro. Na maioria das vezes, tem um coautor nomeado — alguém com quem já colaborei —, mas às vezes não. E esse não-artigo continua a circular, ainda recebendo novas citações.

P: Sua reputação acadêmica explodiu!

R: Uma publicação inexistente tornou-se rapidamente uma das minhas mais citadas. É um pouco frustrante, porque de fato dediquei anos de trabalho relevante, mas dezenas de autores preferem citar algo em que eu nunca trabalhei.

O que realmente me preocupa é não saber pelo que estou sendo creditado. A maioria desses artigos é da minha área. Alguns foram publicados por editoras predatórias de qualidade muito baixa e podem ser ignorados sem problemas. Mas nem todos. Há casos em que acadêmicos renomados, que publicam em periódicos de alto impacto, estão citando meu trabalho. O que eles estão dizendo que eu escrevi ou reivindiquei? Também fiquei sabendo por um colega de outra instituição que minha citação falsa apareceu em um trabalho de um aluno. Portanto, a produção e reprodução dessas referências falsas também coloca os alunos em risco.

É uma situação realmente ridícula. Sou mais reconhecido por algo que não escrevi do que pelos artigos que de fato escrevi sobre o tema de educação, dados e governança!

P: Mesmo achando que entendo o fenômeno em um nível básico, não tenho certeza de como e por que essas coisas se proliferam tão rapidamente. Você fez um estudo para verificar quantas vezes havia sido alvo de Frankencitações e, algum tempo depois, outra pessoa fez um acompanhamento e o número de Frankencitações havia aumentado significativamente. Qual é o mecanismo? Qual a dimensão do fenômeno?

R: Sim, depois que publiquei algo online sobre minha descoberta, um cientista da computação chamado Dirk HR Spennemann investigou o assunto de forma completamente independente. Ele usou isso como exemplo para examinar como os LLMs produzem referências fabricadas — ele acabou de publicar um preprint no arXiv que detalha os aspectos técnicos. Então, ele fez uma busca muito mais minuciosa no Google Acadêmico do que eu consegui. O que ele descobriu foi que o artigo inexistente havia sido citado quase 140 vezes. E ele queria entender, em um nível técnico, como os LLMs geram essas referências. A conclusão dele foi que existem padrões distintos na forma como o genAI as cria. Aqui está o que ele escreveu no artigo:

“As referências acadêmicas alucinadas criadas pelo ChatGPT não são erros aleatórios, mas sim artefatos previsíveis e orientados por padrões, que refletem a forma como os modelos de IA geram texto. Essas referências são reconstruções sistemáticas construídas a partir de autores, periódicos e palavras-chave relevantes reais. Como os modelos de IA se baseiam no reconhecimento de padrões em vez da verificação factual, eles produzem citações que são estruturalmente corretas e contextualmente plausíveis, porém inexistentes. Essas alucinações podem ser geradas repetidamente, levando à duplicação e consistência em diferentes textos, o que pode aumentar sua legitimidade percebida.”

Certo, então, “Governança educacional e datificação” é uma combinação de um autor real (eu), periódicos reais (alguns dos quais publiquei) e palavras-chave relevantes (como eu disse, trabalho na área da educação e estudo dados e governança). Como também existe no Google Acadêmico, considerado um índice de referência da produção acadêmica mundial, um modelo de linguagem que busca informações na web — em vez de apenas gerar texto a partir de seus dados de treinamento — acaba confirmando a existência e a legitimidade do artigo, apesar de ele não existir. Spennemann também realizou um pequeno experimento no qual instruiu o ChatGPT a gerar ensaios sobre o tema de governança educacional e dados. Ele citou o artigo inexistente, é claro.

Como explicou Aaron Tay, especialista em sistemas de bibliotecas , o que temos é um conjunto dinâmico de processos que envolvem tanto o Google Acadêmico quanto a IA generativa. O Google Acadêmico estabeleceu “Governança e datificação da educação” como uma citação referenciada por outras 140 publicações, e os LLMs (mestrados em direito) estão amplificando sua existência ao executar processos de geração aumentada por recuperação (RAG) que tratam o Google Acadêmico como uma fonte autorizada de verdade citacional. O Google Acadêmico o trata como real e os chatbots o reproduzem como tal assim que alguém escreve uma proposta para uma redação ou artigo sobre o mesmo tema.

Uma coisa que tem sido difícil de descobrir completamente é se “Governança educacional e datificação” surgiu inicialmente como uma referência totalmente gerada por IA, ou se originou de um erro humano, que a genAI apenas amplificou massivamente desde então.

P: Creio que seja óbvio para todos por que proliferar citações falsas sobre uma fonte inexistente é simplesmente errado e ruim, mas o que há além disso? O que podemos esperar se permitirmos que essas coisas continuem a se proliferar?

R: Obviamente, já tivemos problemas com citações incorretas e pesquisas falsificadas no passado. O uso atual de IA generativa está industrializando problemas antigos na academia e nos colocando sob muito mais pressão quando se trata de publicação acadêmica. Para mim, isso é uma questão de confiança. Como confiar no registro acadêmico se ele está poluído com material sintético que não se refere mais com precisão a pesquisas anteriores? Quero dizer, toda pesquisa deveria ser um processo de construção sobre o conhecimento prévio para gerar novas ideias e fazer contribuições originais para a compreensão. Não é o caso com as Frankencitações. De forma mais prosaica, por que eu deveria confiar em um autor que submeteu algo à nossa revista que viola a integridade acadêmica?

É também uma questão de trabalho acadêmico. Uma pessoa que tenta economizar tempo ou ser mais produtiva com IA tem efeitos subsequentes sobre aqueles que supervisionam os manuscritos acadêmicos durante a revisão e publicação. Isso está começando a causar um sofrimento intolerável para editores e revisores de periódicos. Já estamos tendo que trabalhar muito mais para acompanhar o aumento exponencial das taxas de submissão, e agora muitas pessoas estão dizendo que também deveríamos verificar cada referência em um artigo — uma tarefa praticamente impossível.

O problema realmente abrangente é o que alguns agora chamam de “desleixo acadêmico”. Enciclopédias Frankenstein podem ser um bom indicador de um artigo gerado por IA. Estamos falando de lixo de IA na academia. Não se trata apenas de referências falsificadas com IA, mas de artigos e livros inteiros. O problema é que grande parte disso é difícil de detectar. Alguns pesquisadores acreditam que deveríamos trabalhar mais com IA e sugerem que é natural que, com o tempo, cada vez mais registros acadêmicos sejam aumentados com a ajuda da IA ​​— seja pelo uso da IA ​​na produção e análise de dados ou como coautora e parceira na produção de conhecimento. Isso pode ser verdade para alguns, em projetos específicos, para fins específicos. Mas o que temos aqui é a produção massiva e mecânica de material acadêmico que pode ou não corresponder a algo real no mundo. Se um artigo não corresponde nem mesmo à literatura anterior em sua própria área, como podemos confiar que ele nos diga algo sobre seus próprios sujeitos e objetos de análise?

P: A curto prazo, existe algo que nós (leitores, pesquisadores, instituições, publicações, etc.) possamos fazer para impedir essa proliferação?

R: Um dos motivos pelos quais temos nos manifestado bastante sobre isso em nossa revista é justamente para tentar persuadir autores acadêmicos de que é uma má ideia se desvalorizarem como pesquisadores e nos insultarem como editores e revisores, submetendo manuscritos com material falso. Quer dizer, se você nos cita e nós não escrevemos o artigo, sabemos o que você fez, e isso diz muito sobre seus padrões acadêmicos. Mas, é claro, essas referências falsas nem sempre são fáceis de detectar, e lidar com isso exigirá esforços muito mais sistêmicos. As editoras já estão testando soluções tecnológicas que supostamente detectam referências geradas por IA. Mas isso aparentemente é muito mais complexo tecnicamente do que se imagina. Já sabemos que os detectores de escrita por IA geram muitos falsos positivos, e é por isso que não são confiáveis ​​para uso em revistas acadêmicas ou para a revisão de trabalhos de estudantes. Os detectores de citação por IA podem apenas amplificar os mesmos problemas, levando a ondas de falsas acusações, rejeições de artigos e animosidade acadêmica.

Acho que precisamos deixar claro que as editoras acadêmicas e as empresas de tecnologia precisam, sem dúvida, se unir e nos ajudar nessa questão. Afinal, as editoras têm parcerias multimilionárias com as grandes empresas de IA para alugar nossos artigos existentes como dados de treinamento para novos modelos. Elas fazem parte do problema do conteúdo acadêmico produzido por IA e precisam trabalhar com editores, autores, bibliotecas e instituições para resolvê-lo.

Aqui no Reino Unido, muitas bibliotecas acadêmicas já estão cancelando contratos com editoras devido ao aumento vertiginoso dos custos. E se nossas bibliotecas e as associações que as representam fossem até as editoras e as grandes empresas de tecnologia com as quais têm parceria e exigissem providências? Sem dúvida, há muito mais força em alianças desse tipo do que em alguns editores gritando em suas redes sociais (como tenho feito ultimamente).

P: E a longo prazo? Quais são as mudanças estruturais/sistêmicas necessárias para evitar que sejamos inundados por esse tipo de lixo de IA?

R:  Precisamos de algum tipo de conjunto de acordos consensuais em todo o setor quando se trata de publicação acadêmica. É claro que as violações da integridade acadêmica não começaram com a IA generativa. Editoras predatórias existem há muito tempo. As fábricas de papel também conseguem produzir manuscritos sob demanda há anos. Algumas pesquisas científicas são ruins e nunca deveriam ser publicadas.

A IA está agora amplificando todos esses problemas existentes. Não os está atenuando. E no atual contexto político de muitos países, a ciência já está sob ataque. Não é difícil imaginar publicações “científicas” geradas por IA que sirvam a fins políticos mais explícitos, especialmente porque certas revistas acadêmicas já foram tomadas e se voltaram contra acadêmicos liberais. A IA também tem o potencial de acelerar ainda mais a produção de artigos científicos, agravando o dilúvio de manuscritos que já inunda as revistas. Esta não é a utopia da IA ​​para a transformação da publicação acadêmica que nos foi prometida quando as editoras se aliaram à OpenAI, ao Google e à Microsoft.

Então, que tipos de regras e normas precisamos reforçar para nos proteger de tudo isso? Precisamos de acordos setoriais sobre como lidar com violações da integridade acadêmica? Na academia e no mercado editorial, temos diversos conjuntos de princípios, padrões e regras. Então, por que não para a IA também?

Não tenho respostas ou soluções completas para esses problemas. Assim como muitos outros editores, revisores, autores e bibliotecários universitários, tenho lutado para manter uma certa esperança acadêmica, visto que a IA foi simplesmente liberada em todos os nossos sistemas de conhecimento. É claro que o sistema já apresentava sérios problemas, mas me parece evidente que o experimento descontrolado com IA dos últimos anos tem sido um desastre para a produção e publicação do conhecimento acadêmico.

Os editores da revista Organization Science acabaram de realizar um estudo detalhado sobre isso , concluindo que o uso acadêmico da IA ​​levou a mais pesquisas, mas não a pesquisas de melhor qualidade, e causou uma crise na revisão por pares. Precisaremos de esforços conjuntos de instituições, editoras e até mesmo das próprias empresas de tecnologia para resolver essa situação. Caso contrário, corremos o risco de o público perder ainda mais a confiança no setor como fonte confiável de conhecimento importante. Ou, para sermos mais otimistas, talvez possamos aproveitar este momento para definir qual tipo de sistema de publicação acadêmica realmente funcionaria melhor no futuro.

Fonte:  Inside Higher Ed

A armadilha das alucinações

/ Marcos Pędłowski / Deixe um comentário

Harold M. Lambert / Getty Images

Por Mônica Manir pafa “Revista Fapesp”

Um caso constrangedor envolvendo o veterano jornalista belga Peter Vandermeersh ilustrou os perigos associados ao uso indiscriminado de ferramentas de inteligência artificial (IA) na produção de conteúdo jornalístico. Chefe das operações irlandesas do Mediahuis, um dos principais grupos de mídia na Europa, ele foi suspenso de suas funções em março após uma investigação interna constatar que incorporou a seus textos falsas declarações entre aspas atribuídas a especialistas, que foram geradas erroneamente por programas como ChatGPT, Perplexity e Google NotebookLM.

Dezenas de declarações presentes em 15 textos publicados por Vandermeersh não correspondiam a fontes verificáveis e sete fontes citadas nos artigos negaram veementemente ter proferido aquelas palavras. “Existem citações que não podem ser encontradas nas publicações das quais Vandermeersch afirma tê-las obtido, como estudos científicos e notícias”, informou o jornal NRC (do qual Vandermeersch já foi editor-chefe), responsável pela investigação. O jornalista reconheceu os equívocos e afirmou ter “caído na armadilha das alucinações”, termo usado para descrever erros gerados por IA, ao confiar excessivamente nas ferramentas sem verificar o conteúdo replicado.

“Perdi muitos minutos do meu tempo procurando onde eu poderia ter dito alguma besteira sobre ‘conhecimento imersivo’”, queixou-se Emily Bell, diretora do Centro Tow de Jornalismo Digital da Universidade Columbia, nos Estados Unidos, uma das vítimas das alucinações disseminadas por Vandermeersh. Usando ferramentas de IA do Google, Bell encontrou frases muito semelhantes em um discurso feito por outra pessoa. Seu nome também foi mencionado nesse discurso, mas em outro contexto, o que pode ser a origem da alucinação. O episódio evidencia um paradoxo da IA generativa: a tecnologia é capaz de produzir textos verossímeis, mas não há garantia de que sejam verdadeiros. Isso coloca em xeque princípios fundamentais do jornalismo profissional, como a verificação e a precisão dos fatos transmitidos ao público.

O tema tem sido abordado em estudos que investigam como jornalistas que cobrem assuntos científicos estão lidando com a incorporação da IA em suas rotinas de trabalho. Um artigo publicado em dezembro no Sage Journals por seis pesquisadores da área de comunicação, três deles brasileiros (Luisa Massarani e Cleiton Bezerra, da Fundação Oswaldo Cruz, e Luiz Neves, da Universidade Federal de Goiás), evidenciou uma ampla adoção das ferramentas de IA por repórteres especializados em ciência em tarefas corriqueiras, como transcrição de gravações e apoio à escrita. Nas entrevistas com os profissionais de imprensa, também foram relatadas preocupações com a confiabilidade das informações e com a compatibilidade do uso de IA com valores jornalísticos, como responsabilidade e ética. A maioria ainda é cautelosa ao utilizar a tecnologia em tarefas mais sofisticadas, como a análise de dados.

A adoção da inteligência artificial nas redações, segundo a pesquisa, varia entre países. Os autores se debruçaram sobre três deles: Brasil, Índia e Reino Unido. Jornalistas científicos britânicos mostraram certa resistência ao uso avançado das ferramentas, enquanto brasileiros e indianos indicaram ser mais flexíveis. Uma particularidade dos brasileiros é que adotam amplamente as ferramentas para traduzir textos e apoiar a escrita em um segundo idioma. Entre os benefícios propiciados pela IA, os entrevistados destacam o aumento da eficiência e o acesso facilitado à informação e, entre os perigos, a possibilidade de disseminar desinformação e a eliminação de postos de trabalho, que são cada vez mais escassos no jornalismo, incluindo sua vertente de ciência.

Outro estudo, esse publicado no Journal of Science Comunication por pesquisadores das universidades de Mainz e Ludwig Maximillian, de Munique, entrevistou 30 jornalistas científicos alemães sobre as perspectivas abertas pelo uso de IA. Os autores tinham interesse em saber se as novas ferramentas poderiam amenizar ou agravar o que se convencionou chamar de “crise do jornalismo científico”, impulsionada pela crescente digitalização dos meios de comunicação, pela perda de anunciantes e pelas mudanças nos hábitos de consumo de notícias do público. Em um fenômeno ambivalente, pesquisadores e divulgadores científicos criaram canais de comunicação direta com os leitores, por meio de blogs e redes sociais, enquanto os jornalistas profissionais foram impactados por demissões e sobrecarga de trabalho. A maioria dos profissionais entrevistados, contudo, disse não se sentir ameaçada e reconhece que sua atividade caminha pra uma integração cada vez maior com a IA.

Já um estudo da PLOS ONE realizado por duas pesquisadoras da Universidade de Twente, nos Países Baixos, e outro da Universidade de Bolonha, na Itália, analisou a qualidade da cobertura da imprensa sobre IA em quatro nações (Bélgica, Itália, Portugal e Espanha), examinando notícias e entrevistando jornalistas científicos. De forma geral, os entrevistados demonstraram preocupação com a situação do jornalismo científico, incluindo a falta de financiamento, que pode afetar a qualidade das reportagens. Segundo o estudo, novas vertentes, como o jornalismo de engajamento, que prevê a participação da audiência na produção da notícia, e o jornalismo de soluções, que busca evidências capazes de resolver problemas sociais, teriam potencial para contribuir no enfrentamento desses desafios, inclusive nesse momento de transição, com a IA batendo à porta.

Para auxiliar nessa travessia, em 2024 o Centro de Estudos de Ciência, Comunicação e Sociedade da Universidade Pompeu Fabra (SCS-UPF), instituição pública localizada em Barcelona, na Espanha, liderou o desenvolvimento de um guia de ferramentas de inteligência artificial para jornalistas científicos. O manual se divide em três blocos. O primeiro indica plataformas que auxiliam na pesquisa de documentos e imagens, na identificação de pesquisas revisadas por pares, na tradução de textos e na transcrição de áudios. O segundo se detém em recursos para podcasts e o terceiro na organização do fluxo de trabalho. Para selecionar as melhores ferramentas, foi realizado um webinar com profissionais da comunicação científica, que apontaram aquelas que usavam com mais frequência. Todas elas foram testadas em um curso-piloto realizado em Barcelona, para verificar se eram mesmo eficientes e úteis.

Fonte: Revista Fapesp

Glifosato: ciência em disputa, exposição massiva e os limites da regulação

/ Marcos Pędłowski / Deixe um comentário

Entre evidências emergentes e disputas institucionais, o herbicida mais usado do mundo desafia os paradigmas da saúde pública contemporânea

O glifosato tornou-se, nas últimas décadas, um símbolo paradigmático das contradições do modelo agroindustrial contemporâneo. Herbicida mais utilizado no mundo, sua trajetória acompanha a expansão de monoculturas intensivas e o avanço dos organismos geneticamente modificados tolerantes a herbicidas. Mas, à medida que seu uso se intensificou, também se acumularam evidências científicas que apontam para riscos relevantes à saúde humana e ao ambiente — evidências estas que permanecem no centro de uma disputa persistente entre indústria, agências reguladoras e comunidade científica.

Desde sua introdução comercial nos anos 1970 e, sobretudo, após a difusão das culturas “Roundup Ready” nos anos 1990, o glifosato passou de insumo agrícola a contaminante ambiental onipresente. Estudos indicam aumentos expressivos na exposição humana, com detecção frequente em amostras biológicas e alimentos. Esse cenário sugere não apenas um problema ocupacional, restrito a trabalhadores rurais, mas uma exposição difusa, crônica e de baixa dose, característica das sociedades contemporâneas altamente químicas.

A controvérsia central reside na avaliação de seus efeitos à saúde. Enquanto empresas e parte das agências reguladoras sustentam a segurança do produto quando utilizado conforme as recomendações, um corpo crescente de literatura independente aponta para associações com câncer, doenças hepáticas e renais, disfunções endócrinas, alterações reprodutivas e impactos neurológicos. A classificação do glifosato como “provavelmente carcinogênico para humanos” por uma agência internacional de referência marcou um ponto de inflexão nesse debate, ao reconhecer a consistência de evidências experimentais e epidemiológicas, ainda que não conclusivas.

Mais recentemente, estudos têm ampliado a preocupação ao demonstrar efeitos em baixas doses — níveis considerados “seguros” pelos parâmetros regulatórios atuais. Pesquisas toxicológicas e epidemiológicas indicam alterações genéticas, epigenéticas e hormonais, além de impactos no microbioma intestinal e possíveis efeitos intergeracionais. Esse conjunto de achados desafia um dos pilares da toxicologia clássica — a ideia de que “a dose faz o veneno” — ao sugerir que exposições prolongadas e combinadas podem produzir efeitos complexos e cumulativos.

Outro aspecto central da controvérsia diz respeito à própria produção do conhecimento científico. Documentos internos tornados públicos em processos judiciais, assim como análises independentes, revelaram práticas de influência corporativa sobre a literatura científica e sobre processos regulatórios. Estudos financiados pela indústria, frequentemente utilizados por agências governamentais, foram criticados por falhas metodológicas, falta de transparência e inadequação aos padrões científicos contemporâneos. Esse cenário levanta questões estruturais sobre conflitos de interesse e a captura regulatória em áreas de alta complexidade técnica.

A divergência entre avaliações científicas e decisões regulatórias também evidencia limites institucionais. Enquanto algumas agências continuam a afirmar a segurança do glifosato, decisões judiciais e revisões independentes têm questionado essas conclusões, apontando para lacunas nos processos de avaliação de risco. A própria noção de “uso seguro” torna-se problemática quando considerada à luz de exposições ambientais difusas, múltiplas vias de contato e populações vulneráveis, como gestantes e crianças.

Do ponto de vista político-econômico, o caso do glifosato revela a profunda interdependência entre agricultura industrial, mercados globais de commodities e regimes regulatórios nacionais. A dificuldade de restringir ou banir o produto não decorre apenas de incertezas científicas, mas também de sua centralidade nos sistemas produtivos contemporâneos. Nesse sentido, a controvérsia sobre o glifosato não é apenas um debate técnico, mas uma disputa sobre modelos de desenvolvimento, segurança alimentar e sustentabilidade.

Diante desse quadro, cresce entre cientistas e profissionais de saúde a defesa do princípio da precaução. Essa abordagem propõe que, na presença de evidências plausíveis de risco — ainda que não definitivas —, medidas de proteção devem ser adotadas para reduzir a exposição da população. Trata-se de uma inversão importante na lógica regulatória: em vez de exigir prova absoluta de dano, reconhece-se a necessidade de agir diante da incerteza, sobretudo quando os potenciais impactos são amplos e duradouros.

O caso do glifosato, portanto, ultrapassa o debate sobre um único herbicida. Ele expõe as tensões entre ciência, economia e política em um mundo marcado pela dependência de substâncias químicas em larga escala. Mais do que uma controvérsia isolada, trata-se de um laboratório contemporâneo das limitações dos sistemas de regulação frente à complexidade dos riscos ambientais e sanitários do século XXI.

Texto adaptado com base em publicação feita pelo site “U.S. Right to Know” [Aqui! ].

A terceirização do pensamento: IA, ensino superior e o futuro da ciência

/ Marcos Pędłowski / Deixe um comentário

O uso descontrolado de IA ameaça a formação crítica de estudantes e o futuro da produção científica

Nos últimos dois anos, a inteligência artificial (IA) deixou de ser uma curiosidade tecnológica para se tornar presença constante no cotidiano universitário. Hoje, uma quantidade significativa de estudantes consegue gerar resumos, resolver exercícios, escrever relatórios, montar apresentações e até produzir artigos científicos completos em questão de minutos. À primeira vista, isso parece apenas mais uma revolução tecnológica inevitável. Mas basta olhar com um pouco mais de atenção para perceber que estamos diante de um problema muito mais profundo, e potencialmente devastador para a formação universitária, a ética acadêmica e o próprio futuro da ciência. O ponto central é simples: o uso descontrolado da IA está corroendo silenciosamente o próprio processo de formação universitária.

A universidade nunca teve como missão apenas entregar diplomas.  O papel histórico das universidades sempre foi formar profissionais capazes de pensar, analisar, argumentar, duvidar e tomar decisões em contextos complexos. Em outras palavras, formar autonomia intelectual. E isso não se constrói com respostas prontas, pois toda a experiência acumulada mostra que isso se constrói com esforço cognitivo, erro, tentativa, leitura difícil e escrita trabalhosa. É justamente esse processo que a IA começa a substituir, e rapidamente assimilada em nome da formação mais veloz de profissionais que estariam sendo ansiosamente esperados pelo mercado.

O problema é que disciplinas obrigatórias existem por uma razão. Elas definem o perfil profissional que a sociedade espera de um engenheiro, de um médico, de um advogado, de um cientista. Anatomia, fisiologia, farmacologia e epidemiologia não são obstáculos burocráticos na formação médica; são a base que sustenta decisões clínicas que podem salvar ou perder vidas. Quando um estudante terceiriza a resolução de exercícios, a escrita de relatórios ou a síntese de textos para uma IA, ele pode até entregar um trabalho perfeito, mas sem ter trilhado o caminho cognitivo necessário para, de fato, aprender.  O fato é que estamos criando, silenciosamente, a figura do profissional diplomado sem domínio real das competências fundamentais.

E aqui o risco deixa de ser educacional e passa a ser social. Imaginemos médicos excessivamente dependentes de sistemas automatizados para interpretar exames ou propor diagnósticos. Imagine engenheiros incapazes de avaliar criticamente um cálculo gerado por software. Imaginemos cientistas que nunca desenvolveram plenamente a capacidade de formular perguntas originais. Esse cenário não é ficção científica, pois ele está começando a ser construído agora, dentro das universidades em todo o mundo.

Um dos efeitos mais preocupantes desse processo é a terceirização do esforço cognitivo. Pensar exige treino constante. Leitura profunda exige prática. Escrever exige sofrimento intelectual. Quando a IA passa a realizar essas tarefas com rapidez e fluidez, muitos estudantes deixam simplesmente de exercitar essas habilidades. Aos poucos, a tolerância à complexidade diminui, a capacidade de concentração se reduz e a autonomia intelectual se fragiliza. A tecnologia criada para ampliar capacidades humanas começa, paradoxalmente, a atrofiá-las. 

O impacto ético também é gigantesco. A fraude acadêmica entrou em uma nova fase. Durante décadas, plagiar significava copiar textos existentes. Hoje, tornou-se possível produzir trabalhos inteiros sem dominar o conteúdo e com baixíssima probabilidade de detecção. As universidades estão enfrentando uma crise silenciosa: trabalhos deixaram de ser evidência confiável de aprendizagem. Se professores não conseguem distinguir autoria humana de produção automatizada, as notas deixam de refletir competência real e os diplomas passam a sinalizar muito menos do que deveriam. Isso ameaça a credibilidade institucional do ensino superior. Mas talvez o impacto mais grave esteja acontecendo na própria ciência. A escrita acadêmica sempre foi parte essencial da formação de pesquisadores. Dissertações e teses não são apenas produtos finais; são rituais de passagem intelectual, mas um momento em que o estudante aprende a formular problemas, estruturar argumentos, lidar com incertezas e construir pensamento original. Quando a IA entra como autora invisível, esse processo formativo se enfraquece. 

Já começamos a ver sinais de uma possível “industrialização” da escrita científica: revisões de literatura produzidas em massa, artigos inflacionados, textos plausíveis mas superficiais. Existe o risco real de uma poluição textual da ciência — mais artigos publicados, mas menos pensamento crítico por trás deles. Em um cenário extremo, poderemos ter IA escrevendo artigos e IA ajudando a revisá-los, enquanto a participação humana se torna cada vez mais periférica. A ciência perderia sua função mais importante: o escrutínio crítico humano. Mas tudo indica que este cenário extremo já está entre nós, representando uma grave ameaça para o futuro da ciência enquanto um empreendimento que deveria servir para melhorar a vida da maioria da Humanidade.

Diante desse quadro, a resposta não pode ser fingir que nada está acontecendo. Tampouco é realista imaginar a proibição total da IA. O que precisamos urgentemente é de regulação pedagógica séria.  Primeiro, é inevitável reformular os sistemas de avaliação. Provas presenciais, avaliações orais, defesas públicas e atividades realizadas em tempo real precisam voltar ao centro do processo educativo. Não como nostalgia do passado, mas como estratégia para garantir que o estudante realmente pense no que e sobre o que está fazendo. Na medicina, isso significa reforçar simulações clínicas presenciais e avaliações de raciocínio diagnóstico ao vivo. Segundo, o uso de IA precisa ser declarado de forma obrigatória em qualquer produção acadêmica. Transparência deve se tornar regra básica. Terceiro, universidades precisam ensinar IA de forma crítica. Não basta permitir o seu uso, pois é preciso formar usuários capazes de compreender limites, vieses e riscos epistemológicos dessas ferramentas. E, acima de tudo, precisamos reafirmar um princípio simples: aprender não é produzir textos; aprender é desenvolver pensamento crítico e autônomo.

A IA não é apenas mais uma ferramenta já que ela redefine o que significa estudar, pesquisar e produzir conhecimento. Se continuarmos ignorando os riscos do uso descontrolado da IA, poderemos formar uma geração altamente certificada, mas intelectualmente frágil , e uma ciência que se tornará cada vez mais volumosa, porém menos crítica e, consequentemente, avessa às reais necessidades que a atual conjuntura histórica de um planeta em colapso climático impõe.

Finalmente, há que se reconhecer que a IA não é apenas mais uma ferramenta tecnológica incorporada ao cotidiano universitário dado que ela redefine silenciosamente o próprio significado de estudar, pesquisar, ensinar e produzir conhecimento. Se continuarmos tratando seu uso irrestrito como um fenômeno neutro ou inevitável, corremos o risco de formar uma geração altamente certificada, porém intelectualmente frágil; uma ciência cada vez mais volumosa, mas progressivamente menos crítica; e universidades que preservam rituais formais de avaliação enquanto perdem sua função substantiva de formação. O que está em jogo não é apenas a integridade acadêmica ou a qualidade dos diplomas, mas a própria capacidade da sociedade humana de produzir profissionais capazes de lidar com problemas complexos, tomar decisões responsáveis e sustentar práticas científicas confiáveis. Em última instância, se trata de preservar a credibilidade social da universidade e o papel civilizatório da ciência. Desta forma, o verdadeiro desafio não é impedir a IA, algo impossível a estas alturas do campeonato, mas impedir que ela substitua aquilo que constitui a essência da educação superior: o desenvolvimento paciente, exigente e insubstituível de mentes autônomas, críticas, criativas e responsáveis. Sem essa reação por parte das universidades e da comunidade científica, o risco é que a automação intelectual avance mais rápido do que nossa capacidade coletiva de compreender suas consequências, deixando para o futuro o custo de uma formação que parece moderna, eficiente e produtiva, mas que poderá se revelar profundamente vazia e antissocial.

Preprints e a Ciência sob Pressão: a Ilusão da Verdade Imediata

/ Marcos Pędłowski / Deixe um comentário

Como a circulação acelerada de resultados preliminares amplia a desinformação científica e produz novas formas de autoridade sem validação

É possível debater o fenônomeno dos chamados “preprints” sem cair em alarmismo — mas também sem ingenuidade. Eles são uma ferramenta poderosa de circulação rápida do conhecimento, mas carregam um risco estrutural: a possibilidade de amplificar ciência frágil antes que ela seja devidamente testada.

Nos últimos anos, plataformas como arXiv, bioRxiv, earthAXiv e medRxiv se consolidaram como espaços legítimos de divulgação científica preliminar. A lógica é simples: compartilhar resultados rapidamente, abrir espaço para críticas e acelerar o debate acadêmico. Em áreas como física e matemática, isso já é prática consolidada há décadas. O problema começa quando esse modelo é transplantado, sem mediações, para campos altamente sensíveis — como saúde pública, epidemiologia ou políticas sociais.

O ponto central é que preprints não passam por revisão por pares. Isso não é um detalhe técnico; é a espinha dorsal do problema. A revisão por pares, apesar de imperfeita, funciona como um filtro mínimo de qualidade, coerência metodológica e integridade dos dados. Ao contornar essa etapa, os preprints se tornam, por definição, trabalhos em aberto — hipóteses em teste, não conclusões validadas.

O risco se agrava quando esses estudos escapam do circuito acadêmico e ganham circulação pública. Durante a pandemia de COVID-19, vimos um volume sem precedentes de preprints sendo citados por jornalistas, influenciadores e até gestores públicos como se fossem evidência consolidada. Resultados preliminares, muitas vezes baseados em amostras pequenas ou metodologias frágeis, foram transformados em manchetes. Em alguns casos, estudos foram posteriormente retratados ou profundamente revisados — mas o dano informacional já estava feito.

Há ainda um efeito colateral menos discutido, mas igualmente preocupante: a emergência de “celebridades científicas” construídas sobre evidências precárias. Em um ambiente que recompensa visibilidade e afirmações contundentes, alguns autores passam a acumular seguidores e capital simbólico a partir de preprints chamativos, ainda não validados. Essas figuras frequentemente ocupam espaços na mídia e nas redes sociais como vozes de autoridade, mesmo quando suas conclusões não resistem ao escrutínio posterior. O problema não é apenas individual, mas sistêmico: cria-se um atalho entre produção preliminar e prestígio público, contornando os mecanismos tradicionais de validação científica. Quando esses preprints são contestados ou refutados, a reputação construída tende a persistir — e, com ela, a circulação de interpretações equivocadas.

Esse fenômeno revela um descompasso entre o tempo da ciência e o tempo da comunicação. A ciência avança por tentativa, erro, revisão e correção. Já o ecossistema informacional contemporâneo — marcado por redes sociais e ciclos rápidos de notícias — privilegia o impacto imediato. Nesse ambiente, um preprint com conclusões “fortes” tem muito mais chance de viralizar do que um artigo revisado com resultados mais cautelosos.

Outro problema sério é a instrumentalização política e ideológica dos preprints. Grupos com agendas específicas podem selecionar estudos preliminares que reforcem suas posições, ignorando o caráter provisório desses trabalhos. O resultado é a fabricação de uma aparência de legitimidade científica para ideias que, na prática, ainda não resistiram ao escrutínio básico da comunidade acadêmica.

Nada disso significa que preprints devam ser descartados. Pelo contrário: eles são úteis e, em alguns casos, indispensáveis. Permitem transparência, circulação rápida de ideias e até correções mais ágeis do que o sistema tradicional de publicação. O problema não está na ferramenta em si, mas no uso social que se faz dela.

O desafio, portanto, é construir uma cultura de leitura crítica. Isso passa por alguns pontos fundamentais: deixar claro, sempre, que se trata de um estudo não revisado; evitar sua utilização como base para decisões políticas ou recomendações clínicas; e, sobretudo, reforçar o papel da mediação científica qualificada — seja por pares, seja por divulgação científica responsável.

Em última instância, a questão dos preprints expõe algo maior: a fragilidade das fronteiras entre produção de conhecimento e circulação de informação. Em um mundo onde qualquer resultado pode ganhar alcance global em minutos, a responsabilidade não é apenas dos cientistas, mas também de jornalistas, gestores e do público em geral.

A ciência não se fortalece com velocidade, mas com rigor. Quando a pressa substitui o escrutínio, o que se dissemina não é conhecimento — é ruído com aparência de verdade.

Ciências Brasil – Inglaterra: Cartas entre Charles Darwin e Fritz Müller são tema de livro

/ Marcos Pędłowski / Deixe um comentário

A publicação da coleção completa da correspondência entre Charles Darwin, autor de A Origem das Espécies, e seu principal colaborador no Brasil, Johann Friedrich Theodor Müller (Fritz Müller), será o destaque das comemorações do aniversário de nascimento do naturalista catarinense, em 31 de março. Após oito anos de intensa pesquisa, a historiadora e escritora Ana Maria Ludwig Moraes lança a obra “Cartas entre Fritz Müller e Charles Darwin”. O material, organizado originalmente pelo Darwin Correspondence Project (DCP), da Biblioteca da Universidade de Cambridge (Inglaterra), reúne 110 cartas, muitas das quais nunca haviam sido traduzidas para o português. O projeto contou com o apoio do Instituto Histórico de Blumenau (IHB) e do Cônsul Honorário do Reino Unido em Santa Catarina, Michael Delaney. 

Riqueza de detalhes e rigor científico

Com 400 páginas, o livro apresenta os textos originais em inglês e suas respectivas traduções. A troca de mensagens entre os dois naturalistas estendeu-se por 17 anos, de 1865 até a morte de Darwin, em 1882.

O prefácio, assinado pela Universidade de Cambridge, ressalta a importância de Müller entre as mais de 15 mil cartas catalogadas pelo projeto britânico em meio século de buscas. A correspondência com o brasileiro é considerada uma das mais ricas para a compreensão do pensamento evolucionista.

Um dos destaques da obra é a comprovação documental do título “Príncipe dos Observadores”, como Darwin carinhosamente se referia a Müller. Ana Maria localizou uma carta endereçada ao botânico alemão Ernst Krause, em 1880, conservada na Biblioteca Huntington, na Califórnia (EUA). Cópia dessa carta foi adquirida pelo IHB e doada ao Arquivo Histórico José Ferreira da Silva.

Um inventário da biodiversidade brasileira

Além do valor histórico, o livro funciona como um catálogo científico. A pesquisa identificou cerca de 900 espécies citadas ou descritas nas cartas. Uma equipe de especialistas elaborou um inventário detalhado, dividido em:

  • Fauna marinha: revisão de Harry Boos Júnior;
  • Botânica: revisão de Juliana Paula-Souza;
  • Entomologia e Aracnídeos: revisão de Isabelli Grothe Mees.

“O conteúdo das cartas é uma fonte primária fundamental para o estudo da história da ciência no século XIX. Elas mostram os caminhos, as dificuldades e os avanços que fundamentam o que conhecemos hoje”, explica a autora. Ana Maria ressalta ainda que os dados sobre a Mata Atlântica fornecem elementos preciosos para as ações contemporâneas de preservação do bioma.

Programação de Lançamento

Os lançamentos estão previstos para o mês de março em três universidades, além de eventos promovidos pela Biblioteca Municipal Fritz Müller e pelo IHB.

O início da colaboração entre Fritz e Darwin:

Em 24 de novembro de 1859, Charles Darwin publicava a primeira edição do livro “A Origem das Espécies“ (On the Origin of Species), uma obra que revolucionaria a ciência a partir do pensamento evolucionista e da teoria da seleção natural.

Um exemplar da obra foi recebido por Fritz Müller em 1861. A publicação do pensador inglês impulsionou as investigações de Fritz a partir dos crustáceos coletados na Praia de Fora, em Florianópolis (Desterro à época) resultando no seu primeiro e único livro – Für Darwin (Para Darwin) – em 1864. Historiadores afirmam que Darwin remunerou uma governanta alemã para que lesse a obra, traduzida para o inglês, já que esta estava escrita em alemão, o que teria acontecido na primavera e verão de 1865, no hemisfério norte.

Assim que terminou a leitura do livro, Darwin escreveu a primeira carta a Fritz Müller, datada de agosto de 1865, elogiando seu trabalho e iniciando um rico intercâmbio de informações científicas que durou 17 anos (1865 a 1882). A teoria, agora, tinha evidência sólida, graças às experiências de campo relatadas no livro de Fritz. Por iniciativa de Darwin, a obra foi traduzida para o inglês em 1869, com o título “Fatos e Argumentos para Darwin”. Esta obra, com a aprovação de Darwin, posicionou Fritz Müller como pesquisador no meio científico alemão, muito embora já possuísse um considerável leque de correspondentes. A discussão entre Müller e Darwin sobre os bastidores da publicação, custos e seu impacto nos meios científicos europeus, constam nas cartas e, é curiosa a observação do cientista inglês de que “essas obras de cunho científico” não despertam muito interesse no público leitor da Inglaterra, àquela época.

As 110 cartas em poder da Biblioteca da Universidade de Cambridge (Inglaterra), foram coletadas ao longo de 50 anos pelo Darwin Correspondence Project (DCP), instituição responsável pelo prefácio do livro de Ana Maria Ludwig Moraes, assinado pelos coordenadores do projeto encerrado em 2022, Shelley Innes e Alison Pearn.

Linha do Tempo: A Conexão Darwin-Müller

  • 1859 (24 de novembro): Charles Darwin publica em Londres a primeira edição de A Origem das Espécies.
  • 1861: O naturalista alemão Fritz Müller, vivendo em Santa Catarina, recebe um exemplar da obra e compara a teoria às suas observações de campo no litoral catarinense.
  • 1864: Como resposta e defesa das teses de Darwin, Müller publica na Alemanha o livro Für Darwin (Para Darwin).  
  • 1865 (Junho/Julho): Darwin, que não falava alemão, contrata a governanta de seus filhos para ler e traduzir para ele, a obra de Müller. O conteúdo apresenta evidências biológicas encontradas no Brasil, o que comprova a teoria da seleção natural.
  • 1865 (Agosto): Darwin escreve a primeira carta para Fritz Müller. Inicia-se um intercâmbio científico que transformaria a colaboração em uma amizade intelectual profunda.
  • 1869: Por influência direta de Darwin, o livro de Fritz Müller é traduzido para o inglês como Facts and Arguments for Darwin (Fatos e Argumentos para Darwin). 
  • 1865 – 1882: Durante 17 anos, os dois cientistas trocam informações, amostras e observações. Müller envia dados cruciais sobre crustáceos e a flora da Mata Atlântica que validam a Seleção Natural.
  • 1882 (19 de abril): Morte de Charles Darwin.
  • Século XX/XXI: O Darwin Correspondence Project (Universidade de Cambridge) dedica mais de 50 anos para localizar e catalogar as mais de 15 mil cartas de Darwin ao redor do mundo.
  • 2018 – 2026: A historiadora Ana Maria Ludwig Moraes dedica oito anos à pesquisa, tradução e atualização da nomenclatura científica da totalidade das 110 cartas trocadas entre os dois naturalistas, contando com uma equipe de tradutores, revisores e especialistas nas áreas de botânica, fauna marinha e entomologia, no Brasil e exterior, que resultou em importante inventário das espécies mencionadas nas cartas.  
  • 2026 (Março): Lançamento oficial da obra “Cartas entre Fritz Müller e Charles Darwin”, revelando segredos e detalhes inéditos desse diálogo histórico.

Sobre a autora:

Ana Maria Ludwig Moraes

Historiadora e Pesquisadora Membro do Instituto Histórico de Blumenau (IHB)

Pesquisadora Independente e Colaboradora Institucional: Atuação em projetos de salvaguarda e difusão para instituições tais como Arquivo Histórico José Ferreira da Silva (Blumenau SC), Museu Koenig da Universidade de Bonn (Alemanha), Universidade de São Paulo (USP), Pontifícia Universidade Católica de São Paulo, Institutos Federais de SC, Ministério Público de SC.