ESPAÇO DE TRABALHO DELIMITADO EM MODELOS DE LINGUAGEM PARA ESCRITA ACADÊMICA: RELATO DE UMA EXPERIÊNCIA DE AUTOMAÇÃO DA PRODUÇÃO DO PRÓPRIO ARTIGO
DOI:
https://doi.org/10.5902/2675995098480Palavras-chave:
Escrita Acadêmica Assistida, Modelos de Linguagem, AutoriaResumo
Este estudo descreve, dentro da plataforma SeCuida, a criação de um aplicativo que participa da redação deste próprio artigo por meio da orquestração de agentes de Inteligência Artificial (IA). O fluxo começa pela definição da linha geral do artigo, passa pela escolha da revista, pela leitura de regras editoriais e pela delimitação temática, segue com a busca de fontes confiáveis e o registro de lacunas, e só então chega à redação. O aplicativo preserva registros das decisões, permite voltar a versões anteriores e deixa explícito o que foi automatizado e o que continuou sob validação humana. O caso foi desenvolvido no contexto de doutorado em Computação Aplicada no Instituto Nacional de Pesquisas Espaciais (INPE), com ênfase em IA generativa, e seus resultados integrarão a tese. O versionamento do espaço de trabalho permite retomar versões anteriores, e ligar cada solicitação de alteração do autor ao respectivo efeito no texto do artigo. A literatura sobre alucinações, verificação factual, geração com recuperação, escrita acadêmica assistida por IA e autoria em colaboração Humano-IA ajuda a enquadrar esse fluxo como apoio à autoria, não como substituição do autor.
Downloads
Referências
ARNOLD, Kenneth C.; KIM, Jiho. Interaction-Required Suggestions for Control, Ownership, and Awareness in Human-AI Co-Writing. Proceedings of the Fourth Workshop on Intelligent and Interactive Writing Assistants (In2Writing 2025), p. 61–72. 2025. DOI: 10.18653/v1/2025.in2writing-1.6.
CHAMOUN, Eric; SCHLICHTKRULL, Michael; VLACHOS, Andreas. Automated Focused Feedback Generation for Scientific Writing Assistance. Findings of the Association for Computational Linguistics: ACL 2024, p. 9742–9763. 2024. DOI: 10.18653/v1/2024.findings-acl.580.
COLE, Victoria; BOUTET, Mish. ResearchRabbit. Journal of the Canadian Health Libraries Association / Journal de l’Association des bibliothèques de la santé du Canada, v. 44, n. 2, p. 43-47. 2023. DOI: 10.29173/jchla29699.
DHULIAWALA, Shehzaad et al. Chain-of-Verification Reduces Hallucination in Large Language Models. Findings of the Association for Computational Linguistics: ACL 2024, p. 3563–3578. 2024. DOI: 10.18653/v1/2024.findings-acl.212.
FAGUNDES, Luciano G. SeCuida.org. 2020. Disponível em: https://secuida.org. Acesso em: 11 out. 2026.
FARQUHAR, Sebastian et al. Detecting hallucinations in large language models using semantic entropy. Nature, v. 630, n. 8017, p. 625–630. 2024. DOI: 10.1038/s41586-024-07421-0.
GERO, Katy et al. A Design Space for Writing Support Tools Using a Cognitive Process Model of Writing. Proceedings of the First Workshop on Intelligent and Interactive Writing Assistants (In2Writing 2022), p. 10–23. 2022. DOI: 10.18653/v1/2022.in2writing-1.2.
HOU, Junyi et al. PaperDebugger: A Plugin-Based Multi-Agent System for In-Editor Academic Writing, Review, and Editing. arXiv. 2025. DOI: 10.48550/arXiv.2512.02589.
KUNG, Janice Y. Elicit. Journal of the Canadian Health Libraries Association / Journal de l’Association des bibliothèques de la santé du Canada, v. 44, n. 1, p. 15-18. 2023. DOI: 10.29173/jchla29657.
LEWIS, Patrick et al. Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. Advances in Neural Information Processing Systems 33 (NeurIPS 2020), v. 33, p. 9459–9474. 2020. Disponível em: https://papers.nips.cc/paper_files/paper/2020/hash/6b493230205f780e1bc26945df7481e5-Abstract.html. Acesso em: 11 out. 2026.
LIEBLING, Daniel J. et al. Towards AI-assisted Academic Writing. Proceedings of the 1st Workshop on AI and Scientific Discovery: Directions and Opportunities, p. 48–58. 2025. DOI: 10.18653/v1/2025.aisd-main.4.
MANAKUL, Potsawee; LIUSIE, Adian; GALES, Mark. SelfCheckGPT: Zero-Resource Black-Box Hallucination Detection for Generative Large Language Models. Proceedings of the 2023 Conference on Empirical Methods in Natural Language Processing, p. 9004–9017. 2023. DOI: 10.18653/v1/2023.emnlp-main.557.
MIN, Sewon et al. FActScore: Fine-grained Atomic Evaluation of Factual Precision in Long Form Text Generation. Proceedings of the 2023 Conference on Empirical Methods in Natural Language Processing, p. 12076–12100. 2023. DOI: 10.18653/v1/2023.emnlp-main.741.
MYSORE, Sheshera et al. Prototypical Human-AI Collaboration Behaviors from LLM-Assisted Writing in the Wild. Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing, p. 16819–16846. 2025. DOI: 10.18653/v1/2025.emnlp-main.852.
RICHBURG, Aquia; BAO, Calvin; CARPUAT, Marine. Automatic Authorship Analysis in Human-AI Collaborative Writing. Proceedings of the 2024 Joint International Conference on Computational Linguistics, Language Resources and Evaluation (LREC-COLING 2024), p. 1845–1855. 2024. DOI: 10.18653/v1/2024.lrec-main.165.
SCHMIDTOVA, Patricia et al. Do My Eyes Deceive Me? A Survey of Human Evaluations of Hallucinations in NLG. Proceedings of the 18th International Natural Language Generation Conference, p. 60–79. 2025. DOI: 10.18653/v1/2025.inlg-main.4.
VENKIT, Pranav Narayanan et al. An Audit on the Perspectives and Challenges of Hallucinations in NLP. Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing, p. 6528–6548. 2024. DOI: 10.18653/v1/2024.emnlp-main.375.
WANG, Qingyun et al. Towards a Human-Computer Collaborative Scientific Paper Lifecycle: A Pilot Study and Hands-On Tutorial. Proceedings of the 2024 Joint International Conference on Computational Linguistics, Language Resources and Evaluation (LREC-COLING 2024): Tutorial Summaries, p. 56–67. 2024. Disponível em: https://aclanthology.org/2024.lrec-tutorials.10/. Acesso em: 11 out. 2026.
ZHANG, Yue et al. Siren’s Song in the AI Ocean: A Survey on Hallucination in Large Language Models. Computational Linguistics, v. 51, n. 4, p. 1373–1418. 2025. DOI: 10.1162/coli.a.16.
Publicado
Edição
Seção
Licença
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado, com reconhecimento de autoria e publicação inicial nesta revista.
