O Google está testando uma nova ferramenta de pesquisa baseada em IA, o Scholar Labs, projetada para fornecer estudos altamente relevantes com base em consultas detalhadas. Esta mudança levanta uma questão fundamental: como irão os cientistas responder a um motor de busca que dá prioridade à análise de conteúdo em detrimento das métricas tradicionais, como contagens de citações e factores de impacto dos periódicos?
A ferramenta usa IA para compreender as relações entre as palavras em uma consulta, trazendo à tona pesquisas que, de outra forma, poderiam ser negligenciadas. Em uma demonstração envolvendo interfaces cérebro-computador (BCIs), o Scholar Labs identificou um artigo de revisão relevante publicado na Applied Sciences, observando corretamente sua discussão sobre eletroencefalografia e algoritmos principais. No entanto, a ferramenta carece de filtros para indicadores de qualidade amplamente utilizados.
O problema com as métricas existentes
O sistema atual depende fortemente de citações (quantas vezes um estudo é referenciado por outros) e de fatores de impacto de periódicos (uma medida do prestígio de um periódico). Embora essas métricas ofereçam uma medida aproximada de influência, elas são imperfeitas. Artigos altamente citados nem sempre são melhores, e trabalhos recém-publicados ou interdisciplinares podem ser totalmente perdidos. Um estudo da década de 1990 pode ter milhares de citações, enquanto um artigo inovador de 2024 pode não ter nenhuma. Natureza tem um fator de impacto de 48,5, enquanto Ciências Aplicadas relata 2,5 — mas isso não reflete necessariamente a qualidade da pesquisa.
O Google argumenta que confiar apenas nessas métricas pode excluir pesquisas valiosas, especialmente em campos emergentes. Lisa Oguike, porta-voz do Google, explicou que a limitação por fator de impacto ou contagem de citações pode “perder artigos importantes… em particular, artigos em campos interdisciplinares/adjacentes ou artigos publicados recentemente”.
Papel potencial da IA
Os especialistas concordam que a contagem de citações e os fatores de impacto são avaliações imperfeitas da qualidade. Matthew Schrag, professor associado de neurologia na Vanderbilt, observa que estas métricas “falam mais sobre o contexto social do artigo” do que sobre o seu valor intrínseco. A pesquisa alimentada por IA poderia, teoricamente, ampliar o escopo da descoberta, trazendo à tona estudos que de outra forma poderiam ser enterrados.
James Smoliga, professor da Tufts University, admite confiar inconscientemente em artigos altamente citados, apesar de conhecer suas falhas. O sistema não é infalível, mas o Scholar Labs pretende resolver essas deficiências analisando o texto completo dos artigos de pesquisa, considerando detalhes de publicação, autoria e histórico de citações.
Uma abordagem holística
Em última análise, a pesquisa baseada em IA, como o Scholar Labs, pode ser uma adição valiosa ao ecossistema científico. Ele oferece uma rede mais ampla para descobertas e insights contextuais. Contudo, a decisão final sobre a qualidade da investigação deve caber aos próprios cientistas. Como enfatiza Schrag: “É preciso ter uma noção de quais são os padrões na área em termos de rigor e se um estudo atende a isso”. Os algoritmos devem auxiliar, e não substituir, o pensamento crítico na avaliação do trabalho científico.
Os Laboratórios Acadêmicos representam uma mudança em direção a descobertas de pesquisas mais diferenciadas, mas a supervisão humana continua crucial para garantir a integridade científica.
