REGISTRO DOI: 10.69849/revistaft/ra10202502162010
Yuri Arsénio de Matos
Resumo
O avanço tecnológico e a digitalização do conhecimento intensificaram o plágio acadêmico, tornando essencial o uso de Inteligência Artificial para sua identificação. Ferramentas como Turnitin e CopySpider utilizam Processamento de Linguagem Natural e aprendizado de máquina para detectar similaridades textuais, sendo mais eficientes do que métodos tradicionais.
O plágio compromete a integridade acadêmica e pode ocorrer de diversas formas, como cópia literal, paráfrase sem citação e autoplágio. Métodos tradicionais, como análise manual por professores, são demorados e limitados, enquanto a IA consegue processar grandes volumes de dados rapidamente, identificando padrões complexos. No Instituto Superior Politécnico Privado do Uíge uma pesquisa analisou a percepção de docentes e discentes sobre a eficácia dessas ferramentas.
Apesar dos benefícios, desafios como falsos positivos, custos elevados e privacidade de dados ainda precisam ser superados. Além disso, a dependência excessiva da IA pode reduzir a reflexão crítica sobre a ética acadêmica. A melhor abordagem é combinar IA com supervisão humana, garantindo uma análise mais precisa e contextualizada. A IA se mostra uma solução promissora para promover um ambiente educacional mais íntegro, incentivando a originalidade e o respeito à propriedade intelectual.
Palavras-chave: Inteligência Artificial; Plágio; Tecnologia; Programas; Graduação; Ensino Superior;
Abstract
Technological advances and the digitalization of knowledge have intensified academic plagiarism, making the use of Artificial Intelligence essential for its identification. Tools like Turnitin and CopySpider use Natural Language Processing and machine learning to detect textual similarities, being more efficient than traditional methods.
Plagiarism compromises academic integrity and can occur in different ways, such as literal copying, paraphrasing without citation and self-plagiarism. Traditional methods, such as manual analysis by teachers, are time-consuming and limited, while AI can process large volumes of data quickly, identifying complex patterns. At the Instituto Superior Politécnico Privado do Uíge, a survey analyzed the perception of teachers and students about the effectiveness of these tools.
Despite the benefits, challenges such as false positives, high costs and data privacy still need to be overcome. Furthermore, excessive reliance on AI may reduce critical reflection on academic ethics. The best approach is to combine AI with human supervision, ensuring more accurate and contextualized analysis. AI appears to be a promising solution to promote a more integral educational environment, encouraging originality and respect for intellectual property.
Keywords: Artificial Intelligence; Plagiarism; Technology; Programs; Graduation; Higher education;
Introdução
Com o avanço tecnológico e a crescente digitalização do conhecimento, o plágio em trabalhos acadêmicos tornou-se uma preocupação relevante em instituições de ensino superior. O acesso facilitado à informação através da internet e de bases de dados digitais intensificou o risco de reprodução indevida de conteúdo, comprometendo a integridade acadêmica e a originalidade das produções científicas.
A inteligência artificial (IA) surge como uma ferramenta inovadora e eficiente na identificação de plágio. Sistemas baseados em IA têm capacidade de processar grandes volumes de dados, detectar padrões complexos e analisar similaridades textuais com maior precisão do que os métodos tradicionais. Essas características tornam a IA uma aliada essencial no combate ao plágio acadêmico e na promoção da ética acadêmica.
A IA tem sido amplamente adotada em diversos setores, incluindo o educacional, onde enfrenta desafios como o plágio acadêmico. O plágio, caracterizado pela apropriação indevida de ideias e textos alheios, é uma questão ética e jurídica que compromete a integridade acadêmica. No contexto educacional, o acesso crescente a informações digitais facilitou práticas fraudulentas, tornando essencial o uso de ferramentas eficazes para sua detecção.
As Instituições de Ensino Superior têm se empenhado em combater o plágio, utilizando metodologias que vão desde a conscientização sobre normas acadêmicas até a adoção de tecnologias inovadoras, como softwares de IA. Ferramentas como Turnitin e CopySpider utilizam algoritmos de Processamento de Linguagem Natural (PLN) e aprendizado de máquina para analisar grandes volumes de dados e identificar similaridades textuais, permitindo uma detecção mais precisa e rápida de plágio, mesmo em casos mais complexos, como paráfrases e traduções.
A aplicação da IA na educação também enfrenta desafios éticos, como a possibilidade de erros na detecção de plágio e o risco de dependência excessiva dessas tecnologias. Ainda assim, os benefícios são notáveis: a IA não apenas agiliza processos de verificação, mas também oferece recursos para personalizar o aprendizado e promover a integridade acadêmica. Sua adoção contribui para um ambiente educacional mais justo e para a formação de profissionais mais éticos e responsáveis.
No caso específico do Instituto Superior Politécnico Privado do Uíge, a pesquisa explorou a percepção de discentes e docentes sobre o plágio e a efetividade das ferramentas de IA na detecção de fraudes acadêmicas. O estudo demonstrou que a IA é uma aliada poderosa no combate ao plágio, destacando a necessidade de ampliar seu uso em instituições de ensino e promover a conscientização sobre os impactos do plágio na formação acadêmica e profissional.
Assim, a IA surge como uma resposta promissora às demandas de uma sociedade cada vez mais digitalizada, integrando tecnologia e educação para fortalecer os princípios de originalidade e ética acadêmica.
Plágio
O plágio é um problema recorrente no meio acadêmico, caracterizando-se pelo uso de ideias ou textos de outro autor sem a devida citação. Segundo Pereira e Corrêa (2021), essa prática pode ocorrer de diversas formas, incluindo a cópia integral de trechos, a paráfrase sem referenciar a fonte, a reprodução de trabalhos prontos, o autoplágio (reutilização de produções próprias sem a devida indicação) e até a compra de trabalhos acadêmicos. Considerado antiético, o plágio viola os princípios da integridade acadêmica e, em muitos casos, configura crime conforme a legislação de direitos autorais vigente em países como Brasil. Vargas-Morúa (2021) classifica o plágio em diferentes categorias, tais como:
- Reutilização sem atribuição;
- Uso indevido de conhecimento, intencionalmente ou não;
- Apropriação indevida de ideias, métodos, resultados ou palavras de outra pessoa;
- Engano intencional para obtenção de créditos imerecidos.
A relevância do plágio no ambiente acadêmico se relaciona diretamente com a integridade e a originalidade, pilares fundamentais da produção científica. A prática do plágio compromete a qualidade e a credibilidade dos trabalhos acadêmicos, refletindo uma falta de habilidade ou disposição do aluno em desenvolver conhecimento original. Além disso, prejudica o processo de aprendizado, transformando a produção acadêmica em uma mera formalidade para obtenção de notas ou diplomas, ao invés de um exercício intelectual crítico e criativo.
Do ponto de vista institucional, o plágio também representa um desafio ético e administrativo. As universidades enfrentam dificuldades para detectar práticas fraudulentas, especialmente diante do volume crescente de informações disponíveis na era digital. A falta de formação adequada sobre normas de citação e técnicas de pesquisa contribui para a alta incidência do plágio, mesmo em níveis mais avançados de formação, como mestrado e doutorado. Além disso, os docentes muitas vezes precisam realizar uma verdadeira “arqueologia textual” para identificar fontes copiadas, o que é desgastante e consome tempo valioso.
Diante desse cenário, a relevância de combater o plágio transcende a simples detecção e punição. É necessário promover a conscientização sobre a importância da ética acadêmica e fornecer suporte aos estudantes para que desenvolvam as habilidades necessárias para a elaboração de trabalhos originais. Isso inclui a implementação de disciplinas de metodologia científica, a divulgação de materiais explicativos sobre o tema e a realização de workshops e seminários voltados à integridade acadêmica.
A IA tem sido uma área de crescente interesse no meio acadêmico e científico. Segundo Silva e Mairink (2019), a IA busca replicar a capacidade humana de raciocinar, automatizando tarefas que antes exigiam inteligência humana. O uso de Big Data tem permitido a aplicação de IA para analisar grandes volumes de informações, o que tem sido fundamental para diversas áreas, incluindo a educação e a detecção de plágio.
A utilização de tecnologias avançadas, como ferramentas de IA, também tem se mostrado essencial no combate ao plágio. Softwares de detecção, como Turnitin, CopySpider e Plagius, utilizam algoritmos de processamento de linguagem natural para identificar similaridades entre textos e bases de dados acadêmicas. Esses sistemas não apenas agilizam a identificação de plágio, mas também detectam formas mais sofisticadas de fraude, como paráfrases extensivas e traduções não atribuídas. Ao mesmo tempo, promovem um ambiente mais justo e transparente, contribuindo para a formação de profissionais éticos e responsáveis.
Portanto, o combate ao plágio é uma questão central para a manutenção da qualidade acadêmica. Ele exige esforços conjuntos das instituições, docentes e discentes, não apenas para identificar e punir práticas fraudulentas, mas também para promover uma cultura de respeito à propriedade intelectual e ao conhecimento original. A adoção de ferramentas tecnológicas e o incentivo à formação ética são passos essenciais nesse processo, garantindo que o ambiente acadêmico continue sendo um espaço de inovação e avanço do conhecimento.
Direitos Autorais e Propriedade Intelectual
Os direitos autorais são fundamentais para garantir que os autores sejam reconhecidos e protegidos legalmente pela criação de obras intelectuais. Segundo Sousa e Shintaku (2021), o direito autoral regula a relação entre o autor e sua obra, garantindo tanto direitos morais quanto patrimoniais. Os direitos morais são inalienáveis e asseguram ao autor o reconhecimento da autoria e a integridade da obra, enquanto os direitos patrimoniais permitem a exploração econômica da criação.
Proteção e Aplicação da Lei
De acordo com Wachowicz (2014), os direitos autorais fazem parte da propriedade intelectual e estão divididos entre o Direito Autoral, que protege obras literárias e artísticas, e o Direito Industrial, que cobre invenções e marcas. A legislação internacional, como a Convenção de Berna (1886), influencia as normativas de diversos países, incluindo Angola e Brasil.
Em Angola, a Lei nº 15/14 de 31 de julho protege a atividade intelectual, literária e científica, garantindo ao autor o direito de utilizar, transmitir ou alienar sua obra nos limites da lei. Já no Brasil, a Lei de Direitos Autorais (Lei nº 9.610/98) define a proteção das obras e a responsabilidade por infrações, incluindo plágio.
Plágio e Usurpação
A usurpação ocorre quando um terceiro utiliza uma obra sem autorização do autor. Segundo Santos (2017), isso pode ocorrer por meio da reprodução, transformação, distribuição ou comunicação pública da obra sem consentimento, o que constitui crime de usurpação. Além disso, a contrafação (reprodução fraudulenta) e o plágio são considerados infrações graves, passíveis de sanções civis e criminais.
Métodos Tradicionais de Identificação de Plágio
A identificação do plágio foi sempre um desafio no ambiente acadêmico, especialmente com o crescimento exponencial do acesso à informação proporcionado pela internet. Antes da popularização de ferramentas digitais e da inteligência artificial, os métodos tradicionais de identificação de plágio exigiam maior esforço humano e eram frequentemente limitados em precisão e eficiência.
Os métodos tradicionais consistem principalmente em análises manuais realizadas por professores, orientadores e revisores de textos. Esses métodos envolvem a leitura atenta e a comparação dos trabalhos entregues pelos estudantes com possíveis fontes já conhecidas pelo docente. Durante essa análise, os avaliadores procuram identificar trechos que destoam do estilo de escrita habitual do autor ou que apresentam vocabulário e estrutura de frases incompatíveis com o nível acadêmico do estudante. Esse contraste frequentemente é um indício de que o texto pode ter sido copiado de outra fonte sem a devida atribuição.
Outro método amplamente utilizado é a busca manual de frases ou trechos suspeitos em mecanismos de pesquisa online, como o Google. Ao identificar um segmento do texto que parece fora do contexto ou muito bem formulado, os professores realizam buscas inserindo essas frases entre aspas para verificar se correspondem às publicações já disponíveis na internet. Embora esse método seja funcional em alguns casos, é extremamente limitado, pois depende do conhecimento prévio do avaliador e da capacidade de encontrar coincidências em um universo crescente de informações.
Além disso, a repetição de trabalhos acadêmicos entre estudantes era, e ainda é, uma forma comum de plágio. No ambiente acadêmico, os professores frequentemente identificavam o problema ao perceberem que diferentes alunos entregavam textos idênticos ou muito similares, especialmente em disciplinas com grande número de participantes. A análise comparativa manual era, então, utilizada para identificar a duplicação de conteúdo. Esse método, no entanto, também é limitado, pois não permite uma análise ampla de fontes externas ou de trabalhos de outros períodos acadêmicos.
Os métodos tradicionais apresentam diversas limitações. Em primeiro lugar, a análise manual é extremamente demorada e dependente do nível de experiência e conhecimento do avaliador. A eficácia desses métodos diminui à medida que aumenta o volume de textos a ser avaliado, como ocorre em turmas grandes ou em instituições de ensino com alta demanda de produção acadêmica. Além disso, os métodos tradicionais têm dificuldades em identificar formas mais complexas de plágios, como paráfrases ou traduções de textos estrangeiros, que exigem um nível mais sofisticado de análise. Essas práticas muitas vezes passam despercebidas, mesmo após uma avaliação cuidadosa.
Por fim, apesar das limitações, os métodos tradicionais desempenharam um papel importante na identificação de plágio antes da era digital e ainda podem ser úteis como uma abordagem complementar. A leitura atenta por um especialista ainda é essencial para identificar não apenas plágio, mas também a qualidade argumentativa e a originalidade do trabalho acadêmico. Por conseguinte, com a crescente sofisticação das práticas de plágios e o aumento do volume de informações disponíveis, tornou-se imprescindível a adoção de tecnologias modernas, como softwares de detecção automatizada e ferramentas de inteligência artificial, para enfrentar esse problema de forma mais eficaz e abrangente.
Avanços na Utilização da Inteligência Artificial para Combate ao Plágio
A IA tem revolucionado diversos setores, incluindo o educacional, ao proporcionar soluções mais eficazes para problemas históricos, como o plágio acadêmico. Tradicionalmente, a identificação de plágio era realizada manualmente, o que demandava tempo, esforço e conhecimento especializado dos docentes. Contudo, a complexidade crescente das práticas de plágio e o vasto volume de informações disponíveis digitalmente tornaram esses métodos insuficientes. Nesse contexto, a IA emergiu como uma ferramenta poderosa para a deteção e prevenção do plágio, oferecendo eficiência, precisão e abrangência.
Os avanços em algoritmos de aprendizado de máquina e PLN permitiram que sistemas baseados em IA analisassem grandes volumes de dados, comparando textos acadêmicos com bancos de dados de publicações científicas, artigos, trabalhos acadêmicos e conteúdos disponíveis na internet. Ferramentas como Turnitin, CopySpider e Plagius utilizam essas tecnologias para identificar similaridades textuais, mesmo em casos mais complexos, como paráfrases extensivas e traduções não atribuídas.
Uma das principais inovações proporcionadas pela IA é a capacidade de identificar padrões sutis em textos. Enquanto métodos tradicionais focavam na correspondência exata de palavras ou frases, os algoritmos de IA conseguem analisar o contexto e a estrutura das ideias, detectando plágio disfarçado por alterações superficiais no texto. Por exemplo, sistemas baseados em PLN conseguem compreender variações linguísticas, permitindo que detectem paráfrases que mantêm o mesmo significado do texto original, mesmo que as palavras tenham sido alteradas.
Outro avanço significativo é a integração da IA em sistemas educacionais, como ambientes virtuais de aprendizagem e plataformas de gestão acadêmica. Esses sistemas permitem que os professores e administradores realizem verificações automatizadas diretamente nas plataformas de submissão de trabalhos. Isso reduz o tempo e o esforço necessários para identificar possíveis fraudes, permitindo que os docentes se concentrem na análise crítica e na orientação dos alunos. Além disso, algumas ferramentas baseadas em IA fornecem relatórios detalhados, destacando as áreas do texto que apresentam similaridades e apontando as fontes correspondentes, o que facilita a análise e a tomada de decisão por parte do avaliador.
Apesar dos avanços, o uso da IA no combate ao plágio também apresenta desafios. Um deles é a possibilidade de erros, como a identificação de semelhanças em conteúdos que fazem parte do domínio público ou são de uso comum na área acadêmica. Além disso, o custo elevado de algumas ferramentas pode dificultar sua implementação em instituições menores ou com recursos limitados. Outro ponto crítico envolve questões éticas, como a privacidade dos dados dos alunos e a dependência excessiva de ferramentas automatizadas, o que pode comprometer a autonomia dos avaliadores.
Ainda assim, os benefícios proporcionados pela IA na deteção de plágio são inegáveis. Além de aumentar a eficiência no combate a fraudes acadêmicas, essas ferramentas promovem um ambiente educacional mais justo, incentivando a originalidade e a integridade. A utilização de IA também contribui para a formação ética de estudantes, ajudando-os a compreender a importância de respeitar a propriedade intelectual e a desenvolver habilidades de pesquisa e escrita mais robustas. Assim, a inteligência artificial se posiciona como uma aliada indispensável no combate ao plágio e na construção de uma academia mais ética e inovadora.
Ferramentas de IA e seus Algoritmos no Contexto da Análise Textual
A análise textual mediada por ferramentas de inteligência artificial tem ganhado destaque no ambiente acadêmico, especialmente no combate ao plágio. Essas ferramentas utilizam algoritmos avançados de Processamento de Linguagem Natural e aprendizado de máquina para comparar textos submetidos a extensas bases de dados, identificando similaridades e padrões. As tecnologias de IA estão continuamente evoluindo, permitindo que ferramentas modernas não apenas detetam cópias literais, mas também formas mais complexas de plágio, como paráfrases extensivas, traduções e autoplágio.
Entre as ferramentas mais conhecidas está o Turnitin, amplamente utilizado em instituições de ensino superior. Ele utiliza algoritmos de PLN para comparar textos com bancos de dados acadêmicos, publicações online e repositórios internos, gerando relatórios detalhados que destacam os trechos suspeitos e as fontes correspondentes. Sua capacidade de análise contextual permite que o software detecte práticas mais sutis de plágio, como reestruturação de frases ou sinônimos substituídos, que podem escapar a verificações manuais.
O CopySpider é outra ferramenta popular, amplamente usada em países de língua portuguesa. Baseado em um sistema que realiza buscas na web e em arquivos locais, ele identifica trechos semelhantes, sinalizando possíveis casos de cópia. Embora não seja tão sofisticado quanto o Turnitin, o CopySpider se destaca pela simplicidade e pelo foco na análise de textos em português, sendo uma solução viável para instituições com menor orçamento.
O Plagius Detector combina técnicas de PLN com algoritmos de busca em múltiplos formatos de arquivos e na web. Ele permite análises personalizadas, como a configuração de limites de similaridade aceitáveis e a seleção de bases de dados específicas para comparação. Ferramentas como Grammarly, Plagium e Copyleaks também utilizam algoritmos de IA, mas têm foco em mercados internacionais e oferecem funcionalidades adicionais, como correções gramaticais e melhorias de estilo de escrita.
Os algoritmos subjacentes a essas ferramentas funcionam por meio de técnicas como análise de n-gramas, que fragmentam os textos em unidades menores para verificar similaridades em sequências de palavras. Além disso, redes neurais treinadas em grandes volumes de dados textuais são frequentemente empregadas para identificar padrões mais complexos, como estrutura semântica e contexto. Essas tecnologias permitem que as ferramentas detectem plágio mesmo em textos que foram modificados para mascarar a cópia.
Outro avanço importante é o uso de aprendizado de máquina para refinar os modelos de análise textual. Ferramentas como Copyleaks, por exemplo, utilizam aprendizado profundo (deep learning) para identificar padrões linguísticos e semânticos, tornando o sistema mais eficiente ao longo do tempo. Além disso, a integração com plataformas de ensino, como Learning Management Systems (LMSs), permite que essas ferramentas analisem automaticamente textos submetidos, gerando relatórios em tempo real para professores e administradores acadêmicos.
Apesar de seus benefícios, o uso dessas ferramentas requer atenção a algumas limitações. Por exemplo, elas podem identificar falsos positivos ao considerar como plágio textos de domínio público ou que utilizam linguagem comum em áreas específicas do conhecimento. Além disso, questões éticas relacionadas à privacidade e ao uso dos dados submetidos também devem ser observadas.
Em resumo, as ferramentas de IA para análise textual transformaram o combate ao plágio em um processo mais eficiente e preciso. Seus algoritmos avançados continuam a evoluir, oferecendo soluções robustas para a deteção de práticas antiéticas e promovendo um ambiente acadêmico mais íntegro e inovador.
Método
No presente estudo utilizou-se uma abordagem metodológica mista, integrando elementos de pesquisa bibliográfica, teórica e empírica para atingir os objetivos propostos. Esse modelo permite uma compreensão ampla do tema ao explorar tanto os fundamentos conceituais da inteligência artificial e do plágio quanto a aplicação prática de ferramentas específicas no contexto acadêmico.
A pesquisa bibliográfica foi uma das principais bases do trabalho, sendo fundamentada em obras de autores renomados sobre os temas centrais, como inteligência artificial, direitos autorais e ética acadêmica. A revisão da literatura possibilitou consolidar um referencial teórico robusto, essencial para a construção de argumentos que sustentam a importância do uso de IA na deteção de plágio. Essa etapa envolveu a análise de livros, artigos científicos, legislações e documentos que abordam a evolução tecnológica e os desafios do plágio no ensino superior.
A pesquisa teórica buscou definir e aprofundar conceitos-chave, como inteligência artificial, plágio acadêmico, direitos autorais e ética educacional. Essa abordagem permitiu explorar as implicações legais e morais do plágio, além de discutir os benefícios e limitações das ferramentas de IA utilizadas para combatê-lo. Também foram examinadas as leis aplicáveis em Angola e no Brasil, como a Lei nº 15/14 de Angola, que protege a propriedade intelectual, e os marcos regulatórios relacionados ao direito autoral e à ética acadêmica.
A pesquisa empírica foi realizada no Instituto Superior Politécnico Privado do Uíge, com foco na aplicação prática das ferramentas de deteção de plágio baseadas em inteligência artificial. Para isso, foram coletados dados por meio de questionários aplicados a docentes e discentes da instituição. O objetivo era compreender suas percepções sobre o uso de IA na identificação de plágio, avaliar a eficácia das ferramentas disponíveis e mapear os principais desafios enfrentados no combate a práticas fraudulentas. Os dados coletados foram analisados estatisticamente para identificar padrões e tendências que subsidiaram as conclusões do estudo
Além disso, a pesquisa incluiu uma análise detalhada de ferramentas de IA utilizadas na detecção de plágio, como Turnitin, CopySpider e Plagius Detector. Foram realizadas verificações de textos acadêmicos reais para avaliar a capacidade dessas ferramentas de identificar similaridades textuais, mesmo em casos de paráfrases ou traduções. A comparação dos resultados gerados pelos diferentes softwares permitiu compreender suas potencialidades e limitações em contextos específicos.
O tipo de pesquisa escolhido também incluiu elementos descritivos e exploratórios. O caráter descritivo esteve presente na análise detalhada das ferramentas de IA, seus algoritmos e funcionalidades. Já o aspecto exploratório buscou investigar como a integração de tecnologias avançadas pode transformar o combate ao plágio em instituições de ensino superior, contribuindo para a criação de políticas educacionais mais efetivas.
Por fim, a combinação dessas abordagens metodológicas fortaleceu os resultados do estudo, garantindo uma análise profunda e abrangente sobre o tema. O uso de métodos complementares possibilitou não apenas identificar as limitações atuais no combate ao plágio, mas também propor soluções práticas que promovem a integridade acadêmica e o avanço da educação superior no contexto angolano e global. A integração de dados teóricos e empíricos assegura que as conclusões e recomendações da pesquisa sejam fundamentadas e aplicáveis à realidade das instituições de ensino
Procedimentos de Coleta de Dados
Os procedimentos de coleta de dados foram organizados para garantir a obtenção de informações relevantes e precisas, alinhadas aos objetivos da pesquisa. A abordagem adotada foi mista, integrando métodos quantitativos e qualitativos, para analisar a aplicação de ferramentas de IA na identificação de plágio acadêmico no Instituto Superior Politécnico Privado do Uíge.
A coleta de dados foi realizada por meio de questionários estruturados, aplicados tanto a docentes quanto a discentes da instituição. Esses questionários continham perguntas objetivas e subjetivas, permitindo captar percepções, opiniões e experiências sobre o uso de IA no combate ao plágio. Para os discentes, as perguntas focaram no nível de conscientização sobre normas de citação, experiência com ferramentas de detecção de plágio e desafios enfrentados na elaboração de trabalhos acadêmicos. Já para os docentes, o questionário buscou explorar a frequência de casos de plágio identificados, as ferramentas utilizadas para verificação e as limitações percebidas nas tecnologias disponíveis.
Além disso, foram analisados trabalhos acadêmicos submetidos por estudantes da instituição, utilizando softwares de detecção de plágio como Turnitin, CopySpider e Plagius Detector. Esses programas foram empregados para verificar a eficácia das ferramentas em identificar similaridades textuais e diferentes formas de plágio, como paráfrases ou cópias literais. A comparação dos relatórios gerados pelas ferramentas permitiu avaliar a precisão e confiabilidade de cada uma no contexto específico da instituição.
Os dados coletados foram organizados e tabulados, permitindo uma análise estatística e interpretativa dos resultados. Isso possibilitou identificar padrões, compreender os principais desafios relacionados ao plágio acadêmico e propor soluções práticas para a utilização de ferramentas de IA. Esses procedimentos garantiram a consistência metodológica e a relevância das conclusões do estudo.
Técnicas de Análise de Dados
As técnicas de análise de dados utilizadas na pesquisa foram desenvolvidas para assegurar uma compreensão detalhada e precisa dos resultados, alinhando-se aos objetivos propostos. A abordagem metodológica integrou ferramentas estatísticas e análises qualitativas, permitindo a interpretação das informações coletadas por meio de questionários e relatórios gerados por softwares de detecção de plágio.
Inicialmente, os dados quantitativos, coletados por meio dos questionários aplicados a docentes e discentes do Instituto Superior Politécnico Privado do Uíge, foram tabulados e analisados estatisticamente. Essa etapa incluiu a utilização de métricas descritivas, como percentuais e frequências, para identificar padrões nas respostas. Por exemplo, foram analisados o nível de conscientização sobre normas de citação, a percepção sobre o uso de ferramentas de IA e a frequência de detecção de plágio nos trabalhos acadêmicos. Esses dados permitiram a construção de gráficos e tabelas que ilustram a distribuição das opiniões e experiências dos participantes.
Simultaneamente, foi realizada uma análise qualitativa das respostas abertas fornecidas nos questionários. Essa análise buscou identificar categorias e temas emergentes, como as limitações percebidas nas ferramentas de detecção de plágio e as preocupações éticas relacionadas ao uso da IA no ambiente acadêmico. As respostas foram agrupadas por temas para facilitar a interpretação e a correlação com os objetivos da pesquisa.
Os relatórios gerados por ferramentas de detecção de plágio, como Turnitin, CopySpider e Plagius Detector, foram avaliados comparativamente. A análise focou em aspectos como precisão na identificação de similaridades textuais, abrangência das bases de dados consultadas e capacidade de detectar formas mais complexas de plágio, como paráfrases ou traduções. Essa comparação foi essencial para determinar a eficácia e as limitações das ferramentas em contextos específicos.
Combinando essas técnicas, a análise de dados forneceu insights detalhados sobre o impacto da IA na identificação de plágio e subsidiou as conclusões e recomendações apresentadas na pesquisa.
Limitações do Estudo
Este estudo enfrentou algumas limitações que merecem destaque e consideração. Uma das principais dificuldades foi a disponibilidade limitada de dados primários, uma vez que a coleta de informações dependia da participação de docentes e discentes do Instituto Superior Politécnico Privado do Uíge. Apesar dos esforços para engajar todos os envolvidos, nem todos os participantes responderam de maneira ampla ou detalhada, o que pode ter restringido a profundidade de algumas análises.
Outro ponto relevante refere-se às ferramentas utilizadas na pesquisa. Embora tenham sido aplicados métodos quantitativos e qualitativos, algumas das ferramentas de detecção de plágio avaliadas possuem limitações próprias, como cobertura restrita de bases de dados ou dificuldades em identificar formas mais sofisticadas de plágio, como paráfrases complexas ou plágio conceitual. Além disso, a análise da eficácia da inteligência artificial na detecção de plágio foi influenciada pelas características das ferramentas disponíveis, que podem não representar o potencial total da tecnologia em cenários mais avançados.
Adicionalmente, a falta de uniformidade no nível de conhecimento sobre plágio e ética acadêmica entre os participantes representou um desafio. Muitos dos respondentes demonstraram falta de familiaridade com conceitos fundamentais, o que pode ter impactado a confiabilidade de algumas respostas.
Por fim, o estudo concentrou-se em uma única instituição de ensino superior, limitando a generalização dos resultados para outras realidades educacionais. Investigações futuras poderiam expandir o escopo para incluir outras instituições ou contextos regionais, promovendo uma visão mais abrangente do tema.
Apesar dessas limitações, o estudo oferece contribuições significativas para a compreensão do uso de inteligência artificial na identificação de plágio, abrindo caminho para pesquisas complementares.
Resultados
Aplicação de Ferramentas de IA na Identificação de Plágio
O avanço tecnológico tem proporcionado meios eficazes para resolver desafios acadêmicos, como a prática do plágio. Ferramentas de IA desempenham um papel crucial na identificação de cópias não autorizadas em trabalhos acadêmicos. Elas analisam grandes volumes de dados, comparando textos com diversas bases disponíveis online, o que seria impossível manualmente. Essa capacidade permite identificar tanto plágio direto quanto formas mais sofisticadas, como paráfrase e tradução sem atribuição adequada.
No contexto educacional, o uso de IA torna-se indispensável diante do aumento de informações digitais e a acessibilidade de recursos para copiar conteúdos. Programas como Turnitin, CopySpider e Grammarly utilizam algoritmos avançados de PLN para detectar padrões de similaridade textual. Esses sistemas oferecem relatórios detalhados sobre trechos suspeitos, auxiliando instituições de ensino a garantir a integridade acadêmica.
Além da identificação, as ferramentas de IA promovem a conscientização sobre práticas éticas, ajudando estudantes a compreender a importância da originalidade. Elas não apenas detectam, mas também previnem o plágio, incentivando a correta atribuição de fontes e o respeito aos direitos autorais.
Entretanto, a implementação dessas tecnologias não está isenta de desafios. Questões éticas, como privacidade de dados e possível viés nos algoritmos, devem ser consideradas. Apesar disso, os benefícios superam as limitações, permitindo maior eficiência na avaliação de trabalhos e na promoção da transparência acadêmica.
Assim, a IA representa uma solução inovadora e indispensável para lidar com o plágio no meio educacional, contribuindo para a formação de um ambiente acadêmico mais justo e ético.
Ferramentas Analisadas
Entre as ferramentas de IA avaliadas neste estudo, destacam-se o Turnitin, CopySpider, Plagius e Grammarly, amplamente utilizadas no meio acadêmico. Essas tecnologias empregam algoritmos avançados de aprendizado de máquina e processamento de linguagem natural para identificar trechos de textos similares em grandes bases de dados. Dentre elas, o Turnitin mostrou-se a ferramenta mais abrangente, com uma ampla base de dados que inclui publicações acadêmicas, sites da internet e outras fontes relevantes, além de detectar formas mais sutis de plágio, como parafrases.
Outras ferramentas, como o CopySpider e o Plagius, apresentaram desempenho satisfatório, mas com algumas limitações, especialmente na identificação de textos traduzidos ou na análise de documentos com linguagem mais técnica. Apesar dessas limitações, são alternativas viáveis para instituições com recursos financeiros mais restritos.
Eficiência Comparativa entre Métodos Tradicionais e Baseados em IA
A análise e a identificação de plágio no meio acadêmico têm evoluído significativamente com o avanço da tecnologia. Enquanto os métodos tradicionais de detecção eram amplamente baseados em revisões manuais e comparações limitadas, os métodos baseados em Inteligência Artificial (IA) oferecem soluções mais robustas, rápidas e abrangentes. Essa transformação destaca diferenças marcantes em eficiência, precisão e aplicabilidade entre ambas as abordagens.
Os métodos tradicionais de detecção de plágio envolvem, em grande parte, a análise manual por professores, orientadores ou avaliadores. Esse processo requer tempo considerável, já que os avaliadores precisam buscar similaridades entre o trabalho analisado e textos disponíveis em livros, artigos ou na internet. Embora essa abordagem permita uma leitura contextual e mais profunda do conteúdo, sua eficiência é limitada pelo escopo restrito das fontes que podem ser verificadas manualmente. Além disso, formas mais complexas de plágio, como paráfrases, reestruturação de ideias ou traduções, são frequentemente difíceis de identificar sem auxílio tecnológico.
Por outro lado, os métodos baseados em IA se destacam por sua capacidade de processar grandes volumes de dados em questão de segundos. Ferramentas como Turnitin, CopySpider e Grammarly utilizam algoritmos de PLN e aprendizado de máquina para comparar textos submetidos com vastas bases de dados, que incluem artigos acadêmicos, publicações online e outros trabalhos previamente analisados. Essa abrangência torna os sistemas baseados em IA altamente eficientes na identificação de plágio direto e indireto, como paráfrases ou traduções sem atribuição adequada.
A velocidade e a escalabilidade são outras vantagens dos métodos baseados em IA. Enquanto a análise manual é demorada e pode ser inviável em casos com muitos documentos a serem avaliados, as ferramentas de IA processam grandes volumes de texto simultaneamente. Isso libera tempo para que professores e avaliadores se concentrem em aspectos qualitativos dos trabalhos acadêmicos, como a argumentação e a originalidade das ideias, em vez de se deterem exclusivamente na busca por irregularidades.
Além disso, a precisão dos métodos baseados em IA supera a dos métodos tradicionais em muitos casos. As ferramentas de IA conseguem identificar padrões de similaridade que passam despercebidos em análises manuais, especialmente em textos que utilizam técnicas sofisticadas para mascarar o plágio. No entanto, essas ferramentas não estão isentas de limitações. Elas podem, por exemplo, identificar como plágio trechos que fazem parte do domínio público ou citações devidamente referenciadas, o que exige supervisão humana para interpretação dos resultados.
Por outro lado, os métodos tradicionais têm a vantagem de oferecer uma análise contextual mais rica. Professores ou orientadores podem considerar o histórico acadêmico do estudante, suas limitações e a intencionalidade por trás de possíveis casos de plágio, algo que as ferramentas de IA, baseadas em algoritmos, não conseguem fazer de forma autônoma. Essa análise humanizada é crucial para lidar com questões éticas e educativas associadas ao plágio, promovendo a conscientização sobre integridade acadêmica.
Portanto, a combinação de métodos tradicionais e baseados em IA é a abordagem mais eficaz. Enquanto a IA oferece velocidade e precisão para detectar similaridades textuais, a análise humana contextualiza e interpreta os resultados, promovendo uma avaliação justa e ética. Essa integração não apenas otimiza o processo de identificação de plágio, mas também contribui para a formação de uma cultura acadêmica mais consciente e íntegra.
Desafios e Limitações no Uso da IA para Análise de Trabalhos Acadêmicos
A Inteligência Artificial (IA) tem transformado a forma como trabalhos acadêmicos são avaliados, oferecendo ferramentas que promovem eficiência e precisão na identificação de plágio. No entanto, sua aplicação enfrenta diversos desafios e limitações que precisam ser considerados para garantir uma utilização ética e eficaz.
Um dos principais desafios é a questão da privacidade e segurança de dados. As ferramentas de IA geralmente requerem o envio dos textos para plataformas externas, o que pode expor informações confidenciais ou sensíveis dos autores. Essa situação levanta preocupações quanto ao armazenamento e uso indevido desses dados. Instituições acadêmicas precisam assegurar que as ferramentas adotadas estejam em conformidade com leis de proteção de dados, como a GDPR na Europa ou a LGPD no Brasil.
Outro desafio significativo é o viés algorítmico. Algoritmos de IA são desenvolvidos com base em conjuntos de dados específicos, o que pode limitar sua capacidade de análise em certos contextos culturais ou linguísticos. Por exemplo, ferramentas desenvolvidas para o inglês podem ter dificuldade em identificar padrões de plágio em outras línguas, como português, especialmente em textos que utilizam variações regionais ou terminologias especializadas. Além disso, há a possibilidade de os sistemas interpretarem erroneamente citações ou paráfrases legítimas como plágio.
A dificuldade em identificar formas complexas de plágio também é uma limitação relevante. Embora a IA seja eficaz na identificação de cópias diretas, formas mais sofisticadas, como paráfrases criativas ou a reestruturação completa de textos, podem escapar à detecção. Isso requer que os algoritmos sejam continuamente aprimorados para identificar similaridades sem prejudicar a análise de originalidade.
Do ponto de vista ético, a dependência excessiva da IA pode levar à redução do papel humano no processo de avaliação acadêmica. Professores e orientadores são responsáveis por contextualizar e interpretar os resultados fornecidos pelos sistemas. No entanto, quando os relatórios de plágio são utilizados como a única base para decisões acadêmicas, há o risco de injustiças ou interpretações equivocadas.
Outro ponto crítico é a acessibilidade das ferramentas de IA. Muitas delas, como Turnitin e Copyleaks, requerem assinaturas pagas, o que pode ser um obstáculo para instituições com recursos financeiros limitados. Isso cria uma desigualdade no acesso a tecnologias de ponta, especialmente em países em desenvolvimento, dificultando a padronização no combate ao plágio.
Além disso, as ferramentas de IA podem ser vistas como limitadas no entendimento do contexto acadêmico. Elas não têm a capacidade de compreender plenamente os objetivos e nuances de determinados trabalhos, podendo classificar como plágio textos que compartilhem ideias amplamente conhecidas e aceitas dentro de uma disciplina. A falta de flexibilidade dos sistemas pode desconsiderar o uso legítimo de informações que são consideradas domínio público.
Por fim, há desafios relacionados à adaptação tecnológica. Muitos professores e alunos ainda possuem um conhecimento limitado sobre o funcionamento dessas ferramentas, o que pode resultar em um uso inadequado ou subaproveitamento dos recursos disponíveis. A capacitação da comunidade acadêmica é essencial para maximizar os benefícios e reduzir os problemas associados à implementação da IA.
Portanto, embora a IA tenha grande potencial para revolucionar a análise de trabalhos acadêmicos, é crucial que suas limitações sejam compreendidas e abordadas de maneira proativa. A combinação entre tecnologia e supervisão humana continua sendo indispensável para garantir uma análise ética, precisa e contextualizada.
Potencial Impacto da IA na Ética Acadêmica
A aplicação de ferramentas de Inteligência Artificial (IA) no meio acadêmico está revolucionando a forma como trabalhos são avaliados, especialmente no combate ao plágio. No entanto, seu impacto vai além da identificação de irregularidades, influenciando diretamente os pilares da ética acadêmica e levantando questões cruciais sobre integridade, responsabilidade e os limites do uso da tecnologia.
Um dos principais impactos positivos da IA na ética acadêmica é a promoção da integridade. Ao identificar rapidamente trechos plagiados, as ferramentas baseadas em IA reforçam a importância da originalidade na produção acadêmica, incentivando estudantes e pesquisadores a valorizar suas próprias ideias. Elas oferecem um mecanismo preventivo, alertando para a necessidade de citar adequadamente fontes utilizadas e reduzindo o comportamento desonesto na produção intelectual.
Além disso, a IA contribui para a padronização e transparência nos processos de avaliação. O uso de ferramentas como Turnitin, Grammarly e CopySpider permite que instituições apliquem critérios claros e objetivos na detecção de plágio. Isso reduz a subjetividade das análises manuais e promove uma avaliação mais justa e equitativa entre os estudantes, fortalecendo os princípios éticos que regem o ambiente acadêmico.
No entanto, o uso de IA também levanta questões éticas significativas. Uma delas está relacionada à privacidade e proteção de dados. As ferramentas de detecção de plágio frequentemente exigem o upload de textos para plataformas externas, o que pode expor informações confidenciais dos autores, como dados pessoais ou ideias ainda não publicadas. Essa prática exige que as instituições garantam o cumprimento de regulamentações de proteção de dados e adotem medidas para evitar o uso indevido dessas informações.
Outro impacto importante é a dependência tecnológica. Embora a IA seja uma ferramenta poderosa, há o risco de que sua implementação reduza a ênfase na formação ética e crítica dos estudantes. Se mal utilizada, a IA pode ser vista apenas como um “fiscal eletrônico”, substituindo discussões essenciais sobre a importância da integridade acadêmica. Isso pode levar a uma abordagem superficial do problema, em que o foco está na punição, e não na educação.
Adicionalmente, a neutralidade dos algoritmos é um ponto de debate ético. Apesar de sua eficiência, os sistemas de IA podem reproduzir vieses presentes nos dados com os quais foram treinados. Isso pode levar à identificação equivocada de plágio ou à exclusão de nuances importantes, como o uso legítimo de ideias em domínio público ou citações dentro de contextos acadêmicos.
Outro impacto ético é a desigualdade no acesso às ferramentas de IA. Muitos sistemas avançados são de alto custo, o que dificulta sua implementação em instituições com poucos recursos financeiros. Essa disparidade pode ampliar a lacuna entre universidades de países desenvolvidos e em desenvolvimento, prejudicando a uniformidade na promoção de práticas éticas.
Por fim, a IA tem o potencial de reestruturar a forma como a ética acadêmica é ensinada. Ferramentas de IA podem ser integradas a processos pedagógicos, ajudando a educar estudantes sobre como evitar plágio, citar corretamente e valorizar a produção intelectual. No entanto, é essencial que isso seja acompanhado por uma supervisão humana que contextualize os resultados, promovendo um diálogo sobre ética que vá além das análises automáticas.
Em síntese, a IA tem o potencial de fortalecer a ética acadêmica, mas seu impacto depende da forma como é utilizada. Para garantir um ambiente acadêmico mais justo e íntegro, é essencial combinar tecnologia avançada com educação ética e supervisão humana.
Conclusão
A inteligência artificial desempenha um papel crucial na detecção de plágio, utilizando algoritmos avançados de Processamento de Linguagem Natural e aprendizado de máquina. Ferramentas como Turnitin, CopySpider e Grammarly identificam tanto cópias diretas quanto formas mais sutis, como paráfrases e traduções. Isso se torna essencial diante do aumento do acesso à informação digital, que facilita a reprodução não autorizada de conteúdo acadêmico.
Os principais benefícios incluem a redução de tempo e esforço na verificação de plágio, permitindo que professores e orientadores se concentrem na originalidade e argumentação dos trabalhos. Além disso, a IA padroniza os critérios de análise, tornando o processo mais transparente e objetivo. Outro aspecto positivo é o seu papel educativo, pois fornece relatórios detalhados sobre similaridades textuais, ajudando estudantes a compreender a importância da citação correta e das normas de integridade acadêmica.
No entanto, a IA também apresenta limitações. Um problema comum são os falsos positivos, quando trechos legítimos, como citações corretamente referenciadas, são identificados como plágio. Isso exige a supervisão humana para interpretação dos resultados. Além disso, a eficácia da IA depende dos bancos de dados e dos algoritmos utilizados, que podem não ser igualmente eficientes para diferentes idiomas ou áreas do conhecimento. Plágios mais complexos, como a reestruturação completa do texto, ainda representam desafios para essas ferramentas.
A pesquisa também destaca questões éticas e educacionais no uso da IA. A exigência de upload de textos para plataformas externas levanta preocupações sobre privacidade e segurança de dados, exigindo que instituições adotem políticas de proteção adequadas. Além disso, a falta de conhecimento sobre o funcionamento dessas ferramentas pode levar a interpretações erradas dos relatórios gerados.
O estudo enfatiza que a melhor abordagem é a combinação da IA com a supervisão humana. Enquanto a IA oferece eficiência e precisão, a intervenção humana é essencial para contextualizar os resultados e garantir decisões justas. Essa integração fortalece a ética acadêmica e promove maior transparência no ambiente educacional.
Referências.
Albertacci, L. A. (2022, 3 de março). Direito autoral: entenda a diferença entre direito patrimonial e moral. Jus. Disponível em: https://jus.com.br/artigos/96676.
Araújo, E. R. O. (2017). O plágio na pesquisa científica do ensino superior. Revista Conhecimento em Ação, 2(1), 93-107. Disponível em: https://doi.org/10.47681/rca.v2i1.11725.
Arce, D. D. (2023). Inteligência artificial vs. Turnitin: implicaciones para el plagio académico. Revista Cognosis, 8(1), 15-26. Disponível em: https://doi.org/10.33936/cognosis.v8i1.5517.
Arraz, F. M. (2022). O plágio para as Ciências Humanas. Cadernos CESPUC de Pesquisa. Série Ensaios, (39), 88-108. Disponível em: https://doi.org/10.5752/P.2358-3231.2021n39p88-108.
Pereira, J., & Corrêa, M. (2021). Plágio na educação superior: desafios e soluções. Ed. Universitária.
Santos, L. (2017). Usurpação e contrafação: A violação dos direitos autorais no ambiente digital. Editora Jurídica.
Silva, A., & Mairink, R. (2019). Inteligência artificial e suas aplicações no meio acadêmico. Editora Acadêmica.
Sousa, R., & Shintaku, M. (2021). Direitos autorais e propriedade intelectual: Fundamentos e aplicações. São Paulo: Atlas.
Terra, A. et al. (2021). Detecção e combate ao plágio em contexto acadêmico: descrição de um projeto desenvolvido.
Vargas-Morúa, G. (2021). Apropriação indevida de conhecimento: uma análise das formas de plágio na pesquisa científica. Instituto de Ética Acadêmica.
Wachowicz, M. (2014). Propriedade intelectual e os desafios da era digital. Juruá Editora.
Wachowicz, M. (2015). Direitos autorais e propriedade intelectual no ambiente digital. Juruá Editora.