7 A Pesquisa se Constrói sobre a Pesquisa
Este capítulo faz parte de um livro em desenvolvimento ativo e ainda não passou pela revisão do autor. O conteúdo pode mudar conforme a revisão avança.
A decisão de pesquisa. De qual conversa a sua pergunta vai participar, e quais das fontes candidatas que uma busca ou uma IA entrega a você valem a perseguição. Você decide o que entra na lista e o que sai. Nada dessa lista conta como evidência ainda.
7.1 Por que essa decisão importa
A decisão em jogo: de qual conversa a sua pergunta vai participar, e quais pistas valem o seu tempo.
Imagine uma orientadora de tese lendo o seu primeiro rascunho com uma linha circulada: “Você cita seis artigos. De onde eles vieram, e que discussão eles estão tendo?” Pesquisa nunca começa do zero. Alguém já perguntou algo próximo da sua pergunta, e o seu trabalho é encontrar essa pessoa antes de passar meses redescobrindo o que ela já sabe. Erre a busca em uma direção e você perde o estudo que responde a você. Erre na outra e você constrói em cima de uma citação que ninguém nunca escreveu. Acerte e você herda anos de trabalho alheio pelo preço de uma tarde.
7.2 O conceito
Uma área do conhecimento é uma conversa cumulativa: uma discussão em andamento em que cada estudo responde, estende ou desafia os que vieram antes. Uma equipe mede como uma política mexeu no comparecimento eleitoral em um estado, uma segunda repete o estudo em outro lugar, uma terceira junta os dois. O seu trabalho não é inventar uma ilha. É encontrar a conversa à qual a sua pergunta pertence e acrescentar uma frase honesta.
Tudo o que você reúne começa como pista. Uma pista é uma fonte candidata que você ainda não checou, como uma citação que uma IA entrega a você. Ela continua sendo pista até que você a recupere e leia. Esse padrão é o ciclo de recuperação e verificação, e ele tem quatro passos: pedir pistas a uma ferramenta, recuperar a fonte você mesmo, verificar que ela existe e diz o que foi afirmado, e documentar onde você a encontrou. Este capítulo trata do primeiro passo, o de reunir bem. O próximo capítulo é onde as pistas ganham a promoção.
A partir de uma fonte real você faz as outras crescerem por bola de neve: percorrendo os links dela nos dois sentidos. A busca de citações para trás lê a própria lista de referências da fonte em busca dos trabalhos mais antigos sobre os quais ela se apoiou. A busca de citações para frente encontra os artigos mais recentes que a citam. Duas fontes sólidas, percorridas nos dois sentidos, viram dez rapidamente, e as dez chegam com as relações entre elas já visíveis.
A bola de neve também é como você distingue uma lacuna real de um beco sem saída. Uma lacuna genuína é uma pergunta que as suas fontes verificadas de fato deixam sem resposta, confirmada por olhar nos dois sentidos. Uma busca inacabada é uma busca que você simplesmente parou de perseguir. Da sua mesa, as duas parecem idênticas, e só uma é uma contribuição.
Depois você organiza o que encontrou como um mapa de evidências: cada fonte vira um nó de alegação (o que ela afirma, em uma frase), linhas conectam alegações que concordam ou se contradizem, e um ponto marcado mostra onde nenhuma fonte chega. Esse ponto é a sua lacuna candidata. Ela só se torna honesta quando cada nó ao redor dela é uma fonte que você mesmo abriu.
7.3 Um exemplo trabalhado
Digamos que a sua curiosidade seja o voto. Você leu que a distância entre a casa das pessoas e o local de votação parece importar para o comparecimento delas. A sua pergunta: mudar um local de votação para mais longe reduz o comparecimento, e a queda é maior em alguns bairros do que em outros?
Você pede a uma IA os estudos principais. Ela entrega uma citação confiante: dois nomes de autores plausíveis, uma data de 2019 e um periódico cujo título parece uma versão mais longa e mais oficial da revista real Electoral Studies. Você vai ler o artigo. O título exato não retorna nada no portal da sua biblioteca, nada no Google Acadêmico, nada no site da editora. Esse periódico não existe. A citação foi fabricada, e levou quatro minutos para descobrir.
Então você roda o ciclo direito. Você recupera uma revisão real sobre localização de locais de votação e comparecimento, lê e faz bola de neve. A lista de referências dela aponta para trás, para os trabalhos mais antigos sobre os custos de votar em que ela se apoia. A trilha de “Citado por” aponta para frente, para estudos recentes que usam registros administrativos por seção eleitoral. Em uma hora a sua lista tem meia dúzia de fontes reais e uma divergência viva: alguns estudos encontram que realocar um local de votação corta um ou dois pontos do comparecimento, outros encontram que os eleitores migram para o voto por correio e o comparecimento total quase não muda. Essa divergência é a fronteira viva da área, e ela diz a você que a questão está em aberto.
Agora a decisão que é sua. A pergunta ampla “a distância afeta o comparecimento?” não é lacuna nenhuma; a literatura é enorme. Mas a sua pergunta mais estreita, se a queda se concentra em bairros sem carro, pode ser genuína. Você só vai conseguir defendê-la porque reuniu as fontes ao redor dela, e porque está prestes a abrir cada uma.
7.4 O laboratório em Colab
Este capítulo tem o seu próprio notebook companheiro — abra-o no Colab pelo selo acima. O notebook reúne os prompts e o código do capítulo e termina com o espaço de trabalho Agora é a sua vez, para você completar a etapa do capítulo no seu projeto sem sair do Colab. O laboratório completo de sala de aula por trás deste capítulo é o notebook do curso nb03 — Research builds on research: verified evidence + real gaps (abrir no Colab), parte do curso companheiro apresentado no apêndice Para instrutores. No laboratório você vê uma pilha de quinze citações de IA encolher até as poucas que sobrevivem à recuperação, constrói um mapa de evidências em código e roda o ciclo de recuperação e verificação na sua própria alegação.
7.5 Prompts de IA recomendados
Comprometa-se com a sua própria resposta primeiro, depois delegue. E não trate estes prompts como pedidos de uma rodada só. Uma busca é um loop: você faz o prompt, lê o que voltou, diz à ferramenta o que ficou fora do alvo e por quê, e pergunta de novo. Duas ou três passagens ganham de um prompt longo sempre. Algumas ferramentas já rodam esse loop sozinhas, navegando e buscando de novo sem consultar você entre os passos. Isso muda quem digita as buscas; não muda quem abre os artigos. Cada passagem lhe dá uma lista melhor. Nenhuma delas lhe dá motivo para confiar.
Localizar. Peça pistas para perseguir, não uma bibliografia pronta.
Act as a literature scout in [your field]. My question is: [paste it].
List the five published studies most relevant to it, each with authors,
year, exact title, and venue, so I can retrieve and verify each myself.
Only include work you are confident exists; mark anything uncertain.Depois de rodar, verifique: recupere cada citação buscando o título exato entre aspas antes de acreditar que ela existe. Isso enfrenta a fabricação confiante (uma citação com cara de real para um artigo que nunca foi escrito).
Listar para verificar (bola de neve). Comece de uma fonte que você já leu.
Here is one source I have verified: [authors, year, exact title, venue].
Name three older works from its reference list it likely built on, and
three newer works that likely cite it, each with authors, year, title,
and venue, plus one line on why it belongs on the chain.Depois de rodar, verifique: confira os nomes “para trás” contra a lista de referências real da fonte de partida e recupere o resto. Uma cadeia bem arrumada pode omitir em silêncio justamente o estudo que contradiz. Isso enfrenta a ilusão de completude.
Red team. Faça a ferramenta atacar a sua lacuna, não elogiá-la.
Here is my question and the gap I placed: [one or two sentences].
Argue that this gap is NOT real. Name up to three published studies that
may already answer it, with authors, year, title, and venue, and say what
each would have to show to close it. Do not reassure me.Depois de rodar, verifique: se a ferramenta apenas concordar que a lacuna está aberta e não nomear nada, insista e force-a a tentar fechar a lacuna; depois recupere cada estudo que ela nomear. Isso enfrenta a concordância bajuladora.
Duas decisões nunca saem das suas mãos. Se uma fonte conta como verificada: só lê-la você mesmo resolve isso. E se a sua lacuna é real: só uma recuperação que volta vazia dá direito à palavra. O que o seu projeto pode alegar decorre dessas duas. Uma IA pode apontar; ela não pode atestar.
7.6 Um caso de falha da IA
A falha mais comum aqui é a alucinação de citação, a fabricação confiante da taxonomia: o modelo inventa uma fonte e a apresenta com total confiança. No exemplo trabalhado ele produziu um par de autores plausível, uma data de 2019 e um periódico que não existe. Você pegou isso em um minuto buscando o título exato entre aspas no portal da sua biblioteca e no Google Acadêmico e não encontrando nada. Confiança fluente não é evidência. Se você não consegue localizar uma fonte onde ela deveria estar, trate-a como fabricada até provar o contrário.
7.7 Agora é a sua vez
Você chegou com uma pergunta condutora do capítulo anterior. Este passo a cerca da conversa à qual ela pertence: um conjunto de fontes candidatas, reunido rápido, com a IA fazendo o trabalho de perna.
- Escreva a sua pergunta condutora no alto de uma página em branco. Embaixo dela, escreva a frase que você já acredita que a literatura diz. Essa crença é o que a sua busca vai confirmar ou constranger.
- Busque uma vez você mesmo antes de delegar. Use a base de dados da sua biblioteca ou o Google Acadêmico e as palavras da sua própria pergunta, e guarde a melhor coisa que encontrar. Essa é a sua semente.
- Peça a uma IA mais cinco candidatas sobre a mesma pergunta, cada uma com autores, ano, título exato e veículo. Depois rode o loop: leia o que voltou, diga à ferramenta quais duas estão fora do alvo e por quê, e pergunte de novo. Pare quando uma passagem deixar de acrescentar algo novo.
- Faça a bola de neve da sua semente na mão. Leia a lista de referências para trás, atrás dos trabalhos mais antigos em que ela se apoia, e siga a trilha de “Citado por” para frente, atrás dos mais recentes. Acrescente tudo o que toca a sua pergunta.
- Coloque todos em uma única lista de candidatos com uma coluna de status, e escreva
pistaem cada linha. Nada aqui é fonte ainda. O próximo capítulo é onde eles ganham a promoção. - Registre a delegação no seu AI Research Ledger (registro de pesquisa com IA), e verifique pelo menos uma candidata agora com um método nomeado do Guia de Verificação; a leitura da fonte primária é o que se encaixa aqui. Um revisor de IA pode rodar a checagem com você; a decisão de aceitar ou rejeitar continua sendo sua.