33 Do Pôster à Nota de 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. Ao transformar o seu pôster em uma nota de pesquisa escrita, decida qual achado conquistou o lugar de destaque e exatamente qual é o tamanho que cada alegação pode ter dada a sua evidência, e então empacote a nota para que uma pessoa desconhecida consiga rodá-la de novo e chegar ao seu número sem você na sala.
33.1 Por que essa decisão importa
A decisão em jogo: qual achado abre a sua nota escrita, e qual é o tamanho permitido de cada alegação quando a sua voz não está mais na sala.
“Me mostre os seus resultados na ordem em que você confia neles. Se o seu número mais chamativo vem de uma rodada de sorte e é ele que abre o artigo, eu já sei como esta revisão termina. Eu não quero o seu resultado mais surpreendente primeiro. Quero o mais defensável.” — uma revisora de conferência, sobre a primeira página de um artigo que ela leva a sério
No pôster você ficava de pé ao lado do seu trabalho e preenchia os silêncios com a sua voz. A nota não tem você de pé ao lado dela. Cada salto que o pôster deixava você sugerir, agora a prosa tem de conquistar, em ordem, para alguém que nunca vai ouvir a sua explicação. A revisora acima não se impressiona com um número grande. Ela está perguntando qual achado você ainda defenderia depois que a sala esvaziasse, e se ela conseguiria rodar o seu trabalho de novo e ver o mesmo número voltar. Este capítulo é como você responde às duas coisas.
33.2 O conceito
Um pôster e uma nota fazem o mesmo argumento, mas carregam esse argumento de formas diferentes. A lógica de pôster é a comunicação feita para alguém que está de pé ao seu lado, em que algumas caixas e a sua voz ao vivo dividem o trabalho. Exemplo: uma caixa de Lacuna que diz apenas “poucos estudos sobre tempos de espera nos horários de pico” enquanto você fala o resto em voz alta. A lógica de artigo é a comunicação que precisa se sustentar sozinha na página, em que cada alegação é argumentada em prosa porque você não está lá para responder. Exemplo: essa mesma lacuna escrita como um parágrafo que diz o que os estudos anteriores cobriram, o que eles deixaram de fora e por que a peça que falta importa. Transformar uma coisa na outra não é acrescentar palavras. É tornar o raciocínio visível.
Uma nota carrega esse raciocínio sobre um eixo. O eixo problema–lacuna–pergunta tem três peças ligadas: o problema real a que o seu trabalho responde, a coisa específica que o trabalho anterior e recuperável não estabeleceu, e a pergunta respondível que fecha exatamente essa lacuna. Exemplo: os clientes desistem e vão embora durante a correria da manhã (problema); os estudos publicados sobre tempo de espera medem apenas horários calmos e estáveis (lacuna); quanto uma opção de pedido antecipado pelo celular reduz a espera no pico da manhã nesta cafeteria (pergunta). O eixo só se sustenta quando a lacuna é real, e uma lacuna só é real quando você mostra o que já se sabe com densidade de evidência, a parcela de um parágrafo que se apoia em fontes que a pessoa leitora poderia abrir, em vez de afirmações soltas. Exemplo: “como todo mundo sabe” não tem densidade nenhuma; uma frase apoiada em um número publicado que a pessoa leitora pode consultar e recalcular tem alguma.
A segunda metade da nota precisa de mais um termo. Uma hierarquia de resultados é a ordem em que você apresenta os achados, do mais bem sustentado ao mais frágil. Exemplo: uma mediana medida ao longo de mil manhãs simuladas abre a lista; um único pedido excepcionalmente rápido espera lá no fim, rotulado como exploratório. As suas limitações seguem a mesma disciplina, declaradas na proporção do que de fato ameaça a alegação: “medido sobre um padrão de chegada simulado, não sobre um sábado real de movimento”, e não um genérico “mais pesquisas são necessárias”.
Por fim, uma nota que a pessoa leitora não consegue rodar de novo é meia alegação. A outra metade é uma cápsula de reprodutibilidade, tudo o que uma pessoa desconhecida precisa para reconstruir o seu número e nada que ela tenha de adivinhar: um notebook que passa no restart-and-run-all (limpar tudo, rodar cada célula de cima a baixo, e o número principal volta), versões fixadas dos dados e das ferramentas, uma semente fixa, um registro de decisões e o seu AI Research Ledger (registro de pesquisa com IA).
33.3 Um exemplo trabalhado
Você testou uma opção de pedido antecipado pelo celular em uma cafeteria do campus. O seu pôster tinha uma caixa: “38% mais rápido”. A nota tem de transformar essa caixa em uma alegação que você consiga defender.
Ordene os achados. Ao longo de mil chegadas de clientes em uma simulação com semente fixa do pico da manhã, o tempo mediano de espera caiu cerca de 38%, com um intervalo estreito em torno disso. Você também notou um cliente com pedido antecipado que foi atendido quase na hora, uma queda de 95%. O número surpreendente é o cliente único; o defensável é a mediana sobre mil chegadas. Então a mediana abre a lista, e o cliente solitário vai para o fim, rotulado como uma observação, não como um resultado.
Dimensione a alegação. O destaque honesto diz: “neste padrão de chegada simulado, adicionar o pedido antecipado pelo celular cortou o tempo mediano de espera em cerca de 38% (intervalo em anexo); isso é uma medição sobre demanda simulada, não uma garantia para um sábado real de movimento.” A versão inflada que você recusa: “o pedido antecipado pelo celular deixa a cafeteria 38% mais rápida.” Essa frase larga o padrão de demanda, larga a palavra mediana e promete a cada cliente uma espera menor que a sua simulação nunca testou.
Empacote. A sua cápsula fixa a semente da simulação, registra a máquina e as versões das bibliotecas, anota que você excluiu o primeiro pedido da manhã e por quê, e passa no restart-and-run-all, de modo que os 38% voltam em um kernel limpo. Agora a nota é legível e executável.
33.4 O laboratório no 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 nb15 — From poster to research note (abrir no Colab), parte do curso companheiro apresentado no apêndice Para instrutores. Lá você pontua a densidade de evidência de dois parágrafos, monta uma hierarquia de resultados vendo um intervalo estreito conquistar o topo enquanto um intervalo de quarenta linhas espera no fim, e roda um auditor que caça os cinco jeitos pelos quais uma cápsula de reprodutibilidade quebra.
33.5 Prompts de IA recomendados
Comprometa-se primeiro com a sua própria resposta, depois delegue. Escrever com uma ferramenta de IA é um loop, não um pedido único: você manda o prompt, lê a saída, contesta a parte que está errada e roda de novo. Mantenha o loop apontado para o seu próprio texto. No instante em que ele começa a produzir frases que você não pensou e não consegue checar, você deixou de editar e passou a ser editado. Cada prompt abaixo é uma tarefa verificável, não um pedido de veredito.
Localize fontes reais para a lacuna.
Act as a literature assistant in service operations. List peer-reviewed or
official sources that measure customer wait times or the effect of pre-ordering
on queues, in a table with title, authors, venue, year, and one-line finding.
Only include work you are confident exists; mark anything uncertain. Do not
write my gap paragraph.Depois de rodar, verifique: recupere você mesmo cada fonte antes que ela entre na nota; uma fonte que você não consegue abrir em segundos é fabricada até prova em contrário. Combate a fabricação confiante (uma citação inventada chega com a mesma confiança de uma real).
Liste todo exagero a verificar.
Here is my discussion paragraph and the cell that printed my median wait-time
drop with its interval: [paste both]. List every sentence that claims more than
the printout supports: a bigger number, a wider setting, or "faster for everyone"
where I measured one simulated demand pattern. List them; do not rewrite them.Depois de rodar, verifique: confira cada frase sinalizada contra a sua saída impressa e fique só com as edições que encolhem uma alegação para caber na evidência. Combate a mudança silenciosa de escopo (uma frase mais afiada que promove “neste padrão de chegada” a “para todo mundo” respondeu, em silêncio, a outra pergunta).
Faça red team (revisão adversária) da cápsula.
Here are the key lines of my reproducibility capsule: [paste them]. Playing a cold
replicator who has only these lines, list every input, version, or by-hand step you
would need to rerun my number and might not find here. Then name one problem this
line-scan can never catch that only a person running it cold would hit.Depois de rodar, verifique: case cada lacuna apontada com o que você consegue de fato ver faltando, e confirme que o problema “impossível de pegar” é real relendo as suas próprias linhas. Combate a ilusão de completude (uma cápsula pode parecer completa e ainda assim omitir o único insumo de que uma pessoa desconhecida precisa).
Três decisões continuam sendo suas, por mais fluente que a ferramenta seja. Qual achado é o seu destaque, qual é o tamanho permitido dessa alegação e quais fontes são reais nunca se delegam. Uma IA pode afiar uma frase, mas uma frase mais afiada não é um achado maior, e prosa limpa é exatamente o caminho por onde um exagero se infiltra. As palavras que levam o seu nome são suas, assim como o limite e a incerteza delas.
33.6 Um caso de falha da IA
Você cola a sua discussão na sua IA e pede que ele deixe o texto mais afiado. Ele devolve uma prosa mais limpa, e ela passa pelo corretor ortográfico sem nenhuma marca. Enterrada no polimento, uma frase mudou de tamanho. O seu original dizia “o tempo mediano de espera caiu cerca de 38% neste padrão de chegada simulado”. A reescrita diz “o pedido antecipado pelo celular deixa a cafeteria cerca de 38% mais rápida”. A palavra mediana sumiu, o limite do padrão de demanda sumiu, e uma medição sobre demanda simulada agora promete a cada cliente uma espera menor. A frase lê melhor e alega mais.
Você pega o erro comparando a reescrita com a sua frase original e com o seu resultado impresso. O número veio de uma mediana sobre uma simulação com semente fixa, não de uma média, e não de um sábado real de movimento, então a alegação geral não é licenciada. Você fica com as edições que esclarecem e rejeita a que inflou. Prosa fluente não é evidência. Você verifica a alegação, não o polimento.
33.7 Agora é a sua vez
O seu projeto já tem um pôster ou um resumo de uma figura só e uma pasta que outra pessoa conseguiria rodar; este passo transforma esse resumo em uma prosa que se sustenta sozinha na página.
- Escreva o seu eixo problema–lacuna–pergunta como três parágrafos curtos. Nomeie o problema, nomeie o que o trabalho anterior e recuperável não estabeleceu, e nomeie a pergunta que fecha exatamente essa lacuna. Cada frase do parágrafo da lacuna se apoia em uma fonte que a pessoa leitora consegue abrir.
- Ordene os seus achados, do mais bem sustentado para o menos. O que você consegue defender com mais dados abre a lista. Tudo o que se apoia em uma única observação ou em uma rodada de sorte vai para o fim e leva a palavra exploratório.
- Escreva a sua alegação de destaque em uma frase, com o limite dela dentro da mesma frase: o contexto, a amostra e a população que ela não cobre. Depois escreva a versão inflada que você recusa, para reconhecê-la caso ela tente se infiltrar de volta.
- Dimensione as suas limitações pelo que de fato ameaça a alegação. Corte tudo o que soa como “mais pesquisas são necessárias” e fique com o que uma pessoa leitora hostil levantaria primeiro.
- Anexe a sua pasta à nota e confirme que as duas concordam: o número da sua frase de abertura é o número que um restart-and-run-all a frio imprime.
- Registre a rodada de escrita no seu AI Research Ledger, e verifique pelo menos um resultado com um método nomeado do Guia de Verificação. Um revisor de IA pode rodar a checagem com você; a decisão de aceitar ou rejeitar continua sendo sua.