Como usar DeepSeek para escrever sua dissertação

O modelo que chegou sem avisar

Olha só: no início de 2025, o DeepSeek V3 e depois o DeepSeek R1 chegaram ao cenário de IA e geraram uma reação que o campo não esperava. Um laboratório chinês, a DeepSeek, apresentou modelos competitivos com os da OpenAI e Anthropic por uma fração do custo de desenvolvimento.

Para pesquisadores brasileiros, a relevância prática foi imediata: o modelo R1, voltado para raciocínio, ficou disponível gratuitamente em versões que rodavam até localmente em computadores pessoais. Grupos de mestrandos e doutorandos começaram a experimentar.

Mas como qualquer ferramenta de IA na pesquisa, a utilidade não é automática. Depende de como é usada, em que contexto, com que nível de supervisão.

O contexto de chegada do DeepSeek no Brasil acadêmico

Antes de qualquer reflexão sobre uso, é útil entender o momento em que o DeepSeek apareceu no radar dos pesquisadores brasileiros.

Em 2025, o custo de acesso a modelos de IA de alto desempenho ainda era uma barreira real para pesquisadores em instituições com orçamento limitado. A maioria dos modelos com capacidade analítica robusta era paga, ou tinha versões gratuitas com restrições significativas.

O DeepSeek mudou esse cenário por dois motivos: o modelo R1 foi disponibilizado gratuitamente em plataformas web, e os pesos do modelo foram liberados para uso local, permitindo que pesquisadores com acesso a computadores adequados rodassem o modelo sem enviar dados para servidores externos. Isso foi especialmente relevante para pesquisas com dados sensíveis.

Essa combinação de capacidade analítica e acessibilidade fez com que o DeepSeek circulasse rapidamente em grupos de pesquisa e laboratórios. E com o uso, surgiram as perguntas inevitáveis: o que isso muda na forma de escrever? Como usar com responsabilidade? O que declarar?

O que diferencia o DeepSeek do ChatGPT

Antes de falar em aplicação prática, vale entender o que distingue o DeepSeek dos modelos mais conhecidos.

O DeepSeek é uma família de modelos desenvolvida pela empresa chinesa DeepSeek AI. O modelo R1, especificamente, foi treinado com foco em raciocínio passo a passo, uma abordagem que visa produzir respostas mais analíticas e estruturadas em tarefas complexas. Diferente de modelos que respondem diretamente, o R1 tende a “mostrar o raciocínio” antes de chegar à resposta.

Para escrita acadêmica, isso tem uma implicação prática: em tarefas que envolvem estruturar um argumento, identificar lacunas em um raciocínio ou analisar a coerência de uma argumentação, o modelo R1 tende a produzir outputs mais detalhados e fundamentados do que modelos que priorizam respostas rápidas.

O ponto de atenção relevante para pesquisadores: o DeepSeek é desenvolvido e operado por uma empresa na China, sujeita à legislação local. Para pesquisas que envolvem dados sensíveis ou informações confidenciais, isso deve ser considerado antes de inserir qualquer dado da pesquisa no sistema.

Para o que o DeepSeek realmente serve na dissertação

A regra geral para qualquer modelo de IA na pesquisa acadêmica se aplica aqui: use para tarefas onde o risco de erro não é crítico, ou onde você tem condições de verificar o output sistematicamente.

Para escrita de rascunho e estruturação, o DeepSeek pode ajudar a transformar um conjunto de ideias em um primeiro esboço de seção. Você fornece os pontos principais que quer cobrir, o argumento que precisa desenvolver, e pede um rascunho estruturado. O resultado raramente está pronto para uso, mas dá uma estrutura inicial que pode ser revisada e desenvolvida. Isso é diferente de pedir que a IA escreva o texto final.

Para análise de coerência argumentativa, o DeepSeek R1 pode ser útil como interlocutor: você apresenta o argumento que está desenvolvendo e pede que o modelo identifique lacunas, inconsistências ou pontos que precisam de mais evidência. Isso não substitui a revisão do orientador, mas pode ser um passo de pré-revisão que economiza rodadas de feedback.

Para síntese de textos que você já leu, o modelo pode ajudar a condensar anotações extensas em um parágrafo coeso. Mas aqui é importante: a síntese produzida pela IA precisa ser verificada contra os textos originais. Modelos de linguagem generalizam e às vezes distorcem o argumento dos autores.

Para geração de referências bibliográficas: não use. Nenhum modelo de linguagem é confiável para isso. Os modelos inventam referências que parecem plausíveis mas não existem. Use bases de dados acadêmicas reais para buscar fontes.

O problema da dependência e da voz autoral

Um risco específico do uso intensivo de qualquer ferramenta de IA na escrita acadêmica é a erosão gradual da voz autoral. Isso acontece quando o pesquisador começa a aceitar os padrões de escrita do modelo em vez de desenvolver os próprios.

Textos acadêmicos escritos com dependência excessiva de IA tendem a ter uma uniformidade característica: estrutura previsível, vocabulário repetido, argumentação que segue padrões genéricos. Revisores experientes e bancas de defesa frequentemente identificam isso, mesmo sem ferramentas de detecção.

A voz autoral na escrita acadêmica não é um ornamento. É a marca de que o pesquisador entende o que está dizendo e tem uma perspectiva própria sobre o campo. Usar IA como ferramenta auxiliar, mantendo a autoria das escolhas argumentativas e do estilo, é diferente de usar IA como ghostwriter.

Uma prática útil para monitorar isso: ao final de uma sessão de escrita que incluiu IA, leia o resultado em voz alta. Se não soa como você escreveria, reescreva. O texto da dissertação precisa ser sustentável na defesa, onde você vai ter que falar sobre ele.

Comparando na prática: o que o DeepSeek faz melhor e onde perde

Para pesquisadores que já têm experiência com o ChatGPT e querem entender se vale a pena experimentar o DeepSeek, algumas comparações práticas ajudam.

O DeepSeek R1 tende a se sair bem em tarefas que exigem raciocínio explícito: quando você pede para o modelo “analisar os pontos fracos deste argumento” ou “identificar lacunas na justificativa desta metodologia”, o modelo costuma produzir uma análise mais detalhada e estruturada do que modelos que respondem diretamente. Isso acontece porque o R1 foi treinado para “pensar em voz alta” antes de responder.

O ChatGPT tem vantagem em personalização avançada de prompts e em familiaridade: há mais exemplos disponíveis, mais tutoriais testados por pesquisadores, mais comunidade que compartilha estratégias específicas para escrita acadêmica.

Para tarefas de revisão de português acadêmico, os dois são comparáveis. Para tarefas de análise de textos longos em inglês, modelos com janela de contexto maior (como o Claude da Anthropic) costumam ser mais adequados do que o DeepSeek nas versões gratuitas.

Na prática, muitos pesquisadores terminam usando mais de uma ferramenta conforme a tarefa. O importante não é escolher uma e se comprometer. É entender o que cada uma faz bem e usar com critério.

Questões de privacidade e soberania de dados

Para pesquisas que envolvem dados de participantes, transcrições de entrevistas, documentos institucionais ou qualquer informação sensível, é necessário considerar onde os dados são processados.

Os termos de uso do DeepSeek, como os da maioria dos modelos de linguagem comerciais, autorizam o uso dos dados inseridos para melhorar os modelos. Para pesquisas com aprovação do CEP envolvendo participantes humanos, inserir dados identificáveis ou sensíveis em qualquer modelo de IA comercial pode violar os termos do protocolo de ética aprovado.

A regra prática é simples: não insira no DeepSeek (nem em qualquer outro modelo comercial) dados que você não divulgaria publicamente. Use esses sistemas para trabalhar com os argumentos, a estrutura e a escrita, não com os dados brutos da pesquisa.

Declaração de uso e transparência

Usar o DeepSeek na dissertação exige declaração, seguindo as mesmas diretrizes que se aplicam a qualquer ferramenta de IA. A declaração vai na seção de metodologia, especificando o modelo, a versão e a função específica para qual foi usado.

O critério para declarar é o mesmo que discutimos em outros posts: se a ferramenta participou de alguma etapa da construção do trabalho (estruturação, rascunho, análise, síntese), ela precisa aparecer. Usar para revisar a gramática de um parágrafo é diferente de usar para estruturar o argumento de uma seção inteira.

Transparência aqui não é só uma exigência ética. É uma proteção. Se o uso for questionado na banca ou em um processo de revisão, ter a declaração formal protege o pesquisador e demonstra que o trabalho foi conduzido com consciência metodológica.

O DeepSeek é mais uma ferramenta no ambiente de IA que os pesquisadores têm disponível em 2026. Como todas as outras, não substitui o pensamento e a autoria. Mas usado com clareza de propósito, supervisão adequada e transparência na declaração, pode ser um auxiliar legítimo no processo de escrita acadêmica.

Para aprofundar a compreensão sobre como usar IA na pesquisa de forma ética e metodologicamente responsável, os posts sobre prompts que respeitam sua metodologia e sobre declaração de uso de IA na dissertação oferecem orientações complementares que se aplicam ao DeepSeek da mesma forma que a qualquer outro modelo.

A questão não é qual ferramenta usar. É como usar qualquer ferramenta de forma que o trabalho resultante seja genuinamente seu, verificável, sustentável na defesa e transparente para o campo científico. Esse critério não muda conforme o modelo de IA que está em destaque no momento.