Como Verificar Se Referências São Reais: Ferramentas Anti-Alucinação

O problema que ninguém te avisa antes de usar IA na pesquisa

Olha só: você pediu para uma IA listar referências sobre seu tema de pesquisa. Ela entregou uma lista impecável: autores com nomes plausíveis, artigos com títulos convincentes, periódicos conhecidos, anos recentes. Parece tudo certo.

Vamos lá. Uma parte dessas referências provavelmente não existe. E se você as usar no seu TCC, dissertação ou artigo sem verificar, está cometendo um erro que pode custar caro na defesa ou na revisão por pares.

Esse é o fenômeno conhecido como “alucinação” dos modelos de linguagem, e é um dos riscos mais concretos e menos discutidos do uso de IA na pesquisa acadêmica.

Por que a IA “inventa” referências

Entender por que isso acontece ajuda a lidar melhor com o problema. Modelos de linguagem como ChatGPT, Claude, Gemini e outros foram treinados com grandes volumes de texto da internet, incluindo artigos científicos, trabalhos acadêmicos e textos sobre ciência. Eles aprenderam a estrutura de uma referência bibliográfica: autor(es), ano, título, periódico, volume, páginas, DOI.

Quando você pede para a IA “listar referências sobre X”, ela gera texto que tem a estrutura correta de uma referência. Mas ela não está consultando um banco de dados de artigos reais. Ela está, em essência, gerando um padrão linguístico plausível. O resultado pode ser uma referência de um autor real em um periódico real, mas com título inventado. Ou um título real com autor errado. Ou uma combinação inteiramente fabricada que parece real porque todos os elementos individualmente existem no seu universo de treinamento.

O problema é particularmente sério porque as referências fabricadas são difíceis de detectar a olho nu. Elas parecem reais. Têm o formato certo. Às vezes até têm um DOI que, quando digitado, não leva a lugar nenhum.

Como verificar referências passo a passo

Existe um protocolo simples que, se seguido sempre, elimina o risco de incluir referências falsas no seu trabalho:

Passo 1: Busque o título exato

Copie o título da referência e cole entre aspas no Google Scholar. A busca com aspas procura a sequência exata de palavras. Se o artigo existe, vai aparecer. Se não aparecer, é um sinal vermelho imediato.

Não confunda com “artigos parecidos”: o fato de aparecerem artigos sobre o mesmo tema não confirma que a referência específica existe. Você precisa encontrar o artigo exato.

Passo 2: Verifique o DOI

Se a referência inclui um DOI (Digital Object Identifier), acesse o site doi.org e cole o número lá. Um DOI válido direciona para a página oficial do artigo ou livro. Se o DOI não resolver para lugar nenhum, ou resolver para um artigo com título diferente do que você recebeu, a referência é suspeita.

Passo 3: Confirme o periódico

Verifique se o periódico citado existe. Para periódicos nacionais, o sistema Qualis/CAPES (via plataforma Sucupira) lista os periódicos avaliados. Para periódicos internacionais, o JCR (Journal Citation Reports) ou o Scimago são fontes confiáveis.

Um periódico com nome plausível mas que não aparece em nenhum indexador acadêmico é um sinal de que a referência pode ser fabricada.

Passo 4: Verifique o autor

Para autores brasileiros, o Lattes é a ferramenta mais rápida. Um pesquisador real vai ter produção listada no Lattes. Para autores internacionais, o Google Scholar e o ResearchGate mostram a produção de pesquisadores com perfil ativo.

Autores que não aparecem em nenhuma plataforma de pesquisa, ou que aparecem mas sem o artigo específico na produção deles, são outro sinal vermelho.

Passo 5: Acesse o documento original

A verificação definitiva é acessar o documento original. Não basta encontrar a citação a um artigo: acesse o artigo, leia pelo menos o resumo, confirme que ele existe e que o conteúdo é relevante para o seu uso.

Parece trabalhoso, mas é exatamente o que os pesquisadores fazem antes da era da IA. A IA apenas criou a necessidade de adicionar esse protocolo de verificação ao processo.

Ferramentas úteis para verificar referências

Além do Google Scholar, que é o ponto de partida mais prático, existem ferramentas específicas que ajudam na verificação:

Semantic Scholar (semanticscholar.org) é um índice acadêmico gratuito mantido pelo Allen Institute for AI. Cobre mais de 200 milhões de artigos e permite buscar por título, autor e conteúdo. Ele também mostra artigos relacionados e o grafo de citações, o que ajuda a confirmar se um artigo existe e está sendo citado por outros.

CrossRef (crossref.org) é o registro de DOIs de livros e artigos acadêmicos. Se você tem um DOI, insira em search.crossref.org. Se o artigo existe com aquele DOI, os metadados (título, autores, periódico) vão aparecer. Qualquer diferença entre os metadados do CrossRef e os da referência fornecida pela IA é um sinal de problema.

Portal Periódicos CAPES é gratuito para estudantes de instituições públicas federais com acesso pelo IP da universidade ou via CAFe. Permite buscar artigos em bases como Scopus, Web of Science e SciELO simultaneamente.

PubMed (pubmed.ncbi.nlm.nih.gov) para ciências da saúde, biologia e medicina. Se uma referência médica não aparece no PubMed, desconfie fortemente.

Lattes (lattes.cnpq.br) para verificar pesquisadores brasileiros. Um autor que produz sobre o tema que você pesquisa mas não tem o artigo específico na sua produção é um sinal de que a referência é fabricada.

Erros comuns ao verificar referências

Erro 1: Verificar apenas o título e não o conteúdo. Mesmo que um artigo com aquele título exista, confirme que o conteúdo é relevante para o que você pretende citar. Autores às vezes publicam vários artigos com títulos muito similares.

Erro 2: Aceitar uma citação a uma citação como verificação. Encontrar outro trabalho que cite a mesma referência não confirma que ela existe. Pode ser que o outro trabalho também a tenha pegado de uma IA.

Erro 3: Confiar em páginas de resumos sem verificar o original. Páginas agregadoras às vezes têm metadados desatualizados ou incorretos. O documento original é sempre a fonte primária de verificação.

Erro 4: Citar sem ter lido. Este erro existe independente da IA, mas a facilidade de obter referências via IA amplificou ele. Citar um artigo sem tê-lo lido viola um princípio básico de integridade acadêmica.

Uma regra simples que resolve o problema

Se você vai usar IA na sua pesquisa, adote uma regra que o Método V.O.E. incorpora como prática de escrita responsável: qualquer referência gerada por IA é uma sugestão de busca, não uma referência verificada.

Trate a lista de referências da IA como um ponto de partida para sua busca bibliográfica, não como o resultado final. Busque as referências sugeridas nas bases de dados, encontre as reais, descarte as fabricadas e adicione outras que você encontrar ao longo da busca.

Faz sentido? Com essa postura, a IA acelera o processo de levantamento bibliográfico sem introduzir o risco de referências falsas. Você usa a ferramenta pelo que ela faz bem, e mantém o controle sobre o que a ferramenta não faz bem.

Para mais práticas de uso ético de IA na pesquisa acadêmica, explore os posts de IA e Ética do blog e os recursos disponíveis.

Por que verificar cada referência vale o esforço

A verificação de referências parece uma etapa demorada. E é. Mas o custo de não verificar é muito mais alto.

Quando você inclui uma referência falsa no seu TCC, dissertação ou artigo, as consequências potenciais incluem: questões na banca sobre uma obra que não existe, retratação de artigo publicado se o problema for identificado após a publicação, e em casos mais sérios, investigação de integridade acadêmica.

Esses não são cenários hipotéticos. Há casos documentados de pesquisadores que tiveram trabalhos retratados por incluírem referências geradas por IA que não existiam. O problema é que, uma vez publicado, o dano à reputação é difícil de conter.

A verificação que leva 5 minutos por referência é um investimento com retorno garantido.

O futuro das ferramentas de verificação

O problema das referências falsas geradas por IA é suficientemente sério para que ferramentas específicas estejam sendo desenvolvidas para combatê-lo.

Alguns modelos de linguagem já incluem capacidade de citar com base em busca em tempo real, o que reduz (mas não elimina) o problema. O Perplexity AI, por exemplo, é um modelo que busca na internet e fornece fontes verificáveis para cada afirmação. Isso é diferente dos modelos tradicionais, que geram referências de memória.

Mesmo com ferramentas que buscam em tempo real, a verificação independente continua sendo necessária. Erros de atribuição (citar o artigo certo mas o autor errado, ou a editora errada) ainda ocorrem. O protocolo de verificação em bases primárias permanece válido independente de como a IA evolui.

A regra mais duradoura é: cite apenas o que você leu. Se você não leu, não cite, independente de onde veio a sugestão da referência. Essa regra existia antes da IA e vai existir depois dela.

Em suma: tratar toda referência gerada por IA como uma sugestão de busca, nunca como uma referência verificada, é um hábito simples que protege sua integridade acadêmica de forma eficaz. O trabalho de verificação existe desde sempre na pesquisa. A IA apenas criou uma nova fonte de onde referências suspeitas podem vir.