A inteligência artificial pode substituir a pesquisadora em pesquisa-ação?

Não. A pesquisa-ação é fundamentalmente participativa e depende da presença, da escuta e da capacidade de reflexão da pesquisadora junto com os participantes. A IA pode apoiar etapas como transcrição, organização de dados, análise de textos e revisão de literatura, mas não pode substituir o julgamento situado, a relação de confiança e a reflexão sobre a própria prática que são centrais nessa metodologia.

Posso usar IA para transcrever e analisar as entrevistas e reuniões da pesquisa-ação?

Sim, com cuidados. Ferramentas de transcrição automática como o Whisper (OpenAI), Otter.ai ou até o próprio Google Meet com legendas automáticas podem ajudar na transcrição de reuniões e entrevistas. Para a análise, a IA pode apoiar a organização e categorização inicial dos dados, mas a interpretação precisa ser da pesquisadora, que conhece o contexto e as relações de poder envolvidas.

Como declarar o uso de IA em uma dissertação de pesquisa-ação?

Declare na seção metodológica quais ferramentas foram usadas e para quê. Por exemplo: 'A transcrição das sessões de grupo focal foi realizada com apoio da ferramenta X, com revisão manual pela pesquisadora. A análise temática foi conduzida pela pesquisadora com auxílio do software Y para organização das categorias.' Seja específica sobre onde a IA entrou e onde o julgamento foi inteiramente humano.

IA em Pesquisa-Ação: Possibilidades e Limites

A pesquisa-ação e a presença insubstituível da pesquisadora

Olha só: poucas metodologias são tão radicalmente centradas na presença humana quanto a pesquisa-ação. Ela nasce da premissa de que a pesquisa não é um processo neutro de observação externa, mas um processo participativo, situado, com a pesquisadora dentro do campo, não acima dele.

No modelo clássico de Thiollent, a pesquisa-ação passa por ciclos de diagnóstico, planejamento, ação, observação e reflexão. Em cada um desses momentos, o que está em jogo é a qualidade da relação entre pesquisadora e participantes, a sensibilidade para ler o contexto, a capacidade de adaptar o plano diante do inesperado.

Então, onde entra a inteligência artificial nesse processo? A resposta curta é: nas margens. Nas tarefas de suporte que tomam tempo e energia, liberando a pesquisadora para o que só ela pode fazer.

Onde a IA genuinamente ajuda na pesquisa-ação

Revisão de literatura: antes de entrar em campo, você precisa conhecer o estado da arte sobre o problema que está investigando. Aqui, ferramentas como Semantic Scholar, SciSpace ou Connected Papers ajudam a mapear a literatura de forma mais rápida. O Claude ou o ChatGPT podem ajudar a sintetizar diferentes perspectivas teóricas e identificar pontos de tensão na literatura. Nenhuma dessas ferramentas vai entender o contexto específico do seu campo, mas podem acelerar a leitura exploratória.

Transcrição de reuniões e encontros: a pesquisa-ação geralmente gera muitas horas de gravação, reuniões, grupos focais, entrevistas. Ferramentas de transcrição automática como o Whisper (modelo open-source da OpenAI, acessível gratuitamente), o Otter.ai ou mesmo o recurso de transcrição do Google Meet e do Microsoft Teams reduzem significativamente o tempo dessa etapa. A revisão da transcrição ainda precisa ser sua, porque erros de reconhecimento de fala são comuns, especialmente em português com sotaques regionais.

Organização inicial dos dados: depois de transcrever várias sessões, você tem um volume grande de texto para analisar. Ferramentas de análise qualitativa como MAXQDA ou NVivo têm recursos de IA para apoiar a categorização inicial. Você pode usar o Claude ou o ChatGPT para fazer uma primeira passagem de categorização temática em trechos de texto, desde que a revisão e a interpretação final sejam suas.

Registro e documentação: a pesquisa-ação produz muito material de campo, diários, atas, fotografias, documentos dos participantes. A IA pode ajudar a organizar, resumir e criar índices desse material, facilitando a recuperação de informações no momento da análise.

Feedback sobre o plano de ação: depois de cada ciclo, você precisa refletir sobre o que funcionou e o que precisa ser ajustado. Conversar com o Claude sobre um plano de ação ou apresentar um diagnóstico para que a IA aponte lacunas pode ser um exercício útil de reflexividade, não porque a IA vai entender o contexto melhor do que você, mas porque o processo de explicar o que você está fazendo para alguém de fora já organiza o pensamento.

Onde a IA não entra e por quê

Agora, alguns limites que precisam estar claros.

A relação com os participantes. A confiança que sustenta a pesquisa-ação se constrói na presença, no tempo, na escuta genuína. Não existe algoritmo que substitua a capacidade de perceber o que ficou não dito em uma reunião, de sentir quando um participante está desconfortável, de adaptar a postura diante de um conflito emergente.

A interpretação do contexto. A pesquisa-ação é radicalmente situada. Os dados fazem sentido dentro de uma trama específica de relações, histórias e poder. Uma IA não conhece essa trama. Ela pode categorizar palavras; não pode entender o peso de uma fala específica dita por uma pessoa específica naquele momento específico.

A reflexividade. Na pesquisa-ação, a pesquisadora reflete sobre si mesma como parte do campo. Esse processo de autoanálise, de examinar como suas próprias suposições, posições e afetos interferem na pesquisa, é intransferível para uma máquina. Você pode usar a IA para organizar as anotações do seu diário de campo, mas a reflexão precisa ser sua.

A tomada de decisão participativa. Nos ciclos de pesquisa-ação, as decisões sobre o próximo passo são construídas com os participantes, não por eles ou pela pesquisadora sozinha. Esse processo de negociação coletiva não tem versão automatizada.

Cuidados éticos específicos

A pesquisa-ação frequentemente envolve comunidades vulneráveis, trabalhadores, estudantes, pacientes, populações marginalizadas. Isso reforça a necessidade de cuidados adicionais no uso de IA.

Antes de usar qualquer ferramenta de transcrição ou análise que envolva dados dos participantes, verifique se o TCLE cobre esse uso. Se os participantes consentiram com a gravação das sessões, mas não com o processamento por ferramentas de IA externas, você precisa de nova autorização ou precisa anonimizar os dados antes de qualquer processamento.

Ferramentas que usam servidores externos (como o Otter.ai ou versões online do Whisper) enviaram seus dados para processamento na nuvem. Para pesquisas com dados sensíveis, prefira versões locais (o Whisper pode ser instalado e rodado offline) ou ferramentas que garantam processamento local.

Se os participantes são identificáveis nas transcrições, faça a anonimização antes de qualquer análise assistida por IA.

Um exemplo prático

Imagine uma pesquisadora que está conduzindo uma pesquisa-ação com uma equipe de gestão escolar para melhorar as práticas de acolhimento de estudantes com necessidades especiais. Ela usa:

Semantic Scholar para a revisão de literatura sobre gestão escolar inclusiva
Whisper (local) para transcrever as reuniões quinzenais da equipe
NVivo com recursos de IA para organizar as categorias emergentes nas transcrições
Claude para discutir as interpretações provisórias e identificar possíveis lacunas na análise
Um editor de texto simples para o diário de campo, sem IA, porque esse espaço é de reflexão pessoal

O que ela não usa IA para fazer: a facilitação das reuniões, a leitura do clima do grupo, a decisão sobre quando é hora de mudar o foco da intervenção, a interpretação do que os dados significam no contexto específico daquela escola.

Essa divisão de trabalho é razoável e eticamente sólida.

O que a pesquisa-ação ensina sobre o uso de IA na pesquisa

Olha, a pesquisa-ação tem algo a ensinar para a discussão mais ampla sobre IA na ciência: o risco não está em usar tecnologia, mas em usar tecnologia como escape da complexidade.

A IA pode ser uma tentação de simplificar o que não pode ser simplificado. De categorizar o que precisa ser interpretado. De automatizar o que precisa de presença.

Quando você sabe por que está usando IA e onde está fazendo o trabalho que só você pode fazer, o uso é ético e legítimo. Quando você usa IA para evitar o desconforto de entrar de verdade em campo, aí a metodologia já perdeu o sentido, com ou sem tecnologia.

Pesquisa-ação bem feita é trabalhosa, intencional e profundamente humana. Que seja assim.