IA para Montar Quadro Teórico: Vale a Pena?

O quadro teórico que a IA não vai montar por você

Vamos lá. Tem uma tentação óbvia quando você está diante de um quadro teórico para montar e uma IA generativa disponível: pedir para ela fazer. “Me ajude a montar o quadro teórico sobre identidade profissional em professores”, e esperar que o texto apareça pronto.

O que vem costuma ter aparência de coerência. Os parágrafos encadeiam, os nomes de autores aparecem, as ideias se conectam. E então você lê com mais cuidado e percebe: há uma referência que não existe, uma teoria que foi simplificada de um jeito que distorce o argumento original, uma conexão entre autores que nenhum deles faria. A IA montou algo parecido com um quadro teórico, mas que não tem o rigor que uma banca vai exigir.

O problema não é usar IA. O problema é usar IA no lugar do pensamento, não como auxílio a ele.

Essa distinção é o núcleo de tudo que vou tratar aqui.

O que é um quadro teórico (e por que é difícil)

Antes de falar sobre o uso da IA, preciso ser direta sobre o que torna o quadro teórico um dos capítulos mais desafiadores de uma dissertação ou tese.

O quadro teórico não é uma lista de conceitos que aparecem na sua pesquisa. Não é uma revisão de literatura. Não é um glossário de termos técnicos. É a lente através da qual você vai olhar para o seu objeto de pesquisa. É o posicionamento epistemológico que determina o que você pode perguntar e como você pode responder.

Isso exige escolhas. Escolhas teóricas são sempre posicionamentos. Ao escolher Bourdieu em vez de Foucault para pensar sobre um campo social, você está dizendo algo sobre como você entende poder, reprodução e estrutura. Ao optar pela fenomenologia husserliana em vez da hermenêutica gadameriana, você está escolhendo o que conta como experiência e como ela pode ser conhecida.

A IA não toma essas decisões por você. Ela não sabe o que sua pesquisa precisa defender, o que sua banca espera, qual a tradição teórica do seu programa de pós-graduação, o que sua orientadora recomenda. Ela não conhece o contexto.

O que a IA pode fazer é ajudar você a pensar com mais clareza dentro do processo de tomar essas decisões.

Onde a IA realmente ajuda no quadro teórico

Há usos concretos e legítimos que aceleram o processo sem comprometer o rigor. Esses são os que fazem sentido.

Mapear o campo teórico inicial. Se você está começando a explorar uma área teórica nova para você, pode usar uma IA como ponto de partida para entender quais as principais correntes, quais os autores mais associados a cada uma, e qual o debate central entre elas. Use como orientação inicial, não como fonte. Depois vá às fontes primárias.

Identificar conexões entre conceitos. Se você tem um conjunto de conceitos que pretende usar (por exemplo: habitus, campo, capital em Bourdieu, mais prática reflexiva em Schön, mais identidade profissional docente), você pode pedir para a IA ajudar a mapear como esses conceitos dialogam, onde se complementam e onde tensionam. Isso pode revelar conexões que você não tinha percebido, ou confirmar articulações que você já estava intuindo.

Organizar a estrutura do capítulo. Uma vez que você sabe quais teorias e autores vai usar, a IA pode ajudar a pensar na ordem lógica de apresentação: começa pelo mais abstrato e vai para o mais específico? Parte do debate histórico e chega no estado atual? Apresenta as teorias em separado e depois articula? Diferentes arranjos têm implicações retóricas diferentes, e discutir essas opções com uma IA é útil.

Checar se sua explicação de um conceito está coerente. Você escreveu um parágrafo explicando o que Vygotsky entende por zona de desenvolvimento proximal. Pode pedir para a IA ler e apontar se há alguma imprecisão. Isso não substitui checar na fonte original, mas é uma primeira verificação.

Gerar perguntas sobre o quadro que você está montando. Uma das coisas que a IA faz bem é fazer perguntas críticas. “Se você usa Bourdieu para pensar campo educacional, como responde à crítica de que o conceito de habitus é determinista demais?” Essa pergunta pode ser mais valiosa do que uma resposta.

Onde a IA cria problemas sérios

Tão importante quanto saber onde a IA ajuda é saber onde ela cria riscos.

Alucinação de referências. Este é o problema mais grave. IA generativa pode inventar citações, títulos de livros, nomes de artigos e até páginas com aparência plausível. Se você usa o texto da IA e não confere cada referência na fonte original, pode incluir na sua dissertação uma referência que não existe. Isso é plágio técnico e pode ser detectado na defesa com consequências sérias.

Simplificação que distorce. Conceitos teóricos complexos têm nuances que a IA frequentemente achata. Uma explicação de Derrida ou de Habermas gerada por IA tende a ser didática a ponto de ser incorreta para fins acadêmicos. O que foi criado para ser acessível a um público geral não funciona no nível de rigor que uma banca espera.

Ausência de atualização bibliográfica. A maioria dos modelos de IA tem um corte de conhecimento. Eles não sabem o que foi publicado nos últimos um, dois, três anos. Em áreas dinâmicas, isso significa que a IA pode desconhecer debates recentes importantes para o seu campo.

Invisibilização de autores não anglófonos. Pesquisadoras brasileiras frequentemente trabalham com teorias formuladas em português, espanhol, francês ou outras línguas. A IA tende a sub-representar esses autores em comparação com os anglófonos. Se você estuda educação brasileira e a IA nunca menciona Paulo Freire ou Pedro Demo espontaneamente, mas menciona Dewey com facilidade, isso é uma limitação a considerar.

Perda da voz autoral. Talvez o efeito mais difícil de detectar. Quando você usa texto gerado pela IA no quadro teórico sem reescrevê-lo profundamente, o capítulo começa a soar como qualquer dissertação que usou a mesma IA com o mesmo prompt. A voz que distingue o trabalho como seu some.

Um processo que integra IA sem perder o controle

O que funciona na prática é tratar a IA como um interlocutor, não como um autor. A diferença é sutil mas estrutural.

Um interlocutor te faz perguntas, te ajuda a organizar o pensamento, aponta inconsistências, sugere ângulos que você não considerou. Você ainda escreve. Você ainda decide. Você ainda é responsável pelo argumento.

Um processo possível:

1. Você lê os autores centrais do seu campo teórico nas fontes primárias. Anota os conceitos-chave e as ideias que conectam com seu objeto de pesquisa.

2. Você usa a IA para conversar sobre essas leituras: “Li Bourdieu sobre campo e capital. Minha pesquisa é sobre trajetórias de professoras de ensino médio em escolas periféricas. Que conexões você vê? Que perguntas essa teoria deixa abertas?”

3. A IA sugere conexões e perguntas. Você avalia cada sugestão: faz sentido? Está ancorada na teoria? É verificável?

4. Você estrutura o capítulo com base nas suas decisões, usando a conversa com a IA como rascunho de raciocínio, não como texto final.

5. Você escreve. O texto é seu. A IA pode ler e apontar se algum trecho parece fraco ou contraditório, mas a autoria é sua.

6. Cada referência usada é verificada na fonte original antes de incluir no texto.

Esse processo é mais trabalhoso do que “pedir para a IA fazer”. Mas é o único que produz um quadro teórico que você vai conseguir defender diante de uma banca.

Como lidar com a pressão de “terminar logo”

Tem um contexto prático que não pode ser ignorado: muitas pesquisadoras usam IA de forma atalho porque estão com prazo. O bolsa acaba, a orientadora cobrou, o congresso está chegando, o depósito é em dois meses.

Nesses momentos, a tentação de deixar a IA “fazer” o quadro teórico é ainda maior. E a racionalização é fácil: “vou usar como base e depois melhorar”. O problema é que o tempo para melhorar raramente aparece, e o texto que fica é o texto gerado.

A resposta honesta para esse cenário: se o prazo está impossível, o problema é o prazo, não a ferramenta. Conversar com a orientadora sobre isso é melhor do que entregar um capítulo teórico fraco. Pedir uma extensão é melhor do que criar um texto que vai ser questionado na defesa.

A IA pode ajudar a ganhar tempo em certas tarefas (organização, rascunhos iniciais, verificação de consistência). Mas não resolve o problema estrutural de ter pouco tempo para pensar. Esse problema tem outras soluções.

O que a Nathalia tem observado

Trabalho com pesquisadoras em diferentes etapas da pós-graduação, e o padrão que aparece é consistente: quem usa IA para pensar junto escreve melhor e mais rápido. Quem usa IA para escrever no lugar de pensar chega à orientação com um texto que não é dela e que não consegue defender.

O quadro teórico de uma dissertação ou tese é onde a pesquisadora mostra que realmente entende as bases do que está fazendo. Não é possível fingir esse entendimento numa defesa. A banca vai perguntar por que você escolheu esse autor e não aquele, o que você diria para uma crítica específica ao seu referencial, como esse conceito se aplica especificamente ao seu objeto.

Essas respostas precisam ser suas. A IA não vai estar lá na defesa.

O Método V.O.E., que desenvolvo para pesquisadoras em processo de escrita, parte exatamente dessa lógica: clareza sobre o que é seu e o que são ferramentas. A IA é uma ferramenta poderosa. Mas o pensamento, a decisão e a responsabilidade intelectual são seus. Sempre.

Faz sentido essa distinção? É a diferença entre usar bem e usar de forma que vai te criar problemas.