![](3D"Navus_v15_2005_arquivos/image001.gif")
Estudo de Tendências na Pesquisa
Acadêmica Utilizando Inteligência Artificial Generativa: o
Método ACDL
=
Study of
Trends in Academic Research Using Generative Artificial Intelligence: the A=
CDL
Method
|
A= riél Philippi Machado https://orcid.org/0000-0001-=
6961-2740 |
Mestrado Profissional em Administração Universitária em andam= ento (UFSC). Mestre em Teologia (PUCPR). Universidade Federal de Santa Catarina (UFSC) – Brasil. |
|
Carlos
Alberto Kalinovski Hoffmann https://orcid.org/0000-0002-=
2217-4242 |
Mestrado Profissional em
Administração Universitária em andamento (UFSC).
Especialista em Direito Público (Legale).
Universidade Federal de Santa Catarina (UFSC) – Brasil. professor@carloshoffmann.com.br |
|
Daniel de Andrade Varela |
Mestrado Profissional em
Administração Universitária em andamento (UFSC).
Universidade Federal de Santa Catarina (UFSC) – Brasil. |
|
Luciana Oliveira Penna= dos Santos https://orcid.org/0009-0001-=
8445-3300 |
Mestrado Profissional em
Administração Universitária em andamento (UFSC).
Especialista em Gestão de Documentos e Informação (A=
VM
Educacional). Universidade Federal de Santa Catarina (UFSC) – Brasi=
l. |
|
Alexandre Moraes Ramos= |
Doutorado em Engenharia de
Produção (UFSC). Universidade Federal de Santa Catarina (UF=
SC)
– Brasil. |
RESUMO
O uso da tecnol=
ogia
da informação, mais especificamente a Inteligência
Artificial Generativa, na pesquisa em instituições de ensino
superior se justifica devido ao elevado volume de dados e
informações acessíveis que, de outra maneira, levaria
muito tempo para serem analisados. A celeridade do acesso à
informação dá razão para oferecer ferramentas q=
ue
permitam a captação de ideias prováveis de se tornarem
realidade. Deste modo, o objetivo desta pesquisa é propor um
itinerário de levantamento de tendências voltadas à
pesquisa acadêmica usando iterações em ferramentas de
Inteligência Artificial Generativa, com inspiração no
Método Delphi. A metodologia de pesquisa é de caráter
qualitativo, com revisão de literatura em artigos científicos=
e
realização de enquetes com especialistas da área de
Gestão Universitária para demonstrar o estudo de tendên=
cias
acerca do futuro da universidade. Os resultados percebidos durante a pesqui=
sa
indicam a possibilidade de análise de tendências acerca da
gestão universitária por meio de ferramentas de
Inteligência Artificial Generativa. As conclusões iniciais des=
te
estudo propositivo foram apresentadas em eventos acadêmicos com boa
aceitação da crítica especializada.
Palavras-chave: Pesquisa acadêmica; Inteligência
Artificial Generativa; Estudo de tendências; Gestão e
Administração universitária; Método Delphi.
ABSTRACT
The use of
information technology, specifically Generative Artificial Intelligence, in
research conducted at higher education institutions is justified by the vast
volume of accessible data and information that would otherwise require
significant time to analyze. The rapid access to
information underscores the need for tools capable of capturing ideas that =
have
the potential to become reality. Therefore, the objective of this research =
is
to propose an itinerary for surveying trends in academic research using
iterations with Generative Artificial Intelligence tools, inspired by the
Delphi Method. The research methodology is qualitative, comprising a litera=
ture
review of scientific articles and surveys conducted with experts in Univers=
ity
Management to explore trends related to the future of universities. The res=
ults
perceived during the research indicate the possibility of analyzing trends
regarding university management through Generative Artificial Intelligence
tools. Preliminary conclusions from this exploratory study were presented at
academic events and received positive feedback from specialized critics.
Keywords:
Academic research; Generative Artificial Intelligence; Study of trends;
University Management and Administration; Delphi method.
=
Recebido em 31/08/2024. Aprovado em 21/11/2024. Avaliado p=
elo
sistema double=
blind
https://doi.org/10.22279/navus.v15.200=
5
1 INTRODUÇÃO
O desenvolvimento constante da tecnologia, somado &ag= rave; expansão acelerada de ferramentas e aplicações desenvolvidas com recursos virtuais, oferece acesso contínuo ao conhecimento produzido e, ao mesmo tempo, caracteriza-se pelo dinamismo próprio da conectividade proporcionada pela internet.
A Inteligência Artificial (IA) é mais um alcance da capacidade humana de produzir recursos combinando os diversos saberes colocados à sua disposição. É possível considerar que o futuro das gerações passadas convive com o presente de nossas rotinas. A Inteligência Artificial m= arca a passagem das eras, como marcaram o fogo, a roda, o vapor, dentre outros.<= /p>
O tema sobre o estudo de tendências se justifica neste contexto de tornar a Inteligência Artificial uma aliada aos processos de pesquisa e produção acadêmica. Visto que o processo de elaboração de textos e argumentos via IA tem se tornado uma prática comum entre as diferentes gerações= e nas distintas áreas de conhecimento e da vida humana, surge a hipótese de uma sequência repetida de iterações = com ferramentas virtuais para prever os temas pertinentes para a pesquisa acadêmica.
Deste modo, o objetivo que se propõe é demonstrar a aplicação de um método de estudo de tendências com uso de Inteligência Artificial Generativa (IAG) = em vista da otimização e antecipação de cenários e temas de pesquisa. Tal objetivo é acompanhado de outros específicos, a saber: favorecer a inovação na pesquisa acadêmica por meio do auxílio de recursos tecnológicos, e propor a delimitação de regras para um estudo de tendências com Inteligência Artificial à luz do método Delphi.
O estudo de tendências se caracteriza pela previsão, especialmente a respeito do comportamento do consumidor. No contexto da pesquisa acadêmica, é pertinente sondar qual tendência (temas e assuntos) pode ser pesquisada e explorada para se tornar um produto acessível, compreensível e inovador na sociedade, gerando impacto e melhoria de vida.
A presente pesquisa adotará uma abordagem desc= ritiva e demonstrativa, baseada na experiência realizada durante a disciplina "Desafios de Inovação na Educação Superior", parte do currículo do Mestrado em Gestão Universitária da Universidade Federal de Santa Catarina (UFSC). A opção por descrever tal experiência deve-se à intenção de manter a memória humana munida de informações sobre o desenvolvimento de uma tecnologia que dei= xa a IA na qualidade de recurso. Ou seja, a inteligência natural e humana é a regente (maestra) do percurso, tendo como foco a otimização dos processos decorrentes da pesquisa acadêm= ica, e não a substituição do centro (ou do foco pensante).<= /p>
2 DESAFIOS DE INOVAÇÃO EM GESTÃO UNIVERSITÁRIA
Os desafios para a inovação em Administração e Gestão Universitária foram o mo= te para os debates acadêmicos realizados no percurso da disciplina denominada “Desafios de inovação em gestão universitária”, ofertada no primeiro semestre de 2024, no Prog= rama de Pós-Graduação em Administração Universitária, da UFSC. O tema geral dos referidos debates foi a Universidade do Futuro, investigado sob diferentes aspectos, levando sempre= em conta o desafio da inovação. Esse importante debate ser= viu de pano de fundo para os autores desenvolverem um método de estudo de tendências sobre temáticas necessárias para a administração e gestão da Universidade do Futuro, conf= orme descrito nas próximas subseções.
2.1 A Disciplina e o Grupo ACDL
O presente trabalho teve iniciada a sua construção durante a disciplina “Desafios de inovação em gestão universitária” no Mest= rado Profissional em Administração Universitária, sob a condução do Professor Doutor Alexandre Moraes Ramos, do Progr= ama de Pós-graduação em Administração Univer= sitária. Em decorrência dos desafios propostos pelo professor da disciplina, a atividade consistia na busca por temas que prospectassem o futuro da Universidade.
A partir disso, por proximidade em sala de aula, os acadêmicos Ariél Philippi Machado, Carlos Alberto Kalinovski Hoffmann, Da= niel de Andrade Varela e Luciana Oliveira Penna Dos Santos se agruparam e começaram a desenvolver a proposta do professor Alexandre que desafi= ou a turma a utilizar a Inteligência Artificial (IA) para trazer insigh= ts sobre o futuro da Universidade a partir de distintas perspectivas.
Após a organização dos grupos, os temas a serem desenvolvidos foram: “Interação Universidade-Empresa”; “Universidade e os Técnicos Administrativos-Educacionais”; e, “Universidade e SociedadeR= 21;. Este último é o tema desenvolvido neste artigo, com os passos delineados para o possível método de estudo de tendênci= as sobre o futuro da Universidade.
Em maior detalhe, a referida disciplina tinha como em= enta “Apresentar, discutir e aplicar o método Delphi para lidar com= os desafios e problemas complexos e atuais, inerentes à gestão universitária” e o seu conteúdo programático era= :
Conceituação do método Delphi. = Como aplicar o método Delphi. Definição de um problema ou desafio complexo na gestão universitária. Elaboração dos instrumentos de coleta de dados. Painel de Especialistas. Elaboração estratégias e sistematização das soluções apresentadas pelos especialistas (UFSC, 2024, p. 1).
Na prática, a disciplina foi organizada de maneira dinâm=
ica,
com desenvolvimento dos temas de modo flexível e de acordo com as
pesquisas e entregas de cada grupo. Faz-se necessário registrar a
cooperação dos grupos, com indicação de leituras
correspondentes e com participação na elaboração
dos respectivos roteiros de estudos. A turma reagia aos estímulos do
professor e dos próprios colegas a cada encontro e com propostas que
ajudavam a deixar o arranjo dos temas mais organizados e sistematizados.
Como um caráter peculiar, o então grupo autodenominado =
ACDL
(iniciais de Ariél, Carlos, Daniel e Luc=
iana)
se formou com perfis acadêmicos distintos e de epistemologias
complementares, o que permitiu uma produção interdisciplinar.
Nesse sentido, sem entrar em grandes detalhamentos, Ar=
iél
tem como base de formação a Filosofia e a Teologia, Carlos te=
m a
Administração, a Análise de Sistemas e o Direito, Dani=
el
tem formação em Sistemas de Informação e Luciana
tem como base de formação a Arquivologia e Gestão de d=
ocumentos
e Informação. Todos estes saberes foram colocados à
disposição do objeto estudado, permitindo que diferentes
perspectivas aflorassem a cada reunião de trabalho. Essa realidade
permitiu que ideias inovadoras e interessantes surgissem, bem como, exigia =
uma
autogestão de grupo intensa e efetiva, em virtude de que a diversida=
de
epistemológica muitas vezes não permitia um rápido ou
fácil consenso.
O grupo ACDL pesquisou por temas atinentes ao futuro da Universidade.=
Inicialmente,
foram elencados mais de 15 temas, decorrentes da diversidade formativa dos
membros, como intenção de contemplar diferentes aspectos. Em =
uma
das exposições em sala de aula, tendo em vista a
organização de um evento com participação de
especialistas da área da gestão e administração
universitária, o grupo foi provocado a fazer os devidos recortes do =
tema
e diminuir as possibilidades de dispersão. Por fim, ficaram
estabelecidos 5 temas para aplicação ao método desenha=
do
pelo grupo.
Sob a orientação do professor Alexandre Ramos, o grupo
delineou uma primeira versão do “Método ACDL”, que
foi apresentada no evento “Desafios de Inovação em
Gestão Universitária”, realizado em 07/06/2024, no
Auditório da Secretaria de Educação a Distância
(SEAD/UFSC) em Florianópolis/SC. Neste evento, foram apresentados
três painéis, e o “Método ACDL” apresentado=
no
terceiro painel com o tema “IA Generativa para pesquisa em
dissertações e teses” e que tinha como objetivo
“aprender sobre o emprego da IA generativa como método de
pesquisa”.
Dessa forma, a proposta de um método de estudo de tendên=
cias
inspirado no método Delphi foi apresentada à comunidade
científica. O painel contou com a presença de especialistas na
área, a saber: Professora Dra. Ruth Ferreira Roque Rossi da Universi=
dade
do Estado de Santa Catarina (UDESC) e Professor Dr. De=
nilson
Sell da UDESC e do Programa de Pós-graduação em
Gestão do Conhecimento da Universidade Federal de Santa Catarina
(PPGEGC/UFSC). Aos especialistas coube comentar e avaliar a proposta do gru=
po.
No momento de suas falas, cada especialista apontou a
contribuição do método elaborado, tendo por base a IAG
para prospectar os desafios relacionados ao futuro da Universidade. Em resu=
mo,
ambos os especialistas aprovaram a iniciativa e incentivaram a
aplicação de novos testes, tendo em vista uma proposta mais
consistente e a busca pelo registro do método.
O trabalho do grupo foi materializado nesse relato, em vista de garan=
tir
o registro dos primeiros passos e das primeiras intenções,
garantindo também o diálogo com a comunidade científica
para favorecer que as ideias e sugestões sejam articuladas na
continuidade dessa pesquisa.
2.2 A INSPIRAÇÃO NO MÉTODO DELPHI
O Método Delphi foi criado em 1946, no seio da empresa Douglas Aircraft, na tentativa de previsão dos possíveis efeitos do desenvolvimento tecnológico e do planejamento empresarial. No seguimento deste proje= to foram elaborados artigos, de suporte teórico e metodológico, = que sustentavam a ideia de que, não existindo uma base de evidência já estabelecida, as próprias áreas de investigação em emergência poderiam começar a construir essa base de informação através da recolha e síntese de estudos de especialistas de diferentes domínios (Comissão Europeia, 2004, p. 12-14).
Este método é um processo no qual os conhecimentos de um grupo de especialistas são coletados em diferent= es iterações, por meio de inquéritos por questioná= rio, acompanhados de um feedback das opiniões, com ênfase na avaliação consensual de tendências por parte de peritos= de uma determinada área do conhecimento. De acordo com Freitas e Marques (2018), “o processo de feedback tem como missão disponibilizar aos especialistas as opiniões proferidas pelos participantes entre diferentes rodadas de questionários, assim como apresentar a opinião geral deles, como um grupo” (p. 393).&nbs= p;
O método Delphi prevê consultas de forma anônima e por meio de iterações repetidas, que podem ser presenciais ou realizadas por consulta, como via e-mail, por exemplo (Gordo= n, 1994). Após as diversas opiniões, o consenso é entendi= do como um elenco de possibilidades oriundas do cenário e da prá= tica dos especialistas. Resumidamente, o método está delineado na Figura 1:
Figura 1 - Diagrama do Fluxo do Método Delphi
![3D"Diagrama
Descrição](3D"Navus_v15_2005_arquivos/image003.gif")
Fonte: Elabo= rado pelos autores.
A inspiração para o método de estudo de tendências= com IAG se originou em uma das aulas da disciplina conduzida pelo professor Alexandre Ramos. De acordo com o cronograma previsto, a professora Dra. Ruth Ferreira Roque Rossi apresentou para a turma uma introdução ao Método Delphi, expondo a origem do método e as diferentes possibilidades de aplicação, com os passos devidamente detalhados.
Assim, a partir desse mom= ento, considerou-se utilizar a técnica de iterações repetidas do mé= todo Delphi em uma ferramenta de IAG, de modo que a participação de especialistas seja substituída por artigos científicos public= ados em periódicos de alto índice de avaliação. Este é o resumo da origem do que passa a ser denominado neste artigo como Método ACDL.
2.3 AS TENDÊNCIAS DO FUTURO DA UNIVERSIDADE
Durante o percurso da disciplina os grupos organizados fizeram buscas sobre dificuldades e oportunidades que se relacionam com a administração e gestão universitária. Para a aplicação e testes de um estudo de tendências com uso d= e IAG foram levantados, inicialmente, 17 termos, e um total de 40 artigos pesquisados. A identificação desses termos baseou-se em conhecimentos sobre taxonomia e vocabulários controlados, que s&atil= de;o ferramentas muito utilizadas para a organização e recuperação eficiente de informações, favorecen= do as pesquisas.
A taxonomia possui como objetivo não apenas classificar e facilitar o acesso às informações, mas também:
[...] representar conceitos através de ter=
mos,
agilizar a comunicação entre especialistas e outros
públicos; encontrar o consenso; propor formas de controle da diversi=
dade
de significação e oferecer um mapa de área que
servirá como guia em processo de conhecimento (Terra et al., 2005, p.
1).
Já os vocabulários controlados garantem= a consistência terminológica, o que é essencial para a precisão e eficiência na busca e análise de dados. Esses métodos são fundamentais para assegurar que os termos selecionados sejam abrangentes e relevantes para o estudo de tendênci= as no uso de IAG.
O resultado foi apresentado em sala e o grupo de pesq= uisadores, com a supervisão do professor Alexandre Ramos, sugeriu que a pesquisa fosse desenvolvida com mais foco e redução das variáve= is de termos.
Dando continuidade nos testes, os critérios estabelecidos foram:
i) pesquisar apenas em periódicos de avaliação Qualis A1;
ii) reduzir os termos par= a cinco variáveis, a saber:
a) futuro da Universidade e diversidade,
b) futuro da Universidade e gestão universitária;
c) futuro da Universidade e docência universitária;
d) futuro da Universidade e sociedade;
e) futuro da Universidade e uso de tecnologia;
iii) fazer os testes de iteração com ferramenta de IAG e, ao mesmo tempo, fazer iterações com enquetes com especialistas acerca dos cinco ter= mos escolhidos.
Em relação= aos termos selecionados, destaca-se a pertinência para o estudo de tendência em relação ao futuro da Universidade pelos seguintes motivos, apresentados a seguir.
2.1.1 Div=
ersidade
O tema=
da
diversidade é uma síntese do próprio espaço
universitário, partindo da premissa da diversidade de pensamentos,
partilha e elaboração de novos conhecimentos, e da diversidad=
e de
público. A noção de diversidade também pode
representar um ponto antagônico, a desigualdade. E neste sentido,
“a utilização do termo diversidade se refere a conceitos
ligados à diferença, mas que mascaram a desigualdade”
(Freitas; Ésther; Santos, 2023, p. 5).
O futu=
ro da
universidade se relaciona com práticas que favoreçam o debate=
das
diversidades e promovam a diminuição das desigualdades humana=
s.
São posturas que revelam ou mascaram as relações de po=
der
e as iniciativas democráticas do ecossistema universitário.
2.1.2 Ges=
tão
Universitária
A gest=
ão
universitária do futuro deve ser inovadora e corajosa. Gestão
é sinônimo de participação e decisão. No
contexto da educação superior, muitos são os agentes da
gestão, do nível macro ao micro, das políticas
governamentais ao processo de ensino e prática da aprendizagem.
O futuro da universidade depende de uma gestão universitá=
ria
que dialogue com os interlocutores de seu tempo, gerações com
novos horizontes e de sentido de pertença diferentes daqueles de
cenários já superados pelo convívio com as tecnologias=
da
informação. A gestão é o primeiro passo da
inovação.
2.1.3
Docência Universitária
A doc&=
ecirc;ncia
universitária também diz respeito às tendências =
do
futuro da universidade. Originalmente, a universidade é o espa&ccedi=
l;o
da aprendizagem sistemática, garantida pelo corpo docente especializ=
ado.
A velocidade da evolução tecnológica gera influê=
ncia
direta na composição do corpo docente e na formaç&atil=
de;o
permanente deste.
Melo e=
Campos
(2019, p. 56) afirmam que
A formaç&at=
ilde;o
no campo pedagógico não é algo que se possa conseguir
rapidamente, pois requer esforço, investimento pessoal e institucion=
al
permanente, já que envolve, além de conhecimentos epistemol&o=
acute;gicos
sobre educação e ensino, a necessária sensibilidade pa=
ra
compreender quem são os estudantes e quais as suas demandas formativ=
as,
cada vez mais complexas.
Neste sentido, partindo da capacitação contínua do
corpo docente, é possível incluir e experimentar as diferentes
contribuições da tecnologia e dos recursos atuais em prol de =
uma
educação superior capaz de atender às demandas dos
discentes do contexto hodierno.
2.1.4 Soc=
iedade
Docent=
es e
discentes são uma pequena parcela inserida na sociedade na qual
está situada a universidade. A sociedade do futuro já d&aacut=
e;
sinais de suas inovações com as produções e
necessidades percebidas no agora. Porém, a sociedade em geral n&atil=
de;o
se resume ao perfil de quem frequenta o ecossistema da educaçã=
;o
superior.
Para a=
sociedade
cabe a devolução de pesquisas e práticas inovadores que
mobilizem o contexto para o desenvolvimento e para a qualidade de vida.
Dassoler et al. (2023, p. 4) af=
irma
que
As universidades
estão em um processo de transformação constante,
desencadeado pela necessidade de ser mais competitiva e atender às
demandas emergentes da sociedade. A avaliação é uma
atividade que conjectura a qualidade do serviço, a melhoria do proce=
sso,
o aperfeiçoamento da gestão e a prestação de co=
ntas
à sociedade.
O futuro da Universidade passa pela avaliação da raz&atil=
de;o
de ser da universidade, qual sua finalidade no contexto de uma sociedade que
evolui com velocidade e necessidades sempre distintas.
2.1.5 Uso=
de
Tecnologia
Ainda,=
como
elemento necessário para o futuro da Universidade, está o des=
afio
da mudança cultural para o uso das tecnologias. Embora o termo ̶=
0;tecnologia”
seja frequentemente associado a ferramentas virtuais, a tecnologia faz part=
e do
contexto educacional desde os períodos mais remotos. Recursos e
estratégias que facilitam a transmissão do conhecimento tamb&=
eacute;m
são tecnologias.
Contud=
o, a
realidade aumentada, a inteligência artificial e o uso de
programações e games em sala de aula dão conta da
urgência de fazer da tecnologia uma aliada no ecossistema da
educação superior.
Riedne=
r e
Pischetola (2021, p. 77) defendem que:
Pensando no contex=
to
institucional, não basta ter infraestrutura física e
tecnológica, sem que os professores recebam formação
adequada, sem que se criem grupos de trabalho para
experimentação, sem que os projetos de curso atendam às
necessidades de formação e sem levar em
consideração os estudantes, que são o foco dessa
formação.
Em vista disso, o futuro da Universidade se faz no presente, diante da realidade que já possui, por exemplo, a IA em diversas funções do cotidiano, em aplicativos e utilitários com= uns. Também o contexto da educação superior buscará oportunidades para inserir essas tecnologias a serviço dos saberes.<= o:p>
2.4 A INTELIGÊNCIA ARTIFICAL GENERATIVA
O tema da IA é comumente associado a algo extremamente contemporâneo. No entanto, desde os primórdios da computação, discutem-se e desenvolvem-se técnicas relacionadas a essa área. Em 1936, o matemático britâni= co Alan Turing criou um dispositivo chamado “A Máquina de Turing”, considerado a fundação da IA. Contudo, o termo= “Inteligência Artificial” só foi formalmente utilizado durante a Conferência Dartmouth, em 1956, por Turin= e seus pares pesquisadores (Lee, 2019; Zachary, 1= 992).
A IAG refere-se a uma subcategoria da IA que utiliza algoritmos avançados para gerar novos dados ou conteúdos seme= lhantes aos dados utilizados como treinamento.
= Lee (2018, n.p) acredita que:<= o:p>
I believe th=
at the
skillful application of AI will be China's greatest opportunity to catch-up=
-
and probably surpass - the United States. But more importantly, this shift =
will
create an opportunity for all people to discover what it is that makes us h=
uman.
=
Considerando a visão de Lee (2018) sobre as possibilidades infinitas das tecnologias envolvendo a inteligência artificial (IA) e a oportunidade de, ainda assim, descobrir o que nos torna humanos e como nos relacionamos com o mundo, torna-se necessária uma alfabetização, mesmo que inicial, acerca dos temas que consti= tuirão a base do novo mundo.
Essa tecnologia tem o potencial de transformar a mane= ira como a pesquisa acadêmica é conduzida, especialmente na identificação e análise de tendências.
A IAG é capaz de processar grandes volumes de dados e gerar insights rápidos e precisos. Utilizando redes neurais profundas, como os mode= los de aprendizado de máquina, a IAG pode criar textos, imagens, músicas e até mesmo vídeos que são indistinguíveis das criações humanas. No contexto da pesquisa acadêmica, essa tecnologia pode ser usada para distintos objetivos, apresentados a seguir.
2.4.1
Análise de Dados
A IAG pode analisar vast= as quantidades de dados de pesquisas anteriores para identificar padrõe= s e tendências emergentes. Isso facilita a compreensão de temas complexos e a previsão de futuros tópicos de interesse acadêmico.
2.4.2
Geração de Conteúdo
As ferramentas de IAG podem ser usadas para gerar rascunhos de artigos
científicos, relatórios de pesquisa e outros documentos
acadêmicos. Isso pode economizar tempo e permitir que os pesquisadore=
s se
concentrem mais nas análises críticas e na
interpretação dos dados.
2.4.3
Desenvolvimento de Hipóteses
Ao analisar dados existe= ntes, a IAG pode sugerir novas hipóteses de pesquisa, ajudando os acadêmic= os a explorarem novas áreas e questões que não haviam sido previamente consideradas.
2.4.4
Simulação e Modelagem
A IAG =
pode criar
modelos simulados de fenômenos complexos, permitindo que os pesquisad=
ores
testem teorias e experimentem diferentes cenários de maneira virtual=
.
A
combinação das capacidades da IAG com metodologias tradiciona=
is
de pesquisa, como o método Delphi, oferece uma abordagem poderosa pa=
ra a
identificação de tendências e a exploraçã=
o de
novos tópicos de pesquisa. O método ACDL, proposto neste estu=
do,
utiliza a IAG para agilizar e aprimorar o processo iterativo de coleta e
análise de dados, mantendo a eficiência do método Delphi
tradicional porém readaptando pontos-chave do método. Embora o
ACDL se inspire amplamente no método Delphi, é importante
enfatizar que ele não é uma mera adaptação do
Delphi com o uso de IAG. Por isso, o ACDL é melhor descrito, neste
momento, como uma proposta de novo método, inspirado no Delphi e no =
uso
de IAG, mantendo o fator humano como parte essencial do processo, enquanto
incorpora a eficiência e a capacidade de processamento avançad=
o da
inteligência artificial.
O uso de IAG na pesquisa acadêmica pode revolucionar a maneira co= mo os dados são analisados e interpretados, proporcionando uma ferramen= ta inovadora que potencializa a capacidade dos pesquisadores de antecipar e responder às necessidades emergentes da academia.
3 METODOLOGIA ACDL
O método de pesquisa proposto nomeado de Método ACDL, com=
bina
a estrutura colaborativa e iterativa do método Delphi com as capacid=
ades
avançadas de IAG para aprimorar a velocidade e o desempenho da pesqu=
isa.
Tradicionalmente, o método Delphi depende da consulta a um painel de
especialistas por meio de múltiplas rodadas de questionários,=
com
o objetivo de alcançar um consenso sobre questões complexas. =
Ao integrar a IAG, o processo de coleta e de análise das respost=
as
é significativamente acelerado, contribuindo para as sínteses
necessárias para a escrita acadêmica. Nesse sentido, a IAG pod=
e,
por exemplo, analisar rapidamente grandes volumes de dados qualitativos,
identificar padrões e tendências, e sugerir novas perguntas
baseadas nas respostas anteriores, tudo em tempo real. Além disso,
algoritmos de processamento de linguagem natural podem facilitar a
comunicação entre especialistas de diferentes áreas,
traduzindo e harmonizando terminologias técnicas.
Para configurar o Método ACDL foi preciso organizar os passos de=
sua
aplicabilidade. O objetivo a ser alcançado é estudar os temas=
de
relevância sobre o futuro da Universidade. Estes temas foram definidos
pelo grupo em sala de aula, já supracitado. Em seguida, foi realizad=
a a
busca de artigos em periódicos de Qualis A1 para garantir a
credibilidade dos temas. E na sequência, a aplicação das
iterações, com leitura dos artigos feita pela ferramenta de I=
AG.
As iterações só foram possíveis a partir das
formulações de prompts, isto é, os comandos iniciais p=
ara
a produção de algum conteúdo a partir da
inteligência artificial.
A ferramenta utilizada para leitura dos artigos e iteraçõ=
es
para a busca das tendências foi caracterizada com persona próp=
ria,
especialista em administração e gestão
universitária, para que a leitura dos artigos e as respostas das
iterações tivessem maior relação com as
intenções e propostas dos autores. A descrição =
da
persona para a IA é outra demonstração de que o
método ACDL busca garantir a responsabilidade dos processos às
pessoas que utilizarem, fazendo da tecnologia um instrumento de auxí=
lio
para otimização do tempo e dos processos, mas com
interferência sempre da inteligência natural para seguir valida=
ndo
os resultados.
A Figura 2 expressa em forma de diagrama os pas=
sos
do Método ACDL:
Figura 2 - Diagrama do Fluxo do
Método ACDL
![3D"Diagrama
Descrição](3D"Navus_v15_2005_arquivos/image005.gif")
Fonte: Elabo= rado pelos autores.
Assim, o
método proposto de caráter híbrido não apenas
mantém a robustez e a confiabilidade do método Delphi
tradicional, mas também melhora sua eficiência e eficác=
ia,
permitindo decisões mais rápidas e informadas em contextos de
pesquisa dinâmicos e complexos.
A justific=
ativa para
propor um novo método está na interação humana =
com
os padrões da inteligência artificial, que ocorre pela celerid=
ade
de leitura de textos e pelo levantamento de tendências que indicam as
possibilidades de pesquisa em uma determinada área.
4 RESULTADOS
O Método ACDL é uma proposta de inovação ao
estudo de tendências, já viabilizado pelo método DELPHI,
levando em conta a participação de pessoas especialistas em
fóruns, questionários e outras formas de
colaboração.
Dos resultados deste processo de desenvolvimento de método de es=
tudo
de tendências aplicado à pesquisa acadêmica, como quer
comunicar a proposta deste artigo, se destaca a promoção da
pesquisa com inovação por meio do auxílio de recursos
tecnológicos, particularmente com o uso de IAG, como instrumento que
colabora no levantamento de ideias e na celeridade de relações
dos conteúdos.
E o segundo resultado, já demonstrado,
é a participação ativa e determinante da pessoa
pesquisadora, que mantém as iterações sob sua
organização e controle, alimentando a ferramenta de IAG de ac=
ordo
com sua necessidade. A inteligência natural humana se mantém s=
ob
avaliação da comunidade científica quando resolve
apresentar seus resultados, como é o caso desta
apresentação de um novo método que se configura de man=
eira
híbrida, para as futuras relações, correç&otild=
e;es
e aprimoramentos a partir da crítica a ser desenvolvida na literatur=
a.
5 CONCLUSÃO
As conclusões preliminares indicam a viabilidade da
utilização híbrida em dissertações e tes=
es,
com uso de IAG para a busca de temas que apontem inovações e<=
span
style=3D'mso-spacerun:yes'> lacunas para a pesquisa acadê=
;mica,
possibilitando ganho de performance significativa na pesquisa cientí=
fica,
por meio de maior assertividade e agilidade no trabalho.
A elaboração de conteúdos oriundos das
iterações reflete uma evolução positiva na
literacia acadêmica, prezando por seus pilares
ético-científicos. Assim, o trabalho aqui desenvolvido permit=
iu
exemplificar, através dos termos e pesquisas realizadas, a
aplicabilidade do Método ACDL de forma pioneira e inicial.
Entre as limitações, destacam-se, especialmente, o
caráter inicial da pesquisa, a dinamicidade e o estágio
embrionário do campo da IAG, a diversidade de ferramentas de IAG
disponíveis e a necessidade de contínuo aprofundamento das
pesquisas nesse campo.
Espera-se, portanto, que este trabalho contribua no avanço do ca=
mpo
da metodologia científica, IAG e administração
universitária, trazendo uma visão particular desta realidade
debatida, colhendo elementos e proposições iniciais important=
es
para serem disponibilizados aos pesquisadores e para a Academia.
Fica aqui também registrado que há
muito o que se estudar neste campo, não tendo sido possível
avançar ainda mais neste momento. Entretanto, novos projetos de
pesquisa, especialmente no que se refere a compreender “quais os risc=
os e
potencialidades associados a uma abordagem de pesquisa híbrida”=
; e
“como este processo pode direcionar as pesquisas nas
universidades”, devem ser desenvolvidos para continuar avançan=
do
neste campo de estudo.
REFERÊN= CIAS
COMISSÃO EUROPEIA. E= VALSED - A Avaliação do Desenvolvimento Socioeconómico. Disponível em: https://www.adcoesao.pt/wp-content/uploads/guia_avaliacao_desenvolvimento_s= ocioeconomico.pdf. Acesso em 06 jun. 2024.
DASSOLER,
F. E.; TRIERWEILLER, A. C.; FERENHOF, H. A.; KONRATH, A. C.; VICENZI, S. L.
Indicadores da terceira missão universitária: perspectivas pa=
ra
mensurar as contribuições das universidades para a sociedade.=
Educação
em Revista, 39, 2023. Disponível em:
https://periodicos.ufmg.br/index.php/edrevista/article/view/36619/38691.
=
ZACHARY, G. P. Apple Unveils Breakthrough In
Technology: Macintosh Model Responds To Spoken Commands Using Plain Languag=
e,
Nova York, 24 fev. 1992. The Wall Street Journal, p. 1 col. 1 - 3.
LEE, Kai-Fu. AI superpowers: China, Silicon Valley, and the new world or=
der.
Boston: Houghton Mifflin Harcourt,
2018.
LEE,
Kai-Fu; Inteligência artificial: como os robôs estão
mudando o mundo, a forma como amamos, nos relacionamos, trabalhamos e vivem=
os.
[=
s.l.]
Globo Livros, 2021.
=
LEE, Kai-Fu. How AI can s=
ave our
humanity. [s.l.: s.n.], 1534172188.
Disponível em:
https://www.ted.com/talks/kai_fu_lee_how_ai_can_save_our_humanity. Acesso em: 19 jul. 2024.
=
GORDON, T. J. The Delphi = Method. The Millenium Project - Futures Research Methodology. 1994.
FREITAS, M. C.; ÉSTHER, A. B.; SANTOS, J. C. Diversidade, estigmatização e pertencimento no contexto universitário. Cader= nos de Pesquisa, 53, 2023. Disponível em: https://publicacoes.fcc.org.br/cp/article/view/9940. Acesso em: 08 jun. 202= 4.
MARQUES, J. B. V.; FREITAS, D. F.. M&eacut= e;todo DELPHI: caracterização e potencialidades na pesquisa em Educação. Pro= posições, v. 29, n. 2 (87), p. 389-415, maio/ago. 2018. Disponível em: https://www.scielo.br/j/pp/a/MGG8gKTQGhrH7czngNFQ5ZL/?lang=3Dpt. Acesso em:= 28 jun. 2024.
MELO, G.F.; CAMPOS, V. T. B. Pedagogia universitária: por uma política institucional de desenvolvime= nto docente. Cadernos de Pesqui= sa, v.49, n.173, p. 44–63, 2019. Disponível em: https://publicacoes.fcc.org.br/cp/article/view/5897. Acesso em: 03 jul. 202= 4.
UNIVERSIDADE FEDERAL DE SANTA CATARINA (UFSC). Desafios da inovação em gestão universitária. (Plano de Ensino). 2024.
RIEDNER, D. D. T.; PISCHETOLA, M. A inovação das práticas pedagógicas com uso de tecnologias digitais no ensino superior: um estudo no âmbito da formação inicial de professores. ETD - Educação Temática Digital, Campinas,= SP, v. 23, n. 1, p. 64–81, 2021. Disponível em: https://periodicos.sbu.unicamp.br/ojs/index.php/etd/article/view/8655732. Acesso em 08 jun. 2024.
TERRA, J. C. C. et al. Taxonomia: elemento fundamental para a gestão do conhecimento. 2005. Disponível em: http://paginapessoal.utfpr.edu.br/mansano/arquivos/taxonomia.pdf. Acesso em= : 05 jun. 2024.