Denúncias acadêmicas: como relatar plágio e má conduta de IA de forma ética [guia de 2026]

a denúncia acadêmica é o ato de relatar suspeita de plágio, uso indevido de IA ou má conduta de pesquisa às autoridades apropriadas. Em 2026, com o conteúdo gerado por IA chegando a 92% das taxas de uso dos alunos[1], o denúncia se tornou essencial para manter os padrões acadêmicos. No entanto, os denunciantes enfrentam riscos significativos: retaliação (18 a 30% de ações adversas)[2], isolamento social e danos na carreira. Este guia fornece estratégias baseadas em evidências para relatar más condutas eticamente, confidencialmente e com segurança, incluindo procedimentos passo a passo, proteções legais, rotas institucionais e plataformas anônimas. Descobrimentos principais: Documente tudo antes de relatar; Use primeiro canais confidenciais; Compreenda a política da sua instituição; Procure aconselhamento jurídico com antecedência; E saiba que a retaliação é ilegal (mas comum). Proteja-se enquanto protege a integridade acadêmica.

O que é denúncia acadêmica?

Denunciar acadêmico significa relatar má conduta observada ou suspeita de má conduta em ambientes educacionais ou de pesquisa. Isso inclui:

• Plágio: Copiando o trabalho de outras pessoas sem atribuição, incluindo texto, dados, imagens ou ideias
• Má conduta da IA: Enviando conteúdo gerado por IA como trabalho original sem divulgação[3]
• Frause de pesquisa: Fabricação de dados, falsificações de resultados ou autoria inadequada
• A trapaça de contratos: usando fábricas de ensaios ou serviços pagos para concluir as tarefas
• ** Trapaça do exame:** Usando materiais não autorizados durante as avaliações

O contexto de 2026: por que a denúncia é mais complexa agora

O cenário de integridade acadêmica mudou drasticamente:

1. A detecção de IA é imperfeita — Taxas de falsos positivos de 6 a 20% significam que o trabalho legítimo é sinalizado[4], criando dilemas éticos sobre a notificação
2. As políticas institucionais variam amplamente — algumas universidades proíbem totalmente a IA; Outros exigem divulgação; Muitos não têm regras claras
3. Diferenças jurisdicionais — U.S. FERPA, UE GDPR, Office of the Independent Adjudicator (OIA) do Reino Unido, todos lidam com casos de forma diferente
4. A retaliação do denunciante permanece predominante — Estudos mostram que 18-30% dos denunciantes acadêmicos experimentam consequências adversas[5]

A pergunta moral: Quando é é necessário fazer um relatório e quando denúncia pode causar mais mal do que bem?

Quando você deve relatar? Estrutura de tomada de decisão ética

Nem toda violação suspeita requer relatórios formais. Use esta estrutura:

Etapa 1: avaliar o nível de certeza

Crítica: As pontuações do detector de IA sozinhas são Evidências insuficientes. A orientação de Turnitin para 2026 afirma explicitamente que as pontuações são “pontos de partida para investigação, não provas definitivas”[6]. Muitas universidades agora exigem revisão humana antes de qualquer acusação.

Passo 2: Considere as motivações

Pare e reflita: você está relatando porque:

• ✅ Você acredita na justiça e integridade acadêmica?
• ✅ A má conduta prejudica seriamente o valor da credencial?
• ✅ Você tem evidências, não apenas suspeitas?

Bandeiras vermelhas:

• ❌ Conflito pessoal com o indivíduo
• ❌ Vantagem Competitiva (classificação de notas, competição de bolsas de estudo)
• ❌ Vingança ou retaliação por questões não relacionadas

Princípio ético: A denúncia deve resolver prejudicar a integridade da instituição, não queixas pessoais.

Etapa 3: avaliar o dano versus o benefício

As questões de proporcionalidade: Relatar todos os pequenos erros de citação cria um ambiente tóxico. Concentre-se na má conduta substantiva e prejudicial.

Como relatar: procedimentos passo a passo

Fase 1: Preparação (antes de relatar)

Faça isso primeiro — protege e fortalece seu caso:

1. Proteger todas as evidências (sem violar as leis de privacidade):
   • Salvar cópias do trabalho suspeito
   • Documentar relatórios do detector de IA (se usado)
   • Capturar URLs de correspondência de plágio e similaridade Relatórios
   • Grave as datas, horários e observações específicas em um log privado
   • Faça capturas de tela (com timestamps visíveis)
2. Conheça a política da sua instituição:
   • Pesquisa: “[University Name] Política de Integridade Acadêmica”
   • Procure procedimentos de notificação, definições de má conduta, ônus da prova, padrões de denunciante
   • Pergunta-chave: Sua universidade trata a detecção de IA como evidências prima facie, ou exigindo corroboração?
3. Entenda os canais de relatórios (classificado por formalidade):

4. Consulte o suporte jurídico/sindical antes de relatar:
   • Faculdade: entre em contato com seu sindicato ou associação profissional
   • Alunos: verifique se sua universidade tem um escritório de assistência jurídica estudantil
   • Entenda sua Direitos: Nos EUA, a FERPA protege os registros educacionais; As disposições de denunciantes em várias leis protegem os funcionários de denúncia[8]

Fase 2: fazer o relatório

Estruture seu relatório para o sucesso:

Elementos necessários (adaptação de modelos universitários)

<code>1. YOUR INFORMATION
  - Name, role, contact (consider: do you want anonymity?)
  - Relationship to the case (instructor, TA, fellow student)

2. SUBJECT OF REPORT
  - Student/researcher name, ID number, department
  - Course name/number, assignment title, date of submission
  - Specific portions suspected (page numbers, sections)

3. ALLEGATION
  - **Type of misconduct:** plagiarism / AI-generated content / data fabrication / etc.
  - **Description:** What specifically happened (be factual, not emotional)
  - **Evidence:** Enumerate each piece with brief explanation

4. EVIDENCE ATTACHMENT
  - Original suspect work (PDF)
  - Plagiarism report (Turnitin, Scribbr, etc.)
  - AI detection report (if used) — note limitations
  - Comparison showing similarities
  - Timeline of events (when you discovered, prior incidents if any)

5. REQUESTED ACTION
  - What outcome do you want? (investigation, re-assessment, etc.)
  - Note: investigators decide, not you — but indicate severity
</code>

Importante: A maioria das universidades exige relatórios escritos dentro de prazos específicos (geralmente 5-15 dias úteis após a descoberta)[9]. Não demore.

Exemplo de linguagem para relatórios de má conduta de IA

“Em 15 de março de 2026, o aluno X enviou y para [Course Z]. Uma verificação preliminar usando [Tool Name] indica uma probabilidade de 95% de conteúdo gerado por IA nas seções A, B e C (consulte o relatório em anexo). O estilo de escrita mostra características consistentes com a saída do modelo de linguagem grande: altamente Parágrafos estruturados, falta de voz pessoal e frases genéricas de transição. As instruções de atribuição exigiam trabalho original e assistência proibida de IA. Recomendo uma investigação que inclua: (1) revisão do registro de data e hora em relação a outras atribuições; (2) solicitação de documentação do processo (esboços, rascunhos); (3) Exame oral para avaliar a compreensão dos conceitos. Preservei a submissão original e estou disponível para fornecer mais informações.”

Por que isso funciona:

• Factual, não acusatório
• Políticas específicas de referências (proibição da IA)
• sugere etapas de investigação proporcional
• Fornece uma trilha de evidências claras

Fase 3: após o envio – gerenciando o processo

1. Obter confirmação — peça um número de caso e um contato do investigador. Mantenha registros de toda a comunicação.
2. Solicite o anonimato (se desejado) — a maioria dos processos permite relatórios confidenciais, mas o verdadeiro anonimato é raro. Relatórios anônimos podem receber menos peso se você não puder ser entrevistado.
3. Cooperação vs. Controle — Forneça evidências prontamente, mas deixe a instituição conduzir seu processo. Não investigue a si mesmo (risco de assédio).
4. Retaliação do Documento — Se você tiver um tratamento adverso (mudanças de classificação, exclusão, etc.), registre as datas e as testemunhas imediatamente. Relate a retaliação como uma violação separada.

Proteções de denunciantes: que leis cobrem você?

Estados Unidos

Realidade prática: As proteções de denunciantes dos EUA são fragmentadas e incompletas. A maior parte da proteção vem de políticas institucionais, não de direito. Os professores com posse têm salvaguardas mais fortes; Estudantes e adjuntos são vulneráveis.

União Europeia (GDPR e diretiva de denúncia)

A Diretiva de Proteção aos Denunciantes da UE (2019/1937) exige que todos os Estados-Membros:

• Estabeleça canais de relatórios independentes para má conduta acadêmica/pesquisa
• Proteja os repórteres da retaliação (perda de emprego, assédio, classificação injusta)
• Fornecer suporte legal e danos por retaliação comprovada
• Garantir a confidencialidade (identidade compartilhada apenas com base na necessidade de saber”)

Vantagem principal: A lei da UE cria Causas legais de ação — você pode processar por retaliação.

Reino unido

• Escritório do Adjudicador Independente (OIA) — Os alunos podem reclamar sobre injustiça processual, incluindo retaliação
• Lei de Divulgação de Interesses Públicos 1998 — Protege os trabalhadores que relatam “divulgações protegidas” (infrações criminais, riscos de saúde/segurança, danos ambientais, erros de justiça)
• Escritório de Integridade de Pesquisa do Reino Unido (UKRIO) — fornece orientação, mas não pode ser forçada

Observação: Os tribunais do Reino Unido interpretam a “divulgação protegida” de forma restrita — a má conduta acadêmica pode não se qualificar, a menos que seja fraude ou risco à saúde pública.

Austrália e Canadá

• Austrália: Lei de Divulgação de Interesse Público (CTH) abrange pesquisas financiadas pela Commonwealth; As leis estaduais variam
• Canadá: Lei de Proteção à Divulgação de Servidores Públicos (Funcionários Federais); As províncias têm estatutos limitados de denunciantes

Políticas institucionais: sua primeira linha de defesa

Antes de denunciar, leia a política da sua instituição — procure por:

• Definição de má conduta — O uso de IA é claramente definido como má conduta?
• Cauço da Prova — requer “preponderância de evidência” (mais provavelmente do que não) ou “claro e convincente”?
• Cláusula WhistleBlower — Declaração de anti-retaliação explícita?
• Direitos de recurso — O repórter pode apelar de um resultado desdenhoso?
• Disposições de Confidencialidade — Como sua identidade é protegida?

Bom exemplo de política (Utrecht University):

“Os denunciantes não sofrerão nenhuma forma de retaliação, intimidação ou discriminação. Os relatórios podem ser feitos anonimamente por meio do ombudsman designado. As investigações serão conduzidas por um comitê independente que não envolve o supervisor direto do acusado.” [Source: Utrecht University Academic Integrity Policy]

Flante vermelha de má política:

• Nenhuma menção à proteção do denunciante
• Os investigadores se reportam ao chefe do departamento do acusado (conflito de interesse)
• Limites de tempo para relatórios muito curtos (por exemplo, 3 dias)

Mitigação do risco: protegendo-se da retaliação

Por que a retaliação acontece (e por que é difícil provar)

A retaliação na academia geralmente assume formas sutis:

• Avaliação adversa de seu próprio trabalho (retaliação disfarçada de julgamento acadêmico)
• Exclusão social de grupos de pesquisa, conferências, colaborações
• Negação de oportunidades (financiamento, tarefas de ensino, cartas de recomendação)
• assassinato de personagem (rumores, narrativas de “desempenho ruim”)
• lista negra — Compartilhamento informal de informações negativas entre as instituições

Provar que é causado é o desafio. Você deve mostrar: (1) Você fez um relatório protegido; (2) ocorreu uma ação adversa; (3) a proximidade temporal sugere conexão; (4) Nenhuma explicação alternativa legítima.

Estratégias de proteção proativa

Baseado nas melhores práticas da ENRIO (European Network for Research Integrity) e de grupos de defesa do Whistleblower:

antes de relatar

1. Documente seu próprio trabalho impecável — Mantenha registros perfeitos de sua pesquisa, atribuições e comunicações. Isso faz de você um alvo mais difícil.
2. Secure Evidências Pessoais Off-Site — Armazene cópias de evidências em dispositivos pessoais e contas em nuvem fora sistemas universitários. As universidades podem acessar suas contas institucionais.
3. Conheça seus aliados — quem o apoiaria? Representante do sindicato, professor de confiança, ombudsman? Construa relacionamentos antes da crise.
4. Considere o tempo — relatórios durante a semana das finais, antes das decisões de promoção ou durante as avaliações de subsídios podem aumentar o risco percebido de danos e retaliação.

Durante a investigação

5. Solicite atualizações de status por escrito — crie uma trilha de papel mostrando que você está engajado, mas não interferindo.
6. Evite discutir o caso publicamente — não desabafe nas mídias sociais; Pode minar a confidencialidade e ser usado contra você.
7. Manter o desempenho alto — Continue se destacando em suas classes/trabalho para remover o “desempenho” como pretexto para retaliação.
8. Denunciar retaliação imediatamente — Se você tiver um tratamento adverso, faça uma reclamação separada de retaliação. No momento em que você o tolera, ele se normaliza.

Após a resolução (ganhar ou perder)

9. Planejar contingências — Atualize seu currículo, explore as opções de transferência, faça uma rede externamente. Não assuma que você permanecerá no mesmo departamento se o caso dividir os relacionamentos.
10. Procure apoio psicológico — A denúncia é estressante. As universidades geralmente têm serviços de aconselhamento confidencial. Use-os sem revelar detalhes, se possível.
11. Considere advogados — Se ocorrer retaliação, consulte um advogado de emprego/administração antecipadamente. Aplicam-se estatutos de limitações (geralmente 90 a 180 dias para reclamações administrativas).

Relatórios anônimos vs. confidenciais: o que é mais seguro?

2026 Plataformas que permitem True Comunicação bidirecional anônima: Face para cima, software de denúncia, SpeakUP (permitir que os investigadores enviem respostas criptografadas sem revelar identidade)[10].

Ferramentas e recursos práticos

Modelos de documentação

Modelo de registro de evidências:

<code>Date/Time: [YYYY-MM-DD HH:MM]
Location: [Physical or Virtual]
Observation: [What you saw/heard/read — be specific, quote when possible]
People Involved: [Names, roles]
Document Reference: [File path, URL, or physical location]
Witnesses: [Who else might have observed?]
Confidence Level: [High/Medium/Low + reasoning]
</code>

Modelo de rascunho de relatório: (adaptação do formulário oficial da sua instituição — consulte o Apêndice A para o modelo genérico)

Plataformas de denúncias anônimas (2026)

Essas plataformas especializadas atendem aos padrões da diretiva de denúncias da UE e fornecem canais seguros:

1. FaceUp — compatível com GDPR, usado por mais de 5.000 organizações, mensagens multilíngues e anônimas de duas vias[11]
2. Software WhistleBlower (Formalizar) — Certificado ISO 27001, gerenciamento de casos, integra-se aos sistemas de RH existentes[12]
3. Speakup — triagem com inteligência artificial, suporta mais de 80 idiomas, app móvel disponível[13]
4. allVoices — foco em relações com funcionários, chats anônimos, análise de tendências[14]
5. safe2say (popular nas escolas/universidades australianas) — Serviço independente externo[15]

Observação: Sua instituição já pode licenciar um deles. Verifique o site deles antes de usar plataformas externas — os canais internos podem ser necessários primeiro.

Organizações de suporte

• Grupo de Trabalho de Apoio às Vítimas do ENAI — A European Network for Academic Integrity fornece conselhos aos denunciantes que enfrentam a retaliação[16]
• National Whistleblower Center (EUA) — Recursos legais, relatórios de orientação, encaminhamentos de advogados
• Escritório de Integridade de Pesquisa do Reino Unido (UKRIO) — orientação, mas fiscalização limitada
• Seu sindicato do corpo docente/estudantes — geralmente tem consultores jurídicos dedicados para casos de denúncias

O desafio de detecção de IA: considerações especiais para 2026

A má conduta gerada por IA requer Atenção Extra devido à falta de confiabilidade do detector:

Verificação da realidade da precisão da detecção de AI (2026 benchmarks)

Insight-chave: Os detectores de IA devem ser Ferramentas de triagem, não evidências. Uma pontuação alta justifica a investigação, mas não a acusação. O consenso de 2026 entre os profissionais de integridade acadêmica: “Construa um caso sobre o processo de escrita, não na pontuação do detector”[18].

Fluxo de trabalho de relatórios seguros para má conduta de IA

1. Pré-verificar com a ferramenta alinhada acadêmica — execute o trabalho suspeito por meio de prova ou similar para verificar as descobertas do detector
2. Examine as evidências do processo de redação — Pedido do instrutor/aluno:
   • Histórico da versão do Google Docs (linha do tempo das edições)
   • Esboços, notas de pesquisa, declarações de tese
   • Trabos com desenvolvimento progressivo
   • Capacidade de explicar o raciocínio com suas próprias palavras (exame oral)
3. Procure marcas da IA além dos detectores:
   • Falta de voz pessoal ou referências específicas do curso
   • Declarações genéricas e vagas que podem ser aplicadas a qualquer tópico
   • Estrutura perfeita sem imperfeições humanas (repetições, digressões, coloquialismos)
   • Vocabulário avançado inconsistente com o nível demonstrado do aluno
4. Documente tudo — Crie uma linha do tempo comparando a pontuação do detector de IA com os artefatos do processo de escrita

Não denuncie com base apenas em:

• ❌ A pontuação de um único detector (até 99%)
• ❌ “leia como ai” sem exemplos específicos
• ❌ Diferenças estilísticas pessoais (algumas pessoas escrevem com precisão)

Quando o uso de IA é permitido (tendências de 2026)

Muitas universidades agora têm políticas de uso de IA que distinguem o uso inaceitável do que é aceitável:

Golden Rule: Em caso de dúvida, Disclose. Muitas instituições agora exigem uma “declaração de uso de IA” em cada atribuição. A falha em divulgar As assistências de IA conhecidas normalmente é má conduta, mesmo que a IA tenha sido usada apenas para tarefas menores.

Estudos de caso do mundo real: o que acontece depois de relatar?

Caso 1: o padrão de plágio (aviso de estudante)

Cenário: Maria, uma estudante de pós-graduação, descobriu que uma colega de classe em sua coorte enviou repetidamente ensaios comprados na mesma fábrica de ensaios. Ela tinha capturas de tela mostrando estrutura idêntica, frases repetidas e erros “únicos” idênticos em várias atribuições.

Ações tomadas:

1. Documentou cada instância com datas, URLs e comparações lado a lado
2. Consultou o Diretor do Programa de Pós-Graduação (confidencialmente)
3. enviou um relatório formal ao Escritório de Integridade Acadêmica com seu registro de evidências
4. Anonimato solicitado (instituição acordada)

Resultado:

• Investigação da universidade confirmou a trapaça de contratos por meio da análise do estilo de escrita e do rastreamento do endereço IP
• Colega expulso, grau revogado retroativamente nos semestres anteriores
• Maria não recebeu nenhuma retaliação; Diretora do programa elogiou sua integridade
• Fator-chave: Evidência clara e objetiva + vontade institucional de agir

Caso 2: o falso positivo da IA (anunciante do corpo docente?)

Cenário: O professor Lee suspeitou que seu assistente de ensino, Alex, usasse o ChatGPT para elaborar o feedback dos alunos. Os comentários de Alex eram extraordinariamente genéricos e repetitivos. No entanto, Alex também é um falante não nativo de inglês.

Ações tomadas (após a consulta às diretrizes da Enrio):

1. Não relatou suspeitas de IA — Em vez disso, o professor Lee pediu a Alex que fornecesse notas do processo (como ele escreveu feedback) por uma semana
2. Notas revisadas: descobri que Alex usava frases de modelo, mas personalizava cada uma com detalhes específicos do aluno
3. Descobri que o estilo “repetitivo” de Alex se deve ao vocabulário limitado do inglês, não à IA

Resultado:

• Nenhum relatório arquivado, nenhuma acusação
• Professor Lee providenciou para que Alex fizesse uma oficina de redação de negócios
• Alex se sentiu apoiado, não acusado
• Insights-chave: Considere explicações alternativas antes de relatar, especialmente para indivíduos ESL/neurodivergentes

Caso 3: o incidente de retaliação (a denunciante sofre consequências)

Cenário: Dr. Chen relatou a fabricação de dados em um pedido de subsídio de um colaborador ao escritório de integridade de pesquisa da universidade. O relatório foi enviado de forma confidencial. Seis meses depois, o Dr. Chen foi negado com o mandato e removido do grupo de pesquisa.

Ações tomadas:

1. Documentou a linha do tempo: Data do relatório → Remoção do projeto → Revisão negativa no meio do ciclo → Negação de posse
2. Consultou um advogado trabalhista especializado em casos acadêmicos de denunciante
3. Registrou uma reclamação de retaliação junto ao Escritório do Inspetor Geral (implicações da concessão federal)
4. Chegou ao acordo com a universidade: danos de $ 250.000, referência neutra, espaço de pesquisa restaurado

Aula chave: A retaliação é real, mas existem remédios legais. A documentação imediata e o aconselhamento jurídico especializado são essenciais.

O que recomendamos: sua árvore de decisão

<code>Are you certain of misconduct?
├─ No → Gather more evidence, consult confidentially, don't report yet
└─ Yes → Is harm serious enough to warrant investigation?
  ├─ No (minor citation issues, stylistic preferences) → Let it go
  └─ Yes → What type?
  ├─ Plagiarism/contract cheating → Report (high confidence)
  ├─ AI misuse → Verify with process documentation first
  ├─ Research fraud → Report to research integrity officer (strongest protections)
  └─ Unclear → Consult institutional ombudsman before deciding
</code>

Escolher o canal de relatórios:

• Alunos: Comece com o escritório de integridade acadêmica ou ombudsman. Evite ir diretamente ao departamento se você tem medo de avaliar a retaliação.
• Faculdade: Representante do sindicato primeiro, depois presidente (se for seguro), depois Dean. Os professores titulares têm mais proteção.
• Funcionários do laboratório: Oficial de integridade da pesquisa (proteção federal) ou linha direta de denúncia de RH.

Lista de verificação: antes de clicar em “Enviar” nesse relatório

• Conservei todas as evidências com segurança (fora dos sistemas universitários)?
• Eu li atentamente a política de integridade acadêmica da minha instituição?
• Eu considerei explicações alternativas (aus falsos positivos, diferenças culturais, neurodivergência)?
• Consultei confidencialmente com alguém (ombudsman, sindicato, advogado) antes do envio formal?
• Meu relatório é factual e específico, não é emocional ou acusatório?
• Solicitei as etapas de investigação apropriadas (revisão do processo, exame oral)?
• Eu documentei meu próprio desempenho para me defender contra uma retaliação potencial?
• Eu sei como relatar retaliação se ocorrer?
• Informei uma pessoa de suporte confiável (parceiro, amigo) sobre o que estou fazendo caso precise de um teste de álibi/personagem?

Se você não conseguir verificar pelo menos 8 itens, adie os relatórios até que esteja melhor preparado.

Conclusão: integridade requer coragem, mas um planejamento inteligente

A denúncia acadêmica é eticamente necessária quando uma má conduta grave ameaça a credibilidade dos diplomas e pesquisas. No entanto, a denúncia não é um impulso espontâneo – é uma decisão estratégica que requer preparação, evidências e autoproteção.

2026 Takeaways:

1. As pontuações de detecção de IA por si só são insuficientes — Evidências do processo de demanda
2. A retaliação é ilegal, mas comum — Documente tudo, conheça seus direitos
3. Use plataformas anônimas se o medo for extremo — Face para cima, SpeakUp, Software de denúncia
4. As políticas institucionais variam muito — leia atentamente a sua antes de agir
5. Você pode relatar confidencialmente sem total anonimato — protege você enquanto permite a investigação
6. Procure um advogado do sindicato antecipadamente — protege seus direitos

Conselheiros finais: Se você vir fraude ou trapaça graves, Relate. Mas faça isso Certo: Construa um caso baseado em evidências, use canais adequados, proteja-se. Como afirma o Manual da Enrio: “A coragem moral na academia deve ser fomentada, mas os denunciantes também devem ser sábios”[19].

Guias relacionados

• Como documentar seu processo de redação: evidências de defesa da acusação de IA
• Direitos dos alunos quando acusados de trapaças em IA: devido processo legal e proteções legais 2026
• Detecção de falsos positivos para IA: estatísticas, causas e estratégias de defesa do aluno 2026
• Cadeia de custódia para trabalhos acadêmicos: provando a autoria do rascunho ao envio
• AI como co-autor: Diretrizes para a transparência na publicação acadêmica

Apêndice A: Modelo de relatório genérico de má conduta acadêmica

<code>[Your Name] (Optional: "Confidential Reporter")
[Your Role] (Student/Faculty/Staff)
[Contact Information]

RE: FORMAL REPORT OF ACADEMIC MISCONDUCT

1. SUBJECT:
  Name: 
  ID Number:
  Department/Program:

2. INCIDENT IDENTIFICATION:
  Course/Assessment:
  Date of Submission:
  Specific Sections/Pages Suspected:

3. NATURE OF MISCONDUCT (check all that apply):
  □ Plagiarism (unattributed text/ideas)
  □ AI-Generated Content (without disclosure)
  □ Data Fabrication/Falsification
  □ Contract Cheating (essay mill)
  □ Authorship Misrepresentation
  □ Other: _______________

4. EVIDENCE SUMMARY:
  [Attach supporting documents separately. List each attachment with brief description.]

5. REQUESTED ACTION:
  [ ] Formal investigation
  [ ] Review without formal charges
  [ ] Educational intervention (first-time, minor)
  [ ] Other: _______________

6. ADDITIONAL COMMENTS:
  [Any context about timing, pattern, or institutional policy references]

Date: _______________
Signature: _______________
</code>

Precisa de ajuda? Entre em contato com o Provedor de Justiça de sua instituição, o Escritório de Integridade Acadêmica ou o Sindicato dos Estudantes para relatar assistência. Muitas universidades oferecem consultas confidenciais antes de você decidir se quer registrar um relatório formal.

Observação: Este guia fornece informações gerais, não aconselhamento jurídico. Para casos específicos, consulte um advogado especializado em proteções acadêmicas de denunciantes em sua jurisdição.

Fontes & Citações

[1]: Pesquisa de alunos da HEPI 2025: https://www.hepi.ac.uk/reports/student-academic-experience-survey-2025/ — mostra 92% dos alunos relatando o uso de IA Em trabalho acadêmico
[2]: Manual da Enrio sobre proteção de denúncias em pesquisa (2023): https://oeawi.at/wp-content/uploads/2023/08/2023-enrio_handbook-on-whistleblower-protection-in-research.pdf — documentos . Taxas de retaliação de 18 a 30% em ambientes acadêmicos
[3]: Política de IA da Universidade do Sunshine Coast: “A AI substitui seu pensamento, gera conteúdo que você reivindica como seu, constitui uma má conduta acadêmica, independentemente da divulgação” https://library.up.ac.za/c.php?g=1509323&p=11285652
[4]: ZeroGPT Review 2026: Limitações expostas pela pesquisa — https://hub.paper-checker.com/blog/zerogpt-review-limitations-2026/ — documenta taxas de falsos positivos de até 20% de falantes não nativos
[5]: Retaliação do denunciante, denunciante.gov: https://www.whistleblowers.gov/sites/default/files/2016-11/wpac_bpr_42115.pdf
[6]: Turnitin AI Notas da versão do Modelo de Detecção de Gravação 2026: https://guides.turnitin.com/hc/en-us/articles/2829494944717-ai-writing-detection-model
[7]: Proteção do denunciante NSF: https://www.nsf.gov/oig/ — Proteções federais para denunciar fraudes de subsídios
[8]: Proteção do Depto de Trabalho dos EUA Programa: https://www.dol.gov/general/topics/whistleblower
[9]: Procedimentos de má conduta acadêmica do estudante da Universidade de Otago: https://www.otago.ac.nz/administration/policies/policy-collection/student-academic-misconduct-procedures — janela de relatórios de 5 dias
[10]: Plataforma de software de denúncias: https://whistleblowersoftware.com/en — Comunicação bidirecional
[11]: face para cima https://www.faceup.com/en — plataforma compatível com GDPR
[12]: Whistleblower Software Review 2026: https://www.gartner.com/reviews/market/whistleblowing-software
[13]: Plataforma SpeakUp AI: https://www.speakup.com
[14]: Plataforma do AllVoices Workplace: https://www.allvoices.com
[15]: Safe2Say Reportagem externa: https://safe2say.com.au
[16]: Grupo de Trabalho de Suporte a Vítimas da ENAI: https://academicintegrity.eu/victims/
[17]: Pesquisa HEPI 2025 sobre precisão de detecção de IA: https://www.hepi.ac.uk/reports/student-generative-ai-survey-2025/ — documenta falsos positivos mais altos para escritores não nativos
[18]: mcompton.uk, “Imconduta de IA e acadêmica: algum contexto e provocações” (2026): https://mcompton.uk/2026/01/05/ai-and-academic-misconduct-some-context-and-provocations/
[19]: Enrio Handbook on Whistleblower Proteção, P. 18: https://oeawi.at/wp-content/uploads/2023/08/2023-enrio_handbook-on-whistleblower-protection-in-research.pdf