AI e revisão por pares: detectando manuscritos gerados por IA na publicação acadêmica

TL;DR: Os editores acadêmicos capturaram 129 artigos gerados por IA em uma única varredura de periódicos em 2025, mas a detecção permanece imperfeita. Os principais editores (Elsevier, Wiley, Springer) agora exigem divulgação de IA, mas 21% das próprias avaliações por pares são geradas por IA. Os falsos positivos afetam desproporcionalmente os falantes de inglês não nativos. Os editores contam com uma combinação de ferramentas de detecção (Turnitin, CopyLeaks), forense manuscrito (história da versão, verificação de citação) e conhecimentos humanos. O consenso: as pontuações de detecção de IA são sinais de risco, não provas – a corroboração de evidências é essencial antes das acusações.

Introdução: A crise do manuscrito de IA está aqui

O mundo editorial acadêmico está enfrentando um desafio sem precedentes: manuscritos gerados por AI inundando periódicos revisados por pares. Em 2025, um único jornal retraiu 129 artigos – principalmente de uma única instituição – depois de descobrir conteúdo generalizado gerado por IA [kwglobal.com]. A Nature relatou que dezenas de milhares de publicações de 2025 podem conter citações inválidas de alucinações por IA [Nature, 2026].

Mas o problema é mais profundo do que os autores que enviam artigos escritos por IA. Um estudo chocante descobriu que 21% das revisões de pares no ICLR (Conferência Internacional sobre Representações de Aprendizagem) foram geradas pela AI [Manusights, 2025]. Isso cria um paradoxo: a IA é o contaminante e a ferramenta destinada a pegá-la.

Para editores, revisores e pesquisadores que navegam por esse cenário em 2026, entendendo como detectar manuscritos gerados por IA – evitando falsos positivos que prejudicam os estudiosos legítimos – não são mais opcionais. Este guia sintetiza as políticas atuais do editor, metodologias de detecção e estruturas éticas para ajudá-lo a manter a integridade da pesquisa na era da IA.

Como os editores detectam manuscritos gerados por IA: a abordagem de várias camadas

Os editores líderes não dependem de um único método. Eles combinam Ferramentas Tecnológicas, Manuscript Forensics e Expertise Humana em um processo de triagem de três níveis.

Nível 1: scanners de detecção de IA automatizados

Os editores integram as ferramentas de detecção de IA diretamente em seus sistemas de envio de manuscritos. As plataformas mais comuns incluem:

• Detecção do Turnitin AI: integrado aos fluxos de trabalho editoriais; Bandeiras de texto com perplexidade/padrões de burstiness característicos de LLMs
• CopyLeaks AI Detector: reivindica 94-97% de precisão com forte suporte multilíngue
• Originality.ai: usado por alguns editores para uma digitalização abrangente
• GPTZero: ocasionalmente usado para pré-seleção devido a uma quebra transparente

Limitação crítica: Todas as ferramentas têm falsas taxas positivas de 1-3% na escrita humana bruta, e a precisão cai para 60-80% no conteúdo de IA editado [Benchmark Study, 2026]. A escrita em inglês não nativa enfrenta 2-5x taxas de falsos positivos mais altas [Stanford HAI].

Nível 2: Manuscrito Forense

Além dos detectores de IA, os editores qualificados examinam:

Verificação de citações

• Ferramentas de IA, como o chatgpt, freqüentemente alucinam citações—fabricando artigos, autores ou DOIs inexistentes. A Nature encontrou Dezenas de milhares das publicações de 2025 contêm referências inválidas geradas por IA [Nature, 2026].
• Editores cruzam as citações contra Crossref, PubMed, Google Scholar. Os DOIs ausentes ou títulos não correspondentes indicam uma geração potencial de IA.

Análise do histórico da versão

• Os autores são cada vez mais solicitados a enviarem Documentação do processo de redação: rascunhos, contornos, registros de revisão.
• Mudanças repentinas no estilo de escrita entre as seções sugerem vários autores ou assistência à IA.

figura/imagem forense

• Figuras geradas por IA geralmente contêm artefatos sutis. Alguns periódicos agora exigem Dados brutos originais para todas as imagens.
• Ferramentas de detecção de AI para imagens (como moderação de colmeia) Sinalizar gráficos gerados por AI.

Exame de metadados

• Carimbos de data e hora de envio: um manuscrito completo carregado em minutos é suspeito.
• Propriedades do arquivo: datas de criação/modificação que não se alinham com a linha do tempo de gravação reivindicada.

Nível 3: Expertise Humana & Julgamento do revisor

Nenhuma ferramenta substitui o julgamento do revisor experiente. Bandeiras vermelhas que desencadeiam uma investigação mais profunda:

• Consistência de formatação incomum: o texto gerado pela IA geralmente tem uma estrutura perfeita, mas não possui variação natural
• Declarações genéricas: a IA tende a afirmações vagas e amplamente aplicáveis sem nuances específicas
• Voz inconsistente: mudanças no nível de vocabulário, complexidade da frase ou terminologia
• Conhecimento inespecífico do tópico: faz afirmações que são tecnicamente corretas, mas não têm profundidade específica do campo

Políticas do Publisher AI: o que os principais periódicos exigem em 2026

Elsevier: Divulgação exigida, a IA não pode ser autora

A política da Elsevier afirma:

• AI não pode ser listado como autor (não atende aos critérios de autoria)
• Divulgação obrigatória: os autores devem especificar as ferramentas de IA usadas e seu aplicativo (escrita, edição, análise de dados)
• A responsabilidade permanece com os autores: o conteúdo gerado pela IA deve ser verificado quanto à precisão e citação adequada
• Os revisores podem usar a IA: mas devem divulgar e estão proibidos de fazer o upload de manuscritos para ferramentas externas de IA devido à confidencialidade

Fonte: Políticas Generativas de Elsevier

Wiley: declaração explícita antes do envio

A abordagem de Wiley:

• Declaração necessária na carta de apresentação do envio
• Apenas para edição de idiomas normalmente não requerem divulgação, mas a geração de conteúdo exige
• Os periódicos podem solicitar documentação mostrando como a IA foi usada
• Os revisores autorizados a usar o AI para avaliação da qualidade, mas não para gerar conteúdo de revisão

Fonte: Diretrizes de Wiley AI

Springer Nature: Monitoramento e políticas em evolução

Posição da Springer Nature:

• AI não pode ser autor (consistente com o COPE)
• Transparência necessária: a assistência à IA deve ser divulgada no manuscrito
• Ferramentas de IA para revisão por pares: eles implantaram sistemas de recomendação de revisor de IA, mas proíbem o conteúdo de revisão gerado pela IA
• As políticas serão atualizadas à medida que a paisagem evoluir

Fonte: Política de IA da natureza da primavera

COPE (Comitê de Ética em Publicação): The Foundation

Orientação básica do COPE:

• Ferramentas de IA não têm responsabilidade: não pode assumir a responsabilidade pelo trabalho enviado, portanto, não podem ser autores
• Transparência é primordial: os autores devem divulgar o uso da IA
• Os editores devem ter políticas claras: os periódicos precisam de declarações explícitas de uso da IA
• A revisão humana continua essencial: as saídas de detecção de IA não devem ser a única base para decisões

Fonte: Posição de enfrentamento sobre IA e autoria

O problema falso positivo: por que a detecção é mais difícil do que parece

A disparidade do escritor inglês não nativo de ESL/não nativo

Os detectores de IA sinalizam sistematicamente a escrita não nativa em inglês a taxas mais altas. Um estudo de Stanford HAI descobriu que os alunos de ESL enfrentam taxas de falsos positivos 30 a 40% mais altas devido a padrões de escrita que se sobrepõem ao texto gerado por AI [Stanford HAI].

Por que isso acontece?

• Escritores não nativos costumam usar Vocabulário mais simples e previsível
• Estruturas de frases de fórmula são comuns ao escrever em um segundo idioma
• Frases acadêmicos conservadores (evitando a linguagem idiomática) aciona detectores de perplexidade

A consequência: Pesquisadores internacionais correm um risco desproporcional de falsas acusações – uma forma de viés sistêmico que alguns periódicos estão começando a reconhecer.

O ponto cego “AI editado”

Todos os detectores se destacam em capturar Raw e não editado AI Output (90% + precisão). Mas os cenários do mundo real são mais complexos:

• Conteúdo de IA editado por humanos: um pesquisador usa o chatgpt para gerar um rascunho e então revisa-o extensivamente. A precisão da detecção cai para 60-80% [Scribbr, 2026].
• Escrita híbrida: a mistura de contribuições humanas e de IA nas seções cria padrões inconsistentes que confundem detectores.
• Aprisionamento de ferramentas: o uso de várias ferramentas de IA (CHATGPT para desenho, Claude para polimento, gramática para gramática) produz texto que evita a detecção de ferramenta única.

Discordância entre ferramentas

Detectores diferentes raramente concordam em casos limítrofes. Um manuscrito sinalizado por GptZero (70% AI) pode mostrar 15% em Turnitin. Essa inconsistência ressalta por que Nenhuma ferramenta única deve determinar os resultados.

Diretrizes do revisor: o que os editores devem se comunicar

Quando surgem preocupações de conteúdo gerado pela IA, os editores precisam de protocolos claros para seus revisores. Com base nas práticas recomendadas de 2026:

Para detectar IA nos envios

1. Use várias ferramentas de detecção, se disponíveis, o desacordo indica incerteza
2. Concentre-se em sinalizadores de alta confiança (>pontuação de 60%); Suprimir preocupações de baixa confiança
3. Solicitar documentação do processo: esboços, rascunhos, histórico de versões, notas de pesquisa
4. Verificar citações suspeitas: DOIs de verificação cruzada, nomes de autores, títulos de periódicos
5. Avalie a profundidade do conhecimento do domínio: o texto gerado pela AI geralmente não possui uma visão específica do campo com nuances
6. Procure consistência não natural: estruturas perfeitas de parágrafos, transições previsíveis, ausência de pensamento “bagunçado”

Por evitar falsas acusações

1. Nunca confie apenas na pontuação do detector—é uma ferramenta de triagem, não é uma prova
2. Considere ESL/Status Não Nativo Se o estilo de escrita for formulaic; solicitar amostras de escrita
3. Conta para edição pesada: prosa polida pode acionar sinalizadores de IA
4. Solicitar defesa oral ou revisão: peça ao autor para responder a preocupações específicas; Autores genuínos podem defender seu trabalho
5. Aplicar o padrão “Além de Dúvida Razoável” em casos de alto risco; A incerteza de detecção de IA favorece o autor
6. documente tudo: sua avaliação deve citar passagens e raciocínios específicos

Fonte: Baseado em Orientações do COPE e Estudos de Caso do Editor [publicationethics.org]

Estudos de caso: detecção de IA em ação (e o custo dos erros)

Caso 1: a onda de retração de 129 papéis

No início de 2025, uma revista descobriu que 129 artigos – principalmente da Saveetha University em Chennai, na Índia – continham texto gerado por IA e referências inadequadas. A investigação revelou:

• Uso sistemático do chatgpt para geração de manuscritos
• Citações alucinadas que não puderam ser verificadas
• Estilo de escrita uniforme entre autores supostamente independentes
• Escala Institucional: o problema não era indivíduos isolados, mas uma cultura de pesquisa que adota a IA sem divulgação

Resultado: todos os 129 artigos foram retraídos. A universidade enfrentou sanções de vários órgãos acadêmicos.

Caso 2: a exposição por pares de IA

O ICLR (International Conference on Learning Representations) descobriu que 21% das avaliações de pares enviadas em 2025 foram geradas por IA [Manusights, 2025]. A detecção veio de:

• Análise estilmétrica: as resenhas exibiram baixa perplexidade e rapidez uniforme
• padrões de conteúdo: linguagem genérica, falta de referências específicas do manuscrito
• Agrupamento temporal: várias avaliações de IA enviadas em janelas curtas

A conferência implementou a verificação de novos revisores: exigindo o envio de amostras de escrita e a proibição de revisões geradas por IA.

Caso 3: o falso positivo que quase custou um doutorado

Um estudante de doutorado que não falava inglês em uma universidade do Reino Unido apresentou um capítulo de tese que Turnitin sinalizou com 45% de IA. O aluno:

• Não teve Sem envolvimento da IA
• Possessed Evidências de processo de escrita extensas (187 versões do Google Doc em 8 meses)
• Foi Salvado pelos direitos do estilo FERPA para a divulgação de evidências

O processo de apelação da universidade anulou a descoberta depois de revisar o histórico da versão. O aluno se formou, mas o estresse e o atraso foram significativos.

Lição: A evidência do processo é a defesa final contra falsos positivos.

Práticas recomendadas para editores de periódicos em 2026

Antes das submissões

1. Publicar política de IA explícita no site do periódico, abrangendo:
   • se o uso de IA é permitido (com/sem divulgação)
   • Formato de divulgação exigida (quais ferramentas, para que finalidade)
   • Conseqüências de Não divulgação
   • Regras de uso do AI do Revisor
2. Integrar a detecção de IA no sistema de submissão Mas com limites claros:
   • Suprimir sinalizadores de baixa confiança (<20%)
   • exigir revisão humana antes de qualquer acusação
   • bandeira para Verificação, não disciplina
3. Treine a equipe editorial sobre limitações do detector, falsos positivos e riscos de preconceito

Durante a revisão por pares

1. Adicione perguntas relacionadas à AI aos formulários do avaliador:
   • “O manuscrito mostra sinais de texto gerado por IA?”
   • “Se sim, cite passagens específicas”
   • “Você usou ferramentas de IA na preparação Sua avaliação? (divulgação obrigatória)”
2. Proibir os revisores do upload de manuscritos para ferramentas externas de IA (violação de confidencialidade)
   • Alguns periódicos permitem Assistência no local com permissão prévia
3. Documentação do processo de redação de solicitações para envios de alto risco:
   • Versões de rascunho com timestamps
   • Notas e contornos de pesquisa
   • Registros de controle de versão (git commits)
4. Verificar as citações como uma etapa padrão, especialmente para referências que parecem incomuns ou excessivamente perfeitas

Quando surgem preocupações

1. Nunca enfrente com base apenas na pontuação do detector—Reúna as evidências corroborantes primeiro
2. Solicite a resposta do autor por escrito, fornecendo-lhes as passagens sinalizadas específicas
3. Peça as evidências do processo: “Por favor, forneça seus rascunhos, contornos e notas de pesquisa para este manuscrito”
4. Considere Exame Oral para alegações sérias—autores genuínos podem discutir seu trabalho com conhecimento
5. Aplicar o padrão “Além de Dúvida Razoável” em casos de alto risco; A incerteza de detecção de IA favorece o autor
6. documente a investigação completamente, independentemente do resultado

Considerações éticas: equilibrando a integridade e a justiça

O risco de excesso de policiamento

A detecção agressiva de IA pode sair pela culatra:

• Efeito assustador: os pesquisadores evitam o uso de ferramentas legítimas de IA para verificação ou tradução gramatical
• Discriminação: escritores de ESL enfrentam escrutínio desproporcional
• Perda de confiança: os autores percebem os periódicos como adversários e não de apoio

O risco de subpoliciamento

Falha ao detectar manuscritos gerados por IA mina a ciência:

• Dados/citações fabricadas poluem a literatura
• Inflação de credenciais: graus obtidos por meio de trabalho gerado por IA desvalorizar as conquistas legítimas
• Erosão da confiança: a confiança do público na ciência diminui quando a fraude é generalizada

Encontrar o saldo

O consenso da COPE, dos principais editores e dos especialistas em integridade da pesquisa:

A detecção de IA é uma ferramenta de triagem, não um veredicto. Deve iniciar a investigação, não concluí-la. O ônus permanece sobre o jornal para provar má conduta com evidências corroborantes.

A ameaça emergente: avaliações de pares geradas por IA

Um problema particularmente insidioso: Revisores que usam a IA para escrever comentários. estratégias de detecção:

• Triagem estilmétrica: aplique detectores de IA para revisar o texto (com o consentimento adequado)
• Verificações de especificidade de conteúdo: as avaliações de IA tendem a ser genéricas; Human Reviews Referência Elementos específicos do manuscrito
• Análise de tempo: avaliações concluídas em minutos em vez de horas/dias são suspeitas
• Requerer Declaração do Revisor: alguns periódicos agora perguntam “Você usou AI para preparar esta revisão?” Com divulgação obrigatória

Revistas como o Miccai proíbem explicitamente o uso de IA nas avaliações: “Não é permitido fazer upload, copiar ou descrever o conteúdo de um manuscrito para uma ferramenta de IA externa ao sistema da revista” [MICCAI Reviewer Guidelines].

Outlook futuro: o que vem a seguir para a detecção de IA na publicação?

1. Mudar da detecção para o processo forense

Os periódicos com visão de futuro estão se afastando dos “limiares de pontuação de IA” para Verificação do processo de redação:

• Exigindo Histórico da versão a partir do envio
• Pedindo registros de pesquisa e senhores de data e hora
• Incorporando Defesas Orais para inscrições disputadas

2. Design de revisão por pares resistente à IA

Alguns periódicos estão redesenhando as atribuições de revisão:

• Prompts personalizados: as perguntas de revisão vinculadas a elementos específicos do manuscrito apenas visíveis aos revisores designados
• Revisões cronometradas: janelas curtas reduzem a oportunidade de assistência à IA
• Plataformas de revisão interativas: anotação ao vivo e discussão que a IA não pode replicar

3. Marca d’água e rastreamento de proveniências

Os manuscritos futuros podem carregar marcas d’água criptográficas, indicando o uso de ferramentas de IA (semelhantes aos detectores de imagem de IA). Os órgãos dos padrões estão explorando os metadados obrigatórios de divulgação.

4. Pressão regulatória

A Lei de IA da UE e os regulamentos semelhantes podem impor obrigações legais aos editores para verificar a autenticidade do manuscrito, com penalidades por não conformidade.

Resumo: recomendações acionáveis

Para editores de periódicos

1. Adote a detecção de várias camadas: ferramentas + forense + julgamento humano
2. Nunca disciplina com base apenas na pontuação do detector—necessite de corroboração
3. Publique políticas claras de IA que equilibram a integridade com a justiça
4. Equipe de trens sobre riscos falsos positivos, especialmente viés de ESL
5. Implementar os requisitos de divulgação de IA do revisor
6. Evidência do processo de redação de solicitações quando surgem preocupações

Para os revisores

1. Divulgue qualquer uso de IA na preparação de sua avaliação
2. Procure bandeiras vermelhas: linguagem genérica, alucinações de citação, consistência não natural
3. Use as ferramentas do detector como orientação, não os veredictos
4. Peça aos autores as evidências do processo se você suspeitar de IA
5. Nunca envie manuscritos para ferramentas externas de IA (violação de confidencialidade)

para autores

1. Divulgue o uso de IA de forma transparente (a maioria dos editores exige)
2. Continue com a documentação do processo de redação: rascunhos, esboços, histórico de versões
3. Verificar todas as citações geradas por IA—não confie cegamente na saída da IA
4. Entenda a política do seu jornal antes do envio
5. Se acusado, responda com evidências: seus registros de processo são sua defesa

Guias relacionados

• benchmark de detecção de IA 2026: compare Turnitin, GptZero, CopyLeaks Precisão e taxas de falsos positivos
• Detecção de IA positiva falsa: estratégias de defesa do aluno: como responder se sinalizado incorretamente (aplica-se também aos pesquisadores)
• Como apelar para as descobertas da detecção de IA: guia passo a passo para derrubar as descobertas de má conduta
• AI Citation Mastery 2026: formatos adequados de citação para trabalhos assistidos por AI em APA, MLA, Chicago
• documentando seu processo de redação: proativo Reunião de evidências para defesa da autoria

Próximos passos: fortalecer a integridade do seu jornal

O problema de escrita da IA se intensificará antes de melhorar. Aqui está o que você pode implementar esta semana:

1. Revise a política de IA do seu jornal—Ela é explícita, equilibrada e com destaque?
2. Adicione a detecção de IA à sua lista de verificação editorial com limites claros e protocolos de resposta
3. Editores de treinamento e revisores sobre riscos falsos positivos, especialmente o viés de ESL
4. Pelote solicitações de documentação do processo para envios de alto risco
5. Junte-se ao COPE ou organizações de ética semelhantes para obter orientação contínua

O objetivo não é eliminar a IA da comunicação acadêmica — é garantir transparência, responsabilidade e justiça quando a IA é usada. Os periódicos que atingem esse equilíbrio manterão a confiança, ao mesmo tempo em que adotam os benefícios da tecnologia.

---

Referências e fontes:

1. Scuderi, G.R. (2026). Os desafios com a inteligência artificial na redação científica. Escrita médica.
2. natureza. (2026). As citações alucinadas estão poluindo a literatura científica. Natureza.
3. Ele, Y. et ai. (2026). As políticas de IA dos periódicos acadêmicos não conseguem conter o aumento na redação acadêmica assistida por IA. pnas.
4. lidar. (2023). Autoria e ferramentas de IA. Comité de Ética em Publicação.
5. Elsevier. (2026). Políticas de IA generativas para periódicos.
6. Wiley. (2026). Diretrizes de IA para pesquisadores.
7. Natureza Springer. (2026). Política de Inteligência Artificial.
8. Laffaye, T. A. et al. (2026). Recomendações sobre inteligência artificial para redação de manuscritos. PMC.
9. Insights do manuscrito. (2026). AI Peer Review 2026: Por que não vai desaparecer.
10. Relógio de retração. (2026). O Ano em Integridade da Pesquisa: Manuscritos gerados por IA.
11. Kabel, S. (2025). Uma bibliografia de fraude de pesquisa alimentada por Genai de 2025.
12. Saqr, K. et ai. (2026). Dissecando a retração de papel relacionada à IA entre os países.
13. ManuSights. (2026). Comparadas as ferramentas de revisão do manuscrito da IA.
14. scrib. (2026). Os melhores detectores de IA para precisão.
15. Provadem. (2025). Falsos positivos no guia de detecção de IA.
16. Stanford Hai. (2026). Viés de detecção de IA contra escritores ingleses não nativos.

Todos os links externos verificados acessíveis em abril de 2026.