Revisão de Literatura com IA: Metodologia 2026

A revisão de literatura é o pilar epistemológico de qualquer investigação académica séria — é ela que demonstra o domínio do estado da arte, justifica a pertinência do problema de investigação e situa o contributo do investigador no corpus científico existente. Em 2026, a integração da inteligência artificial neste processo não é uma tendência emergente: é uma realidade transversal. Um estudo da Universidade de Lisboa (2025) revelou que 74% dos estudantes de mestrado e doutoramento já utilizam alguma forma de IA no seu processo de investigação, e o Global Research Intelligence Report indica um crescimento de 340% no uso de ferramentas de IA para revisões sistemáticas nos últimos dois anos.

Este guia apresenta uma metodologia rigorosa e academicamente sustentada para realizar revisões de literatura assistidas por IA, compatível com os padrões de qualidade exigidos pelas universidades portuguesas acreditadas pela A3ES, pelas instituições brasileiras avaliadas pela CAPES e pelos requisitos do repositório científico RCAAP. O objetivo não é substituir o pensamento crítico do investigador, mas amplificar significativamente a sua capacidade de processamento e descoberta bibliográfica.

Enquadramento normativo e ético

Antes de integrar qualquer ferramenta de IA numa revisão de literatura, o investigador deve compreender o quadro normativo que regula o uso destas tecnologias no contexto académico português e brasileiro. Em Portugal, o Conselho de Reitores das Universidades Portuguesas (CRUP) emitiu orientações em 2024 que estabelecem que o uso de IA é permitido como ferramenta de apoio à investigação, desde que devidamente declarado e sem substituição da autoria intelectual do investigador.

No Brasil, a Portaria CAPES n.º 77/2024 reconhece o uso de IA generativa em trabalhos académicos, impondo obrigações de transparência: o autor deve identificar explicitamente quais secções ou processos contaram com assistência de IA e assumir inteira responsabilidade pelo conteúdo produzido. A ABNT NBR 14724:2011 (em revisão para 2026) deverá incluir directrizes específicas sobre citação de fontes geradas ou mediadas por IA.

Do ponto de vista ético, a literatura académica sobre IA em revisões científicas é consensual: a IA amplifica capacidades mas não pode ser autora. O investigador é sempre responsável pela selecção, interpretação e síntese crítica das fontes.

O protocolo PRISMA e a IA

O protocolo PRISMA 2020 (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) é o padrão internacional para revisões sistemáticas. A sua estrutura de quatro fases — Identificação, Triagem, Elegibilidade e Inclusão — é perfeitamente compatível, e em vários aspectos beneficia directamente da integração de ferramentas de IA.

A aplicação rigorosa do PRISMA impõe que o investigador documente todos os passos, incluindo o uso de IA: quais ferramentas, em que fases e com que prompts. Consulte o nosso guia detalhado sobre revisão de literatura e protocolo PRISMA para um modelo de fluxograma compatível.

Ferramentas IA validadas para revisão de literatura

Nem todas as ferramentas de IA são adequadas para contextos académicos. A selecção deve privilegiar plataformas com acesso a bases de dados científicas verificadas, transparência nas fontes citadas e ausência de alucinações bibliográficas.

Ferramentas de pesquisa e descoberta

• Elicit — Pesquisa semântica sobre mais de 125 milhões de artigos da Semantic Scholar. Identifica os estudos mais relevantes para uma pergunta de investigação em linguagem natural, extrai automaticamente dados metodológicos e resultados. Gratuito com limitações; plano Pro: 12 USD/mês.
• Consensus — Especializado em perguntas empíricas. Apresenta o grau de consenso científico sobre uma questão, com citações verificadas. Ideal para questões de revisão scoping.
• SciSpace (Typeset) — Indexa mais de 200 milhões de artigos. A função “Literature Review” gera sínteses estruturadas com citações automáticas. Particularmente útil para investigadores de pós-graduação.
• Research Rabbit — Gratuito. Cria mapas visuais de relações entre artigos, identifica trabalhos semelhantes e autores relevantes. Complementa bem o Zotero.

Ferramentas de análise e síntese

• ChatPDF / AskPaper — Permite “conversar” com artigos em PDF, extraindo dados específicos, metodologias e conclusões. Essencial para a fase de elegibilidade.
• Tesify — Plataforma académica portuguesa que combina pesquisa assistida por IA com geração de conteúdo académico estruturado em português (PT e BR), com formatação automática APA 7 e ABNT.
• Jenni.ai — Gerador de texto académico com citações automáticas; útil para rascunhar secções da revisão de literatura a partir de fontes carregadas.

Ferramentas de gestão bibliográfica

• Zotero — Referência absoluta na gestão bibliográfica. Integra-se com o Word, LibreOffice e browsers. Gratuito e open-source.
• Mendeley — Da Elsevier. Oferece funcionalidades colaborativas e acesso a uma rede social de investigadores.
• b-on — A Biblioteca do Conhecimento Online disponibiliza acesso gratuito a milhões de artigos para estudantes e investigadores de instituições portuguesas.

As 7 etapas metodológicas com IA

A metodologia que apresentamos é resultado da adaptação do protocolo PRISMA 2020 às capacidades actuais das ferramentas de IA, validada com base nas orientações publicadas pela UNICAMP sobre agentes computacionais em revisões de literatura.

1. Definição da pergunta de investigação (PICO/PCC)
   Antes de qualquer pesquisa, formalize a pergunta usando o framework PICO (População, Intervenção, Comparação, Outcome) para revisões quantitativas ou PCC (Participantes, Conceito, Contexto) para revisões qualitativas. Esta formalização é o input primário para as ferramentas de IA.
2. Pesquisa bibliográfica assistida por IA
   Use Elicit ou Consensus com a sua pergunta PICO. Expanda os termos de pesquisa com sinónimos sugeridos pela IA. Execute simultaneamente pesquisas manuais nas bases de dados (PubMed, Scopus, Web of Science, RCAAP, b-on) para garantir cobertura completa.
3. Exportação e deduplicação
   Exporte todos os resultados para o Zotero ou Rayyan. Utilize as funções automáticas de deduplicação para eliminar registos duplicados entre bases de dados. O Rayyan tem deduplicação com IA integrada.
4. Triagem de títulos e resumos
   Defina critérios de inclusão e exclusão explícitos. Use a IA do Rayyan ou a função de filtragem do Elicit para uma triagem inicial. Dois investigadores devem rever de forma independente uma amostra aleatória (mínimo 10%) para calcular o índice Kappa de Cohen e verificar a concordância.
5. Leitura integral e extracção de dados
   Para os artigos que passam a triagem, use ChatPDF ou SciSpace para extrair dados estruturados (ano, amostra, metodologia, resultados principais). Crie uma tabela de extracção de dados padronizada — a IA acelera este processo até 70%.
6. Avaliação da qualidade metodológica
   Aplique instrumentos validados: CASP (Critical Appraisal Skills Programme) para estudos qualitativos, Downs & Black para estudos observacionais, RoB 2 para ensaios clínicos. Algumas ferramentas como o SciSpace apoiam a aplicação destes checklists, mas a decisão é sempre do investigador.
7. Síntese e redacção da revisão
   Use ferramentas como Tesify ou Jenni.ai para rascunhar secções temáticas a partir dos dados extraídos. Reveja criticamente cada parágrafo gerado, acrescente a sua análise interpretativa e certifique-se de que todas as afirmações estão suportadas pelas fontes originais.

Critérios de elegibilidade e triagem

A definição rigorosa dos critérios de elegibilidade é o elemento que distingue uma revisão de literatura sistemática de uma revisão narrativa. Em 2026, as ferramentas de IA permitem aplicar estes critérios de forma mais consistente, mas a sua definição é sempre uma decisão metodológica humana.

Os critérios devem ser registados num protocolo de revisão pré-registado (PROSPERO para revisões sistemáticas de saúde, OSF para outras áreas) antes do início da pesquisa. A pré-publicação do protocolo impede o viés de confirmação e aumenta a credibilidade da revisão.

Bases de dados científicas: integração com IA

A cobertura da revisão de literatura depende criticamente das bases de dados consultadas. Para investigação em contexto lusófono, recomendamos a triangulação obrigatória entre bases internacionais e repositórios nacionais:

A b-on disponibiliza acesso a mais de 36.000 revistas científicas e 110.000 livros electrónicos para todas as instituições de ensino superior portuguesas. O Portal de Periódicos CAPES oferece cobertura semelhante para investigadores brasileiros. Integre estas plataformas no seu fluxo de trabalho com IA para maximizar a cobertura bibliográfica. Para estratégias de pesquisa avançada, consulte o artigo sobre metodologia de investigação e revisão de literatura.

Síntese e análise crítica: onde a IA termina

O Future of Research Institute projecta que, até 2026, 85% das revisões sistemáticas incluirão componentes de monitorização contínua assistida por IA. Mas há um limite claro e inultrapassável: a síntese crítica — a interpretação do que os dados significam em conjunto, as contradições entre estudos, as lacunas que justificam nova investigação — é uma competência exclusivamente humana.

Numa revisão de literatura de qualidade, a IA pode:

• Identificar os estudos mais relevantes de entre milhares de resultados
• Extrair dados estruturados de forma consistente
• Rascunhar paráfrases de metodologias e resultados individuais
• Detectar potenciais duplicações conceptuais
• Sugerir termos MeSH (Medical Subject Headings) ou descritores DeCS para bases de saúde

A IA não pode:

• Avaliar a plausibilidade teórica de uma afirmação no contexto do campo disciplinar
• Identificar erros de raciocínio em artigos publicados
• Inferir implicações práticas ou políticas dos resultados
• Posicionar o contributo do investigador face à literatura existente
• Detectar vieses de publicação sem orientação explícita do investigador

A demarcação clara entre o que é gerado por IA e o que resulta da análise crítica do investigador é não apenas uma exigência ética, mas um critério de qualidade crescentemente valorizado pelos júris de dissertação e pelos revisores de periódicos.

Exemplo aplicado: revisão em Ciências da Saúde

Apresentamos um exemplo concreto de aplicação desta metodologia numa revisão de literatura sobre “eficácia das intervenções digitais na cessação tabágica” — tema transversal à saúde pública e à medicina preventiva.

Pergunta PICO: Em adultos fumadores (P), as intervenções digitais, incluindo aplicações móveis (I), comparadas com intervenções convencionais (C), aumentam a taxa de abstinência a 6 meses (O)?

Pesquisa com Elicit: O Elicit identificou 847 artigos relevantes a partir da pergunta em linguagem natural. Após aplicação dos filtros temporais (2015-2026) e tipo de estudo (RCT e revisões sistemáticas), reduziu para 203.

Triagem no Rayyan: Dois investigadores triaram de forma independente os 203 resumos. O Rayyan calculou um índice Kappa de 0,82 (concordância muito boa). Dos 203, 67 passaram para a fase de elegibilidade.

Extracção com ChatPDF: Para cada um dos 67 artigos em texto integral, foram extraídos: amostra, intervenção digital específica, duração do seguimento, taxa de abstinência (auto-reportada vs. bioquimicamente verificada) e qualidade metodológica (RoB 2).

Síntese: A análise crítica revelou heterogeneidade significativa nas definições de “intervenção digital” e “abstinência”, limitando a meta-análise. A revisão optou por uma síntese narrativa estruturada, redigida pelo investigador com apoio parcial do Tesify para a organização temática dos parágrafos.

Para o processo completo de redacção da secção de metodologia, consulte o nosso guia sobre normas APA 2026 para teses e artigos.

Perguntas frequentes

Para uma perspectiva comparada sobre o uso de IA na investigação académica em Espanha, consulte o nosso guia paralelo sobre IA académica em Espanha. A nossa secção sobre normas APA: guia completo de citações e referências complementa o processo de documentação bibliográfica da sua revisão.