Quantas Teses São Reprovadas por Plágio? Dados PT/BR 2026

O plágio continua a ser um dos motivos mais temidos de reprovação académica — e também um dos mais mal compreendidos. Sabe-se que as universidades utilizam software de deteção, que as penalizações podem ser graves, e que a fronteira entre paráfrase legítima e plágio involuntário é frequentemente turva. Mas quantas teses são, de facto, reprovadas por plágio em Portugal e no Brasil? E que proporção de trabalhos levantam alertas durante o processo de verificação? Este artigo reúne os dados disponíveis para 2026 e contextualiza o que esses números significam para quem está a escrever a sua tese agora.

A resposta curta é que os dados oficiais são fragmentados — muitas instituições não publicam números consolidados — mas os registos disponíveis, complementados por estudos académicos publicados, permitem traçar um panorama realista. As tendências de 2026 mostram também um novo elemento: a deteção de texto gerado por IA acrescentou uma camada de complexidade sem precedentes ao processo de verificação de integridade académica.

Dados de Portugal: o que as universidades reportam

O levantamento mais abrangente sobre plágio nas universidades portuguesas foi realizado pelo jornal Público em 2019, com base em respostas de 35 instituições de ensino superior. Os resultados revelaram um problema sistémico de subregisto: um terço das instituições que respondeu afirmou não dispor de dados sobre plágio ou fraude académica. Entre as maiores universidades do país, o Politécnico do Porto, a Universidade Nova de Lisboa e a Universidade do Minho não responderam ao inquérito.

Entre as instituições que forneceram dados, a média nacional situava-se em 3,3 casos por ano por instituição — um número que, os próprios investigadores alertaram, reflete sobretudo os casos levados a processo disciplinar formal, não o volume total de trabalhos com similaridade elevada detetados pelos softwares.

Casos documentados por universidade (Portugal)

Fontes: Jornal Público, janeiro 2019; Diário de Notícias, 2018. Dados de processos disciplinares formais — não incluem trabalhos rejeitados informalmente ou corrigidos antes de entrega final.

A Universidade de Coimbra foi, em 2024, uma das primeiras instituições portuguesas a adotar oficialmente detetores de conteúdo gerado por IA em todos os trabalhos submetidos. Em 2025–2026, praticamente todas as grandes universidades portuguesas já tinham políticas específicas sobre uso de IA generativa, com sistemas automáticos de pré-screening integrados nas plataformas de submissão (SIGARRA, Fénix, Moodle).

Dados do Brasil: pós-graduação e TCCs

No Brasil, o volume de dados é maior — em parte porque o número de instituições e de alunos é substancialmente superior — mas igualmente fragmentado, já que não existe um repositório nacional unificado de casos de plágio. Os dados mais fiáveis provêm de três fontes: relatórios de programas de pós-graduação avaliados pela CAPES, estudos académicos publicados em revistas indexadas, e relatórios de fornecedores de software como o Turnitin e a Mettzer.

Proporção de trabalhos com similaridade acima dos limites de alerta

Um padrão de alerta comum entre as instituições federais brasileiras é um índice de similaridade acima de 30% (excluindo referências bibliográficas e citações devidamente assinaladas). Estimativas baseadas em dados agregados de programas que utilizam software antiplágio de forma sistemática indicam que uma proporção significativa dos trabalhos — que varia entre 15% e 20% dependendo da área e do tipo de trabalho — ultrapassa este limiar na primeira submissão, exigindo revisão ou justificação.

Reprovações formais por plágio confirmado (Brasil)

Estudos publicados que analisaram dados de programas específicos de pós-graduação em engenharias registaram taxas de reprovação ou desligamento por questões de integridade académica (incluindo plágio) entre 1% e 4% dos trabalhos defendidos. Este intervalo é consistente com dados de programas de outras áreas que foram objeto de estudo publicado.

Apenas 60% das instituições federais de ensino superior utilizam software antiplágio de forma sistemática em todos os tipos de trabalho académico. Nas demais, a verificação é parcial ou manual, o que torna os dados de reprovação formal ainda menos representativos da realidade.

Tendência 2022–2026: o impacto do ChatGPT e dos grandes modelos de linguagem

A partir de novembro de 2022, o lançamento do ChatGPT alterou substancialmente o perfil dos alertas de integridade académica. Relatórios de fornecedores de software antiplágio descrevem um crescimento expressivo na deteção de padrões textuais associados a IA generativa. Este fenómeno é distinto do plágio tradicional (cópia de textos existentes), mas enquadra-se nas políticas de integridade académica da maioria das universidades, especialmente na ausência de declaração explícita de uso de IA.

Dados qualitativos baseados em relatórios de fornecedores (Turnitin, iThenticate) e literatura académica publicada. Não há séries temporais públicas unificadas para PT ou BR.

Tabela comparativa: Portugal vs Brasil

O fator IA: plágio gerado por modelos de linguagem

A questão mais nova — e mais debatida nas comissões de integridade académica em 2026 — é a do texto gerado por modelos de linguagem (ChatGPT, Gemini, Claude e outros). Tecnicamente, este tipo de texto não é plágio no sentido clássico: não é copiado de uma fonte identificável. Mas a maioria das universidades enquadra-o numa categoria mais abrangente de fraude académica, especialmente quando o trabalho é apresentado como exclusivamente da autoria do estudante sem qualquer declaração de uso de IA.

O problema é que os detetores de IA ainda têm taxas de falso positivo significativas — textos escritos por não-nativos do inglês, ou com estilo muito técnico e padronizado, tendem a ser marcados erroneamente. Isto torna o processo mais complexo para estudantes de língua portuguesa, cujos trabalhos podem apresentar padrões que os classificadores de IA (treinados maioritariamente em inglês) interpretam incorretamente.

Para evitar este problema, a solução mais eficaz em 2026 é a declaração explícita e detalhada de uso de IA — um campo que muitas universidades portuguesas e brasileiras já tornaram obrigatório nos formulários de submissão. Consulte o artigo sobre alternativas ao Turnitin e detetores de IA em PT/BR para comparar as ferramentas disponíveis e as suas limitações.

O que significam os limites de similaridade

Um dos maiores equívocos entre estudantes de mestrado e doutoramento é interpretar o índice de similaridade como um indicador direto de plágio. Este número mede a proporção de texto do trabalho que coincide com fontes numa base de dados — e esse texto pode incluir citações diretas devidamente assinaladas, referências bibliográficas, expressões técnicas inevitáveis na área, e trechos partilhados com trabalhos anteriores do mesmo autor.

Por isso, o índice “bruto” raramente é o número que interessa. O que as comissões de integridade académica analisam é o índice após exclusão de citações, referências e frases muito curtas — muitas vezes designado de “índice de similaridade líquida”. É sobre este número que se aplicam os limiares de alerta.

Limiares ilustrativos; variam consoante a instituição, o tipo de trabalho e a área científica. Verifique sempre o regulamento específico da sua instituição.

Consequências: do aviso disciplinar à reprovação definitiva

As consequências de plágio confirmado variam consideravelmente entre instituições, mas seguem um padrão geral de escalonamento baseado na gravidade e na intencionalidade.

• Aviso informal: Para casos de plágio involuntário de baixo impacto (excesso de citação direta sem devida sinalização, paráfrase excessivamente literal), muitos orientadores intervêm antes da submissão formal e pedem revisão sem abrir processo disciplinar.
• Rejeição com possibilidade de resubmissão: O trabalho é recusado, mas o estudante tem a oportunidade de rever e resubmeter num prazo determinado. Comum em situações de alerta intermédio.
• Reprovação na unidade curricular: O trabalho é reprovado e o estudante tem de o refazer — podendo implicar mais um semestre ou ano letivo.
• Processo disciplinar formal: Para casos graves ou reincidentes, abre-se um processo com potencial de suspensão ou expulsão. A Universidade de Coimbra, por exemplo, abriu processos disciplinares formais em 77 casos ao longo de 6 anos (média de 12,8 por ano).
• Anulação do título: Em casos extremos — já documentados em Portugal e no Brasil —, o grau académico pode ser anulado mesmo após a defesa, se plágio for descoberto posteriormente.

Para compreender o processo de recurso em caso de reprovação, consulte o artigo detalhado sobre o que fazer se a tese for reprovada e como recorrer.

Como evitar plágio involuntário na prática

A maioria dos casos de plágio detetados nas universidades portuguesas e brasileiras não é intencional — resulta de má gestão de fontes, paráfrase insuficiente, ou desconhecimento das normas de citação. As boas práticas de prevenção incluem:

1. Usar um gestor de referências desde o início: Zotero, Mendeley ou EndNote permitem registar todas as fontes consultadas de forma automática, eliminando o risco de citar incorretamente ou de “esquecer” uma fonte.
2. Fazer uma auto-verificação antes da submissão: A maioria das universidades permite ou recomenda uma verificação prévia com o mesmo software que será utilizado na avaliação. Consulte os recursos sobre como verificar plágio e autoplágio antes de entregar.
3. Distinguir paráfrase de plágio: Uma paráfrase legítima reescreve a ideia com estrutura sintática e vocabulário diferentes, mantendo a citação da fonte. Uma paráfrase que apenas substitui palavras por sinónimos continua a ser considerada plágio pela maioria dos sistemas de deteção.
4. Declarar o uso de IA de forma explícita e detalhada: Indique quais ferramentas utilizou, para quê, e em que partes do trabalho. Consulte o regulamento da sua instituição sobre a declaração obrigatória.
5. Verificar o relatório de similaridade e interpretar corretamente os dados: Um índice de 22% pode ser perfeitamente aceitável se a maioria das correspondências forem as suas próprias referências bibliográficas. Aprenda a ler o relatório antes de alarmar o orientador.

Para a verificação final antes da entrega, ferramentas como o Tesify oferecem relatórios de pré-submissão que identificam não só similaridade textual mas também padrões de escrita associados a IA, permitindo corrigir problemas antes que eles cheguem à comissão avaliadora.

Nota metodológica e fontes

Os dados apresentados neste artigo provêm das seguintes fontes primárias e secundárias, verificadas individualmente:

• Jornal Público (janeiro 2019): “Muitas universidades não registam dados sobre plágio” — inquérito a 35 instituições portuguesas
• Diário de Notícias (2018): 77 estudantes da UC sancionados por plágio e fraude
• SciELO Brasil — Abordagem do plágio nas universidades brasileiras e internacionais: Revista Brasileira de Educação
• UFRGS Ciência — Tese de doutorado avalia causas da evasão na pós-graduação
• Blog Mettzer — Detector de plágio: como funciona
• Blog Monografia e TCC — TCC e Plágio: Quanto é permitido? Uso de I.A. e Detectores

Os limites de similaridade e as taxas de reprovação variam por instituição e tipo de trabalho. Os dados de tendência para IA generativa são qualitativos, baseados em relatórios de fornecedores, não em séries temporais académicas validadas. Sempre consulte o regulamento de integridade académica da sua instituição específica.

Perguntas Frequentes