Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
ENTRE DADOS E SIGNIFICADOS: CONTRIBUIÇÕES EPISTEMOLÓGICAS E METODOLÓGICAS DA INTELIGÊNCIA ARTIFICIAL PARA PESQUISAS QUALITATIVAS E QUANTITATIVAS
0
Zitationen
8
Autoren
2026
Jahr
Abstract
A incorporação da Inteligência Artificial (IA) no campo da pesquisa científica tem suscitado debates acerca de suas contribuições metodológicas, epistemológicas e éticas, especialmente no âmbito das pesquisas qualitativas e quantitativas. Diante desse contexto, o presente artigo problematiza de que maneira a IA pode contribuir para o aprimoramento dos processos metodológicos na pesquisa científica sem comprometer a autonomia intelectual, a interpretação crítica e os princípios éticos do pesquisador. O objetivo consiste em analisar criticamente as potencialidades, limitações e implicações éticas do uso da IA na produção do conhecimento científico. Metodologicamente, trata-se de uma revisão bibliográfica de natureza integrativa, com abordagem qualitativa, exploratória e descritiva, fundamentada em autores clássicos e contemporâneos que discutem tecnologia, metodologia científica e inteligência artificial. Os resultados indicam que a IA amplia significativamente a capacidade de coleta, organização, tratamento e análise de dados, promovendo maior precisão analítica, otimização do tempo e diversificação das estratégias interpretativas. Ferramentas como ChatGPT, IRAMUTEQ e Jamovi configuram-se como mediadoras cognitivas, capazes de apoiar o pesquisador tanto em análises qualitativas quanto quantitativas, sem substituir o julgamento humano. Como contribuição original, o estudo propõe a compreensão da IA como um dispositivo metodológico complementar, cujo uso exige uma postura crítica, reflexiva e eticamente orientada. Conclui-se que a integração equilibrada entre inteligência humana e artificial inaugura um novo paradigma na pesquisa científica contemporânea, pautado pela inovação, interdisciplinaridade e rigor metodológico.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.339 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.211 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 7.614 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.776 Zit.
Peeking Inside the Black-Box: A Survey on Explainable Artificial Intelligence (XAI)
2018 · 5.478 Zit.