DIRETRIZES PARA O USO DE INTELIGÊNCIA ARTIFICIAL NA ESCRITA CIENTÍFICA: PANORAMA DAS INSTITUIÇÕES DE ENSINO SUPERIOR BRASILEIRAS

REGISTRO DOI: 10.70773/revistatopicos/790221241

RESUMO
O artigo analisa diretrizes públicas de instituições de ensino superior (IES) brasileiras sobre o uso de inteligência artificial (IA), com ênfase na escrita científica. Realizou-se uma busca documental nacional em páginas, repositórios e boletins oficiais, encerrada em 15 de setembro de 2026. Foram incluídos atos normativos, políticas, guias, orientações técnicas e propostas institucionais que tratassem de autoria, integridade, transparência, verificação, proteção de dados ou formação para o uso de IA. O corpus reuniu 37 IES com documentos ou processos institucionais elegíveis, distribuídas entre universidades federais, estaduais, municipais, comunitárias e privadas e Institutos Federais. A análise distinguiu quatro situações: norma institucional vigente, orientação institucional, documento setorial e política em elaboração. Os resultados mostram expansão e diversificação das respostas institucionais, sobretudo em 2025 e 2026, mas também forte variação de alcance e força normativa. Os documentos convergem na responsabilidade humana, na declaração do uso, na verificação de fatos e referências, na proteção de dados e na formação crítica. A Portaria CNPq nº 2.664/2026 e o Referencial de IA na Educação do MEC reforçam esse núcleo, enquanto o debate no Conselho Nacional de Educação aponta para políticas locais de governança, supervisão e gestão de riscos. Persistem lacunas relativas a critérios por tarefa, procedimentos de contestação, avaliação de impacto e atualização periódica. Defende-se que as IES adotem políticas institucionais integradas; na ausência delas, unidades acadêmicas e responsáveis por atividades científicas devem estabelecer protocolos provisórios explícitos, alinhados aos marcos nacionais e às regras editoriais aplicáveis.
Palavras-chave: inteligência artificial generativa; escrita científica; integridade científica; ensino superior; governança institucional.

ABSTRACT
This article analyzes public guidelines issued by Brazilian higher education institutions (HEIs) on the use of artificial intelligence (AI), with emphasis on scientific writing. A nationwide documentary search of official websites, repositories, and bulletins was completed on September 15, 2026. Eligible records included regulations, policies, guides, technical guidance, and institutional proposals addressing authorship, integrity, disclosure, verification, data protection, or AI literacy. The corpus comprised 37 HEIs with eligible documents or institutional processes, including federal, state, municipal, community, and private universities and Federal Institutes. Four situations were distinguished: binding institution-wide rule, institution-wide guidance, sector-specific document, and policy under development. Results indicate an expansion and diversification of institutional responses, particularly in 2025 and 2026, alongside substantial variation in scope and normative force. The documents converge on human accountability, disclosure, verification of facts and references, data protection, and critical training. CNPq Ordinance No. 2,664/2026 and the Brazilian Ministry of Education AI in Education Framework reinforce this core, while the debate within the National Education Council points toward local governance, oversight, and risk-management policies. Gaps remain regarding task-specific criteria, contestation procedures, impact assessment, and periodic review. HEIs should adopt integrated policies; where no institutional policy exists, academic units and research supervisors should establish explicit interim protocols aligned with national frameworks and applicable editorial rules.
Keywords: generative artificial intelligence; scientific writing; research integrity; higher education; institutional governance.

1. INTRODUÇÃO

A inteligência artificial generativa passou a integrar rotinas de busca, planejamento, síntese, tradução, revisão linguística, programação e produção de imagens no ensino superior. A mesma ferramenta que pode ampliar acesso e produtividade também pode fabricar referências, reproduzir vieses, expor dados confidenciais e ocultar a transferência indevida de trabalho intelectual. Na escrita científica, a questão central não é apenas se a IA foi utilizada, mas para qual finalidade, sob quais salvaguardas e com que grau de supervisão humana (Khalifa; Albadawy, 2024; Hamed; Zachara; Wu, 2024).

A resposta institucional não se resolve pela oposição entre proibir e permitir. A produção científica envolve tarefas com riscos diferentes: sugerir palavras-chave não equivale a interpretar resultados; revisar estilo não equivale a redigir argumentos; apoiar código não equivale a fabricar dados. Diretrizes úteis precisam tornar essas diferenças inteligíveis, assegurar atribuição de responsabilidade, orientar a declaração proporcional do uso e proteger dados pessoais, materiais inéditos e informações sigilosas.

No Brasil, o ambiente regulatório ganhou novos elementos em 2026. O Conselho Nacional de Desenvolvimento Científico e Tecnológico instituiu uma Política de Integridade na Atividade Científica aplicável às atividades apoiadas ou registradas em seus sistemas, com disposições sobre IA e responsabilidade humana (CNPq, 2026a). O Ministério da Educação publicou o Referencial para o Uso e Desenvolvimento Responsáveis de Inteligência Artificial na Educação, organizado em princípios de centralidade humana, equidade, segurança, transparência e governança (Brasil, 2026a). O Conselho Nacional de Educação, por sua vez, discutiu diretrizes orientadoras para a IA na educação brasileira, com incidência também sobre a educação superior (Brasil, 2026b). Esses marcos não substituem a autonomia universitária; eles aumentam a necessidade de políticas locais coerentes e verificáveis.

Diante desse cenário, pergunta-se: como as IES brasileiras têm formalizado o uso de IA na escrita científica e quais princípios, procedimentos e lacunas aparecem nos documentos oficiais? O objetivo é identificar e classificar diretrizes institucionais públicas, analisar seus conteúdos e relacioná-los aos marcos nacionais vigentes ou em consolidação. O estudo oferece um panorama documental; não estima a proporção de todas as IES brasileiras que possuem políticas nem avalia a implementação prática dos documentos.

2. GOVERNANÇA DA IA, ESCRITA CIENTÍFICA E INTEGRIDADE

A integridade acadêmica não pode ser reduzida à identificação de plágio ou à descoberta de texto automatizado. Ela envolve honestidade, responsabilidade, equidade, confiança e respeito ao processo de produção do conhecimento. No contexto da IA generativa, a avaliação ética depende menos da presença isolada da ferramenta do que da finalidade do uso, de sua compatibilidade com os objetivos da atividade e da transparência adotada pelo usuário (Perkins, 2023; Foltýnek et al., 2023). Essa perspectiva evita classificar todo apoio tecnológico como fraude, mas também impede que a IA seja utilizada para ocultar delegação de trabalho intelectual, fabricação de informações ou apropriação indevida de autoria.

Na escrita científica, a integridade exige autoria responsável, rastreabilidade do processo, fidelidade dos registros e possibilidade de escrutínio. Sistemas generativos não satisfazem critérios de autoria porque não assumem responsabilidade, não declaram conflitos de interesse e não podem aprovar a versão final de um trabalho. Por isso, o emprego da IA não transfere nem reduz o dever humano de verificar afirmações, referências, cálculos, códigos, imagens e interpretações. Cotton, Cotton e Shipway (2024) argumentam que respostas institucionais centradas apenas na proibição são insuficientes diante da capacidade dos modelos generativos de produzir textos originais e plausíveis; são necessárias regras claras, redesenho das avaliações e formação para o uso responsável.

A transparência é condição de responsabilização, mas não deve ser tratada como uma declaração binária. Quando a ferramenta interfere em escolhas metodológicas, análise, interpretação ou redação substantiva, a declaração precisa identificar sua finalidade, a etapa em que foi utilizada e as verificações realizadas. Em usos limitados, como correção ortográfica, o nível de detalhamento pode ser menor. A literatura mostra que políticas universitárias excessivamente genéricas silenciam questões centrais, como a redefinição de originalidade em processos de escrita mediados por tecnologia (Luo, 2024). A orientação da UNESCO reforça a necessidade de agência humana, transparência, proteção de dados e responsabilização na educação e na pesquisa (Miao; Holmes, 2023).

Transparência, entretanto, não significa divulgação irrestrita. Exigir a publicação integral de prompts e respostas pode expor dados pessoais, informações confidenciais, propriedade intelectual ou resultados ainda não publicados. Uma política consistente deve adotar proporcionalidade: registrar informação suficiente para tornar a contribuição da IA compreensível e auditável, sem produzir nova violação ética ou jurídica. Assim, declaração de uso, minimização de dados, registro seguro e regras específicas por tarefa precisam funcionar de modo articulado, e não como exigências isoladas.

A detecção automatizada constitui o ponto mais frágil de muitas respostas institucionais. Em avaliação de 14 sistemas, Weber-Wulff et al. (2023) concluíram que as ferramentas disponíveis não diferenciavam de modo suficientemente preciso e confiável textos humanos e textos gerados por IA, além de perderem desempenho diante de tradução ou reformulação. Liang et al. (2023) demonstraram outro problema: detectores classificaram com frequência desproporcional textos de autores não nativos de língua inglesa como produzidos por IA. Esses resultados atingem simultaneamente a validade probatória e a equidade do procedimento.

Consequentemente, um índice de detecção não pode sustentar sozinho acusação, sanção ou rejeição de trabalho. Ele pode, no máximo, iniciar uma análise que considere versões do texto, registros do processo de escrita, domínio demonstrado pelo autor, coerência com produções anteriores e oportunidade de manifestação. A decisão precisa ser humana, contextualizada e fundamentada. Substituir esse procedimento por um percentual fornecido por software converte incerteza estatística em julgamento disciplinar e pode penalizar justamente estudantes e pesquisadores linguisticamente mais vulneráveis (Liang et al., 2023; Weber-Wulff et al., 2023).

A Portaria CNPq nº 2.664/2026 fortalece essa compreensão ao vincular integridade a prevenção, educação, apuração e responsabilização e ao atribuir aos pesquisadores o dever de declarar e justificar o emprego de IA quando pertinente (CNPq, 2026a). A Instrução Normativa CNPq nº 16/2026 detalha o funcionamento da política (CNPq, 2026b). No campo educacional, o referencial do MEC propõe supervisão humana efetiva, proteção de dados, inclusão, avaliação de riscos e desenvolvimento de capacidades institucionais (Brasil, 2026a). Esses documentos oferecem uma base nacional para a harmonização das políticas das IES, sem dispensar regras ajustadas a áreas, cursos e tipos de produção.

3. METODOLOGIA

Para a realização dessa pesquisa exploratória e descritiva, foi feito um levantamento documental publicado pelas IES brasileiras referente a regulamentação do uso da IA no processo de pesquia e escrita, ou processo institucional formalmente divulgado para sua elaboração. A busca foi realizada entre os meses de julho e setembro de 2026.

Foram combinados nomes e siglas de IES com os descritores “inteligência artificial”, “IA generativa”, “escrita científica”, “integridade científica”, “integridade acadêmica”, “diretrizes”, “política”, “resolução”, “portaria”, “instrução normativa”, “guia” e “consulta pública”. Consultaram-se mecanismos de busca, páginas institucionais, repositórios, sistemas de atos, boletins e sítios de pró-reitorias. Aplicou-se rastreamento de referências a partir dos documentos do CNPq, MEC, CNE, Andifes e das próprias IES. Cada resultado foi conferido em domínio oficial; notícias foram aceitas apenas quando permitiam identificar com segurança o ato, seu alcance e sua situação.

Foram incluídos documentos que abordassem o uso de IA em ensino, pesquisa, avaliação ou produção acadêmico-científica e que contivessem ao menos um dos seguintes elementos: autoria e responsabilidade, declaração do uso, verificação, proteção de dados, integridade, formação ou governança. Foram excluídos cursos e eventos sobre IA, textos opinativos, políticas exclusivamente editoriais de periódicos, regras de uma única disciplina e materiais sem autoria institucional identificável.

A estratégia foi orientada à localização de documentos e não ao cálculo de prevalência. Por essa razão, a ausência de uma IES no corpus não significa inexistência de diretriz. Essa decisão evita transformar limitações de indexação, páginas não rastreáveis ou documentos internos em “ausência de política”. O panorama reúne 37 IES com evidências elegíveis e permite comparar formas de institucionalização, não generalizar percentuais para todo o sistema brasileiro.

Os registros foram classificados em quatro situações: A) norma institucional vigente, aprovada por órgão competente e aplicável transversalmente; B) orientação institucional, de alcance amplo, mas sem força normativa equivalente; C) documento setorial, limitado a pró-reitoria, programa, unidade ou modalidade de produção; e D) política em elaboração, consulta ou grupo de trabalho sem ato final localizado. Em caso de sobreposição, registrou-se a situação de maior alcance, preservando-se no texto os documentos setoriais relevantes.

Os dados foram analisados a partir da análise de conteúdo (Bardin, 2011), seguindo as etapas de pré-análise, codificação e interpretação. Foram codificados trechos relativos a transparência, autoria, verificação, dados, riscos, avaliação, formação e atualização. Ferramentas de IA foram usadas para apoiar a triagem, a organização da matriz e a revisão linguística. A inclusão, a classificação e a interpretação dos documentos foram conferidas em fontes oficiais, e a responsabilidade pelo texto permaneceu humana.

4. RESULTADOS E DISCUSSÃO

4.1. Marcos Nacionais e Efeitos Sobre as Ies

Antes de examinar as respostas das IES, é necessário delimitar os referenciais nacionais que condicionam sua atuação. Eles possuem naturezas jurídicas distintas e, portanto, não podem ser apresentados como se produzissem os mesmos efeitos: a LGPD estabelece obrigações legais; os atos do CNPq regulam a integridade no âmbito de sua competência; o referencial do MEC orienta a adoção responsável; e o material do CNE indicava, na data de corte, uma agenda normativa ainda em tramitação. O Quadro 1 sintetiza esses marcos e suas repercussões para a educação superior e a pesquisa.

Quadro 1. Marcos nacionais relacionados ao uso de IA na educação superior e na pesquisa

Fonte: elaboração própria com base nos documentos oficiais indicados.

Os marcos nacionais convergem em cinco exigências: responsabilidade humana indelegável; transparência proporcional ao uso; proteção de dados e direitos; supervisão baseada em risco; e desenvolvimento de capacidades institucionais. O CNPq incide diretamente sobre a atividade científica apoiada ou registrada em seus sistemas, enquanto o referencial do MEC oferece uma estrutura mais ampla para usos educacionais. O material do CNE, ainda sem ser tratado aqui como norma homologada, sinaliza uma tendência regulatória que as IES precisam acompanhar.

4.2. Documentos Localizados nas Instituições

A classificação dos documentos deve considerar simultaneamente alcance, força normativa e vigência. Uma diretriz não se torna institucional apenas por estar hospedada no domínio da universidade, e um ato setorial não pode ser generalizado para toda a comunidade acadêmica. Com esse critério, o Quadro 2 apresenta as universidades públicas em que foram localizados documentos elegíveis ou processos formais de elaboração.

Quadro 2. Universidades públicas com documentos ou processos institucionais localizados

Fonte: elaboração própria com base nos documentos oficiais indicados.

Os Institutos Federais também apresentam respostas heterogêneas. Enquanto IFSP e IFRS dispõem de atos institucionais vigentes, outras instituições publicaram orientações de alcance mais restrito ou ainda se encontram na etapa de formulação. Essa distribuição, apresentada no Quadro 3, confirma que a existência de debate institucional não equivale à vigência de uma política.

Quadro 3. Institutos Federais com documentos ou processos localizados

Fonte: elaboração própria com base nos documentos oficiais indicados.

A busca também identificou políticas e orientações em instituições comunitárias e privadas. Esses casos são relevantes porque afastam a interpretação de que a governança da IA seria uma agenda restrita ao setor público. O Quadro 4 reúne os documentos localizados nesse segmento, sem pretensão de estimar sua prevalência no conjunto das instituições privadas brasileiras.

Quadro 4. IES comunitárias e privadas com documentos institucionais localizados

Fonte: elaboração própria com base nos documentos oficiais indicados.

A busca localizou 37 IES com documento elegível ou processo formal em curso. Esse número descreve o corpus e não representa a quantidade total de instituições brasileiras com diretrizes. A composição demonstra que a institucionalização não se limita às universidades públicas: universidades comunitárias e faculdades privadas também publicaram políticas em 2026. Ao mesmo tempo, a publicidade e a indexação variam muito; algumas IES mantêm atos em sistemas de difícil recuperação, enquanto outras divulgam guias sem explicitar aprovação, vigência ou órgão responsável.

A diferença entre A, B, C e D é substantiva. Uma resolução institucional pode fixar deveres e responsabilidades; um guia orienta, mas tende a depender de adesão; um ato setorial pode ser rigoroso sem alcançar toda a instituição; e um grupo de trabalho expressa agenda de governança, não uma regra vigente. Misturar essas situações produziria uma aparência de homogeneidade que o corpus não sustenta.

4.3. Convergências Temáticas e Lacunas

A comparação do corpus revelou convergências suficientes para delinear um núcleo comum de governança, mas também mostrou que a maioria dos documentos é mais consistente na enunciação de princípios do que na definição de procedimentos. O Quadro 5 contrapõe, em cada eixo, o consenso normativo às lacunas que limitam sua aplicação cotidiana.

Quadro 5. Síntese das diretrizes e lacunas identificadas

Fonte: elaboração própria com base nos documentos oficiais indicados.

A transparência é o eixo mais visível. Os documentos recomendam ou exigem que o usuário informe a ferramenta e a finalidade do uso. Em atos mais operacionais, a declaração pode incluir versão, data, partes afetadas e procedimento de verificação. Essa prática cria rastreabilidade, mas precisa ser compatível com a LGPD e com a proteção de pesquisa inédita. A anexação indiscriminada de prompts não é uma solução universal.

A centralidade da autoria humana aparece associada à responsabilidade integral pelo produto final. A IA pode apoiar revisão, tradução, organização e exploração inicial, desde que não substitua o juízo científico nem produza dados ou inferências apresentados como resultado do pesquisador. O ponto frágil é a falta de exemplos por tarefa. Expressões genéricas como “uso ético” ou “apoio” deixam amplo espaço para interpretações conflitantes.

Na verificação, há consenso de que respostas de IA não são fontes e de que referências sugeridas precisam ser conferidas em bases e documentos originais. Detectores aparecem com maior cautela do que em políticas iniciais: seu resultado deve ser examinado em conjunto com evidências do processo de escrita. Ainda são raros os protocolos que definem quem analisa, como o estudante ou pesquisador se manifesta e quais evidências são adequadas.

A proteção de dados tornou-se mais explícita. Diversas diretrizes vedam a inserção de dados pessoais, sensíveis, sigilosos ou não publicados em serviços externos. Contudo, poucos documentos orientam a avaliação de termos de uso, retenção de prompts, transferência internacional, uso de conteúdo para treinamento e contratação institucional. O referencial do MEC pode induzir maior maturidade nessa dimensão.

A formação é mencionada como condição de implementação, mas frequentemente sem plano, carga horária, responsáveis ou indicadores. Políticas exclusivamente punitivas tendem a deslocar o uso para práticas ocultas. Diretrizes formativas, acompanhadas de desenho de avaliação e apoio institucional, permitem que transparência e integridade sejam praticadas como competências acadêmicas.

Em termos críticos, as diretrizes existentes avançam ao rejeitar tanto a proibição genérica quanto a aceitação irrestrita da IA. Seu principal mérito é afirmar a responsabilidade humana e reconhecer que os riscos variam conforme a tarefa. Entretanto, parte considerável do corpus permanece em um nível declaratório: recomenda transparência, supervisão e proteção de dados sem especificar quem decide, quais evidências devem ser preservadas, como conflitos serão apurados ou quando o uso se torna incompatível com o objetivo formativo. Diretrizes assim formuladas produzem consenso abstrato, mas não necessariamente segurança decisória.

Este estudo sustenta que uma política adequada não deve exigir a divulgação automática de todos os prompts nem adotar detectores como árbitros de autoria. A primeira medida pode violar privacidade, sigilo e propriedade intelectual; a segunda converte uma ferramenta probabilística em prova disciplinar. O procedimento mais defensável é exigir declaração proporcional à influência da IA, documentação suficiente para permitir auditoria quando necessária e decisão humana fundamentada, com contraditório. Também é inadequado delegar integralmente a cada docente a definição das regras, pois isso gera assimetrias entre disciplinas. A política institucional deve estabelecer um piso comum, deixando ao docente apenas a calibragem pedagógica justificada por tarefa.

4.4. Diretrizes Operacionais para a Escrita Científica

A análise permitiu transformar os princípios recorrentes em critérios aplicáveis à escrita científica. O Quadro 6 organiza usos frequentes segundo seu risco e indica salvaguardas mínimas. A matriz não define permissões universais; seu propósito é apoiar decisões coerentes com o objetivo da atividade, a sensibilidade dos dados e o grau de contribuição intelectual da ferramenta.

Quadro 6. Matriz prática para políticas institucionais de escrita científica

Fonte: elaboração própria com base nos documentos oficiais indicados.

A matriz não pretende substituir a decisão institucional ou docente. Ela traduz convergências do corpus em uma arquitetura mínima: classificar tarefas por risco, comunicar expectativas antes da atividade, exigir declaração proporcional, proteger dados, documentar verificações e assegurar revisão humana. A especificidade é importante porque a mesma ferramenta pode ser adequada em uma tarefa formativa e incompatível com outra.

4.5. Conduta na Ausência de Diretrizes Institucionais

A inexistência de política institucional não deve ser interpretada como autorização irrestrita nem como proibição automática. Também não exime docentes, pesquisadores, orientadores e editores de explicitar critérios. Até que a IES aprove uma política própria, recomenda-se um protocolo provisório baseado na legislação, nas regras do CNPq quando aplicáveis, no referencial do MEC, nas normas éticas da área e nas instruções do periódico ou agência financiadora. O Quadro 7 apresenta uma sequência mínima para reduzir arbitrariedade e proteger a integridade científica nesse intervalo.

Quadro 7. Protocolo provisório quando a IES não possui diretriz institucional

Fonte: elaboração própria com base nos documentos oficiais indicados.

Esse protocolo é uma solução transitória, não um substituto permanente da governança institucional. Regras locais fragmentadas podem resolver uma necessidade imediata, mas mantêm desigualdades de tratamento e insegurança para a comunidade. Por isso, a ausência de diretriz deve desencadear um processo formal de elaboração, com participação de docentes, estudantes, pesquisadores, bibliotecas, comitês de ética, áreas jurídicas, tecnologia da informação e encarregado de proteção de dados. A política resultante precisa prever revisão periódica, porque ferramentas, riscos e marcos regulatórios mudam mais rapidamente do que os ciclos tradicionais de atualização normativa.

5. CONSIDERAÇÕES FINAIS

As IES brasileiras apresentam respostas diversas ao uso de IA na escrita científica. O corpus localizado reúne normas institucionais, guias amplos, atos setoriais e processos de elaboração, com crescimento expressivo de publicações em 2025 e 2026. A presença de novas políticas em universidades públicas, Institutos Federais e instituições comunitárias e privadas revela que a governança da IA se dissemina por diferentes segmentos, embora sem modelo único.

Os novos marcos nacionais reduzem a fragmentação conceitual. A política do CNPq associa IA à integridade científica, declaração e responsabilidade humana; o referencial do MEC organiza princípios para uso educacional responsável; e o debate do CNE projeta exigências de governança e gestão de riscos. Para as IES, o desafio passa a ser converter esses princípios em procedimentos adequados à pesquisa, à avaliação e à escrita científica.

Uma política institucional consistente deve: definir alcance e conceitos; diferenciar tarefas e níveis de risco; estabelecer declaração proporcional; proteger dados e materiais inéditos; exigir verificação de fatos e referências; tratar detectores como indícios; assegurar contraditório; oferecer exemplos e formulários; formar a comunidade; e prever revisão periódica. A qualidade não depende apenas da existência de um documento, mas de sua clareza, legitimidade, aplicabilidade e capacidade de orientar decisões reais.

Quando a política institucional ainda não existe, a resposta responsável é adotar um protocolo provisório explícito e documentado, e não deixar a decisão implícita ou inteiramente discricionária. Esse protocolo deve articular regras externas aplicáveis, limites definidos antes da atividade, proteção de dados, declaração proporcional, verificação humana e procedimento de contestação. Paralelamente, a IES deve iniciar a construção participativa de uma política transversal. Essa é a principal implicação prática do panorama: governar a IA exige transformar princípios em responsabilidades, fluxos decisórios e salvaguardas verificáveis.

Como limitações, a busca dependeu da disponibilidade e indexação de documentos públicos e não alcança atos internos ou páginas não rastreáveis. O corpus não autoriza estimativas de prevalência para todo o sistema de educação superior. Pesquisas futuras podem construir um censo institucional com lista prévia de IES, contato formal para validação de ausências, análise longitudinal e investigação da implementação junto a docentes, estudantes e gestores.

REFERÊNCIAS BIBLIOGRÁFICAS

BARDIN, L. Análise de conteúdo. São Paulo: Edições 70, 2011.

BRASIL. Conselho Nacional de Educação. Parecer CNE/CP nº 13/2026: Diretrizes orientadoras para o uso da Inteligência Artificial na Educação Brasileira. Brasília, DF: CNE, 2026b. Disponível em: https://www.gov.br/mec/pt-br/cne/2026/agosto-2026/pcp013_26.pdf. Acesso em: 15 set. 2026.

BRASIL. Lei nº 13.709, de 14 de agosto de 2018. Lei Geral de Proteção de Dados Pessoais. Brasília, DF, 2018.

BRASIL. Ministério da Educação. Referencial para o Uso e Desenvolvimento Responsáveis de Inteligência Artificial na Educação. Brasília, DF: MEC, 2026a. Disponível em: https://www.gov.br/mec/pt-br/referencial-de-ia-na-educacao. Acesso em: 15 set. 2026.

CENTRO UNIVERSITÁRIO DE FORMIGA. Política Institucional de Uso de Inteligência Artificial. Formiga: UNIFORMG, 2026.

CNPQ. Instrução Normativa CNPq nº 16, de 17 de abril de 2026. Regulamenta a Política de Integridade na Atividade Científica. Brasília, DF: CNPq, 2026b. Disponível em: https://www.gov.br/cnpq/pt-br/composicao/comissao-de-integridade/documentos. Acesso em: 15 set. 2026.

CNPQ. Portaria CNPq nº 2.664, de 6 de março de 2026. Institui a Política de Integridade na Atividade Científica. Brasília, DF: CNPq, 2026a. Disponível em: https://www.gov.br/cnpq/pt-br/composicao/comissao-de-integridade/documentos. Acesso em: 15 set. 2026.

COTTON, D. R. E.; COTTON, P. A.; SHIPWAY, J. R. Chatting and cheating: ensuring academic integrity in the era of ChatGPT. Innovations in Education and Teaching International, v. 61, n. 2, p. 228-239, 2024. DOI: 10.1080/14703297.2023.2190148.

FACULDADE BOAS NOVAS. Política institucional para uso de inteligência artificial no ambiente acadêmico. Manaus: FBN, 2026.

FACULDADE CÁSPER LÍBERO. Política institucional de uso de inteligência artificial. São Paulo: Cásper Líbero, 2026.

FACULDADE DE CIÊNCIAS HUMANAS E EXATAS DO SERTÃO DO SÃO FRANCISCO. Portaria nº 1/2026. Manual de Boas Práticas para Uso de Inteligência Artificial no Ambiente Acadêmico. Belém do São Francisco: FACESF, 2026.

FOLTÝNEK, T. et al. ENAI recommendations on the ethical use of artificial intelligence in education. International Journal for Educational Integrity, v. 19, 2023. DOI: 10.1007/s40979-023-00133-4.

HAMED, A. A.; ZACHARA, M.; WU, X. Safeguarding authenticity for mitigating the harms of generative AI. iScience, v. 27, n. 2, 108782, 2024. DOI: 10.1016/j.isci.2024.108782.

INSTITUTO FEDERAL DE SANTA CATARINA. Orientação Técnica nº 4/2025: Inteligência Artificial. Florianópolis: IFSC, 2025.

INSTITUTO FEDERAL DE SÃO PAULO. Portaria Normativa nº 136, de 16 de julho de 2025. Institui a Política de Uso de Inteligência Artificial. São Paulo: IFSP, 2025.

INSTITUTO FEDERAL DO PIAUÍ. Uso Responsável da Inteligência Artificial no IFPI. Teresina: IFPI, 2026. Disponível em: https://www.ifpi.edu.br/a-instituicao/diretorias-sistemicas/tecnologia-da-informacao/uso-responsavel-da-inteligencia-artificial-no-ifpi. Acesso em: 15 set. 2026.

INSTITUTO FEDERAL DO RIO GRANDE DO SUL. Instrução Normativa nº 16/2026. Estabelece diretrizes para uso de ferramentas de IA generativa em ensino, pesquisa e extensão. Bento Gonçalves: IFRS, 2026.

KHALIFA, M.; ALBADAWY, M. Using artificial intelligence in academic writing and research: an essential productivity tool. Computer Methods and Programs in Biomedicine Update, v. 5, 100145, 2024. DOI: 10.1016/j.cmpbup.2024.100145.

LIANG, W. et al. GPT detectors are biased against non-native English writers. Patterns, v. 4, n. 7, 100779, 2023. DOI: 10.1016/j.patter.2023.100779.

LUO, J. A critical review of GenAI policies in higher education assessment: a call to reconsider the “originality” of students’ work. Assessment & Evaluation in Higher Education, 2024. DOI: 10.1080/02602938.2024.2309963.

MIAO, F.; HOLMES, W. Guidance for generative AI in education and research. Paris: UNESCO, 2023. DOI: 10.54675/EWZM9535.

PERKINS, M. Academic integrity considerations of AI large language models in the post-pandemic era: ChatGPT and beyond. Journal of University Teaching & Learning Practice, v. 20, n. 2, 2023. DOI: 10.53761/1.20.02.07.

PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO. Diretrizes para uso ético e responsável de inteligência artificial na Faculdade de Direito. São Paulo: PUC-SP, 2025.

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO PARANÁ. Diretrizes para uso de inteligência artificial na PUCPR. Curitiba: CrEAre/PUCPR, 2025.

RASUL, T. et al. Enhancing academic integrity among students in GenAI Era: a holistic framework. The International Journal of Management Education, v. 22, n. 3, 101041, 2024. DOI: 10.1016/j.ijme.2024.101041.

UNIVERSIDADE ALTO VALE DO RIO DO PEIXE. Resolução da Reitoria nº 12, de 25 de agosto de 2026. Uso de sistemas de IA generativa no âmbito da UNIARP. Caçador: UNIARP, 2026.

UNIVERSIDADE CATÓLICA DE PELOTAS. Diretrizes sobre o uso de inteligência artificial no âmbito acadêmico. Pelotas: UCPel, 2026.

UNIVERSIDADE DA REGIÃO DA CAMPANHA. Regulamento do uso de inteligência artificial generativa em trabalhos acadêmicos. Bagé: URCAMP, 2026.

UNIVERSIDADE DO ESTADO DE SANTA CATARINA. Guia para uso ético da inteligência artificial generativa. Florianópolis: Biblioteca Universitária/UDESC, 2025.

UNIVERSIDADE ESTADUAL DA PARAÍBA. Resolução CONSEPE nº 31/2026. Institui política de uso responsável de inteligência artificial generativa. Campina Grande: UEPB, 2026.

UNIVERSIDADE ESTADUAL DE CAMPINAS. Orientações para uso responsável de inteligência artificial. Campinas: UNICAMP, 2025.

UNIVERSIDADE ESTADUAL DE RORAIMA. Resolução ad referendum nº 29, de 17 de agosto de 2026. Diretrizes éticas para uso de inteligência artificial em projetos de pesquisa e trabalhos acadêmicos. Boa Vista: UERR, 2026.

UNIVERSIDADE ESTADUAL DO PARANÁ. Instrução Normativa Conjunta nº 1/2025. Dispõe sobre o uso de ferramentas de inteligência artificial. Paranavaí: UNESPAR, 2025.

UNIVERSIDADE ESTADUAL PAULISTA. Resolução UNESP nº 13, de 22 de abril de 2025. Dispõe sobre o uso de inteligência artificial na Universidade. São Paulo: UNESP, 2025.

UNIVERSIDADE FEDERAL DA BAHIA. Guia para uso ético e responsável da inteligência artificial generativa. Salvador: UFBA, 2025.

UNIVERSIDADE FEDERAL DA FRONTEIRA SUL. Portaria nº 4.374/GR/UFFS/2025. Institui comissão responsável por estudos e diretrizes sobre inteligência artificial. Chapecó: UFFS, 2025.

UNIVERSIDADE FEDERAL DA INTEGRAÇÃO LATINO-AMERICANA. Portaria nº 343/2026/GR. Institui grupo de trabalho para proposta de política institucional de inteligência artificial. Foz do Iguaçu: UNILA, 2026.

UNIVERSIDADE FEDERAL DA PARAÍBA. Resolução CONSEPE nº 57, de 17 de setembro de 2025. Política de Integridade Acadêmica e Científica. João Pessoa: UFPB, 2025.

UNIVERSIDADE FEDERAL DE ALFENAS. UNIFAL-MG estabelece diretrizes para o uso de inteligência artificial na Universidade. Alfenas: UNIFAL-MG, 2026. Disponível em: https://jornal.unifal-mg.edu.br/unifal-mg-estabelece-diretrizes-para-o-uso-de-inteligencia-artificial-na-universidade/. Acesso em: 15 set. 2026.

UNIVERSIDADE FEDERAL DE MINAS GERAIS. Recomendações para o uso de ferramentas de inteligência artificial. Belo Horizonte: UFMG, 2025.

UNIVERSIDADE FEDERAL DE OURO PRETO. Resolução CONPEP nº 144, de 5 de setembro de 2025. Ouro Preto: UFOP, 2025.

UNIVERSIDADE FEDERAL DE SÃO JOÃO DEL-REI. Instrução Normativa nº 1/2026-PROPE. Estabelece princípios e diretrizes sobre IA em atividades acadêmicas e científicas. São João del-Rei: UFSJ, 2026.

UNIVERSIDADE FEDERAL DO CEARÁ. Portaria PRPPG nº 39, de 1º de outubro de 2025. Fortaleza: UFC, 2025.

UNIVERSIDADE FEDERAL DO DELTA DO PARNAÍBA. Resolução CONSUNI nº 157, de 23 de abril de 2025. Política de Uso de Inteligência Artificial. Parnaíba: UFDPar, 2025.

UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO. Proposta de Política Institucional para o Uso de Inteligência Artificial. Vitória: UFES, 2025.

UNIVERSIDADE FEDERAL DO MARANHÃO. Resolução CONSAD nº 374, de 20 de outubro de 2025. Institui a Política de Inteligência Artificial. São Luís: UFMA, 2025.

UNIVERSIDADE FEDERAL DO OESTE DA BAHIA. Processo nº 23520.010524/2026-82. Política de Uso de Inteligência Artificial em Trabalhos Acadêmicos e Administrativos. Barreiras: UFOB, 2026.

UNIVERSIDADE FEDERAL DO RECÔNCAVO DA BAHIA. Guia para uso ético da inteligência artificial. Portaria da Reitoria nº 1.299/2025. Cruz das Almas: UFRB, 2025.

UNIVERSIDADE MUNICIPAL DE SÃO CAETANO DO SUL. Guia Dinâmico de Boas Práticas no uso da Inteligência Artificial. São Caetano do Sul: USCS, 2026.

WEBER-WULFF, D. et al. Testing of detection tools for AI-generated text. International Journal for Educational Integrity, v. 19, art. 26, 2023. DOI: 10.1007/s40979-023-00146-z.

¹ Universidade Federal de Viçosa, Florestal, Brasil. E-mail: [clique para visualizar o e-mail]acesse o artigo original para visualizar o e-mail. ORCID: https://orcid.org/0000-0001-8222-9172