Um estudo com 312 universitários em 25 instituições na Turquia analisou por que estudantes recorrem ao “AI-giarism”, o uso de conteúdo gerado por IA sem atribuição, e encontrou quatro motores principais: a capacidade das ferramentas, a normalização/justificativa do plágio, a falta de consciência sobre enganos da IA e a pressão acadêmica. Os achados ajudam gestores e docentes a calibrar políticas e práticas que vão além da simples detecção, combinando diretrizes claras, letramento em IA e desenho de avaliações.
O QUE HÁ DE NOVO: Publicado em periódico acadêmico, o trabalho aplica o “triângulo da fraude” (pressão, oportunidade e racionalização) para explicar a intenção de estudantes em praticar AI-giarism, termo usado para descrever a entrega de textos produzidos por ferramentas como ChatGPT como se fossem autorais. A pesquisa coletou questionários on-line entre fevereiro e abril de 2025 e analisou respostas de 312 alunos que declararam usar ferramentas de IA, distribuídos por 25 universidades, com modelagem de equações estruturais. O modelo explicou 52% da variação do comportamento de AI-giarism, um nível considerado moderado para ciências sociais.
COMO FUNCIONA: Os pesquisadores traduziram e adaptaram escalas já usadas em estudos sobre desonestidade acadêmica para medir seis fatores: pressão acadêmica (prazo apertado e excesso de tarefas), “oportunidade” via capacidade percebida da IA (ajuda para ideias, estrutura e revisão), entendimento sobre IA, percepção de aplicação fraca de punições, além de duas formas de racionalização, justificar o plágio (“todo mundo faz”, “não prejudica ninguém”) e não perceber que a IA pode enganar (por exemplo, gerar referências inexistentes). As respostas foram dadas em escala Likert de cinco pontos; depois, o estudo testou quais caminhos estatísticos se associavam ao AI-giarism (como copiar respostas da IA, modificar trechos e não declarar o uso).
PRINCIPAIS RESULTADOS: Quatro fatores apareceram como preditores positivos e estatisticamente significativos do AI-giarism: capacidade da IA (β=0,327), justificativa do plágio (β=0,332), falta de consciência sobre enganos da IA (β=0,222) e pressão acadêmica (β=0,269). Entre eles, a justificativa do plágio teve o maior peso relativo (efeito de tamanho médio), sugerindo que a cultura e a racionalização importam tanto quanto a tecnologia. Em contrapartida, dois resultados contrariam uma intuição comum em políticas de integridade: nem a percepção de fiscalização frouxa (β=-0,032) nem o entendimento declarado sobre IA (β=-0,039) se relacionaram de forma significativa ao AI-giarism na amostra.
INSIGHT CENTRAL: A pesquisa reposiciona a discussão ao tratar “não perceber a decepção da IA” como parte da racionalização do comportamento antiético: quando estudantes confiam em saídas com aparência de rigor (por exemplo, com referências), podem reduzir a percepção de risco e responsabilidade, e, com isso, normalizar o uso indevido. Esse enquadramento ajuda a explicar por que ações centradas apenas em proibir ferramentas ou “pegar” o aluno podem falhar: o problema não é só acesso, mas a narrativa interna que torna a prática aceitável em um contexto de pressão e de ferramentas cada vez mais convincentes.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para o ensino superior, os achados sugerem uma mudança de foco: a “corrida armamentista” de detecção tende a ser insuficiente quando a própria capacidade de gerar textos humanizados é vista como oportunidade e quando a justificativa do plágio é dominante. Na sala de aula, isso pressiona o desenho de atividades e avaliações para reduzir incentivos ao atalho (por exemplo, tarefas excessivas e pouco autênticas) e para exigir processos verificáveis (rascunhos, reflexão, etapas e evidências de autoria). Para docentes, o estudo reforça a necessidade de orientar o uso permitido, especialmente em escrita, pesquisa e revisão, e de explicitar como declarar o apoio de IA, diminuindo a ambiguidade que alimenta a racionalização. Para a gestão, a implicação é combinar políticas com formação: letramento em IA voltado a limitações e “alucinações”, e não só a como usar ferramentas, aparece como peça prática para reduzir a justificativa “fui enganado”.
SIM, MAS…: O estudo traz limitações importantes para decisões institucionais. Os dados são autorrelatados, o que pode subestimar condutas indevidas por desejabilidade social, e o recorte é de estudantes na Turquia, onde normas culturais e práticas acadêmicas podem diferir de outros países. Além disso, o próprio conceito de AI-giarism é recente e pode mudar conforme universidades e periódicos definirem com mais detalhe o que é uso aceitável (por exemplo, revisão gramatical, brainstorming, estruturação, coautoria). Assim, os resultados ajudam a priorizar hipóteses e intervenções, mas precisam de replicação e testes comportamentais em cenários reais de avaliação.
O QUE VEM DEPOIS: Os autores apontam caminhos de pesquisa que dialogam diretamente com a gestão educacional: estudos experimentais com cenários de uso de IA (para observar decisões em vez de apenas opiniões), análises longitudinais para acompanhar como a normalização evolui conforme políticas amadurecem e comparações entre países e áreas de formação. Para as instituições, a agenda prática implícita é testar combinações de medidas, diretrizes com exemplos situacionais, exigência de declaração de uso, revisão do volume de tarefas e avaliações mais autênticas, e monitorar efeitos não só na integridade, mas também na aprendizagem e na equidade de acesso às ferramentas.
