Um estudo com 522 estudantes universitários chineses investigou como julgamentos éticos, percepção de dano, área de estudo, gênero e dissonância moral se relacionam com práticas de má conduta acadêmica online. Em um cenário em que plataformas digitais e ferramentas como ChatGPT tornam mais fácil produzir, copiar ou adaptar trabalhos, os resultados indicam que a clareza sobre o que viola a integridade acadêmica é um dos fatores mais consistentes para reduzir comportamentos como plágio, cola, fabricação de informações e facilitação de fraude.

O QUE HÁ DE NOVO: A pesquisa analisou a má conduta acadêmica em ambientes digitais a partir de quatro dimensões centrais: características pessoais dos estudantes, percepção de dano para quem comete e para quem não comete a infração, julgamento sobre ética acadêmica na internet e índice de dissonância ética. O estudo foi realizado com alunos do ensino superior na China, divididos igualmente entre áreas de humanidades e ciências, com predominância feminina na amostra e alto nível de uso diário da internet: quase um terço afirmou passar mais de seis horas por dia online.

COMO FUNCIONA: Os participantes responderam a um questionário baseado em cenários de má conduta acadêmica digital, cobrindo quatro tipos de comportamento: cola, fabricação de informações, facilitação de fraude e plágio. Para cada situação, os estudantes avaliaram a frequência percebida entre colegas, a legitimidade do comportamento, suas próprias experiências anteriores, o dano causado a infratores e não infratores, e o grau em que a conduta violava a ética acadêmica online. A diferença entre a percepção de prevalência e a percepção de legitimidade foi usada para calcular o índice de dissonância ética, isto é, o conflito entre perceber uma prática como comum e reconhecê-la como pouco aceitável.

PRINCIPAIS RESULTADOS: O levantamento encontrou diferenças relevantes por gênero e área de estudo. Estudantes mulheres atribuíram maior gravidade aos danos da má conduta acadêmica tanto para quem viola regras quanto para colegas que seguem as normas. Já estudantes homens relataram mais experiências prévias de plágio e cola. Por área, alunos de ciências indicaram maior frequência de plágio online do que alunos de humanidades. A análise também agrupou os estudantes em quatro perfis: os que veem a fraude como comum e relativamente legítima; os que a veem como incomum e ilegítima; os que a veem como comum, mas ilegítima; e uma minoria que a considera incomum, porém aceitável.

Entre os fatores testados, o julgamento sobre ética acadêmica na internet apareceu como o preditor negativo mais consistente: quanto mais claramente o estudante identificava uma prática como violação ética, menor era a probabilidade de relatar envolvimento anterior com ela. Os modelos estatísticos explicaram de 6% a 15% da variação nas experiências de má conduta, com maior poder explicativo para plágio. A percepção de dano também se associou a menor envolvimento em plágio, cola e facilitação de fraude. O índice de dissonância ética, por sua vez, não se correlacionou de forma simples com todos os tipos de infração, mas apareceu como preditor positivo de plágio quando analisado em conjunto com outras variáveis.

POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: O estudo reforça que a integridade acadêmica na era da IA generativa não pode ser tratada apenas como um problema de vigilância ou detecção automática. Para professores e universidades, os resultados sugerem que estudantes podem conhecer a existência de normas, mas ainda racionalizar práticas inadequadas quando percebem que elas são comuns, pouco danosas ou ambíguas. Isso tem impacto direto na sala de aula e na avaliação: tarefas baseadas apenas em produto final, prazos rígidos e pouca orientação sobre citação, autoria e uso permitido de ferramentas digitais podem ampliar zonas cinzentas que favorecem o plágio e a cola online.

Para a gestão universitária, os achados apontam para políticas mais preventivas e menos reativas. Em vez de depender exclusivamente de punições ou softwares de detecção, instituições podem explicitar com exemplos concretos o que conta como colaboração legítima, uso aceitável de IA, paráfrase adequada, fabricação de dados e terceirização indevida de trabalhos. Também ganham importância avaliações processuais, como versões preliminares, defesa oral, registros de desenvolvimento, feedback por etapas e atividades que valorizem raciocínio próprio. A dimensão de equidade é central: estudantes de diferentes áreas, culturas acadêmicas e níveis de letramento digital podem precisar de orientações distintas para interpretar corretamente as regras.

LIMITES E CUIDADOS: A pesquisa se baseia em autorrelato, o que pode subestimar práticas sensíveis como fraude acadêmica, e usou amostragem por conveniência, o que limita a generalização dos resultados. A amostra também se restringe a estudantes universitários chineses, em um contexto cultural e institucional específico, e não mede diretamente o uso de ferramentas de IA generativa em tarefas reais. Por isso, os dados devem ser lidos como um mapa de percepções e associações, não como prova causal de que determinados perfis levam inevitavelmente à má conduta.

O QUE VEM A SEGUIR: Os pesquisadores indicam a necessidade de estudos com amostras mais diversas, métodos mistos e observação mais objetiva de comportamentos em ambientes digitais de aprendizagem. Para universidades, o próximo passo prático é transformar políticas de integridade em formação contínua: módulos obrigatórios desde o ingresso, exemplos adaptados por área, treinamento docente para desenho de avaliações mais autênticas e regras transparentes sobre quando e como a IA pode ser usada. A mensagem central é que a tecnologia muda os meios da fraude, mas a resposta educacional depende de clareza ética, desenho pedagógico e cultura institucional consistente.

Fonte: Navigating the digital learning landscape: insights into ethical dilemmas and academic misconduct among university students