08-108-24-PENABAD-HTML

Revista Electrónica Educare EISSN: 1409-4258 Vol. 28, Suplemento Especial, 2024:

doi: https://doi.org/10.15359/ree.28-S.20940

https://www.revistas.una.ac.cr/index.php/educare

educare@una.ac.cr

[Cierre de edición: 31 diciembre 2024]

Guia para o uso e relato de inteligência artificial em revistas científico-acadêmicas

Guía para uso y reporte de inteligencia artificial en revistas científico-académicas

Guide for the use and Reporting of Artificial Intelligence in Scientific-Academic Journals

Liana Penabad-Camacho

Universidad Nacional

https://ror.org/01t466c14

Centro de Investigación y Docencia en Educación

Heredia, Costa Rica

liana.penabad.camacho@una.ac.cr

https://orcid.org/0000-0001-9381-182X

María Morera-Castro

Universidad Nacional

https://ror.org/01t466c14

Escuela de Ciencias del Movimiento Humano y Calidad de Vida

Heredia, Costa Rica

mmore@una.ac.cr

https://orcid.org/0000-0003-2218-179X

María Amalia Penabad-Camacho

Universidad Nacional

https://ror.org/01t466c14

Instituto de Estudios de la Mujer

Heredia, Costa Rica

maria.penabad.camacho@una.ac.cr

https://orcid.org/0000-0002-5095-5775

Recibido • Received • Recebido: 24 / 04 / 2024

Corregido • Revised • Revisado: 23 / 06 / 2024

Aceptado • Accepted • Aprovado: 20 / 08 / 2024

Resumo

Introdução. A Inteligência Artificial (IA) propõe uma reestruturação da forma tradicional de fazer e publicar ciência, pois fornece ferramentas que complementam, reaprendem e simplificam processos complexos típicos da pesquisa realizada por seres humanos. A diversidade de mecanismos que a IA fornece exige transparência ao relatar seu uso e garantia de que sejam congruentes com o rigor da comunicação científica e seu ecossistema de gestão editorial (do qual participam editores, revisores e autores). Objetivo. O objetivo deste documento é fornecer elementos norteadores para o relato do uso de IA nas atividades que compõem o processo de publicação científica. Para isso, são fornecidos conceitos, princípios e recomendações para os três papéis já mencionados que alfabetizam e propõem mecanismos de aprendizagem para a pessoas envolvidas em atividades de comunicação do conhecimento. Guia. São propostas quatro partes no guia. A primeira fornece o conjunto de conceitos necessários para compreender as dinâmicas propostas nos princípios e as recomendações. Em especial, propõe-se a definição dos prompts (primário, secundário e complementar); da rede de prompts (ou prompt net) e diagramas que conceituam seu uso. A segunda abrange editores e equipes editoriais e propõe recomendações para a implementação de políticas relacionadas com a IA em suas revistas. A terceira propõe aos revisores boas práticas para o uso da IA como apoio no processo de avaliação de uma unidade de comunicação científica. A quarta oferece uma estrutura ética e ferramentas concretas para os autores usarem a IA em seu trabalho e relatá-la em seus escritos. Reflexão final. O objetivo final do uso de IA deve ser o bem comum e a melhoria da qualidade de vida das pessoas. Um exercício ético, que mitiga a introdução de vieses ou a desinformação, deve ser um eixo central para o uso dessa ferramenta. Ter em mente de que é um fenômeno em evolução é relevante para futuras atualizações do guia e seus conceitos.

Palavras-chave: Publicação científica; inteligência artificial generativa; modelo de linguagem em larga escala; prompt net; viés; ciência aberta; ética.

ODS: ODS 4; Educação de qualidade.

Resumen

Introducción. La Inteligencia artificial (IA) propone una reestructuración de la forma tradicional de hacer y publicar ciencia, ya que aporta herramientas que complementan, reaprenden y simplifican procesos complejos propios de la investigación realizada por seres humanos. La diversidad de mecanismos que la IA provee, demanda transparencia al reportar su uso y garantía de que son congruentes con la rigurosidad de la comunicación científica y su ecosistema de gestión editorial (en el que participan personas editoras, revisoras y autoras). Objetivo. El objetivo de este documento es facilitar elementos orientadores para el reporte de uso de la IA en las actividades que integran el proceso de publicación científica. Para ello se aportan conceptos, principios y recomendaciones para los tres roles ya mencionados que alfabetizan y proponen mecanismos de aprendizaje para las personas que se involucran en las actividades de comunicación del conocimiento. Guía. Se proponen cuatro partes en la guía. La primera aporta el grupo de conceptos necesario para comprender las dinámicas propuestas en los principios y recomendaciones. En especial, se propone la definición de los prompts (primario, secundarios y complementarios); de la red de prompts (o prompt net) y se proponen los diagramas que conceptualizan su uso. La segunda cubre a las personas editoras y equipos editoriales y les propone recomendaciones para implementar políticas relacionadas con IA en sus revistas. La tercera le propone a las personas revisoras buenas prácticas para el uso de IA como apoyo al proceso de evaluar una unidad de comunicación científica. La cuarta le ofrece un marco ético y herramientas concretas a las personas autoras para usar IA en sus trabajos y reportarlo en sus escritos. Reflexión final. El fin último del uso de IA debe ser el bien común y la mejora de la calidad de vida de las personas. Un ejercicio ético, que mitigue la introducción de sesgos o la desinformación, debe ser un eje medular para el uso de esta herramienta. Tener presente que se trata de un fenómeno en evolución es relevante para futuras actualizaciones de la guía y sus conceptos.

Palabras claves: Publicación científica; inteligencia artificial generativa; modelo de lenguaje de gran escala; prompt net; sesgo; ciencia abierta; ética.

ODS: ODS 4; Educación de calidad.

Abstract

Introduction. Artificial Intelligence (AI) proposes a restructuring of the traditional way of doing and publishing science, since it provides tools that complement, relearn and simplify complex processes typical of research carried out by human beings. The diversity of mechanisms that AI provides demands transparency when reporting its use, and the guarantee that they are consistent with the rigor of scientific communication and its editorial management ecosystem (in which editors, reviewers and authors participate). Aim. This document aims to provide guiding elements for reporting the use of AI in the activities that make up the scientific publication process. Concepts, principles, and recommendations are provided for the three aforementioned roles. They provide literacy and propose learning mechanisms for people who are involved in knowledge communication activities. Guide. Four parts are proposed in the guide. The first one considers a group of concepts necessary to understand the dynamics proposed in the principles and recommendations provided. In particular, the definition of prompts (primary, secondary, and complementary); of the prompt network (or prompt net), and the diagrams that conceptualize its use are proposed. The second part covers editors and editorial teams and offers recommendations for implementing AI-related policies in their journals. The third part gives reviewers good practices for the use of AI to support the process of evaluating a scientific communication unit. The fourth presents an ethical framework and concrete tools, to authors, to use AI in their work and report it in their manuscripts. Final reflection. The goal of using AI must be the common good and improving people’s quality of life. An ethical exercise, which mitigates the introduction of bias or misinformation, must be a core axis for the use of this tool. Keeping in mind that this is an evolving phenomenon is relevant for future updates of the guide and its concepts.

Keywords: Scientific publication; Generative Artificial Intelligence; large language model; prompt net; bias; open science; ethics.

SDG: SDG 4; Quality education.

Introdução e alcance

No contexto atual, a formação e o conhecimento que são construídos a partir da academia enfrentam o debate sobre o uso ético da inteligência artificial (IA). É apresentada a questão de como interpretar o alcance e regular a sua utilização nas tarefas universitárias para garantir a integridade acadêmica (Unesco, 2023a), porque o uso inadequado representa um despropósito que limita o processo de aprendizagem, mina o rigor e a qualidade da ciência e representa um dilema para quem gera conhecimento em seu exercício de construção de informações de forma responsável e ética. Além disso, a Unesco identifica outros impactos em aspectos como: proteção de dados, viés cognitivo, reprodução de formas de discriminação, acessibilidade e comercialização de informações (Unesco, 2023a). situa também, numa espécie de paradoxo, a necessidade de dispor de infraestruturas digitais acessar mais ferramentas desse tipo e mais conhecimento quando, na realidade, nem todos podem acessar essas infraestruturas; assim, “perpetuam a desigualdade de acesso tanto quanto as combatem, embora muitas vezes sejam faladas como se fossem onipresentes e disponíveis para qualquer pessoa” (p.155).

Por outro lado, o uso da IA para aprimorar o conhecimento faz dela uma ferramenta de apoio ao trabalho educacional que potencializa o desenvolvimento social em múltiplas dimensões (incluindo metodológica, informativa ou comunicativa) e enriquece os esforços da comunidade acadêmica na aspiração de promover uma educação de qualidade (ODS 4).

A partir dessas perspectivas, e retomando recomendações como as que têm sido facilitadas por diversas instâncias que monitoram o trabalho científico, este texto se compromete com o uso responsável da IA que, por meio da transparência, possibilita um uso ético desse recurso promovendo a intenção primária do criador de garantir o rigor e a responsabilidade da ciência e o benefício coletivo.

No caso das ciências sociais, é necessário refletir sobre as vantagens da aplicação desta ferramenta e as consequências de seu uso indevido. García Velázquez (2023) e Ramos Pollán (2020) propõem que esse processo de reflexão deve considerar que – ao contrário de outras disciplinas – nas ciências sociais os efeitos, as vantagens ou as consequências não serão necessariamente identificados de imediato. Eles destacam que entre as aplicações conhecidas, por exemplo: análise de sentimento; extração de termos-chave; análise de imagem; melhoria dos serviços de usabilidade ou adição de camadas de informações; tratamento adequado dos dados e metadados é fundamental para melhorar a disponibilidade e a variedade dos dados e suas possibilidades de relacionar-se. Isso, em combinação com consultas precisas criadas pelos usuários, permite que os modelos de linguagem sejam calibrados e ajustados e o conteúdo dos produtos entregues seja melhorado (García Velázquez, 2023; Ramos Pollán, 2020).

Por outro lado, a ciência aberta promove o uso extensivo e intensivo de dados, incentiva um exercício de pesquisa rigoroso, transparente e reproduzível e incentiva o uso responsável e ético da informação. Com esse pano de fundo, a CA reconhece o potencial da tecnologia para expandir e tornar mais eficiente a gestão do conhecimento e chama ao uso ético da inteligência artificial como uma ferramenta cujo objetivo final é reduzir a desigualdade e melhorar a qualidade de vida das pessoas (Organization for Economic Co-operation and Development [OECD], 2023; Unesco, 2022).

Como este é um cenário em que as condições continuam evoluindo, é imperativo garantir a integridade e a confiança nos processos de pesquisa assistidos por IA. A ciência aberta, como modelo de publicação, visa a criação de conhecimento científico aberto onde a transparência, o controle, a crítica e a reprodutibilidade desempenham um papel relevante no uso e gerenciamento de dados (Unesco, 2021). Nesse contexto, o objetivo do guia, de acordo com as melhores práticas da CA, é fornecer elementos orientadores para promover o relato transparente, responsável e ético da IA nas atividades que compõem o processo de publicação científica, ao mesmo tempo em que reconhece a evolução, o crescimento ou a transformação da IA. Por esse motivo, o guia é voltado principalmente para três públicos:

1. Editores e equipes editoriais que desejam estabelecer quais são os parâmetros de uso da IA em suas publicações.

2. Revisores que exigem boas práticas de uso ético e responsável, ao apoiar suas revisões ou avaliações com IA.

3. Autores que buscam orientação e boas práticas para relatar de forma transparente o uso da IA em seus processos de pesquisa e em suas Unidades de Comunicação Científica (UCC) ou artigos.

O desenvolvimento dessas recomendações é baseado em seis premissas. A primeira considera que a IA é uma ferramenta em expansão, portanto, ao invés de bloquear suas possíveis aplicações no ambiente de publicação científico-acadêmica, propõe tornar seu uso transparente e padronizar ou regular. A segunda propõe que, de acordo com o modelo de ciência aberta, a exposição dessas rotas de forma estruturada garante a rastreabilidade e a reprodutibilidade da pesquisa e do conhecimento. A terceira esclarece que essas recomendações visam o uso voluntário, intencional, programado, articulado e explícito de ferramentas de IA no processo de pesquisa e redação. Entende-se que, devido às condições e características do momento, é possível que tenham sido utilizados apoios que incluam IA, sem necessariamente ter conhecimento de seu uso e, portanto, não se enquadram no espectro dessas recomendações. A quarta estabelece a intenção de que este guia seja um veículo para a alfabetização no campo da IA, CA, suas aplicações éticas, relatórios transparentes e aproximação das pessoas a um processo de aprendizagem, que pode ser replicado em outras revistas, outros processos de avaliação, outras publicações e outras formas de intercâmbio e gerar conhecimento. A quinto salienta que, embora estas recomendações sejam propostas para equipes editoriais, de revisão ou de autores em educação e ciências sociais, também devem ser úteis como um guia básico para outras áreas disciplinares ou indivíduos que enfrentam o debate ético sobre seu uso. A sexta ressalta que a experiência de uso da IA deve ser acompanhada e regulada, a partir do exercício de cada pessoa, pelas melhores práticas, respeito aos direitos humanos e ao conhecimento ético, bioético, disciplinar e profissional. Em última análise, está nas pessoas que tomam a decisão de usar IA, sobre quem recai a responsabilidade pelo uso dado.

Apoiar a implementação da IA com informações sobre a ética de seu uso fortalece o grau de acessibilidade que as pessoas têm, mitiga o medo ou a incerteza que existe em torno dessa questão e gera o empoderamento necessário para a tomada de decisões.

Guia para o uso de IA em revistas e publicações científico-acadêmicas

O guia é subdividido em quatro partes. A primeira apresenta conceitos fundamentais para a compreensão e a aplicação deste guia; a segunda é voltada para equipes editoriais e estabelece princípios orientadores e recomendações para regular o uso de IA em cada revista. A terceira parte destina-se a revisores e considera princípios orientadores e recomendações para relatar o uso de IA no processo de avaliação ou arbitragem. A quarta fornece aos autores princípios orientadores e recomendações para fazer uso responsável da IA em suas pesquisas e relatá-la de maneira estruturada em suas UCC.

É relevante esclarecer que o guia deve mostrar todos os cenários possíveis em que a IA pode estar envolvida durante o processo de pesquisa ou a redação de um texto científico. Especificamente, cada pesquisador(a) identificará em quais seções utilizou a ferramenta e relatará as informações correspondentes, usando apenas o que é relevante do guia.

Para sustentar a proposta deste guia, foi realizada uma revisão documental que permitiu fundamentar aspectos relevantes dos princípios e das recomendações para cada um dos três grupos mencionados. Da revisão destacam-se as seguintes fontes em ordem cronológica:

Conceitos fundamentais

Para a implementação deste guia, considera-se essencial a leitura prévia desses conceitos e definições, para que o leitor adquira ou atualize seus conhecimentos sobre o assunto. É relevante esclarecer que, nos casos em que uma determinada fonte não é indicada, foram construídas definições específicas para uma melhor compreensão dos conteúdos desenvolvidos no guia.

Autoria / Autor / Autora: Este papel deve ser ocupado pela pessoa que puder:

A IA pode gerar conteúdo como um ser humano, pode explicar de forma responsável e estrutural sua construção, mas não pode assumir uma posição moral sobre isso. Dado que a IA pode explicar sua seleção de informações e produzir expressões que simulam o pensamento humano, mas não tem critérios morais sobre elas, não pode ser considerada autora ou assumir responsabilidade legal pelo que gera (International Committee of Medical Journal Editors [ICMJE], 2024a, 2024b; Hicks et al., 2024; Kaebnick et al., 2023; Zielinski et al., 2023).

Coautoria: realiza as ações de autoria em conjunto com outros seres humanos.

Criação: é a obra que é o produto do exercício intelectual e original de um ser humano (Lei 7397, Assemblea Legislativa de la República de Costa Rica, 1994). A cocriação é a obra que é o produto do exercício intelectual e original de vários seres humanos que resulta em uma criação, entendida como um todo indivisível (Lei 7397, Assemblea Legislativa de la República de Costa Rica, 1994).

Dados (de pesquisa): são os registros reais usados ou extraídos de uma fonte de informação ou objeto de estudo para realizar pesquisas, apoiá-las ou validar suas descobertas. Por exemplo: registros numéricos, texto, imagens ou sons (OCDE, 2007). São tipicamente classificados como quantitativos ou qualitativos, embora seus formatos e origens sejam diversos. Ao combiná-los, interpretá-los, analisá-los ou processá-los, eles adquirem significado e são obtidas informações a partir deles (Universidade de Alcalá, 2024).

Deep Learning: é uma forma de aprendizado de máquina que usa redes neurais multicamadas (redes profundas) para simular o processo de tomada de decisões do cérebro humano (IBM, s.d.).

Direitos autorais: São os direitos (morais e patrimoniais) dos criadores sobre suas obras literárias, científicas ou artísticas; auxiliam os autores e protegem suas criações intelectuais originais manifestadas como formas de expressão, formas criativas e únicas de cada autor (Organização Mundial da Propriedade Intelectual [OMPI], 1996; OMPI, 2016; Registro Nacional da República da Costa Rica, 2013b, União de Berna, 1979).

Inteligência Artificial (IA): A capacidade de um computador ou de um robô controlado por um computador de realizar tarefas tradicionalmente associadas a seres inteligentes (OCDE, 2023; OMPI, 2020; Zielinski et al., 2023).

Inteligência artificial (IA) generativa: executa tarefas tipicamente associadas a seres inteligentes usando modelagem generativa e aprendizagem profunda para produzir ou gerar conteúdo de mídia existente (gráficos, texto, áudio, vídeo), modelos estatísticos e linguagem baseada em probabilidades e algoritmos (OCDE, 2023; OMPI, 2020; Zielinski et al., 2023).

Metadados: refere-se aos dados que descrevem ou caracterizam os recursos, registros ou dados que são produto do processo de pesquisa ou reflexão. De acordo com o Comissão Econômica para a América Latina e o Caribe [CEPAL] (2024), a estrutura dessa descrição ou caracterização permite uma leitura ágil e eficiente por computadores e facilita sua interoperabilidade. Além disso CEPAL (2024) identifica três tipos de metadados: os descritivos que caracterizam o conteúdo de um recurso (por exemplo: título, autoria, afiliações, palavras-chave, resumo ou referências); os administrativos que descrevem a criação de um recurso ou os meios de gerenciá-lo (por exemplo: termos técnicos, de preservação, gerenciamento, licenciamento ou propriedade intelectual); e os estruturais que descrevem as relações entre partes de um recurso, por exemplo: um sumário ou um diagrama.

Modelagem generativa: Técnica de IA que gera produtos analisando exemplos de treinamento que permitem que a IA aprenda padrões e distribuição para criar resultados realistas (Zielinski et al., 2023).

Modelo de documento (JATS): O protocolo JATS (Journal Article Tag Suite) é um padrão internacional de marcação para modelar ou ordenar a estrutura de conteúdo e metadados de artigos de revistas. Este modelo divide o texto de um artigo científico em um esboço de três partes. O Front ou partes preliminares, identifica metadados descritivos que aludem a informações no texto (por exemplo, título, autoria, afiliações, resumo ou palavras-chave). O Body ou corpo, refere-se ao conteúdo narrativo do texto (por exemplo, hierarquia de seções, parágrafos, tabelas ou figuras). O Back ou partes finais, inclui referências e qualquer outro material complementar, como um apêndice (Lapeyra, 2018). Considerando este esquema, as informações do Figura 1, Figura 2 e Figura 3.

Obra: Nos termos do artigo 2.° da Convenção de Berna (União de Berna, 1979), considera-se uma obra qualquer criação ou produção literária, científica ou artística, em qualquer modo ou forma de expressão.

Obra derivada: é a criação resultante da adaptação, transformação ou modificação de uma ou mais criações originais (Lei 6638, Assemblea Legislativa de la República de Costa Rica, 1982). Além disso, a OMPI (2015) ressalta que a obra derivada também deve considerar “compilações de dados ou outros materiais, em formato legível por máquina ou não, que, em razão da seleção ou disposição de seu conteúdo, constituam criações de natureza intelectual” (p.10). Será relevante, para uso ético e respeitoso com os direitos de autoria e de propriedade intelectual (OMPI, 1996), que os autores verifiquem –solicitando a um modelo de IA generativa a geração de obras derivadas– que a autoria é corretamente atribuída e que existe o licenciamento para realizar as derivações solicitadas.

Princípios FAIR: São as 4 áreas de abordagem para melhorar a interação de sistemas computacionais com objetos digitais (GO FAIR, 2024). Os quatro princípios são (GO FAIR, 2024): Findable (encontrabilidade) refere-se às ações para caracterizar objetos digitais e atribuir-lhes identificadores específicos que permitem diferenciá-los e encontrá-los. Accesible (acessibilidade) refere-se às condições sob as quais os dados podem ser acessados e, por exemplo, se é preciso passar ou não por um filtro de identificação ou assinatura para acessá-los. Interoperable (interoperabilidade) aponta para estratégias acessíveis e amplamente aplicáveis para que os dados se integrem a outros dados, metadados, aplicativos ou fluxos de trabalho. Reusable (reutilizável) refere-se à importância de ter dados adequadamente caracterizados ou descritos para otimizar seu potencial de replicabilidade e combinação. No âmbito da CA, isso é de particular interesse porque otimiza aspectos técnicos que permitem que as informações sejam compartilhadas abertamente e, aplicando boas práticas nesse sentido, a qualidade dos dados compartilhados é melhorada por extensão.

Prompt: é a declaração ou instrução de linguagem natural dada por um usuário a um modelo de IA para obter um produto (Zielinski et al., 2023). Ramos Pollán (2020, p. 33) enfatiza que as aplicações práticas desses sistemas ou modelos dependerão, entre outros aspectos, de “nossa capacidade de definir o que queremos obter deles com concretude suficiente”. No campo da academia e da pesquisa, a precisão com que os prompts são construídos é essencial para obter uma resposta adequada (Walter, 2024); Embora não seja foco deste documento desenvolver estratégias para o desenvolvimento de prompts efetivos, é possível afirmar que alcançar um nível adequado de precisão inclui a articulação explícita de uma ação complementada por descrições e delimitações, exemplos, papéis a partir dos quais se quer obter o tom da resposta, formatos em que se deseja sistematizar o produto e qualquer outro elemento que ajude a refinar o resultado final.

Prompt inicial: a primeira consulta ou instrução dada à IA e a partir da qual se baseiam as consultas ou instruções secundárias e complementares.

Prompt secundário: consulta ou instrução (ou série de consultas ou instruções) dada à IA para delimitar ou obter mais informações sobre o prompt inicial por meio de:

Prompt complementar: instrução dada à IA para complementar o produto da consulta realizada (prompts iniciais e secundários), uma vez que se considera que um resultado satisfatório foi alcançado. Por exemplo: melhorar aspectos de redação e ortografia ou formatação, aplicar uma norma de citação, sistematizar em unidades menores, transformar em outros formatos (áudios, transcrições de áudio, gifs, videoclipes, tabelas, diagramas, etc.) ou fazer uma tradução.

Rede de prompts (prompt net): será entendida como a rede que evidencia as relações entre prompts –inicial, secundário e complementar– que têm sido usados para complementar diferentes partes do processo de pesquisa ou redação de um artigo. Pode ser expresso como um esquema ou como um diagrama de associação (vide Figura 1, Figura 2 e Figura 3). Em cenários de revisão (ou arbitragem) ou de edição científica, a rede de prompts refere-se ao conjunto ordenado de ações que um editor ou revisor deu à IA para complementar suas respectivas tarefas. Para a validação da construção de prompt nets, conforme proposto neste guia, foi usado o Gemini (Bard 1.0 Pro, 2024).

A Figura 1, Figura 2 e Figura 3 tomam, para organizar a conceituação e proposta de relatórios de IA, o modelo de documento com protocolo JATS. A Figura 1 conceitua a rede de prompts ou prompt net e mostra as possíveis interações entre o prompt inicial e suas delimitações. Cenários de baixa complexidade tenderão a mencionar o uso de IA mais especificamente; os cenários mais complexos e de uso significativo ou intensivo terão maiores entradas para representar graficamente as interações descritas no diagrama. Quanto mais complexo for o cenário de consulta, maior será o número e o tipo de interações que ocorrerão, enriquecendo, assim, a rede de prompts.

Figura 1: Rede de prompts (prompt net), relação entre o prompt inicial e possíveis prompts secundários e complementares

Figura 1: Rede de prompts (prompt net), relação entre o prompt inicial e possíveis prompts secundários e complementares

Nota: Elaboração própria.

A Figura 2 exemplifica o diagrama de relações que um autor pode construir para mostrar a rede de prompts usada em seu texto e suas derivações. Cenários de baixa complexidade não necessariamente relatarão o uso de IA em todas as partes de uma UCC; os cenários mais complexos identificarão mais prompts secundários por seção da UCC.

Figura 2: Exemplo de um diagrama para relatar as relações entre prompts, classificados por seção ou parte do artigo e classificados como prompts iniciais ou secundários e prompts complementares

Figura 2: Exemplo de um diagrama para relatar as relações entre prompts, classificados por seção ou parte do artigo e classificados como prompts iniciais ou secundários e prompts complementares

Nota: Elaboração própria.

A Figura 3 mostra o fluxograma para relatar o uso de IA que é recomendado para ser incorporado à metodologia do artigo ou da UCC. Nele, os prompts usados por parte ou seção da UCC e o critério de delimitação cobertos podem ser identificados e quantificados. Um cenário de baixa complexidade não necessariamente relatará o uso em cada seção, ao passo que, quanto maior a complexidade envolvida no uso de IA, maior o número de prompts contabilizado.

Figura 3. Fluxograma para relatar o uso de inteligência artificial em unidades de comunicação científica1

Figura 3. Fluxograma para relatar o uso de inteligência artificial em unidades de comunicação científica

1 Os usos nesta figura representam todos os cenários possíveis de aplicação de IA em textos científicos. Os autores determinarão em quais seções é necessário (e em quais não) mencionar o uso. Assim, para usos muito específicos: menos menções; e quanto maior o uso, maior o nível de detalhe por seção para apoiar o uso de IA.

Nota: Elaboração própria.

Propriedade intelectual: considera todas as criações em que envolve a criatividade e a originalidade de um autor ou criador, conferindo-lhe propriedade. Possui dois ramos: propriedade industrial e direitos autorais (Registro Nacional de República da Costa Rica, 2013a; OMPI, 2020).

Revisão por pares: também é conhecido como avaliação por pares ou arbitragem. No contexto deste guia, deve ser entendido como o processo no qual a equipe editorial seleciona pessoas com experiência comprovada em um campo de conhecimento que analisam, revisam, avaliam e fornecem comentários a uma UCC submetida pelos autores a um revista. Atualmente, há uma variedade de modelos de revisão classificáveis como fechado-aberto (anonimização ou identificação explícita de uma ou mais partes do processo editorial: autoria, revisão ou edição); ou público (onde os leitores têm acesso ao conteúdo das revisões e conhecem a identidade das pessoas que emitiram esses critérios). Outras dinâmicas também podem ser identificadas, como a troca ou transferência de arbitragens entre revistas ou a avaliação pós-publicação (os comentários da avaliação são recebidos após a avaliação da UCC).

Unidade de Comunicação Científica (UCC): estrutura mínima de um texto de conotação científica e acadêmica para divulgar informações. Contém, pelo menos: Título, Autoria e Filiação, Conteúdo (usa vocabulário padronizado para ordenar a redação) e Referências. Ex. Artigo científico, artigo de revisão ou ensaio científico.

Uso não filtrado de IA: envolve o uso ou incorporação do produto entregue pela IA à UCC sem a revisão de um ser humano para filtrar sua relevância e veracidade.

Uso filtrado de IA: envolve o uso ou incorporação do produto gerado por IA na UCC (ou no resultado da revisão por pares ou da gestão editorial), depois que um ser humano verificou sua relevância; veracidade; a concordância e a coerência entre a instrução dada e o produto obtido; a validade dos métodos de análise e o tratamento ético dos dados.

Uso justo: permite o uso da criação ou obra de terceiros sem ter que solicitar permissão ao seu autor ou a quem tiver os direitos de uso, desde que a autoria seja reconhecida. O referido em conformidade com a legislação em matéria de direitos humanos e outros instrumentos, como a Convenção de Berna (APA, 2020; Appel et al., 2023; Jiménez Cardona, 2024; Nações Unidas, 1948; União de Berna, 1979).

Uso transformador (transformativo): refere-se às modificações, adaptações ou transformações que uma ou mais obras ou criações recebem e que buscam mudanças que conferem à nova obra um caráter diferente da obra original (Jiménez Cardona, 2024). Será relevante, para o uso ético e respeitoso dos direitos autorais e da propriedade intelectual, que os autores verifiquem o grau de transformação do produto gerado.

Guia para as equipes editoriais estabelecerem políticas, instruções e boas práticas sobre o uso de IA em suas revistas científicas

Estas recomendações são destinadas a equipes editoriais que desejam implementar instruções e boas práticas para abordar o uso de IA de suas publicações. Além dos princípios orientadores, são propostos dois blocos de recomendações. No primeiro bloco, Tabela 1, as recomendações para apresentar ou relatar o uso da IA são exibidas em diferentes seções do site de uma revista ou nos tópicos abordados nessas seções. Alternativamente, na Tabela 2, são exibidas recomendações para o desenvolvimento de uma política de uso de IA que reúna todas as considerações em uma única seção. Além disso, na Tabela 3 são mostradas algumas ações complementares que podem acompanhar o processo de adoção e disseminação de uma política de uso de IA.

Princípios norteadores

A dinâmica editorial inclui, pelo menos, a interação de três papéis essenciais na comunicação do conhecimento: edição, revisão e autoria. A figura do editor é chamada a mediar a interação durante o processamento que leva à publicação de uma UCC (Vide Tabela 1). A este respeito, recomenda-se levar em consideração os seguintes princípios.

Tabela 1: Recomendações aos editores ou às equipes editoriais para demonstrar o uso da IA nas seções da revista

Tabela 1: Recomendações aos editores ou às equipes editoriais para demonstrar o uso da IA nas seções da revista

Nota: Elaboração própria.

A Figura 4 mostra um fluxograma que permite verificar a tomada de decisões em relação à incorporação da IA na gestão editorial.

Figura 4: Fluxograma uso de IA na gestão editorial

Figura 4: Fluxograma uso de IA na gestão editorial

Nota: Elaboração própria.

Tabela 2: Recomendações aos editores ou às equipes editoriais para o desenvolvimento de uma política de uso de inteligência artificial em uma revista

Tabela 2: Recomendações aos editores ou às equipes editoriais para o desenvolvimento de uma política de uso de inteligência artificial em uma revista

Nota: Elaboração própria.

A Figura 5 fornece um fluxograma que permite aos editores verificar as ações necessárias para incorporar uma política de uso de IA em sua gestão.

Figura 5: Fluxograma de incorporação de IA em políticas de gestão de uma revista

Figura 5: Fluxograma de incorporação de IA em políticas de gestão de uma revista

Nota: Elaboração própria.

Tabela 3: Ações complementares para a adoção de práticas de regulação do uso da IA em uma revista

Tabela 3: Ações complementares para a adoção de práticas de regulação do uso da IA em uma revista

Nota: Elaboração própria.

Guia para relatar o uso de IA na revisão por pares, arbitragem ou avaliação de artigos

A revisão por pares é uma parte importante do processo de validação do conteúdo que um/a autor/a publicará em uma revista científico-acadêmica. Apesar das observações, críticas ou objeções que possam ser feitas a esse filtro (relacionadas a subjetividades, vieses, zelo profissional, apropriação de ideias, o tempo que pode levar para ser realizada, falta de transparência, etc.), a revisão ou avaliação continua sendo um método aceito; enraizado na cultura da publicação científico-acadêmica; amplamente difundido como parte do processo editorial e um espaço de troca e refinamento de ideias para otimizar a maneira como os seres humanos comunicam as descobertas de suas pesquisas e reflexões (Bhosale & Kapadia, 2023).

Em seu espírito mais virtuoso, a arbitragem ou revisão por pares faz contribuições significativas para o processo de publicação por meio da análise crítica de textos e do intercâmbio entre revisores, autores e editores. É um processo que deixa um registro, é rastreável (embora muitas vezes confidenciais ou anonimizados) e podem ser associados a seres humanos responsáveis pelos critérios emitidos.

No contexto do século XXI e no âmbito da AC, os modelos de arbitragem diversificaram-se. A partir dessa perspectiva, o uso de IA no processo de revisão é um fator adicional que aumenta essa diversidade.

Princípios orientadores para que os revisores declarem o uso de IA na avaliação ou arbitragem de artigos

Ao propor as recomendações para que as pessoas no papel de revisor por pares relatem de forma transparente o uso da Inteligência Artificial na revisão de manuscritos, os seguintes aspectos devem ser considerados:

Recomendações para relatar o uso de IA na revisão por pares ou avaliação de textos científico-acadêmicos

Na Tabela 4 são sintetizadas as recomendações para relatar de forma transparente o uso responsável de IA no processo de revisão de textos acadêmico-científicos.

Tabela 4: Lista de verificação de recomendações e boas práticas para que revisores relatem o uso de IA na revisão de textos científicos (UCC)

Tabela 4: Lista de verificação de recomendações e boas práticas para que revisores relatem o uso de IA na revisão de textos científicos (UCC)

Nota: Elaboração própria.

A Figura 6 fornece um fluxograma que sistematiza ações relacionadas ao uso e relato de IA na revisão por pares.

Figura 6. Fluxograma de integração de IA para a revisão por pares

Figura 6. Fluxograma de integração de IA para a revisão por pares

Nota: Elaboração própria.

Guia para autores relatarem o uso de IA em textos científico- acadêmicos

Numa dinâmica de publicação onde as ações que acompanham a comunicação de conhecimento são cada vez mais complexas, o apelo aos autores é que, pelo menos, possam explicar de forma solvente e transparente que uso deram à IA e como, durante seu uso, evitaram criar viés ou propagá-lo. A IA deve ser considerada como uma ferramenta que ajuda a gerenciar o conhecimento, cujo objetivo final deve ser apoiar melhorias na qualidade de vida dos seres humanos.

Este guia abrange as seções de textos científico-acadêmicos nas quais a IA pode ser potencialmente usada. A intenção principal é que os autores possam relatar, de forma eficaz e detalhada, como incorporaram essa ferramenta em seus textos e deixem evidências do caminho que seguiram para que outros possam entender o uso dado e, eventualmente, replicá-lo.

Princípios orientadores para que os autores declarem o uso de IA em seus manuscritos

Ao estender as recomendações para que as pessoas na função de autoria relatem de forma adequada, transparente e rigorosa sobre o uso da inteligência artificial, os seguintes aspectos devem ser considerados:

Recomendações para relatar o uso de IA em textos científico-acadêmicos

Na Tabela 5 são apresentadas as recomendações e boas práticas, ordenadas pelas seções típicas de um artigo científico, que os autores devem levar em consideração ao relatar de forma responsável, padronizada e transparente o uso de IA em seus manuscritos.

Tabela 5: Lista de verificação de recomendações e boas práticas para que autores relatem o uso de IA em textos científicos como resultado de pesquisa ou revisão documental

Tabela 5: Lista de verificação de recomendações e boas práticas para que autores relatem o uso de IA em textos científicos como resultado de pesquisa ou revisão documental

1 Visualizar conceitos de prompt, prompt inicial, prompt secundário e prompt complementar na seção de definições.

2 Vide Figuras 1, 2 e 3.

3 Os usos nesta tabela representam todos os cenários possíveis de aplicação de IA em textos científicos. Os autores determinarão em quais seções é necessário (e em quais não) mencionar o uso. Assim, para usos muito específicos: menos menções; e quanto maior o uso, maior o nível de detalhe por seção para apoiar o uso de IA.

Nota: Elaboração própria.

A Figura 7 fornece um fluxograma que sistematiza as ações relacionadas ao uso e relato da IA na redação de textos científicos.

Figura 7: Fluxograma de incorporação de IA na redação de textos científicos

Figura 7: Fluxograma de incorporação de IA na redação de textos científicos

Nota: Elaboração própria.

Na Tabela 6 são apresentadas recomendações, ordenadas pelas seções de um ensaio, e boas práticas que os autores devem levar em consideração ao relatar de forma responsável, padronizada e transparente o uso de IA em seus manuscritos.

Tabela 6: Lista de verificação de recomendações e boas práticas para relatar o uso de IA em ensaios

Tabela 6: Lista de verificação de recomendações e boas práticas para relatar o uso de IA em ensaios

1 Visualizar conceitos de prompt, prompt inicial, prompt secundário e prompt complementar na seção de definições.

2 Vide Figuras 1, 2 e 3.

Nota: Elaboração própria.

Uma reflexão final: A importância da declaração ética e a mitigação de vieses no uso da IA

O uso da IA nas decisões científicas deve ser empregado para o benefício de toda a humanidade, salvaguardando os princípios éticos, o desenvolvimento e o bem comum. O uso incorreto ou inadequado pode causar riscos que ameaçam a vida humana e os direitos fundamentais, como acesso à informação, educação, privacidade de dados pessoais, igualdade de gênero, meio ambiente, dignidade humana, liberdades e diversidade cultural, entre outros (Unesco, 2022; Unesco, 2023a, 2023b).

Independentemente do papel que desempenham, como pesquisadores-autores, revisores ou editores de revistas científicas, uma postura ética e moral deve ser adotada em relação ao uso da IA que mitigue o viés e a desinformação. Nesse sentido, também é necessário conhecer as regulamentações que diferentes setores, em todo o mundo, geraram sobre o assunto, como eixos norteadores do próprio trabalho, por exemplo, em ordem cronológica:

Adicionalmente, Hicks et al. (2024) estabelecem que há debates abertos em torno de uma questão central sobre o propósito e o uso de modelos de linguagem; ou seja: qual é a verdadeira natureza do texto produzido como resposta por um modelo? e qual é a sua relação com a verdade? Nesse âmbito, estabelecem que o interesse de um modelo de linguagem não é dizer a verdade, mas produzir textos que parecem ser verdade, que são aptos como verdade ou que são semelhantes a ela. Nessa perspectiva, propõem que a fenômeno chamado alucinação –uma resposta imprecisa que não tem consistência com os dados disponíveis e que sugere que um modelo os está mal interpretando– não é assim. Nem é necessariamente que os modelos mintam deliberadamente e sem responsabilidade, mas que dizem charlatanismos [bullshit] no sentido desenvolvido por Harry Frankfurt, que define o termo como: persuadir sem ter considerações ou ponderações sobre a verdade. Essa única proposição implica um forte debate ético sobre como os seres humanos usam os produtos oferecidos por um modelo de linguagem, como os interpretamos e quais são nossas expectativas sobre eles. Sobre isso Hicks et al. (2024) nos fazem lembrar de uma diferença essencial entre os objetivos de aprendizagem da mente humana e os de um modelo de linguagem: o primeiro busca aprender para atender às necessidades reais e melhorar a qualidade de vida; o segundo visa replicar –o mais fielmente possível– a fala, a escrita e outras formas de expressão humana.

Por outro lado, deve-se ter em mente que a IA é uma criação de seres humanos, portanto, vieses estarão presentes e ações devem ser tomadas para mitigá-los. Algumas situações que levam a vieses ou potenciais vieses, gerados pela IA, mas que não são necessariamente visíveis ou facilmente detectáveis em processos científicos são discutidas a seguir (Unesco, 2023a, 2023b):

Por fim, este guia foi construído com o espírito de orientar o trabalho das pessoas pesquisadores-autores, editores e revisores que decidiram conscientemente incorporar ou apoiar seu trabalho com a IA. Direcionar esse uso para a ética, transparência e rigor, participando da dinâmica da gestão do conhecimento na seção que corresponde à publicação científica, é fundamental para a reprodutibilidade do conhecimento proposto pela ciência aberta. Alinhar os três cenários – texto, revisão e edição – além de representar o uso responsável, ajuda a manter a consistência do processo de publicação. Tem-se tentado tipificar o alcance e os usos emergentes da IA no campo da comunicação em revistas científicas para que, sem delimitar hermética ou exaustivamente sua evolução, crescimento ou transformação – o que é impossível na perspectiva dos pesquisadores – seu uso em produtos de comunicação científica possa ser declarado com um mecanismo estruturado que permita sua compreensão (explicabilidade). Compreender que estamos perante um fenômeno em evolução será fundamental para atualizar o alcance e as orientações desta proposta no futuro.

Declaração de contribuições

L. P. C. contribuíram para a conceitualização, desenho metodológico e o modelo proposto, análise e condução do processo de pesquisa; validou o uso de prompt nets e colaborou com a concepção e visualização das figuras e supervisionou a redação do guia em sua versão preliminar e final. M. M. C. contribuiu para a conceitualização, desenho metodológico e do modelo proposto e análise do processo de pesquisa; colaborou com a redação do guia em sua versão preliminar e com o design e visualização das figuras. M. A. P. C. contribuiu para a conceitualização, desenho metodológico e do modelo proposto; colaborou com a redação do guia em sua versão preliminar e com o desenho e visualização das figuras.

Dados e material complementar

Este artigo tem material complementar disponível:

Pré-impressão (espanhol) em https://repositorio.una.ac.cr/handle/11056/27431

Versão em espanhol: https://doi.org/10.15359/ree.28-S.19830

Declaração de Uso de IA

Nenhuma IA foi usada para a conceitualização ou redação deste guia.

Foi usado o Gemini (Bard 1.0 Pro, 2024, 20 a 29 de fevereiro) para validar as possibilidades de construção de prompt nets no âmbito do que é descrito neste guia. Seu uso foi mediado por seres humanos.

Declaração de Financiamento

A tradução do Guia para o português foi financiada pela Universidad Nacional, Costa Rica.

Editora convidada

Dra. Suyen Alonso Ubieta

Editora da Revista de Política Econômica e Desenvolvimento Sustentável CINPE, Universidade Nacional, Costa Rica

A imagem é reproduzida com permissão da equipe PIEG-UNA.

Referências

American Psychological Association (APA). (2020). Publication Manual of the American Psychological Association (7th ed.). https://doi.org/10.1037/0000165-000

Appel, G., Neelbauer, J., & Schweidel, D. A. (2023, 07 de abril). Generative IA Has an Intellectual Property Problem. Harvard Business Review. https://hbr.org/2023/04/generative-ai-has-an-intellectual-property-problem

Asamblea Legislativa de la República de Costa Rica. (1994). Ley 7397 Reforma Ley sobre Derechos de Autor y Derechos Conexos. https://www.pgrweb.go.cr/scij/Busqueda/Normativa/Normas/nrm_texto_completo.aspx?param1=NRTC&nValor1=1&nValor2=21098&nValor3=22417&strTipM=TC

Asamblea Legislativa de la República de Costa Rica. (1982). Ley 6638 Ley sobre Derechos de Autor y Derechos Conexos. https://www.pgrweb.go.cr/scij/Busqueda/Normativa/Normas/nrm_norma.aspx?param1=NRM&nValor1=1&nValor2=3396&nValor3=0&strTipM=FN

Bard 1.0 Pro. (2024). Gemini (versión febrero 2024) [Modelo de lenguaje]. https://gemini.google.com/?hl=es

Bhosale, U. & Kapadia, A. (2023, 29 de setiembre). IA Integration can Future-Proof Peer Review – But only if we define and drive the right principles. Enago Academy. https://www.enago.com/academy/ai-integration-in-peer-review/

Cardoso Sampaio, R. (2024, 07 de febrero). Recomendações iniciais para editores de periódicos científicos sobre o uso de inteligência artificial generativa. Dados [Blog]. http://dados.iesp.uerj.br/recomendacoes-iniciais-para-editores-de-periodicos-cientificos-sobre-o-uso-de-inteligencia-artificial-generativa/

Comissão Econômica para a América Latina e o Caribe (CEPAL). (2024, 05 de enero). Biblioguías: Gestión de datos de investigación. ¿Qué son los metadatos? https://biblioguias.cepal.org/gestion-de-datos-de-investigacion/metadatos

Comisión Europea. (2021). Propuesta de Reglamento del Parlamento Europeo y del Consejo por el que se establecen normas armonizadas en materia de inteligencia artificial (ley de inteligencia artificial) y se modifican determinados actos legislativos de la unión 2121/0106. https://eur-lex.europa.eu/legal-content/ES/TXT/?uri=celex%3A52021PC0206

Comisión Europea (CE). (2019, 08 de abril). Directrices éticas para una IA confiable. https://digital-strategy.ec.europa.eu/en/library/ethics-guidelines-trustworthy-ai

Committee on Publicaction Ethics (COPE). (2023, 13 de febrero). Authorships and AI tools. COPE position Statement. https://publicationethics.org/cope-position-statements/ai-author

Future of Life Institute. (2017). Asilomar IA Principles. https://futureoflife.org/open-letter/ai-principles/

García-Velázquez, L. M. (2023). Inteligencia artificial y patrimonio cultural: Una aproximación desde las humanidades digitales. DICERE, Revista de Humanidades, Ciencias Sociales y Artes, (4), 149–160. https://doi.org/10.35830/dc.vi4.55

GO FAIR. (2024, 09 de marzo). Principios JUSTOS. https://www.go-fair.org/fair-principles/

Governo do Reino Unido. (2023, 01 de noviembre). Declaración de Bletchley de los países que asisten a la Cumbre de seguridad de la IA. https://www.gov.uk/government/publications/ai-safety-summit-2023-the-bletchley-declaration/dbc58681-1b68-47e0-8e3f-f91435fdf8ce

Hicks, M.T., Humphries, J., & Slater, J. (2024). ChatGPT is bullshit. Ethics and Information Technology, 26, Article 38. https://doi.org/10.1007/s10676-024-09775-5

IBM. (s.d.). What is deep Learning? https://www.ibm.com/topics/deep-learning

Institute of Electrical and Electronics Engineers (IEEE). (2019). Ethically Aligned Design. A Vision for Prioritazing Human Well-being with Autonomous and Intelligent Systems. Version 2. https://standards.ieee.org/wp-content/uploads/import/documents/other/ead_v2.pdf

Institute of Electrical and Electronics Engineers (IEEE). (2021). Proceso modelo estándar de IEEE para abordar preocupaciones éticas durante el diseño de sistemas. IEEE Std 7000-2021. https://doi.org/10.1109/IEEESTD.2021.9536679

International Committee of Medical Journal Editors (ICMJE). (2024a). Recommendations for the Conduct, Reporting, Editing, and Publication of Scholarly Work in Medical Journals. https://www.icmje.org/icmje-recommendations.pdf

International Committee of Medical Journal Editors (ICMJE). (2024b). Who Is an Author? Defining the Role of Authors and Contributors. https://www.icmje.org/recommendations/browse/roles-and-responsibilities/defining-the-role-of-authors-and-contributors.html#two

Jiménez Cardona, N. (2024). El “uso transformador” de las empresas de IA: entre la libertad creativa y los derechos de propiedad intelectual. Revista de Internet, Derecho y Política, (40), 1-11. https://doi.org/10.7238/idp.v0i40.421926

Kaebnick, G. E., Magnus, D. C., Kao, A., Hosseini, M., Resnik, D., Dubljević, V., Rentmeester, C., Gordijn, B., & Cherry, M. J. (2023). Editors’ Statement on the Responsible Use of Generative IA Technologies in Scholarly Journal Publishing. The Hastings Center Report, 53(5), 3–6. https://doi.org/10.1002/hast.1507

Lapeyre, D. (2018, 31 de octubre). Introducción a JATS (Journal Article Tag Suite). SciELO en Perspectiva [Blog]. https://blog.scielo.org/es/2018/10/31/introduccion-a-jats-journal-article-tag-suite/

Liberati, A., Altman, D. G., Tetzlaff, J., Mulrow, C., Gøtzsche, P. C., Ioannidis, J. P. A., Clarke, M., Devereaux, P. J., Kleijnen, J., & Moher, D. (2009). The PRISMA statement for reporting systematic reviews and meta-analyses of studies that evaluate healthcare interventions: Explanation and elaboration. British Medical Journal, 339, Artículo b2700. https://doi.org/10.1136/bmj.b2700

Moher, D., Liberati, A., Tetzlaff, J. Altman, D., & The PRISMA Group. (2009). Preferred Reporting Items for Systematic Reviews and Meta-Analyses: The PRISMA Statement. Annals of Internal Medicine, 151(4), 264-269. https://doi.org/10.7326/0003-4819-151-4-200908180-00135

Nações Unidas. (1948). Declaración Universal de los Derechos Humanos. https://www.un.org/es/about-us/universal-declaration-of-human-rights

Organization for Economic Co-operation and Development (OECD). (2023). Recommendation of the Council on Artificial Intelligence, OECD/LEGAL/0449. https://legalinstruments.oecd.org/en/instruments/OECD-LEGAL-0449

Organization for Economic Co-operation and Development (OECD). (2007). OECD Principles and Guidelines for Access to Research Data From Public Funding. https://doi.org/10.1787/9789264034020-en-fr

Organização Mundial da Propriedade Intelectual (OMPI). (1996). Tratado de la OMPI sobre Derecho de Autor. https://www.wipo.int/wipolex/es/text/295158

Organização Mundial da Propriedade Intelectual (OMPI). (2015, 30 de noviembre). Comité Intergubernamental sobre Propiedad Intelectual y Recursos Genéticos, Conocimientos Tradicionales y Folclore. https://www.wipo.int/edocs/mdocs/tk/es/wipo_grtkf_ic_29/wipo_grtkf_ic_29_inf_7.pdf

Organização Mundial da Propriedade Intelectual (OMPI). (2016). Principios básicos del derechos de autor y los derechos conexos (2da ed.). https://www.wipo.int/edocs/pubdocs/es/wipo_pub_909_2016.pdf

Organización Mundial de la Propiedad Intelectual (OMPI). (2020). Diálogo de la OMPI sobre propiedad intelectual (PI) e inteligencia artificial (IA). https://www.wipo.int/meetings/es/details.jsp?meeting_id=55309

Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., & Moher, D. (2021). Updating guidance for reporting systematic reviews: Development of the PRISMA 2020 statement. Journal of Clinical Epidemiology, 134, 103-112. https://doi.org/10.1016/j.jclinepi.2021.02.003

Ramos Pollán, R. (2020). Perspectivas y retos de las técnicas de inteligencia artificial en el ámbito de las ciencias sociales y de la comunicación. Anuario Electrónico de Estudios en Comunicación Social “Disertaciones”, 13(1), 21-34. https://doi.org//10.12804/revistas.urosario.edu.co/disertaciones/a.7774

Registro Nacional de la República de Costa Rica. (2013a). Conozcamos sobre propiedad intelectual. http://www.registronacional.go.cr/propiedad_industrial/documentos/fasciculos%20propiedad%20industrial/RN-1%20Conozcamos%20Propiedad%20Intelectual.pdf

Registro Nacional de la República de Costa Rica. (2013b). Derecho de autor. Protección. http://www.registronacional.go.cr/propiedad_industrial/documentos/fasciculos%20propiedad%20industrial/RN-2%20Proteccion%20(Derechos%20de%20Autor).pdf

Steels, L. & López de Mantaras, R. (2018). The Barcelona declaration for the proper development and usage of artificial intelligence in Europe. AI Communications, 31(6), 485-494. https://doi.org/10.3233/AIC-180607

The Toronto Declaration. (2024). La Declaración de Toronto. Proteger el derecho a la igualdad y la no discriminación en los sistemas de aprendizaje automático. https://www.torontodeclaration.org/declaration-text/english/

Tricco, A. C., Lillie, E., Zarin, W., O’Brien, K., Colquhoun, H., Levac, D., Moher, D., Peters, M. D. J., Horsley, T. Weeks, L., Hempel, S., Akl, E. A., Chang,C., McGowan, J., Stewart, L., Hartling, L., Aldcroft, A., Wilson, M.G., Garritty, C., Lewin, S. … & Straus, S. E. (2018). PRISMA Extension for Scoping Reviews (PRISMA-ScR): Checklist and Explanation. Annals of Internal Medicine, 169(7), 467-473. https://doi.org/10.7326/M18-0850

Unesco. (2021). Recomendación de la UNESCO sobre la ciencia abierta.

Unesco. (2022). Recomendación sobre la ética de la inteligencia artificial. https://unesdoc.unesco.org/ark:/48223/pf0000381137_spa

Unesco. (2023a). Kit de herramientas global sobre IA y el estado de derecho para el poder judicial. https://unesdoc.unesco.org/ark:/48223/pf0000387331_spa

Unesco. (2023b). ChatGPT e inteligencia artificial en la educación superior. Guía de inicio rápido. https://unesdoc.unesco.org/ark:/48223/pf0000385146_spa

União de Berna. (1979). Convenio de Berna. https://www.wipo.int/treaties/es/ip/berne/

Universidad de Alcalá. (2024, 09 de enero). Biblioguías. Datos de investigación: Los datos de investigación. https://uah-es.libguides.com/datos_investigacion

Université de Montréal. (2018). Declaración de Montreal para un desarrollo responsable de la inteligencia artificial. https://declarationmontreal-iaresponsable.com/wp-content/uploads/2023/01/ES-UdeM_Decl-IA-Resp_LA-Declaration_v4.pdf

Walter, Y. (2024). Embracing the future of Artificial Intelligence in the classroom: the relevance of AI literacy, prompt engineering, and critical thinking in modern education. International Journal of Educational Technology in Higher Education, (21), Artículo 15. https://doi.org/10.1186/s41239-024-00448-3

Zielinski, C., Winker, M. A., Aggarwal, R., Ferris, L. E., Heinemann, M., Lapeña, J. F., Pai, S. A., Ing, E., Citrome, L., Alam, M., Voight, M., Habibzadeh, F., & WAME Board. (2023, 31 de mayo). Chatbots, Generative AI, and Scholarly Manuscripts. WAME Recommendations on Chatbots and Generative Artificial Intelligence in Relation to Scholarly Publications. WAME. https://www.wame.org/page2.php?id=106

Regresar al inicio
Creative Commons License
Artículo de la Revista Electrónica Educare de la Universidad Nacional, Costa Rica by Universidad Nacional is licensed under a Creative Commons Attribution-NonCommercial-NoDerivs 3.0 Costa Rica License.
Based on a work at https://www.revistas.una.ac.cr/index.php/EDUCARE
Permissions beyond the scope of this license may be available at educare@una.ac.cr