BIBLIOGRAFIAS SINTÉTICAS: uma análise empírica de LLMs para busca de referência acadêmica
Palavras-chave:
Inteligência artificial, Plataformização da ciência, Culturas de RankingResumo
Este artigo se propõe a examinar empiricamente os vieses de modelos de linguagem de grande escala (LLMs) para busca de referências acadêmicas, mapeando a acurácia, nacionalidade e pertinência dos resultados. A elaboração teórica se apoia em estudos de “culturas de ranking” e demais explorações sobre impacto algorítmico na difusão de informação e conhecimento, contextualizados dentro do fenômeno da “plataformização da ciência”. A coleta foi feita em quatro modelos diferentes (ChatGPT, DeepSeek, Gemini e Mistral), e as referências coletadas foram examinadas com uma análise de conteúdo categorial. Os resultados apontam que inacurácia, com textos e autores falsos, é um problema minoritário na média, mas consideravelmente maior nas referências brasileiras.
