LitPivot usa IA para melhorar propostas de pesquisa em segundos

Inovação Tecnológica

LitPivot acelera a revisão de propostas ao integrar inteligência artificial e literatura científica de forma eficiente.

Leia também: Block lança Dessa, IA que supera ElevenLabs com voz 100% humana

Pesquisadores da Universidade da Pensilvânia apresentaram nesta semana, no congresso UIST 2026 em Detroit, o LitPivot, um sistema que usa inteligência artificial para cruzar cada parte de uma proposta de pesquisa com literatura científica relevante e sugerir mudanças no rumo do projeto com base no que já foi publicado.

Ferramenta parte da literatura para ‘virar’ a ideia de pesquisa

O LitPivot foi criado para atuar na fase inicial de desenvolvimento de ideias, quando definir um problema, uma contribuição original e um plano de avaliação costuma exigir leituras extensas e avaliações críticas difíceis de conciliar com a escrita. Os autores chamam esse processo de mudança de direção motivada por artigos anteriores de “literature-initiated pivot” — um pivô iniciado pela literatura, quando um trabalho revela que a contribuição já foi feita ou aponta lacunas e problemas ainda sem solução.

Em vez de tratar leitura e escrita como etapas separadas, o sistema integra as duas tarefas. “O LitPivot organiza a literatura em torno da parte da proposta que está sendo editada, oferece críticas apoiadas por trechos selecionados e sugere revisões”, explicam os desenvolvedores.

Na prática, o pesquisador começa escrevendo um esboço curto de proposta em um editor integrado e aciona o recurso de destaque de facetas. A ferramenta segmenta automaticamente o texto em três componentes: problema, contribuição proposta e plano de avaliação. Ao clicar em uma dessas partes, um painel lateral agrupa artigos científicos associados especificamente àquele trecho, destacando os conjuntos mais relevantes.

O usuário escolhe quais trabalhos devem servir de base, solicita uma avaliação e recebe uma crítica acompanhada de citações da literatura que embasam o parecer. Junto com essa crítica, o LitPivot propõe uma reescrita da faceta selecionada. O pesquisador pode aceitar, editar ou rejeitar cada sugestão, e a lista de artigos é reordenada conforme a proposta muda.

Como o LitPivot avalia problema, contribuição e avaliação

O sistema aplica critérios diferentes para cada faceta. Ao examinar a formulação do problema, busca evidências de que a questão realmente existe e razões claras para sua importância. Na contribuição, compara o que os artigos selecionados já fizeram com o que apontam como limitações e trabalhos futuros, identificando espaços ainda abertos. Para o plano de avaliação, verifica se os testes propostos respondem à pergunta de pesquisa e como estudos semelhantes foram avaliados.

Quando o pesquisador altera uma parte do texto, o LitPivot verifica se as demais continuam coerentes. Se uma nova contribuição torna o plano de avaliação insuficiente, por exemplo, o sistema sinaliza trechos possivelmente desatualizados e sugere ajustes. O objetivo é que problema, contribuição e avaliação avancem em conjunto, sempre ancorados na literatura considerada mais relevante naquele momento.

Em um caso relatado pelos autores, um participante começou com a ideia de gerar notas médicas sintéticas consistentes e factuais. A ferramenta apontou que muitos artigos selecionados tratavam apenas de anotações de uma única visita hospitalar, enquanto a proposta mencionava múltiplas visitas. A partir disso, o pesquisador refinou a busca, excluiu trabalhos menos alinhados e acabou redesenhando o projeto para focar na detecção de contradições em notas de diferentes atendimentos, um problema menos explorado.

Estudo com 17 pesquisadores indica propostas mais sólidas

Para avaliar o impacto do LitPivot, a equipe conduziu um estudo de laboratório com 17 pesquisadores. Cada um desenvolveu duas ideias: uma usando o novo sistema e outra com uma combinação de editor de texto e ferramenta de IA para tirar dúvidas sobre artigos, ambas com o mesmo conjunto de papers disponível.

Duas pessoas especialistas na área, sem saber qual ferramenta havia sido usada em cada caso, analisaram as propostas com base em um critério: o quão bem a literatura relevante era usada para sustentar e justificar a ideia. As propostas criadas com o LitPivot receberam notas mais altas do que as desenvolvidas com o fluxo tradicional.

Segundo os autores, os próprios participantes perceberam diferença. Eles avaliaram que as ideias revisadas com apoio do LitPivot ficaram mais inovadoras e úteis e disseram ter compreendido melhor o campo em torno dos temas trabalhados. “Pesquisadores também relataram uma compreensão mais forte da literatura ao redor”, afirmou um dos participantes do estudo.

Antes de chegar ao desenho atual da ferramenta, o grupo analisou registros de reuniões de quatro projetos de ciência da computação já concluídos e identificou 21 pivôs motivados por leituras de artigos. Esses movimentos iam desde diferenciar a ideia de trabalhos existentes para reforçar a novidade até alinhar o projeto a pesquisas consolidadas para se apoiar nelas. O próprio desenvolvimento do LitPivot, segundo os autores, passou por mais de um pivô até a definição final de suas contribuições.

Entenda o contexto

A apresentação em Detroit insere o LitPivot em um cenário mais amplo de uso de inteligência artificial para apoiar o trabalho científico, em vez de apenas gerar texto. A proposta é tornar mais transparente como a literatura influencia a formulação de hipóteses, a identificação de lacunas e o desenho de experimentos.

Ferramentas recentes têm explorado desde a geração de hipóteses até a recombinação de elementos de estudos anteriores. O diferencial do LitPivot é explicitar, faceta por faceta, quais artigos sustentam uma crítica ou uma sugestão de revisão, mantendo o pesquisador no comando da escolha de evidências e das mudanças no texto.

Pesquisadores e avaliadores veem potencial direto para agências de fomento, que costumam exigir propostas bem ancoradas no estado da arte e com contribuições claramente diferenciadas do que já foi feito. Ao facilitar a navegação por esse terreno, sistemas como o LitPivot podem encurtar o ciclo de desenvolvimento de projetos e elevar o padrão médio das submissões — ao mesmo tempo em que pressionam universidades e grupos de pesquisa a se adaptar a uma nova dinâmica de elaboração e revisão.

Próximos passos e impacto na cultura de pesquisa

Até agora, os testes se concentraram em ciência da computação, mas a equipe planeja estender o uso da ferramenta para outras áreas, como medicina, ciências sociais e engenharias, ajustando a forma como problemas, contribuições e avaliações são descritos em cada campo.

Nos relatos coletados em sessões adicionais de uso, cinco pesquisadores aplicaram o LitPivot em projetos reais, tanto para explorar novas ideias quanto para refinar temas já em andamento. Alguns destacaram o efeito de ver conceitos paralelos surgindo de áreas diferentes, o que ajudou a reformular contribuições e a localizar melhor cada estudo em seu contexto.

Os desenvolvedores indicam que os próximos ciclos de aprimoramento vão levar em conta esse retorno: desde melhorias na interface de destaque de facetas até ajustes na maneira como o sistema agrupa e prioriza artigos conforme a proposta evolui. A expectativa é que o LitPivot inspire soluções semelhantes e contribua para uma cultura em que mudanças de direção motivadas pela literatura sejam não apenas mais comuns, mas também melhor documentadas e discutidas nos próprios projetos.