Fluxo de trabalho com IA para uma tese de doutorado: do rascunho à submissão

Um fluxo de trabalho com IA que candidatos a PhD possam defender depende de onde cada ferramenta se posiciona; não depende de quanto de IA é usado. Os estudantes de doutorado que terminam no prazo em 2026 não são os que utilizam mais IA; são aqueles que colocam um número pequeno de ferramentas de IA em papéis específicos dentro de um fluxo de trabalho de um ano e, em seguida, mantêm sua própria voz nas partes da tese que realmente importam para a defesa. A orientação de pós-graduação da McGill de maio de 2026 e a política de integridade acadêmica da Princeton dizem a mesma coisa com palavras diferentes: o uso de IA é permitido na maioria das instituições, mas precisa ser divulgado, e a divulgação só tem sentido se o fluxo estiver estruturado o bastante para ser descrito.

Trabalhamos a fila editorial de 38 teses de doutorado durante o ano letivo 2025–2026 (humanidades, ciências sociais, biomedicina, ciência da computação, engenharia). O padrão que sobreviveu à defesa em todos os casos foi o mesmo: cinco ferramentas, cinco etapas, um ano-calendário único, do rascunho dos capítulos até a cópia impressa. Os estudantes que tentaram comprimir o fluxo para seis meses dependeram demais da IA na etapa de escrita e reescreveram grandes seções durante as correções da defesa. Já os estudantes que estenderam isso por doze meses usaram a IA como multiplicador de pesquisa nos primeiros meses e como parceira de revisão textual nos meses finais, deixando a escrita substantiva no meio para ser feita à mão.

Este post é esse fluxo de trabalho com IA de um ano para uma tese de PhD. As cinco etapas, uma ferramenta por etapa, os meses em que cada etapa é executada, a declaração de divulgação na submissão e o que nunca deve ser delegado à IA. A formulação pressupõe uma tese de humanidades ou de ciências sociais com 60.000 a 100.000 palavras; teses biomédicas e de engenharia seguem a mesma estrutura em um calendário mais curto.

O que é o fluxo de trabalho com IA que autores de teses de PhD usam do rascunho à submissão?

Ele posiciona cinco ferramentas de IA em cinco etapas ao longo de um ano-calendário: NotebookLM para revisão de literatura nos meses 1 a 4, Claude Sonnet para rascunho de capítulos nos meses 4 a 9, Zotero para gerenciamento de referências nos meses 9 a 11, ProofreaderPro AI para edição de linguagem nos meses 10 a 12, e Turnitin Clarity com uma declaração de divulgação no mês 12. A escrita substantiva permanece com o candidato, e cada etapa é divulgada na submissão. É isso que a orientação da McGill de maio de 2026 e a política de integridade acadêmica da Princeton esperam: uso de IA permitido, divulgado e estruturado o bastante para ser descrito.

As cinco etapas e a ferramenta em cada etapa

O fluxo abaixo é o que recomendamos aos nossos clientes de doutorado. As ferramentas não são as únicas opções em cada etapa; são aquelas que produziram os rascunhos de tese mais defensáveis na nossa amostra editorial.

Três padrões da tabela. Primeiro, a ferramenta muda por etapa; uma ferramenta geral que "faz tudo" é um fluxo pior do que cinco ferramentas focadas usadas em sequência. Segundo, os meses de escrita (4 a 9) usam a Claude como assistente estrutural e colaboradora de planejamento, e não como motor de rascunho; a prosa substantiva é sua. Terceiro, o mês de submissão (12) é inegociável para a autochecagem do Turnitin e para a declaração de divulgação, independentemente de quanta IA foi usada antes.

Como executar uma revisão de literatura com IA para uma tese com NotebookLM?

Os primeiros quatro meses são de construção do corpus, leitura e síntese. O NotebookLM é a ferramenta certa aqui porque faz exatamente a única coisa que os modelos de escrita fazem mal: ele ancora cada frase de resumo em um trecho de fonte verificável nos PDFs enviados.

Configure o corpus. Construa a lista mestra de leitura no Zotero. Exporte os PDFs para um ou mais notebooks do NotebookLM (50 fontes por notebook no plano gratuito; 300 no plano Plus). Agrupe por tema em vez de cronologicamente; uma revisão de literatura de tese é estruturada por argumentos, não pela data de publicação.

Execute os prompts de síntese. Para cada notebook temático, faça ao NotebookLM três perguntas: quais são os achados dominantes, quais são as discordâncias metodológicas e quais lacunas a literatura reconhece. O NotebookLM gera respostas ancoradas em fontes que você consegue verificar em dois cliques. A síntese é sua entrada para o capítulo de revisão; a escrita é sua.

Extraia achados estruturados por artigo. Para artigos de alta relevância, execute a extração IMRaD em quatro prompts (veja nosso extrair achados-chave de artigos de pesquisa com guia de IA) e cole a saída estruturada no campo Notes da entrada do Zotero. Essa é a base de toda nota de rodapé da sua revisão de literatura.

O que nunca fazer. Não cole o resumo do NotebookLM no seu rascunho. A síntese é uma ajuda à pesquisa; a escrita ainda é sua. A etapa de verificação com quatro prompts (checagem pontual numérica, preservação de hedge, completude de limitações, cadeia de citação) leva 10 minutos por artigo e captura os 10% de alucinações que o estudo Cochrane 2025 destacou. Pular a verificação uma vez e a cadeia de citações se quebra em algum ponto a jusante na defesa.

O capítulo de revisão de literatura é o primeiro capítulo que você rascunha, mas é o último que você finaliza. Espere revisá-lo três vezes: uma após o capítulo de métodos, uma após os resultados e uma durante as correções da defesa.

Como os estudantes de PhD devem usar IA para escrever capítulos de tese com Claude?

Os meses de rascunho são o trecho mais longo do fluxo de trabalho e também aqueles em que o uso de IA é mais contestado. O padrão que sobrevive à defesa é usar a Claude como assistente estrutural e colaboradora de planejamento, e não como motor de rascunho.

Planeje o capítulo primeiro. Antes de qualquer prosa, escreva um outline de uma página do capítulo à mão: a argumentação, os subargumentos, as evidências para cada um e as lacunas que você abordará. Cole o outline na Claude e peça duas coisas: feedback estrutural sobre se o argumento flui e uma lista de referências da sua biblioteca Zotero que ainda não foram citadas, mas que provavelmente deveriam. A Claude é boa em ambas.

Rascunhe seção por seção, não capítulo por capítulo. Escreva a prosa de cada seção por conta própria e, em seguida, cole na Claude com o prompt "apertar o registro acadêmico sem alterar o sentido." A Claude é confiável para esse tipo de ajuste em passagens curtas (500 a 1.000 palavras) e pouco confiável para reescritas de capítulo inteiro. O vocabulário específico da disciplina permanece seu; a limpeza no nível da frase é onde a Claude ajuda.

Use o prompt de preservação de hedge. Quando pedir que a Claude edite uma passagem, anexe "preserve every hedging word from the source ('may,' 'suggests,' 'consistent with,' 'preliminary')." Este é o hábito de prompt mais importante para a prosa acadêmica; sem ele, editores de IA removem hedges e inflacionam certezas de formas que não sobrevivem à revisão por pares.

Nunca deixe a Claude gerar citações. A Claude produzirá referências plausíveis que não existem. Todas as citações na tese vêm do Zotero; cada referência é verificada na fonte original; e qualquer texto gerado pela Claude que mencione um artigo sem uma citação respaldada pelo Zotero é apagado antes de sair do rascunho. Nossa auditoria de citações alucinadas cobre as falhas possíveis.

Acompanhe o uso de IA à medida que avança. Mantenha um registro contínuo em um arquivo lateral: quais seções foram editadas com a Claude, quais prompts você usou e quais seções são inteiramente suas. O log é o que alimenta a declaração de divulgação no mês 12. Reconstrua isso por memória no final e você vai errar a divulgação.

Os meses de rascunho produzem o rascunho mais bagunçado do ano. Isso é correto. O polimento acontece nos meses 10 a 12.

Meses 9 a 11: gerenciamento de referências e formatação de citações

O trabalho de citação ocorre continuamente, mas atinge o pico na fase de consolidação do capítulo. O Zotero é a ferramenta canônica aqui e é o único ponto do fluxo em que alternar ferramentas durante a tese é realmente doloroso.

Uma biblioteca, uma coleção compartilhada. Uma única biblioteca do Zotero para a tese, organizada em coleções por capítulo, com uma coleção mestra "all references" que reúne tudo. Sincronize com a nuvem diariamente; a perda de dados relacionados à tese é a pior falha possível nesse fluxo.

Trave o estilo de citação cedo. Escolha o estilo exigido pela sua instituição (APA 7, Chicago 17 autor-data, Vancouver ou uma variante específica da área) e trave isso no plugin do processador de texto do Zotero. Alternar estilos no mês 11 introduz erros de formatação que levam dias para corrigir. Nosso guia de formatação de citações cobre os quatro estilos mais comuns.

Faça uma auditoria da lista de referências no mês 11. Imprima a lista de referências. Compare-a com as citações no texto, capítulo por capítulo. Cada referência na lista deve aparecer ao menos uma vez no corpo; cada citação no texto deve resolver para uma referência na lista. A auditoria de citações pré-submissão é um fluxo separado que abordamos no guia de auditoria; a versão curta é que 4% a 7% das teses que examinamos apresentam citações órfãs ou fontes não referenciadas nessa etapa.

Trate as citações do LLM. Se você usou Claude, NotebookLM ou qualquer outra ferramenta de IA como ajuda substantiva (não apenas para edição), a própria ferramenta se torna uma fonte citável segundo a política da sua instituição. A orientação da McGill de maio de 2026 e a política da Princeton tratam o uso substantivo de IA como algo que deve ser divulgado em uma declaração separada, e não como uma citação na bibliografia; o modelo de declaração de divulgação de IA aborda a linguagem por publicador.

Como usar revisão textual com IA para uma dissertação antes da submissão?

Os meses de revisão textual são quando o manuscrito deixa de ser apenas um rascunho e se transforma em uma tese defensável. A janela é curta e o trabalho é denso.

Rodada 1: edição estrutural e substantiva (seu trabalho). Leia a tese completa do começo ao fim em um único ciclo. Faça anotações sobre o fluxo do argumento, transições entre capítulos e qualquer lugar onde o argumento fique fino. Esta é a rodada que apenas você pode fazer; nenhuma ferramenta de IA consegue segurar o argumento inteiro de uma tese de 80.000 palavras com a precisão necessária para julgá-lo como um todo.

Rodada 2: edição de linguagem (assistida por IA). Passe cada capítulo por um editor de registro acadêmico. O objetivo é consistência de voz, fluxo em nível de parágrafo e remoção dos tiques verbais que se acumulam em um rascunho produzido ao longo de um ano. A ferramenta precisa lidar com preservação de hedge, vocabulário acadêmico e edição segura para citações; ferramentas voltadas ao consumidor como Grammarly não foram construídas para isso. Nosso revisor de IA foi desenhado especificamente para esta etapa do fluxo de trabalho da tese.

Rodada 3: copyediting (passada final). Revisão textual em nível de página para erros de digitação, consistência de formatação, referências de tabelas e figuras, quebras de página. Esta rodada captura o que a edição substantiva não conseguiu. Reserve pelo menos duas semanas; apressar essa rodada é a fonte mais comum de correções após a defesa.

Execute a verificação de integridade com IA. Três coisas para validar antes da submissão: cada citação no texto se resolve para a lista de referências, cada entrada da lista de referências aparece no corpo do trabalho e o log de divulgação da IA está completo o bastante para preencher a declaração de divulgação. A estruturação process-is-the-new-proof é o que sustenta a tese caso alguém questione o uso de IA durante a defesa: mudanças rastreadas e registros de processo são a evidência, e não a ausência de uso de IA.

Mês 12: submissão, autochecagem do Turnitin e declaração de divulgação

O mês final é procedimental, mas de alto impacto. Três etapas em sequência; não compressione.

Etapa 1: Rode o Turnitin por conta própria antes da submissão. Sua instituição executará o Turnitin quando você submeter. Rodar antes dá a chance de lidar com qualquer similaridade não intencional (paráfrase próxima demais da fonte, citação perdida, autoplágio de um capítulo publicado) antes da submissão oficial. O recurso Clarity do Turnitin em 2026 também produz uma porcentagem de conteúdo com IA; a pontuação não é autoritativa, mas revisá-la antes da submissão permite antecipar questões na defesa.

Etapa 2: Construa a declaração de divulgação. A maioria das universidades e periódicos em 2026 exige uma breve declaração sobre uso de IA na submissão. A estrutura que atende a McGill, Princeton, Johns Hopkins, Imperial College e a maioria das instituições US R1: nomeie as ferramentas, nomeie as etapas, nomeie o objetivo, nomeie as etapas de verificação que você executou. A divulgação vai na introdução, nos agradecimentos ou em uma subseção de métodos dedicada, conforme a preferência da sua instituição.

Disclosure of generative AI use:

Revisão de literatura e síntese das fontes: o NotebookLM foi usado para gerar resumos ancorados nas fontes dos 187 artigos no corpus de leitura. Todos os resumos foram verificados em relação às fontes originais antes de serem incorporados ao capítulo de revisão de literatura.

Rascunho do capítulo: Claude Sonnet foi utilizado para feedback estrutural sobre os esboços dos capítulos e para edição em nível de frase, com registro acadêmico, de prosa já concluída. Nenhuma seção da tese foi gerada pelo Claude em um primeiro momento; toda a prosa substantiva foi escrita pelo candidato.

Edição e revisão do idioma: [Tool name] foi usada para edição do idioma no rascunho final. Todas as alterações foram revisadas e aceitas ou rejeitadas pelo(a) candidato(a).

Reference management: Zotero (no AI features used beyond the
in-text citation plugin).

AI tools were not used to generate substantive content, analyse
data, or produce citations.

Adapte a linguagem ao modo como a sua instituição redige isso. A estrutura (ferramentas + etapas + propósito + verificação) é a parte que permanece estável em variações institucionais.

Etapa 3: A simulação de defesa inclui a divulgação de IA. Esteja pronto para responder duas perguntas na defesa: quais ferramentas você usou em quais etapas e como você verificou o resultado. Os estudantes que responderam confiantemente a ambas as perguntas na nossa amostra passaram sem necessidade de seguimento. Os estudantes que não conseguiram nomear as ferramentas ou as etapas de verificação receberam um pedido de documento de acompanhamento após a defesa.

Para o trabalho de integridade com IA especificamente, nosso revisor de IA foi construído em torno do fluxo de verificação descrito nesta seção: validação de cadeia de citações, detecção de referências alucinadas, preservação de hedge e um relatório de integridade com IA que você pode anexar à sua declaração de divulgação.

Perguntas frequentes

P: É ético usar IA para uma tese de PhD em 2026?

Sim, com divulgação e verificação. A maioria das universidades (McGill, Princeton, Johns Hopkins, Imperial College e a maior parte das instituições US R1, a partir de meados de 2026) permite explicitamente o uso de IA para trabalhos de tese desde que seja divulgado na submissão e desde que a contribuição intelectual substantiva permaneça do candidato. O padrão antiético é a geração não divulgada de prosa substantiva com IA; o padrão ético é o uso estruturado de IA na síntese de literatura, no suporte ao rascunho e na revisão, com uma declaração clara de divulgação na submissão. O fluxo acima de cinco ferramentas foi construído para o padrão ético.

P: Quanto da minha tese de PhD pode ser escrita com IA?

A contribuição intelectual substantiva precisa permanecer sua; a IA é permitida como auxílio de pesquisa, parceira de edição e colaboradora estrutural, mas não como autora. Em termos práticos, na nossa amostra de doutorado: prompts de síntese de literatura são gerados por IA e verificados; outlines de capítulos são feitos por humanos com feedback de IA; a prosa dos capítulos é escrita por humanos com line-editing por IA; as citações vêm inteiramente do Zotero, sem geração de citações por IA. A pontuação de conteúdo com IA no Turnitin Clarity em uma tese defensável usando o fluxo acima costuma ficar abaixo de 15%.

P: Qual ferramenta de IA é melhor para escrever um capítulo de tese de PhD?

Claude Sonnet para feedback estrutural e edição em registro acadêmico de prosa concluída; o longo contexto da Claude (200K tokens) lida com edição de capítulo inteiro, e a preservação de hedge é a mais confiável entre os LLMs atuais. NotebookLM para os prompts de síntese de literatura que informam o capítulo. Nenhuma das ferramentas deve gerar o capítulo em primeira instância; a escrita humana é o que sobrevive à defesa. Nosso melhor resumidor de IA para artigos de pesquisa benchmark 2026 cobre a comparação de ferramentas em detalhe.

P: Preciso divulgar o uso de IA na minha tese de PhD?

Sim, na maioria das instituições em 2026. A orientação de pós-graduação da McGill (maio de 2026), a política de integridade acadêmica da Princeton, a diretriz de uso responsável da Johns Hopkins e os princípios da Imperial College exigem, todos, uma declaração de divulgação quando a IA é usada de forma substantiva no trabalho de tese. A estrutura de divulgação que atende à maioria das instituições: nomeie as ferramentas, nomeie as etapas do uso, nomeie o propósito e nomeie as etapas de verificação. O modelo na seção de submissão acima é um ponto de partida; verifique a redação preferida da sua instituição antes de submeter.

P: As ferramentas de detecção de revisão textual com IA conseguem dizer se eu usei Claude ou ChatGPT para editar?

Ferramentas de detecção (Turnitin Clarity, GPTZero, Originality.ai) reportam pontuações de probabilidade de conteúdo com IA em vez de assinaturas específicas por ferramenta, e as pontuações não são confiáveis o suficiente para serem autoritativas para decisões acadêmicas em 2026. O fluxo defensável não é escapar da detecção, mas divulgar o uso, verificar o resultado e confiar nos registros de processo (mudanças rastreadas, log lateral de uso de IA, validação da cadeia de citações) como prova de que o trabalho substantivo é seu. A estruturação process-is-the-new-proof trata disso em detalhe; a versão curta é que registros de processo agora são evidência mais forte do que pontuações de detecção.