INTELIGÊNCIA ARTIFICIAL GENERATIVA NA ANÁLISE DE REDES DE COAUTORIA
Palavras-chave:
inteligência artificial, bibliometria, redes de coautoriaResumo
Este artigo explora o tema da aplicação de inteligência artificial generativa (IAG) e ferramentas bibliométricas na análise de redes de coautoria acadêmica. O problema central da pesquisa investiga como diferentes abordagens de IAG e um software especializado se comparam em pertinência, metodologia, completude e desempenho ao analisar redes de coautoria, com o uso do mesmo comando contextualizado. O objetivo geral consistiu em analisar comparativamente essas ferramentas na identificação de padrões de autoria e coautoria em artigos científicos. A metodologia adotada foi um estudo comparativo e exploratório, de abordagem qualitativa e quantitativa. Consistiu na aplicação de um comando idêntico às três ferramentas de IAG (ChatGPT, Gemini e Manus) e na submissão do mesmo corpus ao VOSviewer, por procedimento compatível com o funcionamento do software para analisar 627 artigos da BRAPCI, com foco em limpeza de dados, extração de autores, contagem de publicações, construção de rede, cálculo de métricas e visualização. Os dados gerados foram submetidos à análise comparativa técnico-metodológica. Os principais resultados revelaram convergência em achados fundamentais, como o número de autores únicos, densidade da rede e o maior componente conectado, o que valida a estrutura geral da rede. Discrepâncias pontuais surgiram no número exato de arestas e nas metodologias de detecção de comunidades. O ChatGPT apresentou maior completude analítica e melhor explicitação metodológica, enquanto o VOSviewer manteve destaque na visualização especializada.