Prompt para Identificar Gap de Pesquisa com IA

O problema que ninguém te ensina explicitamente

Vamos lá. Você chegou na etapa da revisão de literatura, leu dezenas de artigos, e agora o orientador pede o mais nebuloso de todos os pedidos: “identifique o gap da sua pesquisa.”

Fácil na teoria. Complicado na prática, especialmente quando você está no meio de uma floresta de referências e perdeu a perspectiva do conjunto.

É nesse ponto que ferramentas de IA podem ser genuinamente úteis, desde que você saiba como usá-las. Não como oráculo que vai te dar a resposta pronta, mas como interlocutor que te ajuda a organizar o que você já leu e enxergar os padrões que se destacam e os que estão faltando.

A diferença entre usar IA bem e usar IA mal nesse contexto é, em grande parte, a qualidade do prompt. Então vamos falar sobre isso.

O que é um gap de pesquisa, para começo de conversa

Antes de montar qualquer prompt, vale clarear o conceito. Gap de pesquisa não é simplesmente “ninguém estudou exatamente isso”. É mais específico do que parece.

Um gap pode ser:

• Lacuna temática: um fenômeno que existe mas não foi estudado ou foi estudado apenas superficialmente
• Lacuna metodológica: um fenômeno que foi estudado, mas sempre com os mesmos métodos; uma abordagem diferente poderia revelar novas dimensões
• Lacuna contextual: pesquisas existentes foram feitas em determinados países, culturas ou populações, e seu contexto não está representado
• Lacuna temporal: o campo avançou, mas as conclusões usadas como base são de uma época em que o contexto era diferente
• Lacuna de contradição: achados conflitantes na literatura que ainda não foram reconciliados

Cada tipo de gap sugere uma justificativa diferente para a sua pesquisa, e isso vai influenciar diretamente como você vai enquadrar o problema no projeto ou na dissertação.

O princípio básico de um bom prompt para análise de literatura

A IA não sabe o que você leu. Ela não tem acesso aos seus PDFs (a menos que você os envie). Então, para que ela te ajude a identificar gaps, você precisa trazer o conteúdo para dentro da conversa.

Existem duas formas principais de fazer isso:

Opção 1: Colar os resumos (abstracts) dos artigos que você já mapeou e pedir para a IA analisar o conjunto.

Opção 2: Descrever os principais achados e argumentos que você encontrou na literatura e pedir para a IA identificar o que está faltando ou o que parece contraditório.

A segunda opção exige que você já tenha processado os artigos antes. Isso é um ponto positivo: você não está terceirizando a leitura, está usando a IA para uma etapa analítica depois de já ter feito o trabalho intelectual.

Prompts que funcionam na prática

Aqui estão estruturas de prompt que têm se mostrado úteis para esse tipo de análise. Adapte ao seu tema e ao seu momento na pesquisa.

Para mapear lacunas a partir de um conjunto de resumos

Vou te fornecer os resumos de [X] artigos sobre [tema].
Após ler todos, identifique:
1. Quais aspectos do tema são consistentemente abordados?
2. Quais populações, contextos ou períodos históricos aparecem com pouca frequência?
3. Quais contradições ou tensões existem entre os achados?
4. O que esses artigos NÃO respondem sobre [fenômeno específico]?

[Cole os resumos numerados aqui]

Para identificar gaps metodológicos

Os estudos que mapeei sobre [tema] utilizam predominantemente [método/abordagem].
Considerando as limitações típicas desse tipo de delineamento, quais aspectos do fenômeno provavelmente não foram capturados? Que outros métodos poderiam revelar dimensões diferentes?

Para encontrar contradições na literatura

Seguem os principais achados que encontrei sobre [tema]:
[Liste os achados, de forma breve]

Existem tensões ou contradições entre esses achados? O que poderia explicar as divergências? Que tipo de pesquisa poderia ajudar a reconciliar essas perspectivas?

Para verificar representatividade de contextos

Os artigos que li sobre [tema] foram conduzidos majoritariamente em [países/populações].
Dado esse cenário, quais questões permanecem sem resposta para contextos como [seu contexto de pesquisa]? Que adaptações ou particularidades precisariam ser consideradas?

O que fazer com as respostas da IA

Aqui está o ponto mais importante de todo esse processo: o que a IA te devolve é um ponto de partida analítico, não uma conclusão pronta.

Quando a ferramenta identifica um possível gap, sua próxima etapa é verificar se aquela lacuna realmente existe. Isso significa voltar para a literatura e confirmar: houve mesmo pouca produção sobre esse ângulo? As contradições identificadas são reais?

Isso pode parecer redundante, mas não é. A IA pode apontar algo que, na verdade, já foi extensamente pesquisado em bases que você ainda não consultou. Ou pode formular uma lacuna de maneira ligeiramente equivocada que, se você não checar, vai aparecer no seu projeto de uma forma que a banca vai questionar.

A IA acelera o processo de identificação. A validação é responsabilidade sua.

Cuidados éticos nessa etapa

Identificar gaps com ajuda de IA é um uso legítimo e produtivo dessas ferramentas. Mas há alguns cuidados que valem a pena mencionar.

Não atribua à IA a identificação do seu objeto de pesquisa. A ferramenta pode te ajudar a enxergar padrões, mas a escolha do que pesquisar é intelectualmente sua. Essa é a parte que não terceirizamos.

Não apresente como gap algo que a IA “encontrou” sem que você tenha validado. A justificativa da pesquisa precisa ser sua. Você precisa ser capaz de defender por que aquele gap existe com referências reais, não com “o ChatGPT disse”.

Transparência com o orientador: se você usou IA como ferramenta auxiliar na revisão, converse com seu orientador sobre isso. As normas variam por programa e por orientador, e é melhor deixar claro do que deixar implícito.

Usar IA com inteligência é diferente de usar IA para substituir o pensamento. O Método V.O.E. parte exatamente dessa premissa: a ferramenta serve ao pesquisador, nunca o substitui.

Como refinar a análise em múltiplas rodadas

A identificação de gaps raramente acontece em um único prompt. O processo mais produtivo tende a ser iterativo: você começa com uma análise ampla e vai afunilando.

Uma sequência que funciona bem:

Rodada 1: forneça os resumos ou achados principais e peça uma visão geral dos padrões na literatura.

Rodada 2: a partir da resposta, escolha um ou dois aspectos que parecem mais promissores e aprofunde com perguntas mais específicas.

Rodada 3: teste a formulação do gap. Escreva sua hipótese de lacuna e peça para a IA ajudar a verificar se a argumentação está coerente com o que foi apresentado na literatura.

Essa abordagem em camadas evita dois problemas comuns: o prompt vago demais que gera resposta igualmente vaga, e a tentação de aceitar a primeira formulação sem questionar.

Quando a IA não consegue ajudar

Vale ser honesto sobre os limites. Existem situações em que a IA simplesmente não vai ser útil para identificar gaps:

Quando o tema é muito específico ou recente: se há poucos artigos sobre o assunto e a maioria é de publicação recente, a IA pode não ter informações suficientes sobre o estado da arte. Nesse caso, a busca direta nas bases (Scopus, Web of Science, PubMed) é insubstituível.

Quando o gap depende de conhecimento tácito da área: em alguns campos, identificar o que falta requer familiaridade com debates internos que não aparecem explicitamente nos textos publicados. Conversas com o orientador e com outros pesquisadores são insubstituíveis aqui.

Quando você precisa de referências específicas para embasar o gap: a IA não vai te dar os artigos que confirmam a lacuna. Para isso, você precisa de buscas nas bases e de leitura dos textos originais.

Reconhecer esses limites não é pessimismo. É usar a ferramenta de forma inteligente: onde ela ajuda, use; onde ela não chega, não tente forçar.

O processo fica mais fluido com prática

A primeira vez que você monta um prompt para análise de literatura vai parecer estranho. A IA vai devolver coisas úteis misturadas com coisas genéricas, e você vai precisar iterar.

Isso é normal. Prompt engineering para pesquisa acadêmica é uma habilidade que se desenvolve com uso. Com o tempo, você aprende a calibrar o nível de especificidade, a dividir a tarefa em etapas menores, e a reconhecer quando a resposta é genuinamente útil versus quando é superficial.

O que não muda é o princípio: quanto melhor o contexto que você fornece, melhor o resultado. E quanto mais você entende o que está procurando, mais consegue usar a ferramenta a seu favor.

No fim das contas, a melhor ferramenta de identificação de gaps continua sendo a leitura cuidadosa combinada com a capacidade crítica do pesquisador. A IA entra como acelerador de um processo que já exige rigor intelectual. Não como atalho que dispensa esse rigor.

Para outros recursos sobre uso ético e produtivo de IA na pesquisa acadêmica, confira nossa página de recursos gratuitos.