Política de Uso de Inteligência Artificial (IA)
Esta política de uso de Inteligência Artificial (IA) nas publicações científicas visa estabelecer diretrizes claras, garantindo integridade, ética e transparência no processo editorial. Os autores são obrigados a divulgar o uso do IA durante a submissão, fornecendo detalhes sobre a abordagem, parâmetros e considerações éticas. A transparência e a reprodutibilidade são enfatizadas, exigindo que os autores compartilhem informações que possibilitem a reprodução dos resultados. A validação científica é assegurada por meio de uma revisão rigorosa que avalia não apenas os resultados, mas também a validade da abordagem. Os autores são responsáveis pelo uso ético dos dados, incluindo o cumprimento dos padrões éticos e minimizando o viés nos dados. Revisores especializados em IA podem ser nomeados quando necessário, e os direitos autorais e a propriedade intelectual devem ser respeitados. A política será atualizada periodicamente para refletir mudanças na tecnologia e nas práticas éticas, e a revista se compromete em destacar o uso do IA em suas divulgações editoriais, reconhecendo a importância dessa tecnologia na evolução da pesquisa científica.
Uso de Inteligência Artificial (IA) na Preparação do Manuscrito
Em conformidade com as recomendações do ICMJE (https://www.icmje.org/) e os princípios de relato da EQUATOR (https://www.equator-network.org/), os autores devem divulgar o uso de ferramentas de inteligência artificial durante a preparação do manuscrito, fornecendo as seguintes informações:
- O nome da plataforma, programa ou ferramenta de software de IA utilizada.
- O número da versão e quaisquer extensões ou plugins associados.
- O desenvolvedor ou fabricante do software.
- A(s) data(s) em que o software ou ferramenta foi utilizado.
- Uma descrição concisa de como a IA foi empregada, incluindo os prompts utilizados (se aplicável) e as seções ou tarefas específicas em que a ferramenta contribuiu (por exemplo, geração de ideias, síntese de literatura, tradução de idiomas ou edição do manuscrito).
- Uma declaração clara afirmando que todos os autores assumem total responsabilidade pela precisão e integridade de qualquer conteúdo gerado, editado ou apoiado por ferramentas de IA.
Nota: Ferramentas de IA não podem ser listadas como autoras, pois não podem assumir responsabilidade pelo trabalho submetido (conforme os critérios de autoria do ICMJE).
Uso de IA no Processo de Pesquisa
Quando a IA estiver envolvida na condução ou análise da pesquisa, os autores devem fornecer documentação abrangente, especialmente na seção de Métodos, a fim de garantir transparência e reprodutibilidade. Isso inclui:
Conformidade com Diretrizes de Relato
- Seguir diretrizes específicas de relato conforme o desenho do estudo, quando aplicável (por exemplo, CONSORT-AI, SPIRIT-AI, MI-CLAIM, CLAIM, MINIMAR, DECIDE-AI, TRIPOD-AI, STARD-AI, PROBAST-AI, CANGARU, CHART), e relatar cada item da lista de verificação com detalhes suficientes para permitir a replicação.
Especificação do Uso de IA
- Descrever como a IA foi integrada ao fluxo de trabalho da pesquisa, especificando seu papel em tarefas como geração de hipóteses, engenharia de variáveis, seleção de variáveis de ajuste ou visualização de dados.
Para Estudos Baseados em LLMs (Modelos de Linguagem de Grande Escala)
- Especificar o nome, versão e desenvolvedor da ferramenta de IA utilizada.
- Indicar as datas de uso e fornecer um registro detalhado ou descrição dos prompts utilizados, incluindo as sequências de prompts e quaisquer modificações feitas em resposta às saídas da IA.
Para Desenvolvimento de Machine Learning e Algoritmos
- Detalhar os conjuntos de dados utilizados para treinamento, desenvolvimento e validação, indicando explicitamente se os dados foram retrospectivos, coletados prospectivamente ou parte de uma implantação no mundo real.
- Definir claramente o modelo de machine learning utilizado, as variáveis de entrada, os desfechos e a abordagem para otimização de hiperparâmetros.
- Documentar todos os pressupostos realizados e os procedimentos utilizados para testar sua validade.
Avaliação de Desempenho e Viés do Modelo
- Especificar as métricas de avaliação aplicadas (por exemplo, viés, discriminação, calibração, reclassificação) e justificar sua escolha.
- Descrever a abordagem adotada para dados ausentes, incluindo métodos de imputação, se utilizados.
- Indicar se a pesquisa obteve aprovação ou isenção de um comitê de ética ou conselho institucional de revisão (IRB).
Análises de Viés e Subgrupos
- Descrever as estratégias metodológicas utilizadas para identificar, minimizar ou corrigir viés ou imprecisões relacionadas à IA.
- Quando aplicável, indicar se foram realizadas análises de sensibilidade para avaliar o desempenho do modelo em populações vulneráveis ou sub-representadas.
Disponibilidade de Dados e Código
- Fornecer uma declaração de compartilhamento de dados, especificando se o código do modelo, os conjuntos de dados de treinamento ou os prompts serão compartilhados, e sob quais condições.
As diretrizes para o uso de IA em pesquisa científica foram baseadas nas seguintes referências:
Flanagin, A., Kendall-Taylor, J., & Bibbins-Domingo, K. (2023). Guidance for Authors, Peer Reviewers, and Editors on Use of AI, Language Models, and Chatbots. JAMA, 330(8), 702-703.
Flanagin, A., Pirracchio, R., Khera, R., Berkwits, M., Hswen, Y., & Bibbins-Domingo, K. (2024). Reporting Use of AI in Research and Scholarly Publication—JAMA Network Guidance. JAMA, 331(13), 1096-1098.
Kaebnick, G. E., Magnus, D. C., Kao, A., Hosseini, M., Resnik, D., Dubljevi?, V., Rentmeester, C., Gordijn, B., & Cherry, M. J. (2023). Editors’ statement on the responsible use of generative AI technologies in scholarly journal publishing. Medicine, Health Care and Philosophy, 26, 499–503.
Victor, B. G., Sokol, R. L., Goldkind, L., & Perron, B. E. (2023). Recommendations for Social Work Researchers and Journal Editors on the Use of Generative AI and Large Language Models. Journal of the Society for Social Work and Research, 14(3), 563-580.