Potenciais contribuições da inteligência artificial no processo editorial de periódicos científicos

Abstract

O modelo atual do processo editorial de periódicos científicos enfrenta críticas e desafios relacionados à transparência, à celeridade, aos vieses, às atuais demandas pela incorporação de práticas de ciência aberta, entre outros desafios, o que torna pertinente a busca por soluções capazes de automatizar tarefas repetitivas e otimizar o fluxo editorial. Dentre essas soluções, destaca-se o uso de técnicas de inteligência artificial. Diante desse cenário, esta pesquisa busca responder à seguinte pergunta: quais as potenciais contribuições e desafios da integração de técnicas de IA no processo editorial de periódicos científicos? O objetivo desta pesquisa é demonstrar as principais contribuições da inteligência artificial na automação e otimização do processo editorial de periódicos científicos. De forma a atingir esse objetivo, a pesquisa foi dividida nas seguintes etapas: (1) construção do referencial teórico sobre o processo editorial de periódicos científicos; (2) realização de uma revisão sistemática da literatura para mapear o estado da arte do uso de IA nesse contexto; e (3) elaboração de uma sistematização que explicita as etapas do processo editorial e as possíveis aplicações de IA em cada uma delas. Os resultados evidenciam uma predominância de estudos voltados à revisão por pares e ao uso de inteligência artificial generativa, especialmente modelos de linguagem, aplicados em atividades como triagem inicial, seleção de revisores, apoio à revisão por pares e suporte à decisão editorial. As principais contribuições identificadas concentram-se no aumento da eficiência, padronização, redução de carga de trabalho e apoio à qualidade das avaliações. Em contrapartida, destacam-se desafios relevantes, como vieses, opacidade algorítmica, riscos à confidencialidade e limitações na análise por ferramentas de IA à aspectos complexos e inovadores dos manuscritos. Conclui-se que a IA atualmente não possui a capacidade de substituir o julgamento humano, sendo mais adequada sua integração em um modelo híbrido, no qual atua como uma ferramenta às atividades dos processos editoriais.

The current model of the editorial process in scientific journals faces criticism and challenges related to transparency, timeliness, biases, and the growing demand for the incorporation of open science practices, among other issues. This context highlights the need to seek solutions capable of automating repetitive tasks and optimizing editorial workflows. Among these solutions, the use of artificial intelligence techniques stands out. In light of this scenario, this study seeks to answer the following question: what are the potential contributions and challenges of integrating AI techniques into the editorial process of scientific journals? The objective of this research is to demonstrate the main contributions of artificial intelligence to the automation and optimization of the editorial process. To achieve this goal, the study was structured into the following stages: (1) development of a theoretical framework on the editorial process of scientific journals; (2) a systematic literature review to map the state of the art regarding the use of AI in this context; and (3) the development of a flowchart outlining the stages of the editorial process and the potential applications of AI in each of them. The results reveal a predominance of studies focused on peer review and on the use of generative AI, particularly language models, applied to tasks such as initial screening, reviewer selection, support for peer review, and editorial decision-making. The main contributions identified include increased efficiency, standardization, reduced workload, and support for the quality of evaluations. On the other hand, significant challenges are highlighted, such as biases, algorithmic opacity, risks to confidentiality, and limitations of AI tools in assessing complex and innovative aspects of manuscripts. It is concluded that AI currently lacks the capacity to replace human judgment and is therefore better suited to integration within a hybrid model, in which it functions as a supporting tool for editorial processes.